伊迪斯科文大学 (ECU) 的研究人员正在开发新的计算机跟踪技术，该技术通过摄像机镜头获取数据来检测驾驶员在驾驶时是否受到酒精的影响。

科学家与 Powerfleet 的 Mix 合作，在受控但真实的环境中收集酒后驾驶司机的数据，并拍摄了一系列司机的视频。

参与者的酒精中毒程度涵盖清醒、轻度中毒和重度中毒三个等级，他们在模拟器上驾驶时被记录下来。

研究人员随后展示了一个机器学习系统，该系统利用驾驶员面部标准 RGB(红、绿、蓝)视频中的可辨别线索来判断酒精相关损伤程度。这些线索包括面部特征、注视方向和头部位置。这项研究在IEEE/CVF 计算机视觉应用冬季会议上进行了展示。

ECU 博士生 Ensiyeh Keshtkaran 女士表示：“我们的系统可以检测出不同程度的酒精中毒损伤，分类的总体准确率为 75%。”

“这不仅有利于配备驾驶员监控系统和眼动追踪技术的车辆，而且还有潜力扩展到智能手机，使酒精中毒检测更加有效。

“我们的系统能够在驾驶开始时识别醉酒程度，从而有可能防止醉酒司机上路。这使得它有别于依赖可观察驾驶行为的方法，后者需要长时间主动操作车辆才能识别醉酒状态。”

ECU 高级讲师 Syed Zulqarnain Gilani 博士表示，新技术首次采用标准 RGB 摄像头，根据驾驶员面部受损迹象来检测酒精中毒程度。

“这项研究证实，仅使用一台简单的相机就可以检测醉酒程度。我们研究的下一步是确定采用该算法所需的图像分辨率。如果低分辨率视频被证明足够，那么这项技术就可以被安装在路边的监控摄像头采用，执法机构可以使用它来防止[醉酒]驾驶。”

基于计算机视觉的方法将来可能会被集成到道路摄像头中，类似于这些摄像头目前检测安全带使用情况或手机活动的方式，使其适用于各种车辆类型，而无需在车内进行专门的安装。

该技术还包含驾驶员面部的 3D 和红外视频、显示驾驶员姿势和转向交互的后视 RGB 视频、驾驶模拟事件日志以及驾驶行为的屏幕记录。

Gilani 博士解释说：“该数据集的可用性不仅丰富了我们的研究努力，而且还为更广泛的科学界提供了进一步探索和研究的宝贵资源。”