Etude comparative entre les différentes architectures des réseaux de neurones convolutifs (CNNs) pour la détection de la fatigue du conducteur.

Abstract

La fatigue du conducteur diminue sa vigilance ce qui peut mener à des conséquences graves comme les accidents routiers. Dans ce mémoire nous avons proposé une méthode non intrusive de la détection de la fatigue du conducteur basé sur l'intelligence artificielle et la vision par ordinateur. En effet, nous avons réalisé une étude comparative entre les différentes architectures du réseau neurone convolutive pour la détection de la fatigue au volant en analysant les caractéristiques faciales du conducteur (l’état des yeux et le bâillement). Par la suite, l'architecture sélectionnée a été utilisée pour calculer les deux mesures PERCLOS et FOM (PERcentage of eye CLOsure and yawning Frequency Of Mouth) afin de prédire la somnolence du conducteur. La méthode a obtenu un taux de détection égale à 81,25 %.