কি বাস্তব সময়ে প্রায় নিখুঁত নির্ভুলতার সাথে ড্রাইভারদের ক্লান্তি শনাক্ত করা সম্ভব?

গাড়ি চালানোর সময় ঘুম ঘুম ভাব বিশ্বজুড়ে মারাত্মক দুর্ঘটনার প্রধান কারণগুলির মধ্যে একটি। প্রতি বছর এটি হাজার হাজার মৃত্যু এবং একশো বিলিয়ন ডলার ছাড়িয়ে যাওয়া অর্থনৈতিক ক্ষতির কারণ হয়। কৃত্রিম বুদ্ধিমত্তা এবং কম্পিউটার ভিশন ভিত্তিক একটি নতুন পদ্ধতি সময়মতো ক্লান্তির লক্ষণ শনাক্ত করে পরিস্থিতি পরিবর্তন করতে পারে।

গবেষকরা একটি ব্যবস্থা তৈরি করেছেন যা রিয়েল-টাইমে একজন ড্রাইভারের ক্লান্তির প্রাথমিক লক্ষণগুলি শনাক্ত করতে পারে। ঐতিহ্যগত পদ্ধতিগুলি যানবাহনের আচরণ বিশ্লেষণ করে বা আক্রমণাত্মক সেন্সর প্রয়োজন করে, এই সমাধানটি একটি সাধারণ এমবেডেড ক্যামেরা ব্যবহার করে। এটি চোখের পলক, হাই তোলা বা মাথা নিচু হওয়ার মতো মুখের নড়াচড়া পর্যবেক্ষণ করে। এই লক্ষণগুলি, প্রায়শই সূক্ষ্ম, ড্রাইভার নিয়ন্ত্রণ হারানোর অনেক আগে সতর্কতা হ্রাসের ইঙ্গিত দেয়।

সিস্টেমের মূল অংশটি দুটি কৃত্রিম বুদ্ধিমত্তা প্রযুক্তির সমন্বয়ে একটি হাইব্রিড মডেলের উপর ভিত্তি করে: কনভলিউশনাল নিউরাল নেটওয়ার্ক এবং ভিজুয়াল ট্রান্সফরমার। প্রথমটি চোখের আকৃতি বা মুখের অবস্থানের মতো স্থানীয় বিবরণ বিশ্লেষণে দক্ষ। দ্বিতীয়টি দীর্ঘ সময়ের মধ্যে এই উপাদানগুলির মধ্যে সম্পর্ক ধরে রাখে, যা মিনিটে মিনিটে ক্লান্তির বিবর্তন ট্র্যাক করতে সাহায্য করে। এই দ্বৈত পদ্ধতি সিস্টেমটিকে সাধারণ বিভ্রান্তি এবং গভীর ক্লান্তির মধ্যে পার্থক্য করতে বিশেষভাবে কার্যকর করে তোলে।

সব পরিস্থিতিতে নির্ভরযোগ্য সনাক্তকরণ নিশ্চিত করার জন্য, মডেলটি এক মিলিয়নেরও বেশি ড্রাইভিং ভিডিওতে প্রশিক্ষিত হয়েছে। এটি কম আলো, হঠাৎ নড়াচড়া বা সানগ্লাসের মতো আংশিক বাধার ক্ষেত্রেও ক্লান্তির লক্ষণগুলি শনাক্ত করতে শিখেছে। লেবেলবিহীন ডেটাতে স্ব-শিক্ষার কৌশলটি এর স্থিতিস্থাপকতা আরও উন্নত করেছে, যখন একটি টেম্পোরাল অ্যাটেনশন মেকানিজম মাইক্রো-এক্সপ্রেশন এবং কয়েক মিনিটের প্রবণতাগুলি বিশ্লেষণ করে।

