Vidéo Driver Somnolence

Qu'est-ce que DDS et l'importance des données de formation pour former des modèles DDS

Tout le monde connaît les dangers de la conduite sous influence ou de l'envoi de SMS au volant. Cependant, peu d'attention est accordée à la conduite en état de somnolence. En 2019, la fatigue des conducteurs était le cause de 697 décès aux États-Unis – qui représentait 1.9 % du nombre total de tués sur les routes cette année-là. En outre, 1 chez les adultes 25 a accepté de s'endormir au volant au cours des 30 derniers jours.

La somnolence du conducteur peut s'avérer mortelle, mais elle est évitable. Une bonne nuit de sommeil et éviter l'alcool avant de prendre la voiture peuvent réduire les accidents. La technologie peut également aider à détecter et à prévenir les décès dus à la somnolence du conducteur. Parlons donc de la technologie qui avertit le conducteur de somnolence et de fatigue.

Qu'est-ce que le DDS ?

Système de détection de la somnolence du conducteur (DDS) fait partie de la technologie de sécurité des véhicules qui fonctionne sur un algorithme qui détecte les changements dans le comportement de conduite du conducteur, tels que les mouvements erratiques des roues, les déviations de voie, la difficulté à garder les yeux ouverts, les bâillements constants, etc.

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 ?

DDS fonctionne en enregistrant volant comportement dès le début du trajet et suivre le niveau de fatigue du conducteur tout au long du trajet.

L'algorithme basé sur l'IA fournit une valeur en calculant la fréquence des mouvements brusques, l'heure de la journée, la durée du trajet, les écarts par rapport à marquage au sol, et la fréquence de frappe de la bande rugueuse. Si ladite valeur est supérieure à un certain niveau, le système clignote tasse à café symbole sur le tableau de bord de la voiture, indiquant que le conducteur doit faire une pause.

Le conducteur est surveillé en permanence pour déterminer son niveau de fatigue à l'aide d'une caméra infrarouge tournée vers le conducteur. Les algorithmes d'apprentissage automatique et de reconnaissance faciale déterminent avec précision la fatigue en suivant les traits du visage du conducteur, mouvements de la tête, clignotement et mouvement des yeux.

Exemples concrets

Le pilote Détection de somnolence système est utilisé depuis quelques années maintenant. Certains des principaux constructeurs automobiles intéressés par la surveillance de l'attention du conducteur sont 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.

La fonction « Driver Alert » de Volvo ou la fonction DAC surveille avec précision la façon dont le véhicule est utilisé. Par exemple, il alerte le conducteur lorsque le véhicule est conduit de manière incontrôlable à l'aide d'un écran conducteur, d'un signal acoustique et d'un texte demandant au conducteur de prendre une pause thé

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.

Alimenter les véhicules autonomes avec des données d'entraînement de haute qualité

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.

Avec un système qui peut fournir avertissements de sortie de voie, il est possible d'éviter des accidents majeurs et de sauver la vie du conducteur, des co-passagers et des piétons.

La précision du système réside dans l'efficacité former l'algorithme à l'aide d'un ensemble d'images. Cependant, développer un DDS robuste est impossible si les cadres oculaires ne sont pas capturés correctement et si le système n'est pas formé sur de grands ensembles de données. De plus, la localisation sur l'œil peut devenir difficile si le conducteur porte des obstacles comme des lunettes ou des casquettes.

Importance des données d'entraînement pour créer des modèles DDS

Les effets de conduite somnolente peut être dangereux pour tout le monde sur la route. Un conducteur somnolent met du temps à se concentrer, réagit lentement et ne peut pas 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.

Vidéo Driver Somnolence

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.

La nécessité d'une précision Somnolence du conducteur Le système de détection continue de se développer. Les entreprises recherchent des ensembles de données de formation hautement fiables pouvant être utilisés pour former leurs modèles ML.

Lorsque la fiabilité et la variété des ensembles de données sont nécessaires, de nombreux fournisseurs de technologie de pointe préfèrent Shaip. Shai a joué un rôle déterminant dans le développement de modèles DDS haut de gamme avec divers ensembles de données, un étiquetage d'image de haute qualité et des annotations. Vous avez une application DDS révolutionnaire en tête ? Connectez-vous avec Shaip et explorez divers ensembles de données de formation à des prix compétitifs.

Partager