{rfName}
Ch

Indexado en

Licencia y uso

Icono OpenAccess

Citaciones

17

Altmetrics

Investigadores/as Institucionales

Ortega JdAutor (correspondencia)Salgado L.Autor o Coautor

Compartir

11 de abril de 2022
Publicaciones
>
Artículo
Sí

Challenges of Large-Scale Multi-Camera Datasets for Driver Monitoring Systems

Publicado en: Sensors. 22 (7): 2554- - 2022-04-01 22(7), DOI: 10.3390/s22072554

Autores:

Ortega, Juan Diego; Canas, Paola Natalia; Nieto, Marcos; Otaegui, Oihana; Salgado, Luis
[+]

Afiliaciones

Univ Politecn Madrid UPM, ETS Ingn Telecomun, Madrid 28040, Spain - Autor o Coautor
Univ Politecn Madrid UPM, Informat Proc & Telecommun Ctr, Grp Tratamiento Imagenes, Madrid 28040, Spain - Autor o Coautor
Universidad Politécnica de Madrid - Autor o Coautor
VICOMTech - Autor o Coautor
VICOMTech , Universidad Politécnica de Madrid - Autor o Coautor
Vicomtech Fdn, Basque Res & Technol Alliance BRTA, San Sebastian 20009, Spain - Autor o Coautor
Ver más

Resumen

Tremendous advances in advanced driver assistance systems (ADAS) have been possible thanks to the emergence of deep neural networks (DNN) and Big Data (BD) technologies. Huge volumes of data can be managed and consumed as training material to create DNN models which feed functions such as lane keeping systems (LKS), automated emergency braking (AEB), lane change assistance (LCA), etc. In the ADAS/AD domain, these advances are only possible thanks to the creation and publication of large and complex datasets, which can be used by the scientific community to benchmark and leverage research and development activities. In particular, multi-modal datasets have the potential to feed DNN that fuse information from different sensors or input modalities, producing optimised models that exploit modality redundancy, correlation, complementariness and association. Creating such datasets pose a scientific and engineering challenge. The BD dimensions to cover are volume (large datasets), variety (wide range of scenarios and context), veracity (data labels are verified), visualization (data can be interpreted) and value (data is useful). In this paper, we explore the requirements and technical approach to build a multi-sensor, multi-modal dataset for video-based applications in the ADAS/AD domain. The Driver Monitoring Dataset (DMD) was created and partially released to foster research and development on driver monitoring systems (DMS), as it is a particular sub-case which receives less attention than exterior perception. Details on the preparation, construction, post-processing, labelling and publication of the dataset are presented in this paper, along with the announcement of a subsequent release of DMD material publicly available for the community.
[+]

Palabras clave

automotivedatasetsdriver monitoringmulti-cameravisionAccidents, trafficAdasAttentionAutomobile drivingAutomotiveDatasetsDriver monitoringHead poseMulti-cameraNeural networks, computer

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista Sensors debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia Scopus (SJR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2022, se encontraba en la posición , consiguiendo con ello situarse como revista Q1 (Primer Cuartil), en la categoría Analytical Chemistry.

Independientemente del impacto esperado determinado por el canal de difusión, es importante destacar el impacto real observado de la propia aportación.

Según las diferentes agencias de indexación, el número de citas acumuladas por esta publicación hasta la fecha 2025-12-22:

  • Google Scholar: 4
  • WoS: 5
  • Scopus: 8
[+]

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2025-12-22:

  • El uso, desde el ámbito académico evidenciado por el indicador de la agencia Altmetric referido como agregaciones realizadas por el gestor bibliográfico personal Mendeley, nos da un total de: 35.
  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 35 (PlumX).

Con una intencionalidad más de divulgación y orientada a audiencias más generales podemos observar otras puntuaciones más globales como:

  • El Score total de Altmetric: 13.
  • El número de menciones en la red social X (antes Twitter): 4 (Altmetric).
  • El número de menciones en medios de comunicación: 1 (Altmetric).

Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

  • El trabajo se ha enviado a una revista cuya política editorial permite la publicación en abierto Open Access.
[+]

Análisis de liderazgo de los autores institucionales

Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Primer Autor (ORTEGA VALDIVIESO, JUAN DIEGO) y Último Autor (SALGADO ALVAREZ DE SOTOMAYOR, LUIS).

el autor responsable de establecer las labores de correspondencia ha sido ORTEGA VALDIVIESO, JUAN DIEGO.

[+]