用于检测驾驶员损伤的热成像:来自高保真驾驶模拟器研究的证据
Jan-Philipp Göbel1,2,3, Jan Cedric Mertens1, Andreas Riener2
1Cariad SE, Ingolstadt, Germany.
Traffic injury prevention
|March 10, 2026
概括
热成像显示,对于检测司机的酒精损害有希望. 这种非侵入性方法分析了面部温度变化,为车载驾驶员监控系统提供了一种新的方法,以提高道路安全.
科学领域:
- 生物医学工程 生物医学工程
- 汽车安全 汽车安全
- 机器学习 机器学习
背景情况:
- 酒后驾驶 (DUI) 是全球交通事故死亡的重要原因之一.
- 欧元NCAP等监管机构越来越多地要求车载损坏检测系统.
- 传统的DUI检测方法,专注于驾驶行为或眼睛运动,有局限性.
研究的目的:
- 调查热成像作为一种非侵入性方法来检测驾驶员酒精损害的疗效.
- 开发和验证面部温度分析管道,以实时检测DUI.
- 使用热数据,比较各种机器学习模型在识别酒精驾驶者的性能.
主要方法:
- 一个高保真驾驶模拟器研究,涉及120名参与者,在非受损和酒精受损的条件下进行.
- 开发一种基于面部地标的新型温度提取方法,并进行多处理以获得时间稳定性.
- 使用室内环境温度数据记录和规范化面部温度.
- 通过五倍交叉验证使用五种面部温度特征对机器学习分类器 (逻辑回归,随机森林,SVM,梯度提升) 的培训和评估.
主要成果:
- 在脸,耳朵,门和鼻尖等面部区域观察到显著的酒精诱导的温度变化.
- 物流回归实现了最高的平均精度 (62%),而SVM显示了最稳定的性能.
- 这些模型表现出保守的偏见,尽量减少错误的阳性损伤分类.
- 控制环境条件,确保生理测量的可靠性.
结论:
- 热成像是一种可行的技术,用于在现实的驾驶场景中检测车载DUI.
- 该研究提供了一个强大的处理管道,一个独特的数据集,以及对基于热的损伤检测的机器学习模型进行比较分析.
- 热成像为未来的驾驶员监控系统提供了一个有价值的补充工具,旨在提高道路安全.
