Нова ИИ-система идентифицира 3 признака за риск от ПТП въз основа на лицето на водача с над 90% точност

Изследователи от Edith Cowan University са разработили ИИ-модел, който може да определи дали шофьорът е пиян, уморен или ядосан, въз основа само на един видеозапис на лицето му. Без дрегер, без кръвен тест, само лицето.

Може ли изражението на лицето ви да докаже, че сте опасен шофьор? За изкуствения интелект отговорът вече е „да“. Модел, наречен Jack of Many Faces, може да открие концентрация на алкохол в кръвта с почти 90% точност и сънливост с 95% точност. Той дори може да класифицира нивата на опиянение на шофьорите, категоризирайки ги като трезви, умерено опиянени или силно опиянени. Освен шофиране в нетрезво състояние, изследователите проследяват и израженията на лицето, като например гняв. Причината е проста: агресивните емоционални състояния могат да бъдат също толкова опасни зад волана, колкото и опиянението. Според д-р Сайед Зулкарнаин Гилани от Центъра за изкуствен интелект и машинно обучение към ECU, високите нива на умора могат да имитират опиянение, а гневът може да доведе до агресия на пътя.

Системата работи чрез автоматично проследяване на динамиката на лицето, като мигане, фини движения на лицевите мускули и други сигнали, които показват физическото състояние на водача. Според оригиналната изследователска дейност, технологията се основава на 3D пространствено-времева невронна мрежа, която едновременно обработва видеозаписи на лицето на водача за три сценария: разпознаване на изражения, оценка на физиологичното състояние и откриване на интоксикация. Моделът включва специализирани модули за внимание (attention) и идентифициране на локални и глобални признаци на лицето, което му позволява да постигне конкурентно представяне и в трите задачи едновременно, вместо да обучава отделни модели за всяка задача. Този подход значително подобрява обобщението и точността в реални условия на движение.

Може ли системата да работи на тъмно? Изследователите са разгледали и един практически проблем: стандартните камери се представят зле при условия на слаба светлина. Вторият им модел, BiFuseNet, решава този проблем и подобрява откриването при условия на слаба светлина или през нощта. Тази периферна система, представена на конференцията ICMI25, комбинира RGB видео и инфрачервено (IR) видео за подобрен анализ при трудни условия на осветление. Този мултимодален подход позволява по-ефективна оценка на признаците на опиянение и състояние на водача, дори на тъмно или при променлива светлина, елиминирайки ограниченията на стандартните камери.

„Нашата цел беше да разработим напълно автоматизирана система за оценка на концентрацията на алкохол в кръвта, използвайки RGB и IR видео потоци. По-рано това се правеше ръчно, чрез наблюдение на разширяването на зениците и скоростта на затваряне на очите, но тези методи могат да бъдат неефективни при определени фактори, като например различни условия на осветление“ — казва докторантът от ECU Абдула Тарик, който ръководи изследването.

Изследователските проекти в областта на умните транспортни системи също така подчертават, че над 90% от пътнотранспортните произшествия са свързани с поведението на водачите, което може да бъде открито и предотвратено с помощта на мониторинг чрез изкуствен интелект. Например, употребата на алкохол по време на шофиране е една от водещите причини за произшествията, което представлява приблизително 30% от пътнотранспортните произшествия в световен мащаб. Въпреки че традиционните методи, като например дрегерите, са точни, те изискват активното сътрудничество на водача. Те също така изискват значителни човешки ресурси за провеждане на тестовете.

Технологията Jack of Many Faces обаче работи пасивно и непрекъснато, което я прави много по-практична за употреба в реалния свят. Ако тази технология се появи в превозните средства, последиците за безопасността на движението биха могли да бъдат огромни. Системите, базирани на изкуствен интелект, са способни не само да разпознават индикаторите за опиянение или умора, но и да предвиждат потенциално опасните ситуации на шофиране, което позволява на системите за безопасност да реагират проактивно – например, като издават предупреждения или автоматично инициират мерки за безопасност.