Detekce zdravotních problémů řidiče

Abstract

Diplomová práce zkoumá různé přístupy detekce zdravotních problémů řidiče pomocí metod strojového učení. Jsou prezentovány experimenty s detekcí z obrazových dat, z odvozených příznaků kosterních a obličejových bodů a kombinací obou zmíněných přístupů. Experimenty na sebe navazují ve snaze překonat výsledky předchozích experimentů. U provedených experimentů je sledována úspěšnost formou několika metrik (F1 a Kappa skóre, přesnost a čas zpracování), na základě kterých jsou experimenty porovnávány. Pozornost je věnována také ladění modelů strojového učení, nakládání s datovou množinou a praktické implementaci.

The main focus of proposed master thesis is to explore a different ways of driver's health problems detection by using machine learning. The experiments are dedicated to detection from image data, derived body and facial keypoint features and mixture of both mentioned ways are presented. The experiments follows each other with the goal of outperform the previous ones. Various metrics (F1 and Kappa score, accuracy and processing time) are provided to allow experiment comparison. The attention is also on tuning machine learning models, dataset processing and practical implementation.