Detección de personas ebrias mediante técnicas de Deep Learning

Abstract

Mediante este proyecto se pretende crear un modelo neuronal con diferentes arquitecturas y distintos datasets, capaz de detectar si una persona se encuentra ebria o sobria mediante una grabación de sus expresiones faciales. Para ello se va a utilizar dos arquitecturas de redes neuronales llamadas LSTM y CONV1D que serán explicadas en el apartado de Desarrollo de la memoria. Se van a utilizar dos datasets, uno obtenido a partir de otro proyecto de investigación, y el otro obtenido manualmente mediante técnicas de visión artificial. El principal objetivo de usar distintas técnicas para la arquitectura de la red neuronal y diversos datasets es compararlo, realizar varias pruebas y obtener un buen modelo neuronal que de la mejor precisión posible para realizar trabajos en el futuro. Una vez obtenido un modelo muy preciso, la idea sería implementado en una cámara dentro de los vehículos terrestres cerca del retrovisor delantero, de tal manera que no sea visible a simple vista. Una vez que el usuario ebrio se siente en el asiento del piloto y se haya detectado su presencia en el vehículo, esta cámara se activará para obtener sus rasgos faciales. Cuando el modelo haya detectado que el conductor se encuentra borracho, el coche se bloqueará evitando que el conductor pueda manejar el coche, se encenderán las luces de emergencia y posteriormente se llamará a un taxi para que se pueda desplazar a la ubicación que él/ella desee y así mantener la seguridad urbana y evitar provocar accidentes prevenibles.