یادگیری ماشین، ابزار جدیدی است که برای تشخیص خوابآلودگی و سطح هشیاری رانندگان و کاهش تصادفات رانندگی به کار گرفته میشود. ترکیب الگوریتمهای یادگیری ماشین در بینایی رایانه، میتواند به تشخیص سطح هشیاری رانندگان کمک کند. این کار با فناوری تشخیص چهره و ضبط ویدیویی انجام میشود.
انستیتو فناوری هند، روپار (IIT Ropar) الگوریتمی طراحی کرده که میتواند ویژگیهای صورت در هنگام خوابآلودگی را استخراج کند. این الگوریتم کمک میکند تا میزان هوشیاری فرد در زمان واقعی تشخیص داده شود. انتظار میرود با هشدار بهموقع به رانندگان، تصادفات جادهای نیز کاهش پیدا کند.
یادگیری ماشین چطور تصادفات را کاهش می دهد؟
سه روش برای این تکنیک وجود دارد که تیم IIT Ropar توسعه داده است. رفتار عملیاتی راننده را میتوان با عکسالعمل او نسبت به حرکت فرمان، پدال گاز و ترمز و سرعت، ردیابی کرد. ویژگیهای فیزیولوژیکی راننده نیز مانند ضربان قلب، وضعیت سر و سیستم بینایی توسط بینایی رایانه ردیابی میشود. این کار به دلیل تشخیص حالتهای صورت انجام میشود. یادگیری ماشین میتواند خوابآلودگی راننده را بهطور دقیق در چندین مدل خودرو تشخیص دهد.
شرکتها و مؤسسات فناوارانه، پی بردهاند که برای تشخیص خوابآلودگی راننده، به حداکثر توان الگوریتمهای یادگیری ماشین نیاز است. دانشمندان سیستم هشدار به راننده را با کمک پردازش ویدیویی ایجاد کردهاند. در این روش، بسته شدن یکی از چشمها از طریق «نسبت چشم» (EAR) و همچنین فاصله اقلیدسی چشم تجزیهوتحلیل میشود.
اینترنت اشیاء هم میتواند یک پیام هشداردهنده با درجهای از خطر موجود، همراه با دادههای مکانی ارسال کند. سیستمهای نظارتی Raspberry Pi، OpenCV یا Python نیز به صدور پیام هشداردهنده در محل کمک خواهند کرد.
تشخیص خوابآلودگی از راه چشم و دهان
EAR یک محاسبه ساده است که بر اساس نسبت فواصل بین طول و عرض چشم به دست میآید. میتوان EAR را در چندین فریم از توالی ویدیویی و با بینایی رایانه رسم کرد. سه دستورالعمل رایانهای برای فرمان هشدار وجود خواهد داشت. پیشبینی کننده، زنگ هشدار و وب کم. اگر EAR برای رانندهای در چندین فریم ویدیویی شروع به کاهش کرد، الگوریتمهای یادگیری ماشین خوابآلودگی راننده را هشدار میدهند.
فناوری دیگری که در این روش استفاده میشود نسبت دهان (MAR) است. درواقع نسبت فواصل بین طول و عرض دهان راننده.
MAR تشخیص میدهد که وقتی راننده خمیازه میکشد چقدر دهانش باز شده است. تأکید بالایی بر مردمک چشم وجود دارد. این کمک میکند تا در هنگام رانندگی، فناوری موجود، چشمهای نیمه بسته یا تمام بسته راننده را تشخیص دهد.
پیشرفت در فناوری، امیدواری به کاهش تصادفات جادهای به کمک الگوریتمهای یادگیری ماشین را افزایش داده است. خوابآلودگی در جادهها به دلایل مختلفی رخ میدهد و طبیعی است. اما این الگوریتمهای یادگیری ماشین هستند که از رانندگان و خانوادههای آنان در برابر خسارتهای سنگین محافظت میکنند.
