Search

[ES] En este artículo se presenta un sistema avanzado de asistencia a la conducción (SAAC) diseñado para detectar automáticamente a somnolencia y la distracción del conductor. Este sistema se compone de dos partes: una para trabajar durante el día con luminación natural, y otra para funcionar en la noche utilizando iluminación infrarroja. Los principales objetivos son localizar l rostro y los ojos del conductor para analizarlos a través del tiempo y generar un índice de somnolencia y uno de distracción. Para llo se han utilizado técnicas de Visión por Computador e Inteligencia Artificial. Finalmente, el sistema ha sido probado con varios onductores sobre un vehículo en condiciones reales de conducción, en el día y en la noche., [EN] Every day, statistics on traffic accidents reveal that human errors are the main cause of deaths and injuries on the word’s roads. In order to reduce these fatalities, a system for automatic detection of both drowsiness and distraction is presented. Artificial intelligent, computer vision and infrared illumination technologies are used to compute both drowsiness and distraction indexes in real time. Several examples of different driver images taken in a real vehicle at nighttime are shown to validate the proposed algorithms.

[ES] En este artículo se presenta un sistema avanzado de asistencia a la conducción (SAAC) diseñado para detectar automáticamente a somnolencia y la distracción del conductor. Este sistema se compone de dos partes: una para trabajar durante el día con luminación natural, y otra para funcionar en la noche utilizando iluminación infrarroja. Los principales objetivos son localizar l rostro y los ojos del conductor para analizarlos a través del tiempo y generar un índice de somnolencia y uno de distracción. Para llo se han utilizado técnicas de Visión por Computador e Inteligencia Artificial. Finalmente, el sistema ha sido probado con varios onductores sobre un vehículo en condiciones reales de conducción, en el día y en la noche., [EN] Every day, statistics on traffic accidents reveal that human errors are the main cause of deaths and injuries on the word’s roads. In order to reduce these fatalities, a system for automatic detection of both drowsiness and distraction is presented. Artificial intelligent, computer vision and infrared illumination technologies are used to compute both drowsiness and distraction indexes in real time. Several examples of different driver images taken in a real vehicle at nighttime are shown to validate the proposed algorithms.

[ES] En este artículo se presenta un sistema avanzado de asistencia a la conducción (SAAC) diseñado para detectar automáticamente a somnolencia y la distracción del conductor. Este sistema se compone de dos partes: una para trabajar durante el día con luminación natural, y otra para funcionar en la noche utilizando iluminación infrarroja. Los principales objetivos son localizar l rostro y los ojos del conductor para analizarlos a través del tiempo y generar un índice de somnolencia y uno de distracción. Para llo se han utilizado técnicas de Visión por Computador e Inteligencia Artificial. Finalmente, el sistema ha sido probado con varios onductores sobre un vehículo en condiciones reales de conducción, en el día y en la noche., [EN] Every day, statistics on traffic accidents reveal that human errors are the main cause of deaths and injuries on the word’s roads. In order to reduce these fatalities, a system for automatic detection of both drowsiness and distraction is presented. Artificial intelligent, computer vision and infrared illumination technologies are used to compute both drowsiness and distraction indexes in real time. Several examples of different driver images taken in a real vehicle at nighttime are shown to validate the proposed algorithms.

[ES] En este artículo se presenta un sistema avanzado de asistencia a la conducción (SAAC) diseñado para detectar automáticamente a somnolencia y la distracción del conductor. Este sistema se compone de dos partes: una para trabajar durante el día con luminación natural, y otra para funcionar en la noche utilizando iluminación infrarroja. Los principales objetivos son localizar l rostro y los ojos del conductor para analizarlos a través del tiempo y generar un índice de somnolencia y uno de distracción. Para llo se han utilizado técnicas de Visión por Computador e Inteligencia Artificial. Finalmente, el sistema ha sido probado con varios onductores sobre un vehículo en condiciones reales de conducción, en el día y en la noche., [EN] Every day, statistics on traffic accidents reveal that human errors are the main cause of deaths and injuries on the word’s roads. In order to reduce these fatalities, a system for automatic detection of both drowsiness and distraction is presented. Artificial intelligent, computer vision and infrared illumination technologies are used to compute both drowsiness and distraction indexes in real time. Several examples of different driver images taken in a real vehicle at nighttime are shown to validate the proposed algorithms.

