Resumen: La fatiga del conductor plantea un desafío significativo para la seguridad ferroviaria, con sistemas tradicionales como el interruptor de Dead-Man que ofrecen controles de alerta limitados y básicos. Este estudio presenta un sistema de monitoreo basado en el comportamiento en línea que utiliza una red neuronal personalizada de grifos dirigidos (DGNN) para clasificar los estados del conductor del tren en tres categorías: alerta, no alerta y patológica. Para optimizar las representaciones de entrada para el modelo, se realizó un estudio de ablación, que comparó tres configuraciones de características: solo esquelética, solo facial y una combinación de ambos. Los resultados experimentales muestran que la combinación de características faciales y esqueléticas produce la mayor precisión (80.88%) en el modelo de tres clases, superando los modelos que utilizan solo características faciales o esqueléticas. Además, esta combinación alcanza más del 99% de precisión en la clasificación de alerta binaria. Además, introdujimos un nuevo conjunto de datos que, por primera vez, incorpora condiciones patológicas simuladas en el monitoreo del conductor del tren, ampliando el alcance para evaluar los riesgos relacionados con la fatiga y la salud. Este trabajo representa un paso adelante para mejorar la seguridad ferroviaria a través del monitoreo avanzado en línea utilizando tecnologías basadas en la visión.
Publicado Originalme en rss.arxiv.org El 14 de mayo de 2025.
Ver Fuente Original
