Reconocimiento gestual con Kinect para detectar comportamientos inseguros en conductores

Contenido principal del artículo

Diana Esquivel González

Resumen

Los comportamientos inseguros por parte del conductor de un vehículo, como el uso de un
dispositivo celular durante la conducción, son unas de las principales causas de accidentes
de tránsito alrededor del mundo. Esta práctica es difícil de regular y controlar, mas con el uso
de un sistema automatizado de detección de gestos que indique un comportamiento peligroso,
es posible. El uso de cámaras con sensores de profundidad en 3D permite analizar objetos y
personas en tiempo real con una alta precisión, identificando rasgos y figuras. Estos sensores
utilizan una tecnología denominada “point cloud”, la cual emite un arreglo de luz láser y mide
el tiempo de regreso hacia el sensor, determinando la profundidad de cada uno de los puntos.
Esta tecnología permitió realizar una aplicación de reconocimiento de gestos que es capaz
de detectar de manera automática la acción que indica que el conductor está utilizando un
dispositivo celular durante el tiempo de conducción. Utilizando algoritmos de substracción
de fondo, análisis de rasgos y análisis de histogramas se consiguió realizar inicialmente una
simulación funcional en el programa V-Rep que es capaz de detectar el gesto que indica
este comportamiento. Posteriormente, se implementó un prototipo utilizando imágenes reales
tomadas con un Kinect que fueron procesadas en el programa Octave con los mismos algoritmos
utilizados en la simulación, para así probar la efectividad de la aplicación desarrollada.

Detalles del artículo

Cómo citar
Esquivel González, D. . (2020). Reconocimiento gestual con Kinect para detectar comportamientos inseguros en conductores. Revista Tecnología En Marcha, 33(7), Pág. 166–175. https://doi.org/10.18845/tm.v33i7.5491
Sección
Artículo científico

Citas

Bouwmans, T., Porikli, F., Höferlin, B., & Vacavant, A. (2014). Background Modeling and Foreground Detection

for Video Surveillance. Chapman and Hall/CRC.

Cheung, S.-C. S., & Kamath, C. (2007). Robust techniques for background subtraction in urban traffic

video. Technical Paper, Center for Applied Scientific Computing, Lawrence Livermore National Laboratory,

California. Recuperado el 27 de setiembre de 2015, de https://computation.llnl.gov/casc/sapphire/pubs/UCRLCONF-200706.pdf

Dramanan. (2013). Background Subtraction. Recuperado el 27 de setiembre de 2015, de http://www.ics.uci.

edu/~dramanan/teaching/cs117_spring13/lec/bg.pdf

Murphy-Chutorian, E., Doshi, A., & Trivedi, M. M. (2007). Head Pose Estimation for Driver Assistance Systems:

A Robust Algorithm and Experimental Evaluation. Intelligent Transportation Systems Conference, 2007 (pp.

-714). IEEE. Recuperado el 22 de setiembre de 2015, de http://ieeexplore.ieee.org/xpl/login.jsp?tp=&arn

umber=4357803&url=http%3A%2F%2Fieeexplore.ieee.org%2Fstamp%2Fstamp.jsp%3Ftp%3D%26arnumber

%3D4357803

Open CV. (n.d.). Open Source Computer Vision. Recuperado el 26 de setiembre de 2015, de How to Use

Background Subtraction Methods: http://docs.opencv.org/master/d1/dc5/tutorial_background_subtraction.

html#gsc.tab=0

Organización Mundial de la Salud. (2009). Informe sobre la situación mundial de la seguridad vial 2009.

Recuperado el 29 de agosto de 2015, de http://www.who.int/violence_injury_prevention/road_safety_status/

report/web_version_es.pdf?ua=1

Premaratne, P. (2014). Historical Development of Hand Gesture Recognition. En Human Computer Interaction

Using Hand Gestures (págs. 5-29). Singapore: Springer. doi:10.1007/978-981-4585-69-9_2

Vacavant, A., Chateu, T., Wilhelm, A., & Lequièvre, L. (2013). A benchmark dataset for outdoor foreground/background extraction. Computer Vision-ACCV 2012 Workshops, (págs. 291-300). Springer. doi:10.1007/978-3-

-37410-4_25

Zhang, C., Yang, X., & Tian, Y. (2013). Histogram of 3D Facets: A Characteristic Descriptor for Hang Gesture

Recognition. New York: IEEE. Recuperado el 16 de octubre de 2015, de http://ieeexplore.ieee.org/stamp/

stamp.jsp?tp=&arnumber=6553754