ESTIMACIÓN DE LA DIRECCIÓN DE LA MIRADA EN IMÁGENES DEL ROSTRO

Abstract

En España, las distracciones al volante representan un tercio de los accidentes mortales de tráfico. El principal motivo de este es el empleo del teléfono móvil, que desv¿¿a la atención del conductor hacia otro punto de interés. Detectar este tipo de imprudencias resulta clave para reducir el número de v¿¿ctimas en las carreteras. En este contexto, la estimación de la dirección de la mirada puede jugar un papel fundamental como sistema para identificar la conducción distra¿¿da o desatenta.

Este Trabajo de Fin de Grado presenta el desarrollo de un modelo de Deep Learning para la estimación de la dirección de la mirada junto con otras caracter¿¿sticas faciales a partir de imágenes capturadas por una cámara calibrada. Se han explorado diferentes arquitecturas de redes neuronales convolucionales, incluyendo EfficientNet y ResNet, con el objetivo de predecir de forma simultánea la dirección de la mirada, el tamaño de las pupilas y la orientación de la cabeza. El modelo ha sido optimizado para trabajar en un entorno con capacidad hardware limitada, y se han empleado técnicas avanzadas de ajuste de hiper-parámetros para mejorar su rendimiento.

En el desarrollo del proyecto, se ha llevado a cabo un análisis de dos de las principales bases de datos empleadas en esta tarea: ETH-XGaze y EVE, siendo esta última la empleada para el entrenamiento y evaluación del modelo. Los resultados obtenidos demuestran un error angular promedio de 7,5 grados en la estimación de la dirección de la mirada. Aunque algunos de los mejores modelos en la literatura logran un error cercano a los 2 grados, los resultados son satisfactorios debido a que el sistema desarrollado no emplea una red adicional de refinamiento de esta estimación y no necesita una capacidad de cómputo excesiva.