Alla känner till farorna med att köra rattfylleri eller sms:a medan man kör. Det ägnas dock inte mycket uppmärksamhet åt att köra dåsigt. År 2019 var trötthet i förarna orsaken till 697 dödsfall i USA – vilket motsvarade 1.9 % av det totala antalet dödsfall i trafiken det året.
Förarsömnighet kan visa sig vara dödlig, men den går att förebygga. En god natts sömn och att undvika alkohol innan man tar bilen kan minska olyckor. Teknik kan också hjälpa till att upptäcka och förebygga dödsfall på grund av förarsömnighet. Så låt oss prata om tekniken som varnar föraren för dåsighet och trötthet.
Vad är DDS?
Systemet för att upptäcka dåsighet hos förare (DDS) är en del av fordonssäkerhetstekniken som arbetar med en algoritm som upptäcker förändringar i förarens körbeteende, såsom oregelbundna hjulrörelser, filavvikelser, svårigheter att hålla ögonen öppna och konstant gäspning, med mera.
Vissa system varnar föraren att ta en paus med ljudvarningar, medan vissa visar en kaffesymbol, och vissa bilar har till och med förarsätena vibrerande.
Hur fungerar DDS?
DDS fungerar genom att registrera rattens beteende från det att resan börjar och håller reda på förarens trötthetsnivåer under hela resan.
Den AI-baserade algoritmen tar fram ett värde genom att beräkna frekvensen av plötsliga rörelser, tid på dagen, resans längd, avvikelser från körfältsmarkeringar och frekvensen av att köra på vägen mot mullerlisten. Om nämnda värde är över en viss nivå blinkar en kaffekoppssymbol på bilens instrumentpanel, vilket indikerar att föraren behöver ta en paus.
Föraren övervakas ständigt för att fastställa trötthetsnivån med hjälp av en infraröd kamera som är vänd mot föraren. Maskininlärning och ansiktsigenkänningsalgoritmer fastställer noggrant trötthet genom att spåra förarens ansiktsdrag, huvudrörelser , blinkningar och ögonrörelser.
Verkliga exempel
Systemet för att upptäcka dåsighet hos förare har använts i några år nu. Några av de stora biltillverkarna som är intresserade av att övervaka förarens uppmärksamhet är Mercedes-Benz, Volvo och Land Rover.
Mercedes-Benz 'Attention Assist är en exklusiv teknik tillgänglig på vissa Benz-bilar som övervakar förares körvanor och varnar dem med visuella och akustiska varningar när de upptäcker ouppmärksamhet eller trötthet.
Land Rover har också sitt Driver Condition Monitor-system, som har en serie sensorer som känner av förarens ansikts- och ögonrörelser för att identifiera om föraren är ouppmärksam, distraherad eller trött.
Volvos "Driver Alert" eller DAC-funktion övervakar noggrant hur fordonet körs. Till exempel varnar den föraren när fordonet körs okontrollerat med hjälp av en förardisplay, en akustisk signal och en text som ber föraren att ta en fikapaus.
Till skillnad från vissa andra system övervakar inte Volvos Driver Alert förarens trötthetsnivåer utan tittar noga på fordonets funktion.
Fördelar och begränsningar med Driver Drowsiness Detection-systemet
Det finns många fördelar med DDS, och den första fördelen som vi tänker på är kanske en minskning av antalet dödsfall orsakade på grund av trötthet för föraren.
Med ett system som kan ge varningar om filbyte är det möjligt att undvika allvarliga olyckor och rädda livet på föraren, medpassagerare och fotgängare.
Systemets noggrannhet ligger i att effektivt träna algoritmen med hjälp av en samling bilder. Att utveckla en robust DDS är dock omöjligt om ögonramarna inte fångas korrekt och systemet inte tränas på stora datamängder. Dessutom kan lokalisering på ögat bli svårt om föraren bär hinder som skyddsglasögon eller kepsar.
Vikten av utbildningsdata för att bygga DDS-modeller
Effekterna av dåsig körning kan vara farliga för alla på vägen. En dåsig förare tar tid att fokusera, reagerar långsamt och kan inte bedöma hastigheter och avstånd.
En dåsig förare är inte alltid någon som inte har fått tillräckligt med sömn. Därför är det viktigt att utveckla ett verktyg för att varna trötta förare om överhängande fara. Du måste ha tillräckligt med data för att träna maskininlärnings- och ansiktsigenkänningsmodellen för att göra detta möjligt.
För att noggrant träna en DDS-modell behöver du en omfattande samling träningsdatauppsättningar (som innehåller både dåsiga och icke dåsiga bilder av människor) som kan hjälpa till att positionera ansikts landmärken på bilder. Denna metod hjälper systemet att identifiera förares ansiktsdrag i realtidsscenarier.
Dessutom, eftersom systemet är särskilt intresserad av ögonen, presenteras koordinater för ögonen, vilket hjälper till att upptäcka blinkande och ögonöppnande värden.
Datauppsättningar som innehåller bilder som kan hjälpa systemet att känna igen gäspningar bör också inkluderas. Förutom blinkdetektering är gäspningar också en kritisk parameter som systemet måste lära sig för att larma en varning till föraren. En maskininlärningsmodell kan byggas med hjälp av exakt märkta datamängder och metoder för djupinlärning.
Behovet av ett noggrant system för att upptäcka dåsighet hos förare fortsätter att växa. Företag letar efter mycket tillförlitliga träningsdatauppsättningar som kan användas för att träna sina maskininlärningsmodeller.
När tillförlitlighet och variation i datamängder behövs föredrar många ledande teknikleverantörer Shaip. Shaip har varit avgörande för att utveckla avancerade DDS-modeller med olika datamängder, högkvalitativ bildmärkning och annotering. Har du en banbrytande DDS-applikation i åtanke? Få kontakt med Shaip och utforska olika träningsdatamängder till konkurrenskraftiga priser.
