Migliorare la sicurezza dei conducenti tramite il monitoraggio dell'attenzione

La rilevazione della salienza visiva è un modo per capire cosa attira la nostra Attenzione nel mondo intorno a noi. Negli ultimi anni, i ricercatori nel campo automobilistico si sono interessati a come facciamo attenzione mentre guidiamo. Quando si guida, le persone si concentrano naturalmente su certi oggetti, il che li aiuta a rimanere al sicuro sulla strada. Questo articolo parla di un sistema che punta a migliorare la sicurezza dei conducenti combinando un modo per monitorare se un guidatore è assonnato con un metodo per analizzare quello che sta succedendo nell'ambiente di guida.

#Monitoraggio della Sonno e dell'Attenzione

La sonnolenza può essere un fattore di rischio significativo per incidenti stradali. Molti studi hanno esaminato come monitorare il livello di vigilanza di un guidatore. I ricercatori hanno trovato un legame tra attenzione e attività cardiaca, misurata tramite la Variabilità della Frequenza Cardiaca (HRV). Analizzando l'HRV, possiamo capire quanto è sveglio un guidatore. Tuttavia, è essenziale considerare le condizioni di guida quando misuriamo l'attenzione. Ad esempio, situazioni a bassa densità di traffico e a bassa velocità richiedono meno sforzo mentale rispetto a scenari ad alto rischio come il sorpasso.

Per valutare meglio l'attenzione, questo sistema combina l'analisi visiva della scena di guida con il monitoraggio fisiologico del guidatore. L'obiettivo è focalizzarsi su caratteristiche importanti nell'ambiente di guida mentre si tiene traccia della vigilanza del conducente. Usare questo approccio combinato aiuta a ridurre il carico computazionale e migliorare le prestazioni.

#Lavori Correlati

Molti studi si sono concentrati su modi per monitorare l'attenzione di un guidatore e analizzare le situazioni di guida. Ad esempio, alcuni ricercatori hanno utilizzato l'Elettrocardiografia (ECG) per misurare l'attività cardiaca e determinare la sonnolenza. Tuttavia, catturare il segnale ECG richiede più sensori sul corpo del guidatore, il che può essere scomodo. Per affrontare questo, altri hanno iniziato a utilizzare la FotoPlethysmoGrafia (PPG), che ha bisogno solo di un punto di contatto per raccogliere dati.

Uno studio ha esaminato la relazione tra i segnali PPG e la fatica del guidatore, rivelandosi efficace. I ricercatori hanno anche utilizzato vari algoritmi per analizzare le frequenze cardiache e i movimenti oculari per valutare l'attenzione del guidatore. Nonostante i progressi nella tecnologia, rimangono sfide, in particolare per quanto riguarda i diversi fattori ambientali che possono influenzare le prestazioni dei sistemi di elaborazione delle immagini.

#Sistema di Monitoraggio dell'Attenzione

Il cuore di questo sistema è il componente di monitoraggio dell'attenzione, che cattura il segnale PPG dal guidatore. I segnali PPG ci offrono informazioni sull'attività del cuore, che può riflettere la condizione generale del corpo e la vigilanza. Sono composti da due parti: un segnale AC che si correla con i battiti cardiaci e un segnale DC che indica lievi variazioni dovute alla respirazione e ad altri fattori.

Per catturare il segnale PPG, un dispositivo illumina la pelle e misura quanti più luce si riflette. Questo processo consente al sistema di rilevare cambiamenti nel volume del sangue legati ai battiti cardiaci. Il dispositivo è progettato per essere user-friendly, in modo che il guidatore possa usarlo facilmente mentre guida.

Più sensori PPG sono posizionati sul volante in modo che il guidatore possa posizionare la mano sopra uno per raccogliere dati. Il segnale PPG grezzo viene elaborato usando software specializzati, portando a un segnale pulito pronto per l'analisi.

#Deep Learning e Elaborazione dei Segnali

I segnali PPG elaborati passano attraverso un'analisi avanzata utilizzando metodi di deep learning. Una rete neurale con convoluzione temporale unidimensionale viene utilizzata per interpretare i dati PPG e determinare il livello di attenzione del guidatore. L'output di questo sistema è un punteggio tra 0 e 1, che mostra quanto è sveglio o assonnato il guidatore.

Inoltre, il sistema include un componente di analisi video che cattura la scena di guida usando una telecamera di grado automobilistico. Un modello di deep learning elabora i fotogrammi video per identificare gli oggetti e generare una mappa di salienza, che evidenzia ciò che è più importante nella scena. La mappa di salienza aiuta il sistema a capire le esigenze di attenzione del guidatore in base all'ambiente.

Questo approccio doppio, che combina l'analisi PPG e la salienza della scena, consente al sistema di valutare se il guidatore sta prestando sufficiente attenzione a ciò che lo circonda.

#Combinare i Dati di Attenzione

L'analizzatore di attenzione del guidatore combina le informazioni sia dal sistema PPG che dalla mappa di salienza. Facendo ciò, il sistema può allineare il livello di attenzione del guidatore con le esigenze della situazione di guida. Se la mappa di salienza indica una situazione complessa o ad alto rischio ma il punteggio di attenzione del guidatore è basso, il sistema avviserà il guidatore tramite un segnale acustico.

Per garantire l'efficacia, le soglie per determinare i livelli di attenzione bassi e alti vengono calibrate durante la fase di addestramento. Questo consente al sistema di massimizzare le prestazioni in base alle reali condizioni di guida e garantire una risposta adeguata a diversi scenari.

#Risultati Sperimentali

Questo sistema è stato testato usando un dataset che includeva varie situazioni di guida. Le registrazioni video sono state fatte con una telecamera ad alta risoluzione, catturando scenari diversi che richiedevano livelli di attenzione differenti. In totale, sono stati raccolti dati da 43 soggetti durante gli esperimenti, assicurando una vasta gamma di esperienze di guida e livelli di attenzione.

I dati raccolti sono stati suddivisi in set di addestramento e di test per addestrare efficacemente il sistema di monitoraggio dell'attenzione. I risultati mostrano che combinare il segnale PPG con la mappa di salienza è un successo nella valutazione della vigilanza del guidatore. Il sistema può confrontare efficacemente i livelli di attenzione del guidatore con le esigenze della guida, garantendo una maggiore sicurezza.

In scenari in cui il livello di attenzione del guidatore era basso in una situazione di guida complessa, il sistema ha fornito avvisi tempestivi. Questa funzionalità è cruciale per prevenire incidenti causati da sonnolenza o distrazione.

#Conclusione

I risultati di questo studio dimostrano il potenziale di usare un approccio combinato per monitorare l'attenzione del guidatore e migliorare la sicurezza. Basandosi sul segnale PPG facilmente accessibile e analizzando la scena di guida per elementi visivi salienti, questo sistema offre una soluzione proattiva per affrontare la sonnolenza.

La dipendenza del sistema da un design semplice ma efficace permette di funzionare senza bisogno di hardware complesso o risorse computazionali estese. Questo non solo lo rende pratico per applicazioni nel mondo reale, ma garantisce anche che possa essere integrato in vari sistemi automobilistici.

Il lavoro futuro espanderà le capacità del sistema raccogliendo dati più diversificati e migliorando la sua adattabilità a diverse situazioni di guida. L'obiettivo è creare un sistema di assistenza al guidatore robusto ed efficace che possa garantire esperienze di guida più sicure per tutti sulla strada.