È possibile rilevare la stanchezza dei conducenti in tempo reale con una precisione quasi perfetta?
L’assopimento alla guida rimane una delle principali cause di incidenti mortali nel mondo. Ogni anno provoca migliaia di morti e perdite economiche superiori ai cento miliardi di dollari. Un nuovo approccio basato sull’intelligenza artificiale e sulla visione artificiale potrebbe cambiare le carte in tavola, identificando i segni di stanchezza prima che sia troppo tardi.
I ricercatori hanno sviluppato un sistema in grado di rilevare in tempo reale i primi indicatori di stanchezza in un conducente. A differenza dei metodi tradizionali che analizzano il comportamento del veicolo o richiedono sensori invasivi, questa soluzione utilizza una semplice telecamera integrata. Osserva i movimenti del viso come le palpebre che si chiudono, gli sbadigli o l’inclinazione della testa. Questi segni, spesso sottili, rivelano una diminuzione della vigilanza molto prima che il conducente perda il controllo.
Il cuore del sistema si basa su un modello ibrido che combina due tecnologie di intelligenza artificiale: le reti neurali convoluzionali e i transformer visivi. Le prime eccellono nell’analizzare dettagli locali come la forma degli occhi o la posizione della bocca. I secondi catturano i legami tra questi elementi su un periodo più lungo, consentendo di monitorare l’evoluzione della stanchezza minuto dopo minuto. Questo doppio approccio rende il sistema particolarmente efficace nel distinguere una semplice distrazione da una stanchezza profonda.
Per garantire un rilevamento affidabile in tutte le condizioni, il modello è stato addestrato su oltre un milione di video di guida. Ha imparato a riconoscere i segni di stanchezza anche in caso di scarsa illuminazione, movimenti bruschi o ostacoli parziali come occhiali da sole. Una tecnica di autoapprendimento su dati non etichettati ha ulteriormente migliorato la sua robustezza, mentre un meccanismo di attenzione temporale analizza sia le microespressioni che le tendenze su diversi minuti.
I risultati sono impressionanti: il sistema raggiunge una precisione del 99,3%, con una latenza di soli 42 millisecondi. Funziona in tempo reale su computer integrati come quelli utilizzati nei veicoli autonomi, senza rallentare né consumare troppa energia. Strumenti di spiegazione visiva mostrano che si basa su indizi pertinenti, come la chiusura progressiva delle palpebre o l’abbassamento della testa, e non su artefatti non correlati alla stanchezza.
Questo sistema potrebbe essere adattato ad altri settori in cui la vigilanza è cruciale, come l’aviazione o la sorveglianza industriale. Il suo principale vantaggio risiede nella capacità di avvisare prima che la stanchezza diventi pericolosa, offrendo una soluzione non invasiva e scalabile. I test condotti su sei diversi database confermano la sua efficacia in situazioni varie, dalla guida diurna al crepuscolo.
La posta in gioco va oltre la semplice performance tecnica. Riducendo gli incidenti legati all’assopimento, questa tecnologia potrebbe salvare vite umane ed evitare miliardi di dollari di danni ogni anno. Tuttavia, il suo impiego solleva questioni sulla protezione dei dati e sull’equità, poiché i segni di stanchezza possono variare da individuo a individuo. I progettisti hanno integrato misure di salvaguardia per garantire la riservatezza delle immagini e limitare i pregiudizi, ma sarà necessario un monitoraggio continuo per renderlo uno strumento universalmente affidabile.
Ottimizzato per un utilizzo integrato, questo sistema apre la strada a veicoli più sicuri, in grado di proteggere i conducenti anche dai loro stessi limiti. La sua adozione su larga scala dipenderà ora dalla sua integrazione nelle normative e dall’accettazione da parte degli utenti, consapevoli che la tecnologia veglia sulla loro sicurezza senza intaccare la loro privacy.
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