Tout le monde connaît les dangers de la conduite sous influence ou de l'envoi de SMS au volant. Pourtant, la somnolence au volant est souvent négligée. En 2019, aux États-Unis , la fatigue au volant a été responsable de 697 décès, soit 1.9 % du total des accidents mortels de la route cette année-là.
La somnolence au volant peut être fatale, mais elle est évitable. Une bonne nuit de sommeil et l'abstinence d'alcool avant de prendre le volant contribuent à réduire les accidents. La technologie peut également aider à détecter et à prévenir les accidents mortels liés à la somnolence au volant. Parlons donc des technologies qui alertent le conducteur en cas de somnolence et de fatigue.
Qu'est-ce que le DDS ?
Le système de détection de la somnolence du conducteur (DDS) fait partie de la technologie de sécurité des véhicules et fonctionne grâce à un algorithme qui détecte les changements dans le comportement de conduite du conducteur, tels que des mouvements erratiques des roues, des déviations de voie, des difficultés à garder les yeux ouverts et des bâillements constants, et plus encore.
Certains systèmes avertissent le conducteur de faire une pause à l'aide d'alertes audio, tandis que certains affichent un symbole de café et certaines voitures font même vibrer leur siège conducteur.
Comment fonctionne le DDS ?
Le système DDS fonctionne en enregistrant le comportement du volant dès le début du trajet et en surveillant le niveau de fatigue du conducteur tout au long du voyage.
L'algorithme basé sur l'intelligence artificielle calcule une valeur en fonction de la fréquence des mouvements brusques, de l'heure, de la durée du trajet, des écarts par rapport au marquage au sol et de la fréquence des passages sur les bandes rugueuses. Si cette valeur dépasse un certain seuil, le système affiche un symbole de tasse de café sur le tableau de bord, indiquant au conducteur qu'une pause est nécessaire.
Le conducteur est surveillé en permanence afin de déterminer son niveau de fatigue grâce à une caméra infrarouge placée face à lui. Des algorithmes d'apprentissage automatique et de reconnaissance faciale déterminent avec précision la fatigue en analysant les traits du visage, les mouvements de la tête , les clignements des yeux et les mouvements oculaires du conducteur.
Exemples concrets
Le système de détection de la somnolence au volant est utilisé depuis quelques années. Parmi les principaux constructeurs automobiles intéressés par la surveillance de l'attention du conducteur figurent Mercedes-Benz, Volvo et Land Rover.
L'assistant d'attention de Mercedes-Benz est une technologie exclusive disponible sur certaines voitures Benz qui surveille les habitudes de conduite des conducteurs et les alerte à l'aide d'avertissements visuels et acoustiques lorsqu'ils détectent l'inattention ou la fatigue.
Land Rover dispose également de son système de surveillance de l'état du conducteur, qui dispose d'une série de capteurs qui détectent les mouvements du visage et des yeux du conducteur pour déterminer si le conducteur est inattentif, distrait ou fatigué.
Le système « Alerte conducteur » (DAC) de Volvo surveille avec précision la conduite du véhicule. Par exemple, il alerte le conducteur en cas de conduite incontrôlée, via un affichage, un signal sonore et un SMS l'invitant à faire une pause.
Contrairement à certains autres systèmes, le Driver Alert de Volvo ne surveille pas le niveau de fatigue du conducteur, mais examine de près le fonctionnement du véhicule.
Avantages et limites du système de détection de somnolence du conducteur
Les avantages du DDS sont nombreux, et le premier avantage qui nous vient à l'esprit est peut-être une réduction des décès dus à la fatigue du conducteur.
Grâce à un système capable de fournir des avertissements de franchissement de ligne , il est possible d'éviter des accidents graves et de sauver la vie du conducteur, des passagers et des piétons.
La précision du système repose sur un apprentissage efficace de l'algorithme à l'aide d'une collection d'images. Cependant, le développement d'un système de détection de mouvement (DDS) robuste est impossible si les contours des yeux ne sont pas correctement capturés et si le système n'est pas entraîné sur de vastes ensembles de données. De plus, la localisation sur l'œil peut s'avérer difficile si le conducteur porte des obstacles tels que des lunettes ou une casquette.
Importance des données d'entraînement pour créer des modèles DDS
Les effets de la somnolence au volant peuvent être dangereux pour tous les usagers de la route. Un conducteur somnolent met du temps à se concentrer, réagit lentement et est incapable d'évaluer les vitesses et les distances.
Un conducteur somnolent n'est pas toujours quelqu'un qui n'a pas assez dormi. Par conséquent, il est important de développer un outil pour alerter les conducteurs fatigués d'un danger imminent. Vous devez disposer de suffisamment d'ensembles de données pour former le modèle d'apprentissage automatique et de reconnaissance faciale afin de rendre cela possible.
Pour former avec précision un modèle DDS, vous avez besoin d'une collection complète d'ensembles de données de formation (contenant à la fois des images somnolentes et non somnolentes de personnes) qui peuvent aider à positionner les repères faciaux sur les images. Cette méthode aide le système à identifier les caractéristiques faciales des conducteurs dans des scénarios en temps réel.
De plus, comme le système s'intéresse particulièrement aux yeux, des coordonnées sont présentées aux yeux, ce qui aidera à détecter les valeurs de clignotement et d'ouverture des yeux.
Les ensembles de données contenant des images qui peuvent aider le système à reconnaître le bâillement doivent également être inclus. En plus de la détection des clignements, le bâillement est également un paramètre critique que le système doit apprendre pour alerter le conducteur d'un avertissement. Un modèle d'apprentissage automatique peut être construit à l'aide d'ensembles de données étiquetés avec précision et de méthodes d'apprentissage en profondeur.
Le besoin en systèmes précis de détection de la somnolence au volant ne cesse de croître. Les entreprises recherchent des ensembles de données d'entraînement extrêmement fiables pour leurs modèles d'apprentissage automatique.
Lorsque la fiabilité et la variété des ensembles de données sont essentielles, de nombreux fournisseurs de technologies de pointe privilégient Shaip. Shaip a joué un rôle déterminant dans le développement de modèles DDS haut de gamme, utilisant des ensembles de données diversifiés et offrant un étiquetage et une annotation d'images de haute qualité. Vous envisagez une application DDS novatrice ? Contactez Shaip et découvrez une large gamme d'ensembles de données d'entraînement à des prix compétitifs.
