알림

[연구] 카메라 영상 자료로 음주운전 여부 확인 기술이 개발 중

Phil2030 211.♡.217.192

2024.06.27 08:41

과학

656

글쓰기

음주 운전은 호주에서 모든 치명적인 도로 사고의 약 30%의 주요 요인입니다. 교통 사고 위원회는 호주 도로에서 사망한 운전자 중 5명 중 1명이 혈중 알코올 농도(BAC) 0.05 이상이라고 언급합니다.

"주로 무작위 음주 측정 테스트에 의존하는 기존의 음주 운전자 감지 접근 방식은 이 시급한 문제를 해결하지 못합니다,"라고 ECU 박사 과정 학생 Ensiyeh Keshtkaran은 말했습니다.

"미래 세대의 차량에 음주 운전 감지 시스템을 통합하는 작업이 진행 중이며 자율 주행 차량의 도입이 가시화되고 있지만, 음주 운전 문제는 여전히 시급한 문제로 남아 있습니다."

Keshtkaran은 음주 운전 감지 연구가 주로 운전 및 조향 패턴, 페달 사용 및 차량 속도와 같은 운전 행동을 분석하는 데 집중되고 있다고 언급했습니다. 다른 접근 방식은 알코올 감지기나 터치 기반 센서와 같은 외부 센서를 포함합니다.

그러나 운전자의 생체 행동 변화를 기반으로 하는 잡음 현상을 감지하는 컴퓨터 비전 기술의 잠재력은 매우 적게 탐구되었습니다.

"음주 운전 감지에 운전 행동을 사용하는 주요 제한 사항은 운전자가 행동을 평가하고 식별할 수 있을 때까지 차량을 장시간 능동적으로 제어해야 한다는 점입니다. 이는 잠재적으로 손상된 운전자가 이미 도로에 있어 자신과 다른 도로 이용자를 위험에 빠뜨릴 수 있음을 의미합니다. 음주 운전자를 식별하고 공공 안전을 보호하기 위해 신속한 감지가 중요합니다,"라고 그녀는 말했습니다.

에디스 코완 대학교(ECU)의 연구자들이 운전자가 음주 상태에서 운전하는지를 카메라 영상 데이터를 통해 판별하는 새로운 컴퓨터 추적 기술을 개발 중입니다.
Powerfleet의 Mix와 협력하여 과학자들은 통제된 현실적인 환경에서 음주 운전자의 데이터를 수집하고 일련의 영상을 촬영했습니다.
세 가지 수준의 알코올 섭취(술을 마시지 않은 상태, 약간 취한 상태, 많이 취한 상태)에 있는 참가자들이 시뮬레이터에서 운전하는 모습을 기록했습니다.
연구진은 운전자의 얼굴에서 표준 RGB(빨강, 초록, 파랑) 비디오의 인식 가능한 단서를 사용하는 머신 러닝 시스템을 도입하여 얼굴 특징, 시선 방향, 머리 위치 등을 포함한 알코올 손상 수준을 결정했습니다. 이 연구는 IEEE/CVF Winter Conference on Applications of Computer Vision에서 발표되었습니다.

"우리 시스템은 알코올 중독으로 인한 다양한 손상 수준을 3단계 분류에서 75%의 전체 정확도로 감지합니다,"라고 ECU 박사 과정 학생 Ensiyeh Keshtkaran은 말했습니다.
"이 시스템은 운전자 모니터링 시스템 및 시선 추적 기술이 장착된 차량뿐만 아니라 스마트폰에도 확장되어 알코올 중독 감지를 더 효과적으로 만들 수 있습니다.
"우리 시스템은 운전 시작 시 알코올 중독 수준을 감지할 수 있어 음주 운전자가 도로에 나서기 전에 이를 방지할 수 있습니다. 이는 운전 행동을 관찰해야만 손상을 감지할 수 있는 기존 방법과는 구별됩니다."
ECU의 강사인 Dr. Syed Zulqarnain Gilani에 따르면, 이 새로운 기술은 표준 RGB 카메라를 사용하여 운전자의 얼굴에서 손상 신호를 기반으로 알코올 중독 수준을 결정하는 최초의 기술입니다.
"이 연구는 간단한 카메라를 사용하여 음주 정도를 확인할 수 있다는 것을 확인해줍니다. 다음 연구 단계는 이 알고리즘을 사용하는 데 필요한 이미지 해상도를 정의하는 것입니다. 저해상도 비디오가 충분하다면 이 기술은 도로 감시 카메라에 의해 배포될 수 있으며, 법 집행 기관이 음주 운전을 방지하는 데 사용할 수 있습니다."
컴퓨터 비전 기반 접근 방식은 현재 도로 카메라가 안전벨트 사용이나 모바일 전화 사용을 감지하는 방식과 유사하게 미래에 도로 카메라에 통합될 수 있으며, 특별한 설치가 필요 없이 다양한 차량에 적용될 수 있습니다.
이 기술은 또한 3D 및 적외선 비디오, 운전자의 자세와 조향 상호작용을 보여주는 RGB 후방 비디오, 운전 시뮬레이션 이벤트 로그 및 운전 행동의 화면 녹화를 포함합니다.
"이 데이터셋의 가용성은 우리의 연구 노력을 풍부하게 할 뿐만 아니라, 더 넓은 과학 공동체에 추가 연구와 연구를 위한 귀중한 자원을 제공합니다,"라고 Dr. Gilani는 설명했습니다.

<<ChatGPT로 요약, 번역 후 글쓴이가 수정했습니다>>