Détection des bâillements et clignements des yeux


  1. Contexte : La somnolence au volant est l’une des causes majeures des accidents de la route. Afin d’identifier les signes de fatigues tels que les clignements des yeux et les bâillements, des méthodes de détection basées sur l’intelligence artificielle peuvent être utilisées, malgré le défi important que leur conception représente.
  2. Objectif : L’objectif principal de ce projet est de développer deux modèles de détection des clignements des yeux et des bâillements à l’aide des architectures de réseaux neuronaux convolutifs (CNN) afin de détecter la somnolence au volant et ainsi prévenir les accidents de la route.
  3. Méthodologie :
    • Effectuer des pré-traitements sur les ensembles de données de référence.
    • Adapter et personnaliser des modèles de réseaux neuronaux convolutifs pré-entrainés pour permettre la détection de clignements des yeux et de bâillements.
    • Adopter la validation croisée à 10 plis et mesurer la performance des modèles.
  4. Résultats : L’architecture MobileNet a les meilleures performances pour la détection des bâillements et des clignements des yeux.
  5. Conclusion : Les résultats obtenus mettent en évidence l’efficacité des CNN pour la classification d’images.

Présenté par

  • Noémie Cabot, étudiante au baccalauréat en informatique
  • Dorra  Lamouchi, étudiante à la maîtrise en informatique (recherche)
  • Yacine Yaddaden, professeur