[ES] En este artículo se presenta un sistema avanzado de asistencia a la conducción (SAAC) diseñado para detectar automáticamente a somnolencia y la distracción del conductor. Este sistema se compone de dos partes: una para trabajar durante el día con luminación natural, y otra para funcionar en la noche utilizando iluminación infrarroja. Los principales objetivos son localizar l rostro y los ojos del conductor para analizarlos a través del tiempo y generar un índice de somnolencia y uno de distracción. Para llo se han utilizado técnicas de Visión por Computador e Inteligencia Artificial. Finalmente, el sistema ha sido probado con varios onductores sobre un vehículo en condiciones reales de conducción, en el día y en la noche., [EN] Every day, statistics on traffic accidents reveal that human errors are the main cause of deaths and injuries on the word’s roads. In order to reduce these fatalities, a system for automatic detection of both drowsiness and distraction is presented. Artificial intelligent, computer vision and infrared illumination technologies are used to compute both drowsiness and distraction indexes in real time. Several examples of different driver images taken in a real vehicle at nighttime are shown to validate the proposed algorithms.

[ES] En este artículo se presenta un sistema avanzado de asistencia a la conducción (SAAC) diseñado para detectar automáticamente a somnolencia y la distracción del conductor. Este sistema se compone de dos partes: una para trabajar durante el día con luminación natural, y otra para funcionar en la noche utilizando iluminación infrarroja. Los principales objetivos son localizar l rostro y los ojos del conductor para analizarlos a través del tiempo y generar un índice de somnolencia y uno de distracción. Para llo se han utilizado técnicas de Visión por Computador e Inteligencia Artificial. Finalmente, el sistema ha sido probado con varios onductores sobre un vehículo en condiciones reales de conducción, en el día y en la noche., [EN] Every day, statistics on traffic accidents reveal that human errors are the main cause of deaths and injuries on the word’s roads. In order to reduce these fatalities, a system for automatic detection of both drowsiness and distraction is presented. Artificial intelligent, computer vision and infrared illumination technologies are used to compute both drowsiness and distraction indexes in real time. Several examples of different driver images taken in a real vehicle at nighttime are shown to validate the proposed algorithms.

[EN] The number of applications that need to calibrate cameras is increasing. Present methods can calculate camera parameter in a semi-automatic way. Because of that full-automatic methods are being researched in order to save user's time and effort. The algorithm proposed in this article uses a pattern similar to a chessboard. It is automatically found in every image without previous information of the number of files or columns. To do this, a joint analysis of the line set that form the pattern is found through the Hough transform, corners and projective invariants. Some examples and a comparison with other methods are shown., [ES] Cada vez se requieren más aplicaciones en las que es necesaria la calibración de una cámara para poder realizar mediciones sobre las imágenes. En la actualidad se dispone de una serie de algoritmos capaces de obtener estos valores de forma semi-automática, por lo que se investigan métodos para calcularlos de la manera más automática posible ahorrando un gran tiempo a los usuarios. El método que se propone en este artículo utiliza un patrón similar a un tablero de ajedrez, que es encontrado en cada imagen de forma automática sin información previa del número de filas y columnas. Para ello encuentra los conjuntos de líneas que forman el patrón mediante un análisis conjunto de la transformada de Hough, esquinas e invariantes a la transformación de la perspectiva. Se muestran varios ejemplos y su comparación con otros métodos más tradicionales.

[EN] The number of applications that need to calibrate cameras is increasing. Present methods can calculate camera parameter in a semi-automatic way. Because of that full-automatic methods are being researched in order to save user's time and effort. The algorithm proposed in this article uses a pattern similar to a chessboard. It is automatically found in every image without previous information of the number of files or columns. To do this, a joint analysis of the line set that form the pattern is found through the Hough transform, corners and projective invariants. Some examples and a comparison with other methods are shown., [ES] Cada vez se requieren más aplicaciones en las que es necesaria la calibración de una cámara para poder realizar mediciones sobre las imágenes. En la actualidad se dispone de una serie de algoritmos capaces de obtener estos valores de forma semi-automática, por lo que se investigan métodos para calcularlos de la manera más automática posible ahorrando un gran tiempo a los usuarios. El método que se propone en este artículo utiliza un patrón similar a un tablero de ajedrez, que es encontrado en cada imagen de forma automática sin información previa del número de filas y columnas. Para ello encuentra los conjuntos de líneas que forman el patrón mediante un análisis conjunto de la transformada de Hough, esquinas e invariantes a la transformación de la perspectiva. Se muestran varios ejemplos y su comparación con otros métodos más tradicionales.

