A sonolência e a fadiga dos motoristas estão entre as maiores causas de acidentes rodoviários graves. Neste sentido, as empresas do setor automobilístico investem fortemente em pesquisas e no desenvolvimento de soluções para a detecção da sonolência em motoristas. Porém, frequentemente, essas soluções utilizam-se de sensores caros ficando restritas aos carros topo de linha. Assim, neste trabalho foi desenvolvido um sistema de baixo custo para a detecção de sonolência em motoristas. Esse é um sistema não intrusivo baseado na utilização de um smartphone para a captura de imagens do motorista. Após captura, é realizado um pré-processamento da imagem onde é utilizado o método de interpolação pelo vizinho mais próximo para uma redução das dimensões da mesma. A detecção da face é realizada através da utilização do Classificador Haar. O reconhecimento dos olhos e a classificação (abertos ou fechados) é realizada através de uma rede neural convolucional do tipo BlazeFace. Por fim, a definição do estado de sonolência é rea lizada através da métrica de percentual de fechamento dos olhos esquerdo e direito (PERCLOS - Percentage of Closure). O sistema desenvolvido mostrou-se viável, apresentando resultados satisfatórios, com um baixo tempo de exeução. Esse apresentou uma precisão média de 98, 61% em ambientes com iluminação normal e sem obstáculos ocultando mais de uma característica da face. O tempo total de processamento de um frame foi de aproximadamente 343, 5 ms em um Galaxy M20 e de 429 ms em iPhone 8, sendo assim, o sistema é capaz de analisar de 2 a 3 frames por segundo em um dispositivo intermediário. [resumo fornecido pelo autor]