Alla vet om farorna med att köra påverkad eller sms:a medan du kör. Men det ägnas inte mycket uppmärksamhet åt att köra när man är dåsig. 2019 var föraren trötthet orsak till 697 dödsfall i USA – vilket var 1.9 % av det totala antalet dödsfall i trafiken det året. Dessutom, 1 hos 25 vuxna har gått med på somna vid ratten under de senaste 30 dagarna.
Dåsighet för förare kan visa sig vara dödlig, men det går att förebygga. En god natts sömn och att undvika alkohol innan du tar bilen kan minska antalet olyckor. Tekniken kan också hjälpa till att upptäcka och förhindra dödsfall på grund av dåsighet för föraren. Så låt oss prata om tekniken som varnar föraren av dåsighet och trötthet.
Vad är DDS?
System för dåsighetsdetektering (DDS) är en del av fordonssäkerhetsteknologin som arbetar på en algoritm som upptäcker förändringar i förarens körbeteende, såsom oberäkneliga hjulrörelser, körfältsavvikelser, 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 spela in ratt beteende från när resan börjar och hålla reda på förarens trötthetsnivåer under hela resan.
Den AI-baserade algoritmen kommer fram till ett värde genom att beräkna frekvensen av plötsliga rörelser, tiden på dygnet, resans längd, avvikelser från körfältsmarkeringar, och frekvensen av att träffa rumble-remsan. Om nämnda värde ligger över en viss nivå blinkar systemet a kaffekopp symbol på bilens instrumentpanel, vilket indikerar att föraren behöver ta en paus.
Föraren övervakas ständigt för att fastställa deras trötthetsnivåer med hjälp av en infraröd kamera vänd mot föraren. Maskininlärning och ansiktsigenkänningsalgoritmer bestämmer noggrant trötthet genom att spåra förarens ansiktsdrag, huvudrörelser, blinkande och ögonrörelser.
Verkliga exempel
Chauffören Upptäckt av dåsighet systemet 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-funktionen övervakar noggrant hur fordonet körs. Till exempel varnar den föraren när fordonet körs okontrollerat med hjälp av en förardisplay, akustisk signal och en text som ber föraren att ta en te paus.
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 filavvikelsesvarningar, är det möjligt att undvika större olyckor och rädda livet på föraren, medpassagerare och fotgängare.
Systemets noggrannhet ligger i effektivt träna algoritmen med hjälp av en samling bilder. Det är dock omöjligt att utveckla en robust DDS om ögonramarna inte fångas ordentligt 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 farligt 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 en korrekt Förare dåsighet Detektionssystem fortsätter att växa. Företag letar efter mycket tillförlitliga utbildningsdatauppsättningar som kan användas för att träna sina ML-modeller.
När tillförlitlighet och variation i datauppsättningar behövs föredrar många toppteknikleverantörer Shaip. Shaip har varit avgörande för att utveckla avancerade DDS-modeller med olika datauppsättningar, högkvalitativ bildmärkning och anteckningar. Har du en banbrytande DDS-applikation i åtanke? Få kontakt med Shaip och utforska olika utbildningsdatauppsättningar till konkurrenskraftiga priser.
