Umor vozača je važan faktor smanjenja sigurnosti u prometu. Pokazuje se da umor smanjuje kognitivne sposobnosti, ponajprije procjenu i percepciju okoline, a istovremeno je jedan od značajnijih uzroka prometnih nesreća sa smrtnim ishodom, posebno prisutan kod profesionalnih vozača. Procjenjuje se da bi broj vozila u prometu do 2040. godine mogao biti dvostruko veći zbog čega sustavi automatskog otkrivanja umora mogu pridonijeti smanjenju broja prometnih nesreća uzrokovanih umorom vozača. Sustavi otkrivanja umora procjenjuju umor temeljem prikupljenih informacija. U okviru rada opisana su i implementirana dva sustava automatskog otkrivanja umora čiji se rad zasniva na mogućnosti detekcije, praćenja i analize ljudskog lica na slici. Za pronalazak lica i izračun specifičnih točaka lica korištene su implementacije biblioteke dlib unutar Python okruženja. Pomoću specifičnih točaka lica izračunavaju se EAR (engl. Eye Aspect Ratio) i MAR (engl. Mouth Aspect Ratio). Ove mjere omogućuju otkrivanje zatvorenosti očiju ili otvorenosti usta vozača na slici. Analizom videozapisa u stvarnom vremenu moguće je utvrditi primjerice ima li vozač zatvorene oči, trepće li, koja je frekvencija treptanja, zijeva li te koja je frekvencija zijevanja. Ove se informacije mogu iskoristiti za procjenu umora vozača. Drugi je pristup direktno korištenje EAR i MAR vrijednosti i modela strojnog učenja. Vrijednosti se proslijede naučenom modelu koji zatim procjenjuje umor vozača.