ফলাফলগুলি চমকপ্রদ: সিস্টেমটি ৯৯.৩% নির্ভুলতা অর্জন করেছে, মাত্র ৪২ মিলিসেকেন্ড বিলম্ব সহ। এটি স্বয়ংক্রিয় যানবাহনে ব্যবহৃত এমবেডেড কম্পিউটারে রিয়েল-টাইমে কাজ করে, কোনও ধীরগতি বা অতিরিক্ত শক্তি খরচ ছাড়াই। ভিজুয়াল ব্যাখ্যা সরঞ্জামগুলি দেখায় যে এটি ক্লান্তির সাথে সম্পর্কিত নয় এমন আর্টিফ্যাক্টের পরিবর্তে পলকের ক্রমবর্ধমান বন্ধ হওয়া বা মাথা নিচু হওয়ার মতো প্রাসঙ্গিক সূচকগুলির উপর ভিত্তি করে।

এই সিস্টেমটি বিমান চলাচল বা শিল্প তত্ত্বাবধায়নের মতো অন্যান্য ক্ষেত্রে যেখানে সতর্কতা অত্যন্ত গুরুত্বপূর্ণ, সেখানে মানানসই হতে পারে। এর প্রধান সুবিধা হল এটি বিপজ্জনক হয়ে ওঠার আগে ক্লান্তির বিষয়ে সতর্ক করতে সক্ষম, যা একটি অ-আক্রমণাত্মক এবং স্কেলযোগ্য সমাধান প্রদান করে। ছয়টি ভিন্ন ডেটাবেসে পরিচালিত পরীক্ষাগুলি দিনের আলো থেকে সন্ধ্যার বিভিন্ন পরিস্থিতিতে এর কার্যকারিতা নিশ্চিত করে।

চ্যালেঞ্জটি কেবল প্রযুক্তিগত কর্মক্ষমতা ছাড়িয়ে যায়। ঘুমের কারণে দুর্ঘটনা কমিয়ে এই প্রযুক্তি প্রতি বছর জীবন বাঁচাতে এবং বিলিয়ন ডলারের ক্ষতি এড়াতে পারে। তবে এর স্থাপনা ডেটা সুরক্ষা এবং ন্যায়বিচার সম্পর্কে প্রশ্ন উত্থাপন করে, কারণ ক্লান্তির লক্ষণগুলি ব্যক্তিভেদে পরিবর্তিত হতে পারে। ডিজাইনাররা ছবির গোপনীয়তা নিশ্চিত করতে এবং পক্ষপাতিত্ব সীমিত করতে সুরক্ষা ব্যবস্থা অন্তর্ভুক্ত করেছেন, তবে এটি সর্বজনীনভাবে নির্ভরযোগ্য সরঞ্জামে পরিণত করার জন্য ক্রমাগত তত্ত্বাবধান প্রয়োজন হবে।

এমবেডেড ব্যবহারের জন্য অপ্টিমাইজ করা, এই সিস্টেমটি আরও নিরাপদ যানবাহনের পথ প্রশস্ত করে, যা ড্রাইভারদের তাদের নিজস্ব সীমাবদ্ধতার বিরুদ্ধেও রক্ষা করতে সক্ষম। এর ব্যাপক গ্রহণ এখন নিয়মাবলীতে এর একীকরণ এবং ব্যবহারকারীদের গ্রহণের উপর নির্ভর করবে, যারা জানেন যে প্রযুক্তি তাদের গোপনীয়তায় হস্তক্ষেপ না করে তাদের নিরাপত্তার দিকে নজর রাখে।

Bases documentaires

Rapport de référence

DOI : https://doi.org/10.1186/s43067-026-00335-z

Titre : Enhancing road safety through deep learning-based drowsiness detection using vision AI

Revue : Journal of Electrical Systems and Information Technology

Éditeur : Springer Science and Business Media LLC

Auteurs : Godfrey Perfectson OISE; Prosper Otega EJENARHOME; Abiodun Samuel OYEDOTUN