Slaperigheid van videostuurprogramma

Wat is DDS en het belang van trainingsgegevens om DDS-modellen te trainen?

Iedereen kent de gevaren van rijden onder invloed of sms'en tijdens het rijden. Er wordt echter niet veel aandacht besteed aan het rijden onder slaperigheid. In 2019 was vermoeidheid van de bestuurder de oorzaak van 697 doden in de VS – dat was 1.9% van het totale aantal verkeersdoden dat jaar. In aanvulling, 1 in 25 volwassenen heeft ingestemd met in slaap vallen achter het stuur in de afgelopen 30 dagen.

Slaperigheid van de bestuurder kan dodelijk zijn, maar het is te voorkomen. Een goede nachtrust en het vermijden van alcohol voordat u in de auto stapt, kan het aantal ongevallen verminderen. Technologie kan ook helpen bij het opsporen en voorkomen van dodelijke slachtoffers als gevolg van slaperigheid van de bestuurder. Dus laten we het hebben over de technologie die waarschuwt de chauffeur van slaperigheid en vermoeidheid.

Wat is DDS?

Detectiesysteem voor slaperigheid bij bestuurders (DDS) is een onderdeel van voertuigveiligheidstechnologie dat werkt op een algoritme dat veranderingen in het rijgedrag van de bestuurder detecteert, zoals grillige wielbewegingen, rijstrookafwijkingen, moeite om de ogen open te houden en constant geeuwen, en meer.

Sommige systemen waarschuwen de bestuurder om een ​​pauze te nemen met behulp van audiowaarschuwingen, terwijl sommige een koffiesymbool weergeven en bij sommige auto's trilt de bestuurdersstoel zelfs. 

Hoe werkt DDS?

DDS werkt door het opnemen van de stuur gedrag vanaf het begin van de reis en het bijhouden van de vermoeidheidsniveaus van de bestuurder tijdens de reis.

Het op AI gebaseerde algoritme komt tot een waarde door de frequentie van plotselinge bewegingen, het tijdstip van de dag, reisduur, afwijkingen van rijstrookmarkeringen, en de frequentie van het raken van de rumble strip. Als de genoemde waarde boven een bepaald niveau ligt, knippert het systeem a koffiekop symbool op het instrumentenpaneel van de auto om aan te geven dat de bestuurder even moet pauzeren.

De bestuurder wordt voortdurend gecontroleerd om zijn vermoeidheidsniveaus te bepalen met behulp van een infraroodcamera die naar de bestuurder is gericht. Machine learning en gezichtsherkenningsalgoritmen bepalen nauwkeurig vermoeidheid door de gelaatstrekken van de bestuurder te volgen, hoofdbewegingen, knipperen en oogbewegingen.

Voorbeelden uit de echte wereld

De Driver Detectie van slaperigheid systeem is al een paar jaar in gebruik. Enkele van de grote autofabrikanten die geïnteresseerd zijn in het bewaken van de aandacht van de bestuurder zijn Mercedes Benz, Volvo en Land Rover.

De 'Attention Assist' van Mercedes-Benz is een exclusieve technologie die beschikbaar is op bepaalde Benz-auto's en die de rijgewoonten van de bestuurder in de gaten houdt en hen waarschuwt met visuele en akoestische waarschuwingen wanneer onoplettendheid of vermoeidheid wordt gedetecteerd.

Land Rover heeft ook zijn Driver Condition Monitor-systeem, dat een reeks sensoren heeft die de gezichts- en oogbewegingen van de bestuurder detecteren om te bepalen of de bestuurder onoplettend, afgeleid of moe is.

Volvo's 'Driver Alert' of de DAC-functie houdt nauwkeurig in de gaten hoe het voertuig wordt bediend. Het waarschuwt de bestuurder bijvoorbeeld wanneer het voertuig ongecontroleerd rijdt met behulp van een bestuurdersdisplay, een akoestisch signaal en een tekst waarin de bestuurder wordt gevraagd een theepauze

In tegenstelling tot sommige andere systemen, controleert Volvo's Driver Alert niet de vermoeidheid van de bestuurder, maar kijkt het nauwkeurig naar de werking van het voertuig.

Autonome voertuigen aandrijven met hoogwaardige trainingsgegevens

Voordelen en beperkingen van het detectiesysteem voor slaperigheid bij bestuurders

Er zijn veel voordelen van DDS, en het eerste voordeel dat in ons opkomt, is misschien een vermindering van het aantal dodelijke slachtoffers als gevolg van vermoeidheid van de bestuurder.

Met een systeem dat kan voorzien in: waarschuwingen voor het verlaten van rijstroken, is het mogelijk om zware ongevallen te vermijden en het leven van de bestuurder, medepassagiers en voetgangers te redden.

De nauwkeurigheid van het systeem ligt in: het algoritme trainen met behulp van een verzameling afbeeldingen. Het ontwikkelen van een robuuste DDS is echter onmogelijk als de oogframes niet goed worden vastgelegd en het systeem niet is getraind op grote datasets. Bovendien kan het lokaliseren op het oog moeilijk worden als de bestuurder obstakels zoals een veiligheidsbril of petten draagt.

Belang van trainingsgegevens om DDS-modellen te bouwen

De effecten van slaperig rijden kan gevaarlijk zijn voor iedereen op de weg. Een slaperige bestuurder heeft tijd nodig om zich te concentreren, reageert traag en kan de snelheden en afstanden niet beoordelen.

Een slaperige chauffeur is niet altijd iemand die niet genoeg heeft geslapen. Daarom is het belangrijk om een ​​tool te ontwikkelen om vermoeide bestuurders te waarschuwen voor dreigend gevaar. Je moet voldoende datasets hebben om het machine learning- en gezichtsherkenningsmodel te trainen om dit mogelijk te maken.

Slaperigheid van videostuurprogramma

Om een ​​DDS-model nauwkeurig te trainen, hebt u een uitgebreide verzameling trainingsgegevenssets nodig (met zowel slaperige als niet-slaperige afbeeldingen van mensen) die kunnen helpen gezichtsoriëntatiepunten op afbeeldingen te positioneren. Deze methode helpt het systeem de gezichtskenmerken van bestuurders te identificeren in realtime scenario's.

Omdat het systeem vooral geïnteresseerd is in de ogen, worden bovendien coördinaten aan de ogen gepresenteerd, wat zal helpen bij het detecteren van knipperende en eye-opening-waarden.

Gegevenssets met afbeeldingen die het systeem kunnen helpen geeuwen te herkennen, moeten ook worden opgenomen. Naast knipperdetectie is geeuwen ook een kritische parameter die het systeem moet leren om een ​​waarschuwing aan de bestuurder te geven. Een machine learning-model kan worden gebouwd met behulp van nauwkeurig gelabelde datasets en deep learning-methoden.

De behoefte aan een nauwkeurige Bestuurder slaperigheid Detectiesysteem blijft groeien. Bedrijven zijn op zoek naar zeer betrouwbare trainingsdatasets die kunnen worden gebruikt om hun ML-modellen te trainen.

Wanneer betrouwbaarheid en variatie in datasets nodig zijn, geven veel toptechnologieproviders de voorkeur aan Shaip. Shaip heeft een belangrijke rol gespeeld bij het ontwikkelen van hoogwaardige DDS-modellen met diverse datasets, hoogwaardige afbeeldingslabels en annotaties. Heeft u een baanbrekende DDS-toepassing in gedachten? Maak contact met Shaip en verken diverse trainingsdatasets tegen concurrerende prijzen.

Sociale Share