- Специальный корреспондент
Алгоритмы компьютерного зрения будут спасать жизни на дорогах.
Исследователи из Университета Эдит Коуэн (ECU) разработали новую компьютерную систему, которая с помощью анализа видеозаписей определяет, находится ли водитель в состоянии алкогольного опьянения. Система использует данные с видеокамер для выявления признаков опьянения у водителя.
Исследование проводилось совместно с компанией Mix by Powerfleet. В эксперименте принимали участие водители с разным уровнем алкогольного опьянения: трезвые, с низким уровнем опьянения и сильно пьяные. Водители были записаны на видео во время управления симулятором автомобиля.
Созданная система машинного обучения анализирует стандартные RGB-видеозаписи (красный, зелёный и синий каналы) лиц водителей для оценки степени алкогольного опьянения. Анализируются такие параметры, как особенности лица, направление взгляда и положение головы. Результаты исследования на IEEE/CVF Winter Conference on Applications of Computer Vision.
Система показала точность 75% при классификации уровня опьянения. Она не только подходит для автомобилей, оснащённых системами мониторинга водителей и технологиями отслеживания взгляда, но также может быть использована на смартфонах, что повышает эффективность обнаружения алкогольного опьянения.
Технология позволяет выявлять опьянение в начале поездки, что потенциально предотвращает появление пьяных водителей на дорогах. Это отличает её от методов, которые требуют продолжительного наблюдения за поведением водителя для определения состояния опьянения.
По словам старшего преподавателя ECU, доктора Сайеда Зулкарнайна Гилани, это первая технология, использующая стандартную RGB-камеру для выявления уровня алкогольного опьянения на основе признаков на лице водителя. Следующим шагом будет определение минимального разрешения видео, необходимого для работы алгоритма. Если окажется, что достаточно низкого разрешения, технология может быть использована в дорожных камерах для предотвращения вождения в нетрезвом состоянии.
Система также включает анализ 3D и инфракрасных видео лица водителя, записи его позы и взаимодействия с рулём, а также журналы событий симулятора и записи экрана поведения во время вождения. Этот набор данных будет полезен для дальнейших научных исследований.
В Австралии пьяное вождение является основной причиной около 30% смертельных аварий. Согласно данным Комиссии по транспортным происшествиям, один из пяти водителей, погибших на австралийских дорогах, имел уровень алкоголя в крови 0,05 или выше. Существующие методы, такие как случайные проверки на алкоголь, недостаточно эффективны для решения этой проблемы.
Текущие исследования в основном сосредоточены на анализе поведения водителя, таких как манера вождения, использование педалей и скорость автомобиля, а также на использовании внешних сенсоров. Однако применение компьютерного зрения для выявления биоповеденческих изменений водителя в состоянии опьянения исследовано недостаточно.
Новая технология позволяет быстро и эффективно выявлять пьяных водителей до того, как они начнут движение, что значительно повысит безопасность на дорогах.
Исследователи из Университета Эдит Коуэн (ECU) разработали новую компьютерную систему, которая с помощью анализа видеозаписей определяет, находится ли водитель в состоянии алкогольного опьянения. Система использует данные с видеокамер для выявления признаков опьянения у водителя.
Исследование проводилось совместно с компанией Mix by Powerfleet. В эксперименте принимали участие водители с разным уровнем алкогольного опьянения: трезвые, с низким уровнем опьянения и сильно пьяные. Водители были записаны на видео во время управления симулятором автомобиля.
Созданная система машинного обучения анализирует стандартные RGB-видеозаписи (красный, зелёный и синий каналы) лиц водителей для оценки степени алкогольного опьянения. Анализируются такие параметры, как особенности лица, направление взгляда и положение головы. Результаты исследования на IEEE/CVF Winter Conference on Applications of Computer Vision.
Система показала точность 75% при классификации уровня опьянения. Она не только подходит для автомобилей, оснащённых системами мониторинга водителей и технологиями отслеживания взгляда, но также может быть использована на смартфонах, что повышает эффективность обнаружения алкогольного опьянения.
Технология позволяет выявлять опьянение в начале поездки, что потенциально предотвращает появление пьяных водителей на дорогах. Это отличает её от методов, которые требуют продолжительного наблюдения за поведением водителя для определения состояния опьянения.
По словам старшего преподавателя ECU, доктора Сайеда Зулкарнайна Гилани, это первая технология, использующая стандартную RGB-камеру для выявления уровня алкогольного опьянения на основе признаков на лице водителя. Следующим шагом будет определение минимального разрешения видео, необходимого для работы алгоритма. Если окажется, что достаточно низкого разрешения, технология может быть использована в дорожных камерах для предотвращения вождения в нетрезвом состоянии.
Система также включает анализ 3D и инфракрасных видео лица водителя, записи его позы и взаимодействия с рулём, а также журналы событий симулятора и записи экрана поведения во время вождения. Этот набор данных будет полезен для дальнейших научных исследований.
В Австралии пьяное вождение является основной причиной около 30% смертельных аварий. Согласно данным Комиссии по транспортным происшествиям, один из пяти водителей, погибших на австралийских дорогах, имел уровень алкоголя в крови 0,05 или выше. Существующие методы, такие как случайные проверки на алкоголь, недостаточно эффективны для решения этой проблемы.
Текущие исследования в основном сосредоточены на анализе поведения водителя, таких как манера вождения, использование педалей и скорость автомобиля, а также на использовании внешних сенсоров. Однако применение компьютерного зрения для выявления биоповеденческих изменений водителя в состоянии опьянения исследовано недостаточно.
Новая технология позволяет быстро и эффективно выявлять пьяных водителей до того, как они начнут движение, что значительно повысит безопасность на дорогах.
