Voici la traduction de l’article en chinois traditionnel, en respectant strictement la structure HTML et les consignes données :

—

能夠以幾近完美的精確度即時偵測駕駛疲勞嗎？

駕駛時的瞌睡仍然是全球致命交通事故的主要原因之一。每年，它造成數千人死亡，並帶來超過一千億美元的經濟損失。一種基於人工智慧和電腦視覺的新方法可能改變這一現狀，在為時已晚之前識別出疲勞跡象。

研究人員開發了一種能夠即時偵測駕駛者最初疲勞跡象的系統。與傳統方法不同，傳統方法分析車輛行為或需要侵入式感測器，這種解決方案僅使用一個簡單的車載攝影機。它觀察面部動作，如眨眼、打哈欠或頭部傾斜。這些跡象，往往細微，在駕駛者失去控制之前就已經顯示出警覺性下降。

該系統的核心是一個結合兩種人工智慧技術的混合模型：卷積神經網路和視覺轉換器。前者擅長分析局部細節，如眼睛形狀或嘴巴位置。後者則捕捉這些元素之間在更長時間內的聯繫，從而能夠逐分鐘追蹤疲勞的演變。這種雙重方法使系統特別有效地區分單純的分心和深度疲勞。

為了確保在所有條件下都能可靠地偵測，該模型經過超過一百萬個駕駛視頻的訓練。它學會了識別疲勞跡象，即使在光線不足、突然移動或部分障礙物（如太陽眼鏡）的情況下。通過非標記數據的自學習技術進一步提高了其穩健性，而一種時間注意機制同時分析微表情和數分鐘內的趨勢。

結果令人印象深刻：該系統達到了99.3%的精確度，延遲僅為42毫秒。它在車載電腦（如自動駕駛車輛中使用的電腦）上實時運行，不會減慢速度或消耗過多能源。視覺解釋工具顯示，它確實基於相關線索，如眼瞼逐漸閉合或頭部下垂，而不是與疲勞無關的偽影。

該系統可以適應其他警覺性至關重要的領域，如航空或工業監控。其主要優勢在於能夠在疲勞變得危險之前發出警告，提供一種非侵入性且可擴展的解決方案。在六個不同的數據庫上進行的測試證實了其在各種情況下的有效性，從白天駕駛到夜晚駕駛。

這不僅僅是技術性能的問題。通過減少瞌睡駕駛引發的事故，這項技術每年可以挽救生命並避免數十億美元的損失。然而，其部署引發了關於數據保護和公平性的問題，因為疲勞跡象可能因個體而異。設計者已經整合了保障措施，以確保圖像的機密性並限制偏見，但持續的監控將是必要的，以使其成為一個普遍可靠的工具。

該系統針對車載使用進行了優化，為更安全的車輛鋪平了道路，能夠保護駕駛者免受自身限制的影響。其大規模採用現在取決於其在法規中的整合以及用戶的接受程度，他們意識到這項技術在不侵犯他們的隱私的情況下，守護著他們的安全。

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