[EN] The number of applications that need to calibrate cameras is increasing. Present methods can calculate camera parameter in a semi-automatic way. Because of that full-automatic methods are being researched in order to save user's time and effort. The algorithm proposed in this article uses a pattern similar to a chessboard. It is automatically found in every image without previous information of the number of files or columns. To do this, a joint analysis of the line set that form the pattern is found through the Hough transform, corners and projective invariants. Some examples and a comparison with other methods are shown., [ES] Cada vez se requieren más aplicaciones en las que es necesaria la calibración de una cámara para poder realizar mediciones sobre las imágenes. En la actualidad se dispone de una serie de algoritmos capaces de obtener estos valores de forma semi-automática, por lo que se investigan métodos para calcularlos de la manera más automática posible ahorrando un gran tiempo a los usuarios. El método que se propone en este artículo utiliza un patrón similar a un tablero de ajedrez, que es encontrado en cada imagen de forma automática sin información previa del número de filas y columnas. Para ello encuentra los conjuntos de líneas que forman el patrón mediante un análisis conjunto de la transformada de Hough, esquinas e invariantes a la transformación de la perspectiva. Se muestran varios ejemplos y su comparación con otros métodos más tradicionales.

[EN] The number of applications that need to calibrate cameras is increasing. Present methods can calculate camera parameter in a semi-automatic way. Because of that full-automatic methods are being researched in order to save user's time and effort. The algorithm proposed in this article uses a pattern similar to a chessboard. It is automatically found in every image without previous information of the number of files or columns. To do this, a joint analysis of the line set that form the pattern is found through the Hough transform, corners and projective invariants. Some examples and a comparison with other methods are shown., [ES] Cada vez se requieren más aplicaciones en las que es necesaria la calibración de una cámara para poder realizar mediciones sobre las imágenes. En la actualidad se dispone de una serie de algoritmos capaces de obtener estos valores de forma semi-automática, por lo que se investigan métodos para calcularlos de la manera más automática posible ahorrando un gran tiempo a los usuarios. El método que se propone en este artículo utiliza un patrón similar a un tablero de ajedrez, que es encontrado en cada imagen de forma automática sin información previa del número de filas y columnas. Para ello encuentra los conjuntos de líneas que forman el patrón mediante un análisis conjunto de la transformada de Hough, esquinas e invariantes a la transformación de la perspectiva. Se muestran varios ejemplos y su comparación con otros métodos más tradicionales.

[EN] The number of applications that need to calibrate cameras is increasing. Present methods can calculate camera parameter in a semi-automatic way. Because of that full-automatic methods are being researched in order to save user's time and effort. The algorithm proposed in this article uses a pattern similar to a chessboard. It is automatically found in every image without previous information of the number of files or columns. To do this, a joint analysis of the line set that form the pattern is found through the Hough transform, corners and projective invariants. Some examples and a comparison with other methods are shown., [ES] Cada vez se requieren más aplicaciones en las que es necesaria la calibración de una cámara para poder realizar mediciones sobre las imágenes. En la actualidad se dispone de una serie de algoritmos capaces de obtener estos valores de forma semi-automática, por lo que se investigan métodos para calcularlos de la manera más automática posible ahorrando un gran tiempo a los usuarios. El método que se propone en este artículo utiliza un patrón similar a un tablero de ajedrez, que es encontrado en cada imagen de forma automática sin información previa del número de filas y columnas. Para ello encuentra los conjuntos de líneas que forman el patrón mediante un análisis conjunto de la transformada de Hough, esquinas e invariantes a la transformación de la perspectiva. Se muestran varios ejemplos y su comparación con otros métodos más tradicionales.

[EN] The number of applications that need to calibrate cameras is increasing. Present methods can calculate camera parameter in a semi-automatic way. Because of that full-automatic methods are being researched in order to save user's time and effort. The algorithm proposed in this article uses a pattern similar to a chessboard. It is automatically found in every image without previous information of the number of files or columns. To do this, a joint analysis of the line set that form the pattern is found through the Hough transform, corners and projective invariants. Some examples and a comparison with other methods are shown., [ES] Cada vez se requieren más aplicaciones en las que es necesaria la calibración de una cámara para poder realizar mediciones sobre las imágenes. En la actualidad se dispone de una serie de algoritmos capaces de obtener estos valores de forma semi-automática, por lo que se investigan métodos para calcularlos de la manera más automática posible ahorrando un gran tiempo a los usuarios. El método que se propone en este artículo utiliza un patrón similar a un tablero de ajedrez, que es encontrado en cada imagen de forma automática sin información previa del número de filas y columnas. Para ello encuentra los conjuntos de líneas que forman el patrón mediante un análisis conjunto de la transformada de Hough, esquinas e invariantes a la transformación de la perspectiva. Se muestran varios ejemplos y su comparación con otros métodos más tradicionales.