creada la tabla en el readme

README.md

@@ -2,26 +2,56 @@
 
 ## links con info:
 
+### 1
+
 https://journals.sagepub.com/doi/abs/10.1177/03611981211041594
 Explora la eficiencia de cuatro señales biológicas (ECG, EMG, EDA y EEG) para detectar emociones negativas al conducir con sensores.
 
+### 2
+
 https://ieeexplore.ieee.org/abstract/document/7026203
 Desarrolla un sistema de monitoreo en tiempo real y no intrusivo que detecta los estados emocionales del conductor analizando expresiones faciales. Se consideran las emociones negativas de ira y disgusto para detectar estrés.
 
+### 3
+
 https://www.sciencedirect.com/science/article/abs/pii/S0262885622001986
 Propone la arquitectura FRED-IoT para la detección de emociones y reconocimiento facial en vehículos autónomos, logrando una latencia de 2 milisegundos y una alta fiabilidad con un F-score del 96%.
 
+### 4
+
 https://www.mdpi.com/1660-4601/19/4/2352
 El estudio propone dos enfoques con aprendizaje automático y redes neuronales para monitorear emociones de conductores, superando desafíos como variaciones de pose, iluminación y oclusiones. Se lograron precisiones mejoradas en varios conjuntos de datos, destacando su eficacia en comparación con métodos previos.
 
+### 5
+
 https://onlinelibrary.wiley.com/doi/abs/10.1002/cpe.6475
 Este estudio se enfoca en el reconocimiento de acciones de distracción mediante visión por computadora y discute diversos enfoques para abordarlo. (IMPORTANTE)
 
+### 6
+
 https://ieeexplore.ieee.org/abstract/document/8191851
 El estudio se centra en prevenir accidentes causados por conductores fatigados detectando su cara.
 
+### 7
+
 https://ieeexplore.ieee.org/abstract/document/4732544
 El estudio presenta un sistema de visión por computadora que evalúa la atención del conductor mediante la detección de movimientos de cabeza y expresiones faciales. Puede detectar tanto la somnolencia como la distracción, adaptándose a diferentes conductores y funcionando en tiempo real.
 
+### 8
+
 https://www.cv-foundation.org/openaccess/content_iccv_workshops_2013/W20/html/Kang_Various_Approaches_for_2013_ICCV_paper.html
 El estudio examina una variedad de métodos de monitoreo, incluyendo características visuales y no visuales del conductor, así como comportamientos relacionados con el rendimiento de la conducción. Además, se detallan métodos de detección de somnolencia basados en señales fisiológicas y características del vehículo, así como métodos para predecir comportamientos de conducción inseguros utilizando expresiones faciales y dinámica del automóvil.
+
+# Tabla
+
+| Número    | Video/foto | Qué usa    |
+|-----------|------------|------------|
+| 1         | 25         | Madrid     |
+| 2         | 30         | Barcelona  |
+| 3         | 22         | Valencia   |
+| 3         | 28         | Sevilla    |
+| 4         |            |            |
+| 5         |            |            |
+| 6         |            |            |
+| 7         |            |            |
+| 8         |            |            |