Alle vet om farene ved å kjøre påvirket eller sende tekstmeldinger mens du kjører. Det er imidlertid ikke mye oppmerksomhet til å kjøre under døsighet. I 2019 var førertrøtthet det årsak til 697 dødsfall i USA – som var 1.9 % av det totale antallet dødsulykker i trafikken det året. I tillegg, 1 i 25 voksne har sagt ja til sovne ved rattet de siste 30 dagene.
Søvnighet hos sjåfører kan vise seg å være dødelig, men det kan forebygges. En god natts søvn og unngå alkohol før du tar bilen kan redusere ulykker. Teknologi kan også bidra til å oppdage og forhindre dødsulykker på grunn av tretthet i sjåføren. Så la oss snakke om teknologien som advarer sjåføren av døsighet og tretthet.
Hva er DDS?
Driver døsighetsdeteksjonssystem (DDS) er en del av kjøretøysikkerhetsteknologien som fungerer på en algoritme som oppdager endringer i førerens kjøreatferd, slik som uregelmessige hjulbevegelser, kjørefeltavvik, vanskeligheter med å holde øynene åpne og konstant gjespe og mer.
Noen systemer varsler sjåføren om å ta en pause ved hjelp av lydvarsler, mens noen viser et kaffesymbol, og noen biler har til og med førersetene vibrerer.
Hvordan fungerer DDS?
DDS fungerer ved å ta opp ratt oppførsel fra når reisen starter og holde styr på sjåførens tretthetsnivå gjennom hele turen.
Den AI-baserte algoritmen kommer opp med en verdi ved å beregne frekvensen av plutselige bevegelser, tidspunktet på dagen, turens varighet, avvik fra kjørefeltmerking, og frekvensen av å treffe rumble stripen. Hvis nevnte verdi er over et visst nivå, blinker systemet a kaffe kopp symbol på bilens instrumentpanel, som indikerer at sjåføren må ta en pause.
Sjåføren overvåkes kontinuerlig for å fastslå tretthetsnivået ved hjelp av et infrarødt kamera vendt mot føreren. Maskinlæring og ansiktsgjenkjenningsalgoritmer bestemmer nøyaktig tretthet ved å spore sjåførens ansiktstrekk, hodebevegelser, blinking og øyebevegelser.
Eksempler fra den virkelige verden
The Driver Døsighetsdeteksjon systemet har vært brukt i noen år nå. Noen av de store bilprodusentene som er interessert i å overvåke sjåførens oppmerksomhet er Mercedes Benz, Volvo og Land Rover.
Mercedes-Benz sin 'Attention Assist' er en eksklusiv teknologi tilgjengelig på enkelte Benz-biler som overvåker sjåførenes kjørevaner og varsler dem ved hjelp av visuelle og akustiske advarsler når de oppdager uoppmerksomhet eller tretthet.
Land Rover har også sitt Driver Condition Monitor-system, som har en serie sensorer som registrerer sjåførens ansikts- og øyebevegelser for å identifisere om sjåføren er uoppmerksom, distrahert eller sliten.
Volvos 'Driver Alert' eller DAC-funksjonen overvåker nøyaktig hvordan kjøretøyet betjenes. For eksempel varsler den sjåføren når kjøretøyet kjøres ukontrollert ved hjelp av et førerdisplay, et akustisk signal og en tekst som ber sjåføren om å ta en te pause.
I motsetning til noen andre systemer overvåker ikke Volvos Driver Alert førerens tretthetsnivå, men ser nøye på kjøretøyets drift.
Fordeler og begrensninger med Driver Drowsiness Detection-systemet
Det er mange fordeler med DDS, og den første fordelen vi tenker på er kanskje en reduksjon av dødsulykker forårsaket på grunn av sjåførtrøtthet.
Med et system som kan yte filskiftevarsler, er det mulig å unngå store ulykker og redde livet til sjåføren, medpassasjerer og fotgjengere.
Systemets nøyaktighet ligger i effektivt trene algoritmen ved hjelp av en samling bilder. Det er imidlertid umulig å utvikle en robust DDS hvis øyerammene ikke fanges opp riktig og systemet ikke er trent på store datasett. Dessuten kan lokalisering på øyet bli vanskelig hvis sjåføren har på seg hindringer som briller eller caps.
Viktigheten av opplæringsdata for å bygge DDS-modeller
Effektene av døsig kjøring kan være farlig for alle på veien. En døsig sjåfør bruker tid på å fokusere, reagerer sakte og kan ikke bedømme hastigheter og avstander.
En døsig sjåfør er ikke alltid en som ikke har fått nok søvn. Derfor er det viktig å utvikle et verktøy for å varsle trøtte sjåfører om forestående fare. Du må ha nok datasett til å trene maskinlærings- og ansiktsgjenkjenningsmodellen for å gjøre dette mulig.
For å trene en DDS-modell nøyaktig, trenger du en omfattende samling av treningsdatasett (som inneholder både døsige og ikke-døsige bilder av mennesker) som kan hjelpe med å plassere ansikts landemerker på bilder. Denne metoden hjelper systemet med å identifisere sjåførenes ansiktstrekk i sanntidsscenarier.
I tillegg, siden systemet er spesielt interessert i øynene, presenteres koordinater for øynene, som vil hjelpe til med å oppdage blinkende og øyeåpnende verdier.
Datasett som inneholder bilder som kan hjelpe systemet med å gjenkjenne gjesping bør også inkluderes. I tillegg til blinkdeteksjon er gjesping også en kritisk parameter som systemet må lære for å varsle en advarsel til sjåføren. En maskinlæringsmodell kan bygges ved hjelp av nøyaktig merkede datasett og dyplæringsmetoder.
Behovet for en nøyaktig Driver døsighet Deteksjonssystemet fortsetter å vokse. Bedrifter ser etter svært pålitelige opplæringsdatasett som kan brukes til å trene deres ML-modeller.
Når pålitelighet og variasjon i datasett er nødvendig, foretrekker mange toppteknologiske leverandører Shaip. Shaip har vært medvirkende til å utvikle avanserte DDS-modeller med forskjellige datasett, bildemerking av høy kvalitet og merknader. Har du en banebrytende DDS-applikasjon i tankene? Ta kontakt med Shaip, og utforsk ulike opplæringsdatasett til konkurransedyktige priser.
