Video Driver Mengantuk

Apa itu DDS & pentingnya Data Pelatihan untuk melatih Model DDS

Semua orang tahu tentang bahaya mengemudi di bawah pengaruh atau mengirim SMS saat mengemudi. Namun, tidak banyak perhatian yang diberikan untuk mengemudi dalam keadaan mengantuk. Pada tahun 2019, kelelahan pengemudi adalah penyebab 697 kematian di AS – yaitu 1.9% dari total kematian di jalan tahun itu. Tambahan, 1 pada orang dewasa 25 telah menyetujui tertidur di belakang kemudi selama 30 hari sebelumnya.

Kantuk pengemudi bisa berakibat fatal, tapi bisa dicegah. Tidur malam yang baik dan menghindari alkohol sebelum naik mobil dapat mengurangi kecelakaan. Teknologi juga dapat membantu mendeteksi dan mencegah kematian akibat kantuk pengemudi. Jadi mari kita bicara tentang teknologi itu memperingatkan pengemudi dari kantuk dan kelelahan.

Apa itu DDS?

Sistem Deteksi Mengantuk Pengemudi (DDS) adalah bagian dari teknologi keselamatan kendaraan yang bekerja pada algoritma yang mendeteksi perubahan perilaku mengemudi pengemudi, seperti pergerakan roda yang tidak menentu, penyimpangan lajur, kesulitan membuka mata, dan menguap terus menerus, dan banyak lagi.

Beberapa sistem memperingatkan pengemudi untuk istirahat menggunakan peringatan audio, sementara beberapa menampilkan simbol kopi, dan beberapa mobil bahkan memiliki kursi pengemudi yang bergetar. 

Bagaimana DDS Bekerja?

DDS bekerja dengan merekam setir mobil perilaku sejak perjalanan dimulai dan melacak tingkat kelelahan pengemudi selama perjalanan.

Algoritma berbasis AI muncul dengan nilai dengan menghitung frekuensi gerakan tiba-tiba, waktu hari itu, durasi perjalanan, penyimpangan dari marka jalan, dan frekuensi memukul strip gemuruh. Jika nilai tersebut di atas level tertentu, sistem akan berkedip cangkir kopi simbol pada panel instrumen mobil, yang menunjukkan bahwa pengemudi perlu istirahat.

Pengemudi terus dipantau untuk menentukan tingkat kelelahan mereka menggunakan kamera inframerah menghadap pengemudi. Pembelajaran mesin dan algoritma pengenalan wajah secara akurat menentukan kelelahan dengan melacak fitur wajah pengemudi, gerakan kepala, berkedip, dan gerakan mata.

Contoh dunia nyata

Driver Deteksi Mengantuk sistem telah digunakan selama beberapa tahun sekarang. Beberapa pembuat mobil besar yang tertarik untuk memantau perhatian pengemudi adalah Mercedes Benz, Volvo, dan Land Rover.

'Attention Assist' dari Mercedes-Benz adalah teknologi eksklusif yang tersedia pada mobil Benz tertentu yang memantau kebiasaan mengemudi pengemudi dan memperingatkan mereka menggunakan peringatan visual dan akustik saat mendeteksi kurangnya perhatian atau kelelahan.

Land Rover juga memiliki sistem Driver Condition Monitor, yang memiliki serangkaian sensor yang mendeteksi gerakan wajah dan mata pengemudi untuk mengidentifikasi apakah pengemudi lalai, terganggu, atau lelah.

'Driver Alert' Volvo atau fungsi DAC secara akurat memantau bagaimana kendaraan dioperasikan. Misalnya, ini memberi tahu pengemudi ketika kendaraan sedang dikendarai tanpa kendali menggunakan tampilan pengemudi, sinyal akustik, dan teks yang meminta pengemudi untuk mengambil a istirahat minum teh

Tidak seperti beberapa sistem lain, Driver Alert Volvo tidak memantau tingkat kelelahan pengemudi tetapi melihat secara dekat pengoperasian kendaraan.

Menghidupkan Kendaraan Otonom dengan Data Pelatihan Berkualitas Tinggi

Keuntungan dan keterbatasan sistem Deteksi Mengantuk Pengemudi

Ada banyak keuntungan dari DDS, dan manfaat pertama yang muncul di benak kita mungkin adalah pengurangan kematian akibat kelelahan pengemudi.

Dengan sistem yang dapat memberikan peringatan keberangkatan jalur, adalah mungkin untuk menghindari kecelakaan besar dan menyelamatkan nyawa pengemudi, penumpang lain, dan pejalan kaki.

Akurasi sistem terletak pada efektif melatih algoritma menggunakan kumpulan gambar. Namun, mengembangkan DDS yang kuat tidak mungkin dilakukan jika bingkai mata tidak ditangkap dengan benar dan sistem tidak dilatih pada kumpulan data yang besar. Selain itu, pelokalan pada mata bisa menjadi sulit jika pengemudi mengenakan penghalang seperti kacamata atau topi.

Pentingnya Data Pelatihan untuk membangun Model DDS

Efek dari mengemudi mengantuk bisa berbahaya bagi semua orang di jalan. Pengemudi yang mengantuk membutuhkan waktu untuk fokus, bereaksi lambat, dan tidak bisa menilai kecepatan dan jarak.

Pengemudi yang mengantuk tidak selalu seseorang yang kurang tidur. Oleh karena itu, penting untuk mengembangkan alat untuk memperingatkan pengemudi yang lelah akan bahaya yang akan datang. Anda harus memiliki kumpulan data yang cukup untuk melatih model pembelajaran mesin dan pengenalan wajah agar hal ini dapat dilakukan.

Pengantuk video mengantuk

Untuk melatih model DDS secara akurat, Anda memerlukan kumpulan set data pelatihan yang komprehensif (berisi gambar orang yang mengantuk dan tidak mengantuk) yang dapat membantu memposisikan landmark wajah pada gambar. Metode ini membantu sistem mengidentifikasi fitur wajah pengemudi dalam skenario waktu nyata.

Selain itu, karena sistem sangat tertarik pada mata, koordinat disajikan ke mata, yang akan membantu mendeteksi nilai kedipan dan pembukaan mata.

Kumpulan data yang berisi gambar yang dapat membantu sistem mengenali menguap juga harus disertakan. Selain deteksi kedipan, menguap juga merupakan parameter penting yang harus dipelajari sistem untuk mengingatkan peringatan kepada pengemudi. Model pembelajaran mesin dapat dibuat menggunakan kumpulan data berlabel akurat dan metode pembelajaran mendalam.

Kebutuhan yang akurat Sopir Mengantuk Sistem deteksi terus berkembang. Bisnis mencari set data pelatihan yang sangat andal yang dapat digunakan untuk melatih model ML mereka.

Ketika keandalan dan variasi dalam kumpulan data diperlukan, banyak penyedia teknologi top lebih memilih Shaip. Shaip telah berperan penting dalam mengembangkan model DDS kelas atas dengan kumpulan data yang beragam, pelabelan gambar berkualitas tinggi, dan anotasi. Punya aplikasi DDS pemecah jalur dalam pikiran? Terhubung dengan Shaip, dan jelajahi beragam set data pelatihan dengan harga bersaing.

sosial Share