Sieć neuronowa opisana w niedawnej publikacji International Journal of Intelligent Information and Database Systems może oceniać obrazy ludzkich twarzy w podczerwieni i określać z 93% dokładnością, czy dana osoba jest pijana.
System AI w działaniu, wizja artystyczna.
Duże w nowym oknie >>
System opisany na łamach wspomnianego wcześniej perjodyku mógłby zostać wdrożony w miejscach, gdzie jazda po pijanemu i zachowania osób nietrzeźwych są powszechnym problemem. Każdego roku na świecie dochodzi do ponad miliona zgonów w wyniku wypadków drogowych, duża część z nich jest bezpośrednim skutkiem jazdy pod wpływem alkoholu.
Kha Tu Huynh i Huynh Phuong Thanh Nguyen z Vietnam National University w Ho Chi Minh City wyjaśniają, że wcześniejsze próby opracowania sposobu wykrywania stanu nietrzeźwości skupiały się na wskaźnikach stanu oczu, pozycji głowy czy stanu funkcjonalnego. Jednak takie systemy mogą być mylone przez inne czynniki.
Zespół wskazuje, że analiza obrazowania termicznego oferuje mniej niejednoznaczne podejście, które jest również nieinwazyjne i mogłoby pozwolić władzom na badanie przesiewowe osób w centrach miast lub na imprezach, na których prawdopodobnie spożywany jest alkohol, a ludzie mogą zdecydować się na jazdę samochodem do domu.
Zespół zwraca uwagę, że ważne jest, aby każdy system zaprojektowany do identyfikacji osób nietrzeźwych miał bardzo niski wskaźnik fałszywych pozytywów i fałszywych negatywów. Ostatecznie, fałszywie negatywny może zobaczyć pijaną osobę prowadzącą swój samochód, podczas gdy zbyt wiele fałszywych pozytywów uniemożliwi trzeźwym kierowcom korzystanie z ich pojazdów i doprowadzi do frustracji i utraty zaufania do systemu wśród społeczeństwa.
W każdym takim systemie zawsze będzie istniał kompromis, preferowana byłaby ostrożność, ale optymalizacja klasyfikacji poprzez większe zestawy danych treningowych na zróżnicowanej populacji obrazów termicznych powinna przybliżyć go do ideału, którym oczywiście byłaby teoretycznie nieosiągalna 100% dokładność z zerową liczbą fałszywych pozytywów i zerową liczbą fałszywych negatywów.
Źródło: TechXplore.com
Brak komentarzy:
Prześlij komentarz