1. Universidad Antonio Nariño
  2. Trabajos de grado
  3. Pregrado
  4. Ingeniería electrónica
Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.uan.edu.co/handle/123456789/9592
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorOrjuela Vargas, Sergio Alejandro-
dc.creatorGuarnizo Rengifo, Cristian David-
dc.creatorCortes Silvestre, Danilo-
dc.date.accessioned2024-03-14T23:47:01Z-
dc.date.available2024-03-14T23:47:01Z-
dc.date.created2023-11-27-
dc.identifier.urihttp://repositorio.uan.edu.co/handle/123456789/9592-
dc.description.abstractFatigue in drivers has become a significant issue in terms of road safety. To address the car accidents caused by microsleep episodes, facial and body detection methods are employed using machine learning-based tools, allowing constant monitoring of facial expressions and body movements to generate alerts. However, when focusing on the average driver's environment, the availability of resources and new technology applications is limited.es_ES
dc.description.tableofcontentsEl cansancio en conductores se ha convertido en un problema de gran relevancia en términos de seguridad vial. Por tal motivo una opción para contrarrestar los accidentes automovilísticos ocasionados por micro sueños se emplean métodos de detección facial y corporal usando herramientas basadas en machine LearNing que permiten la vigilancia constante de las expresiones faciales y los movimientos corporales con el propósito de generar una alerta. Sin embargo, cuando nos enfocamos en el entorno de conductores promedio la disponibilidad de recursos y aplicaciones de nuevas tecnologías se ve limitada.es_ES
dc.language.isospaes_ES
dc.publisherUniversidad Antonio Nariñoes_ES
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 Estados Unidos de América*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.sourceinstname:Universidad Antonio Nariñoes_ES
dc.sourcereponame:Repositorio Institucional UANes_ES
dc.sourceinstname:Universidad Antonio Nariñoes_ES
dc.sourcereponame:Repositorio Institucional UANes_ES
dc.subjectmachine learninges_ES
dc.subjectjetson tx2es_ES
dc.subjectsistema pilotoes_ES
dc.titleImplementación de un sistema piloto para la detección de cansancio en conductores mediante Machine Learning.es_ES
dc.typeTesis - Trabajo de grado - Monografia - Pregradoes_ES
dc.publisher.programIngeniería Electrónicaes_ES
dc.rights.accesRightsopenAccesses_ES
dc.subject.keywordmachine learninges_ES
dc.subject.keywordjetson tx2es_ES
dc.subject.keywordpilot systemes_ES
dc.type.spaTrabajo de grado (Pregrado y/o Especialización)es_ES
dc.type.hasVersioninfo:eu-repo/semantics/acceptedVersiones_ES
dc.source.bibliographicCitationArena, C. (2022). 7 desventajas de la inteligencia artificial que todo el mundo debería conocer. LIBERTIES.es_ES
dc.source.bibliographicCitationBerlanga, C. (s.f.). Las imágenes. Poco especializados Paint Imaging Más especializados Paint Shop Pro Photoshop. .es_ES
dc.source.bibliographicCitationBoyle, L. N. (2008). Rendimiento del conductor en los momentos que rodean un microsueño. Lowa,Estados Unidos: Departamento de Ingeniería Mecánica e Industrial, Universidad de Iowa,.es_ES
dc.source.bibliographicCitationCONCEPTOS BASICOS SOBRE REDES NEURONALES . (s.f.). Obtenido de https://grupo.us.es/gtocoma/pid/pid10/RedesNeuronales.htmes_ES
dc.source.bibliographicCitationcuevas, e. (2010). Procesamiento digital de imagenes usando MATLAB Y SIMULINKes_ES
dc.source.bibliographicCitationDesarrollo de un Sistema de Detección de Movimiento basado en Flujo Óptico en Raspberry Pi. (s.f.).es_ES
dc.source.bibliographicCitationDiferencia entre el aprendizaje automático y las redes neuronales. (s/f). La diferencia entre objetos y términos similares. (16 de Marzo de 2018). https://es.differkinome.com/. Obtenido de https://es.differkinome.com/articles/technology/difference-betweenmachine-learning-and-neural-networks.htmles_ES
dc.source.bibliographicCitationFlores, D. W. (s.f.). Análisis de Imágenes Digitales Fundamentos de la imagen digital .es_ES
dc.source.bibliographicCitationFlores, N. (2022). Cross validation: qué es y su relación con machine learning.es_ES
dc.source.bibliographicCitationFundacion_CEA. (s.f.). somnolencia y conducciones_ES
dc.description.degreenameIngeniero(a) Electrónico(a)es_ES
dc.description.degreelevelPregradoes_ES
dc.publisher.facultyFacultad de Ingeniería Mecánica, Electrónica y Biomédicaes_ES
dc.audienceEspecializadaes_ES
dc.description.notesPresenciales_ES
dc.creator.cedula20441821406es_ES
dc.creator.cedula20441826461es_ES
dc.publisher.campusIbaguées_ES
dc.description.degreetypeProyectoes_ES
Aparece en las colecciones: Ingeniería electrónica

Ficheros en este ítem:
Fichero Tamaño  
2023_Cristian David Guarnizo_Trabajo de grado.2.7 MBVisualizar/Abrir
2023_Cristian David Guarnizo_Autorización.
  Restricted Access		3.23 MBVisualizar/Abrir  Request a copy
2023_Cristian David Guarnizo_Acta.
  Restricted Access		250.79 kBVisualizar/Abrir  Request a copy
2023_Danilo Cortés Silvestre_Acta.
  Restricted Access		251.91 kBVisualizar/Abrir  Request a copy
Mostrar el registro sencillo del ítem


Ver Estadísticas de uso



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons