基于视觉的酒精影响下驾驶员活动与驾驶性能分析

美国约 30% 的交通事故死亡涉及醉酒驾驶员，使得预防酒后驾驶在美国及其他酒后驾驶高发的地区对车辆安全至关重要。驾驶损伤可通过主动使用传感器进行监测（当驾驶员被要求向车辆仪器提供呼吸样本或被警察拦下时），但一种更被动且稳健的感知机制可能允许更广泛的采用，并惠及减少酒后驾驶事故的智能系统。这可在驾驶员驾驶前或驾驶过程早期（在碰撞或执法检测之前）协助识别受损驾驶员。在本研究中，我们引入了一项采用视觉、热成像、音频和化学传感器多模态集成的实验，以（1）考察急性酒精摄入对驾驶模拟器中驾驶性能的影响，以及（2）识别用于检测酒后驾驶的数据驱动方法。我们描述了用于分析热成像中驾驶员面部的计算机视觉和机器学习模型，并介绍了一种在来自具有一系列呼吸酒精含量水平的驾驶员所收集数据上训练模型的流程，包括对相关机器学习现象的讨论，这些现象有助于相关研究的未来实验设计。