¿De qué trata el proyecto?
VigilDrive: prevención de accidentes con IA y visión artificial es un proyecto desarrollado por Julián Sánchez, un joven desarrollador colombiano, que propone una solución inteligente para monitorear en tiempo real signos de fatiga y microsueños en conductores de transporte público, con el objetivo de reducir los accidentes de tránsito relacionados con el cansancio, especialmente en buses y microbuses.
El sistema combina visión por computadora, inteligencia artificial y procesamiento en la nube, para alertar de forma inmediata a los conductores cuando se detectan señales de somnolencia, y almacenar los eventos para análisis posteriores.
¿Cuál problema viene a resolver?
En países como Colombia, hasta el 20% de los accidentes de tránsito están asociados al sueño o fatiga de los conductores, siendo una de las causas invisibles más letales en el transporte público.
Actualmente, la mayoría de vehículos carecen de herramientas para identificar síntomas como:
- Bostezos frecuentes.
- Parpadeo excesivo.
- Ojos semicerrados.
- Distracción por celular.
Estos comportamientos pasan desapercibidos hasta que es demasiado tarde.
¿Cuál es la solución?
- VigilDrive ofrece una plataforma de bajo costo, portable y escalable que:
- Detecta signos de somnolencia mediante visión artificial integrada a una Raspberry Pi.
- Utiliza una cámara IMX500 y modelos de IA entrenados para reconocer movimientos faciales clave (boca, ojos, parpadeos).
- Registra datos como nombre del conductor, trayecto, eventos y horarios.
- Emite alertas sonoras en tiempo real para evitar que el conductor se quede dormido.
- Almacena los registros en formato CSV y plantea una arquitectura conectada a la nube de AWS para análisis avanzado.
- El objetivo es ayudar a empresas de transporte y conductores particulares a prevenir accidentes, mediante un sistema autónomo, personalizable y no invasivo.
¿Cómo fue construido?
Componentes locales:
- Raspberry Pi + cámara IMX500: Dispositivo embebido que realiza la captura y procesamiento de imágenes.
- Visión por computadora + IA local: Detección de expresiones faciales relacionadas con fatiga.
- Interfaz en Python: GUI para registrar datos y alertar al conductor.
- Almacenamiento en CSV: Guardado local de los eventos detectados.
Arquitectura cloud propuesta:
- AWS Lambda: Para procesamiento sin servidor de los registros
- AWS Glue: Para limpiar, transformar y organizar datos.
- Amazon QuickSight: Para dashboards que visualizan patrones de fatiga, rutas y horarios de mayor riesgo.
- Amazon Cognito (futuro): Para gestión de usuarios y autenticación en una app móvil o plataforma web.
Escenarios de uso y potencial:
- Empresas de transporte público y privado.
- Conductores de rutas interurbanas de larga distancia.
- Integración con flotas escolares o turísticas.
- Personalización futura para detectar uso de celular u otras distracciones.
