ESTIMACIÓN DE LA DIRECCIÓN DE LA MIRADA EN IMÁGENES DEL ROSTRO
Fecha
2024-10-17
Autores
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Rey Juan Carlos
Enlace externo
Resumen
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.
Descripción
Trabajo Fin de Grado leído en la Universidad Rey Juan Carlos en el curso académico 2024/2025. Directores/as: José Miguel Buenaposada Biencinto
Citación
Colecciones

Excepto si se señala otra cosa, la licencia del ítem se describe como Creative Commons Atribución-CompartirIgual 4.0 Internacional