Vision-Based Methodologies for Driver Inattention Detection: A Foundational Study

Abstract

Driver drowsiness and distraction are leading causes of road accidents worldwide, posing significant risks to road safety. Many reliable detection methods often rely on intrusive sensors and setups, which can be uncomfortable and impractical for real-world applications. This thesis explores a non-intrusive, vision-based approach utilizing a camera to monitor driver behavior and detect signs of drowsiness and distraction in real time. By analyzing facial features such as eye closure (PERCLOS), blink rate, head pose, and gaze direction, the proposed system aims to provide an efficient and unobtrusive solution for driver monitoring. This study aims to contributes to the advancement of a reliable and efficient driver monitoring system offering a cost-effective and scalable solutions that can be integrated into existing vehicle safety frameworks. The findings highlight the potential of non intrusive camera-based drowsiness and distraction detection to enhance road safety and reduce accident caused by driver inattention.****

La somnolence et la distraction au volant sont des causes majeures d’accidents de la route dans le monde, posant des risques significatifs pour la sécurité routière. De nombreuses méthodes de détection fiables reposent souvent sur des capteurs et des configurations intrusifs, qui peuvent être inconfortables et peu pratiques pour une application en conditions réelles. Cette thèse explore une approche non-intrusive basée sur la vision, utilisant une caméra pour surveiller le comportement du conducteur et détecter les signes de somnolence et de distraction en temps réel. En analysant les caractéristiques faciales telles que le degré de fermeture des paupières (PERCLOS), la fréquence des clignements, la pose de la tête et la direction du regard, le système proposé vise à fournir une solution efficace et discrète pour la surveillance du conducteur. Cette étude contribue à l’avancement d’un système de surveillance du conducteur fiable et efficace, offrant des solutions rentables et évolutives pouvant être intégrées dans les cadres de sécurité des véhicules existants. Les résultats soulignent le potentiel de la détection non-intrusive de la somnolence et de la distraction par caméra pour améliorer la sécurité routière et réduire les accidents causés par l’inattention du conducteur.