Gli studenti della PES University escogitano un’intelligenza artificiale che rileva l’ubriachezza
Il deep learning viene utilizzato per esplorare i cambiamenti nell’espressione facciale di una persona a causa dell’intossicazione da alcol, rendendolo un processo senza contatto per il rilevamento.
Tutti vogliono la patente, ma non tutti vogliono rispettare le regole del traffico. Una regola spesso violata e probabilmente la più importante riguarda la guida in stato di ebbrezza. Guidare sotto l’effetto dell’alcol rimane una grande preoccupazione in India.
Prendendo una quota enorme delle vittime sulla strada, guidando in stato di ebbrezza (DWI), miete migliaia di vittime ogni anno. Secondo il National Crime Records Bureau (NCRB) , tra il 2018 e il 2020, circa 38.000 incidenti stradali sono stati causati dalla guida in stato di ebbrezza. Nel solo 2019, circa 3.000 persone hanno perso la vita mentre 6.675 sono rimaste ferite.
Nel tentativo di prevenire tali casi, il personale della polizia stradale in India effettua controlli casuali utilizzando etilometri, un dispositivo che rileva il contenuto di alcol nel sangue tramite un campione di respiro. Altri metodi utilizzati allo scopo sono le acquisizioni di segnali biologici : elettrocardiogrammi e immagini termiche che richiedono dispositivi specializzati.
Ma, da quando è scoppiata la pandemia, è aumentata anche la necessità di metodi contactless per rilevare tali casi. Citando lo spavento del coronavirus, i sospetti negavano occasionalmente di aver soffiato nella macchina.
C’è, tuttavia, un nuovo modo per combattere le crescenti sfide nel rilevare l’intossicazione. È il modo dell’IA.
Primi dati basati su grafici per il rilevamento di intossicazione da alcol
Un team di studenti della PES University di Bangalore ha proposto uno studio chiamato “Drunkenness Face Detection using Graph Neural Networks” per rilevare l’intossicazione in un sospetto con l’aiuto di punti di riferimento facciali. Il documento di ricerca è stato accettato alla IEEE 5th International Conference on Computational Systems and Information Technology for Sustainable Solution. È stato presentato il 17 dicembre 2021 e successivamente pubblicato negli atti della conferenza CSITSS 2021, inclusi in IEEE Xplore.
Lo studio presenta un set di dati etichettato come dati complementari per il rilevamento dell’intossicazione, essendo i primi dati basati su grafici disponibili. È stato effettuato dopo ampi esperimenti che hanno determinato il livello di intossicazione in un soggetto. Una delle principali conseguenze dell’alcol sul corpo sarebbe una ridotta coordinazione o una ridotta funzione motoria. Trascurando tali conseguenze, i conducenti contribuiscono all’elevato numero di casi DWI.
Fonte: Rilevamento di volti di ubriachezza utilizzando Graph Neural Networks, 2021
Il deep learning viene utilizzato per esplorare i cambiamenti nell’espressione facciale di una persona a causa dell’intossicazione da alcol, rendendolo un processo senza contatto per il rilevamento. L’immagine sopra indica come cambiano le espressioni quando si manifestano sonnolenza e stanchezza indotti dall’alcol.
Fonte: DrunkSelfie: rilevamento di intossicazione dalle immagini del viso dello smartphone
Lo studio parla anche di come gli smartphone possono essere utilizzati per rilevare l’ubriachezza. Il rilevamento dei selfie ubriachi è un metodo che utilizza modelli di apprendimento automatico per distinguere tra un sospetto ubriaco e sobrio. Un progetto chiamato “Three Glass Later” esplora le prestazioni rimuovendo alcune funzionalità, con diverse tecniche di aumento dei dati utilizzate per scattare foto diverse. Poche tecniche includono classificatori forestali, algoritmi k-neighbours e SVC.
Un modello di apprendimento basato sulla GNN
Il modello è stato realizzato con diverse tecniche che costituiscono il sistema di apprendimento finale, come la localizzazione del punto di riferimento facciale, il metodo di triangolazione di Delaunay, la rete neurale del grafo e la rete di convoluzione del grafo. La raccolta dei dati è stata effettuata attraverso istantanee di video da YouTube e Periscope, con circa 160 video, 80 per classe, che sono stati utilizzati per accumulare circa 50 immagini valide.
Lo studio include 3.092 immagini di persone ubriache e 3.367 immagini di persone sobrie, con una dimensione del set di dati di 6.459 immagini. Questi dati sono stati pre-elaborati e quindi aumentati utilizzando le tecniche per ottenere dati finali di dimensioni 199.360 grafici.
Modello di classificazione proposto
Il modello proposto per il rilevamento dell’intossicazione è stato realizzato utilizzando varianti di Graph Neural Network (GNN), che prende il grafico preparato come input e restituisce “ubriaco” e “sobrio”. Sulla base dei risultati, questo modello classifica le persone ubriache e sobrie dalle loro foto segnaletiche con una precisione media dell’88%.
Vignesh Kamath, uno dei coautori, afferma: “L’intossicazione è stata la causa principale delle vittime di incidenti stradali, mettendo a rischio la vita sia della vittima che del sospettato. L’etilometro è sempre stato uno strumento di spicco, ma la necessità della nostra ricerca è arrivata solo dopo la pandemia. Esistono altri metodi contactless, ma hanno un costo con requisiti di dati complessi come ingressi di immagini termiche, audio e video. Come ricercatori, il nostro obiettivo principale è cercare di raccogliere più dati in tempo reale e fornire una soluzione end-to-end al governo per affrontare questo problema”.
Kamath insiste sul fatto che questo potrebbe essere trasferito nei telefoni cellulari della polizia stradale per rilevare i sospetti e, a lungo termine, aiuterebbe anche a prevenire morti accidentali.
