Use este identificador para citar ou linkar para este item: http://bdm.ufmt.br/handle/1/395
Registro completo de metadados
Campo DCValorIdioma
dc.creatorSalles , Arthur França-
dc.date.accessioned2018-11-28T12:40:30Z-
dc.date.available2018-10-24-
dc.date.available2018-11-28T12:40:30Z-
dc.date.issued2018-10-19-
dc.identifier.citationSALLES, Arthur França. Detecção automática de sonolência em condutores de veículos utilizando redes neurais artificiais  . 2018. 42 f. TCC (Graduação em Ciência da Computação) - Universidade Federal do Mato Grosso, Campus Universitário do Araguaia, Instituto de Ciências Exatas e da Terra, Barra do Garças, 2018.pt_BR
dc.identifier.urihttp://bdm.ufmt.br/handle/1/395-
dc.description.abstractAmong the causes that lead to traffic accidents, the driver's drowsiness contributes with a considerable number of cases. Therefore, systems capable of identifying signs of drowsiness can help to reduce accidents. In this work, a system was proposed to evaluate the drowsiness of the driver by means of video classification, using Artificial Neural Networks (ANNs). The neural network was trained by using an artificially created database composed of videos of 49 subjects. An accuracy of 91.8% was obtained in the determination of drowsiness.pt_BR
dc.description.provenanceSubmitted by Geraldo Silva (gerald@bol.com.br) on 2018-11-28T12:39:47Z No. of bitstreams: 1 TCC_2018_Arthur França salles.pdf: 850571 bytes, checksum: 828175537a9fea8fdecd6f42ae92dc76 (MD5)en
dc.description.provenanceApproved for entry into archive by Geraldo Silva (gerald@bol.com.br) on 2018-11-28T12:40:30Z (GMT) No. of bitstreams: 1 TCC_2018_Arthur França salles.pdf: 850571 bytes, checksum: 828175537a9fea8fdecd6f42ae92dc76 (MD5)en
dc.description.provenanceMade available in DSpace on 2018-11-28T12:40:30Z (GMT). No. of bitstreams: 1 TCC_2018_Arthur França salles.pdf: 850571 bytes, checksum: 828175537a9fea8fdecd6f42ae92dc76 (MD5) Previous issue date: 2018-10-19en
dc.languageporpt_BR
dc.publisherUniversidade Federal de Mato Grossopt_BR
dc.rightsAcesso Abertopt_BR
dc.titleDetecção automática de sonolência em condutores de veículos utilizando redes neurais artificiaispt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Silva, Linder Cândido da-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4624259452052347pt_BR
dc.contributor.referee1Silva, Linder Cândido da-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/4624259452052347pt_BR
dc.contributor.referee2Santos, Ivairton Monteiro-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/2725945149876931pt_BR
dc.contributor.referee3Alonso, Ronaldo Luiz-
dc.contributor.referee3Latteshttp://lattes.cnpq.br/8264158628375283pt_BR
dc.description.resumoDentre as causas que levam a acidentes de trânsito, a sonolência do motorista contribui com um número considerável de casos. Consequentemente, sistemas capazes de identificar sinais de sonolência podem ajudar a reduzir os acidentes. Neste trabalho, um sistema foi proposto para avaliar a sonolência do motorista por meio de classificação de vídeo, utilizando Redes Neurais Artificiais (RNAs). A rede neural foi treinada usando uma base de dados artificialmente criada, composta por vídeos de 49 indivíduos. Foi obtido acurácia de 91,8% na determinação da sonolência.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto de Ciências Exatas e da Terra (ICET) – Araguaiapt_BR
dc.publisher.initialsUFMT CUA - Araguaiapt_BR
dc.publisher.programCiência da Computação - CUApt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.subject.keywordRedes neurais artificiaispt_BR
dc.subject.keywordConvolução e recorrênciapt_BR
dc.subject.keyword2Artificial neural networkspt_BR
dc.subject.keyword2Convolution and recurrencept_BR
Aparece na(s) coleção(ções):Ciência da Computação - Araguaia

Arquivos deste item:
Arquivo Descrição TamanhoFormato 
TCC_2018_Arthur França salles.pdf830.64 kBAdobe PDFVer/Abrir
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.