Senność sterownika wideo

Czym jest DDS i znaczenie danych uczących w trenowaniu modeli DDS

Każdy wie o niebezpieczeństwach związanych z jazdą pod wpływem lub pisaniem SMS-ów podczas jazdy. Jednak niewiele uwagi poświęca się prowadzeniu pojazdu w senności. W 2019 r. zmęczenie kierowców było przyczyną 697 ofiar śmiertelnych w USA – co stanowiło 1.9% wszystkich ofiar śmiertelnych wypadków drogowych w tym roku. Dodatkowo, 1 u dorosłych 25 zgodził się na zasnąć za kierownicą w ciągu ostatnich 30 dni.

Senność kierowcy może okazać się śmiertelna, ale można jej zapobiec. Dobry sen i unikanie alkoholu przed wzięciem samochodu może zmniejszyć liczbę wypadków. Technologia może również pomóc w wykrywaniu i zapobieganiu ofiarom śmiertelnym spowodowanym sennością kierowców. Porozmawiajmy więc o technologii, która ostrzega kierowcę senności i zmęczenia.

Co to jest DDS?

System wykrywania senności kierowcy (DDS) jest częścią technologii bezpieczeństwa pojazdu, która działa na algorytmie wykrywającym zmiany w zachowaniu kierowcy, takie jak nieregularne ruchy kół, zboczenie z pasa ruchu, trudności z utrzymaniem otwartych oczu, ciągłe ziewanie i inne.

Niektóre systemy ostrzegają kierowcę o konieczności zrobienia sobie przerwy za pomocą alertów dźwiękowych, inne wyświetlają symbol kawy, a w niektórych samochodach wibrują nawet siedzenia kierowcy. 

Jak działa DDS?

DDS działa poprzez nagrywanie kierownica zachowanie od momentu rozpoczęcia podróży i śledzenie poziomu zmęczenia kierowcy podczas całej podróży.

Algorytm oparty na sztucznej inteligencji podaje wartość, obliczając częstotliwość nagłych ruchów, porę dnia, czas trwania podróży, odchylenia od oznaczenia pasa ruchu, oraz częstotliwość uderzania w pasek dudnienia. Jeśli wspomniana wartość przekracza pewien poziom, system miga a filiżanka kawy symbol na desce rozdzielczej samochodu, wskazujący, że kierowca musi zrobić sobie przerwę.

Kierowca jest stale monitorowany, aby określić poziom zmęczenia za pomocą kamery na podczerwień skierowanej do kierowcy. Algorytmy uczenia maszynowego i rozpoznawania twarzy dokładnie określają zmęczenie, śledząc rysy twarzy kierowcy, ruchy głową, mruganie i ruch gałek ocznych.

Przykłady ze świata rzeczywistego

Kierowca Wykrywanie senności system jest używany od kilku lat. Niektórzy z głównych producentów samochodów zainteresowanych monitorowaniem uwagi kierowców to Mercedes Benz, Volvo i Land Rover.

„Attention Assist” Mercedes-Benz to ekskluzywna technologia dostępna w niektórych samochodach marki Benz, która monitoruje nawyki kierowców i ostrzega ich za pomocą wizualnych i dźwiękowych ostrzeżeń w przypadku wykrycia nieuwagi lub zmęczenia.

Land Rover posiada również system Driver Condition Monitor, który obejmuje szereg czujników, które wykrywają ruchy twarzy i oczu kierowcy, aby określić, czy kierowca jest nieuważny, rozkojarzony lub zmęczony.

Funkcja „Driver Alert” Volvo lub funkcja DAC dokładnie monitoruje sposób obsługi pojazdu. Na przykład ostrzega kierowcę, gdy pojazd jest prowadzony w sposób niekontrolowany, za pomocą wyświetlacza kierowcy, sygnału dźwiękowego i wiadomości tekstowej proszącej kierowcę o wzięcie przerwa na herbatę

W przeciwieństwie do niektórych innych systemów, Driver Alert Volvo nie monitoruje poziomu zmęczenia kierowcy, ale uważnie przygląda się pracy pojazdu.

Zasilanie pojazdów autonomicznych wysokiej jakości danymi treningowymi

Zalety i ograniczenia systemu wykrywania senności kierowcy

Istnieje wiele zalet DDS, a pierwszą korzyścią, jaka przychodzi nam do głowy, jest być może zmniejszenie liczby zgonów spowodowanych zmęczeniem kierowcy.

Z systemem, który może zapewnić ostrzeżenia o opuszczeniu pasa ruchu, można uniknąć poważnych wypadków i uratować życie kierowcy, współpasażerów i pieszych.

Dokładność systemu tkwi w skutecznym trenowanie algorytmu za pomocą kolekcji obrazów. Jednak opracowanie solidnego DDS jest niemożliwe, jeśli ramki oczu nie są prawidłowo uchwycone, a system nie jest przeszkolony na dużych zbiorach danych. Co więcej, lokalizacja na oku może być trudna, jeśli kierowca nosi przeszkody, takie jak gogle lub czapki.

Znaczenie danych uczących w budowaniu modeli DDS

Efekty czegoś senność może być niebezpieczny dla wszystkich na drodze. Senny kierowca potrzebuje czasu na skupienie się, reaguje powoli i nie potrafi ocenić prędkości i odległości.

Senny kierowca nie zawsze jest kimś, kto nie miał wystarczająco dużo snu. Dlatego ważne jest, aby opracować narzędzie ostrzegające zmęczonych kierowców o zbliżającym się niebezpieczeństwie. Aby było to możliwe, musisz mieć wystarczającą liczbę zestawów danych, aby wytrenować model uczenia maszynowego i rozpoznawania twarzy.

Senność sterownika wideo

Aby dokładnie wytrenować model DDS, potrzebujesz wszechstronnego zbioru treningowych zestawów danych (zawierających zarówno obrazy osób sennych, jak i nie sennych), które mogą pomóc w pozycjonowaniu punktów orientacyjnych twarzy na obrazach. Ta metoda pomaga systemowi zidentyfikować rysy twarzy kierowców w scenariuszach w czasie rzeczywistym.

Ponadto, ponieważ system jest szczególnie zainteresowany oczami, współrzędne są prezentowane oczom, co pomoże w wykryciu wartości mrugania i otwierania oczu.

Należy również uwzględnić zestawy danych zawierające obrazy, które mogą pomóc systemowi rozpoznać ziewanie. Oprócz wykrywania mrugnięć, ziewanie jest również krytycznym parametrem, którego system musi nauczyć się ostrzegać kierowcę. Model uczenia maszynowego można zbudować przy użyciu dokładnie oznaczonych zestawów danych i metod uczenia głębokiego.

Potrzeba dokładnego Senność kierowcy System detekcji wciąż się rozwija. Firmy poszukują wysoce niezawodnych zestawów danych szkoleniowych, których można użyć do trenowania ich modeli uczenia maszynowego.

Gdy potrzebna jest niezawodność i różnorodność zestawów danych, wielu czołowych dostawców technologii preferuje Shaip. Szaip odegrał kluczową rolę w tworzeniu wysokiej klasy modeli DDS z różnymi zestawami danych, wysokiej jakości etykietami obrazów i adnotacjami. Masz na myśli przełomową aplikację DDS? Połącz się z Shaip i eksploruj różnorodne zestawy danych treningowych w konkurencyjnych cenach.

Podziel społecznej