Можно ли обнаруживать усталость водителей в реальном времени с почти идеальной точностью?

Сонливость за рулем остается одной из основных причин смертельных аварий в мире. Ежегодно она становится причиной тысяч смертей и экономических потерь, превышающих сто миллиардов долларов. Новый подход, основанный на искусственном интеллекте и компьютерном зрении, может изменить ситуацию, определяя признаки усталости до того, как станет слишком поздно.

Исследователи разработали систему, способную в реальном времени выявлять первые признаки усталости у водителя. В отличие от традиционных методов, анализирующих поведение транспортного средства или требующих навязчивых датчиков, это решение использует простую встроенную камеру. Она наблюдает за движениями лица, такими как моргание, зевание или наклон головы. Эти, часто незаметные, признаки выдают снижение бдительности задолго до того, как водитель потеряет контроль.

Основой системы является гибридная модель, сочетающая две технологии искусственного интеллекта: сверточные нейронные сети и визуальные трансформеры. Первые отлично подходят для анализа локальных деталей, таких как форма глаз или положение рта. Вторые улавливают связи между этими элементами на более длительный период, что позволяет отслеживать развитие усталости минута за минутой. Такой двойной подход делает систему особенно эффективной для различения простого отвлечения и глубокой усталости.

Для обеспечения надежного обнаружения во всех условиях модель была обучена на более чем миллионе видеозаписей вождения. Она научилась распознавать признаки усталости даже при слабом освещении, резких движениях или частичных препятствиях, таких как солнцезащитные очки. Техника самообучения на неразмеченных данных позволила еще больше повысить ее устойчивость, в то время как механизм временного внимания анализирует как микро-выражения, так и тенденции на протяжении нескольких минут.

Результаты впечатляют: система достигает точности 99,3% с задержкой всего в 42 миллисекунды. Она работает в реальном времени на встроенных компьютерах, таких как те, что используются в автономных транспортных средствах, не замедляясь и не потребляя слишком много энергии. Инструменты визуального объяснения показывают, что система действительно основывается на релевантных признаках, таких как постепенное закрытие век или опускание головы, а не на артефактах, не связанных с усталостью.

Эта система может быть адаптирована к другим областям, где бдительность имеет решающее значение, таким как авиация или промышленный контроль. Ее главное преимущество заключается в способности предупреждать до того, как усталость станет опасной, предлагая ненавязчивое и масштабируемое решение. Тесты, проведенные на шести различных базах данных, подтверждают ее эффективность в различных ситуациях, от дневного вождения до наступления ночи.

Задача выходит за рамки простой технической производительности. Сокращая количество аварий, связанных с сонливостью, эта технология может спасать жизни и избегать миллиардов долларов ущерба каждый год. Однако ее внедрение вызывает вопросы о защите данных и справедливости, поскольку признаки усталости могут различаться у разных людей. Разработчики интегрировали меры предосторожности для обеспечения конфиденциальности изображений и минимизации предвзятости, но непрерывный мониторинг будет необходим, чтобы сделать ее универсально надежным инструментом.

Оптимизированный для встроенного использования, этот система прокладывает путь к более безопасным транспортным средствам, способным защищать водителей даже от их собственных ограничений. Ее массовое внедрение теперь будет зависеть от интеграции в нормативные акты и принятия пользователями, осознающих, что технология заботится об их безопасности, не посягая на их частную жизнь.

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