Des chercheurs de l’ECU (Université Edith Cowan) en Australie développent une nouvelle technologie qui pourrait changer la façon dont les conducteurs ivres et dangereux sont identifiés.
Grâce à un seul modèle d’apprentissage profond 3D, les chercheurs sont capables de détecter simultanément trois causes majeures d’accidents de la route : le taux d’alcoolémie, la fatigue et l’expression, notamment la colère.
Le taux d’alcoolémie a été déterminé avec une précision de près de 90 %, tandis que la somnolence a été reconnue avec une précision de 95 %. Cette technologie permet également de déterminer le niveau d’intoxication, en classant l’altération des facultés en trois catégories : sobre, modérée ou sévère.
Sous la direction d’Abdullah Tariq, doctorant à l’ECU, les résultats de l’étude « Jack of Many Faces : A Step Towards Facial Expression and Physiological State Analysis with a Single Network » ont été présentés lors de la prestigieuse British Machine Vision Conference (BMVC25).
« La conduite en état d’ivresse représente un défi majeur pour la sécurité publique à l’échelle mondiale et constitue la principale cause d’accidents en Australie », a déclaré M. Tariq. « Environ 30 % des accidents sont dus à la conduite en état d’ivresse. »
Bien que le défi de la sécurité publique ait été la principale motivation des chercheurs, M. Tariq a déclaré qu’il souhaitait explorer des alternatives aux méthodes de détection traditionnelles.
« Les méthodes traditionnelles de détection de l’alcoolémie par éthylotest et analyses sanguines sont très précises, mais elles présentent leurs propres inconvénients : elles peuvent être intrusives, nécessitent la coopération active du sujet et ne permettent pas une surveillance continue en temps réel », a déclaré M. Tariq.
« Les visages humains renferment une multitude d’informations, telles que les émotions, le comportement cognitif ou l’état physiologique, mais la plupart des modèles d’IA sont spécifiques à une tâche – cela m’a incité à explorer la possibilité de développer un modèle unique capable de gérer plusieurs tâches faciales. »
Jack aux mille visages
Le Dr Syed Zulqarnain Gilani, du Centre d’IA et d’apprentissage automatique de l’ECU, a déclaré qu’il s’agirait de la première étude à identifier simultanément la fatigue, l’expression et l’alcoolémie.
« Grâce à un simple algorithme appliqué à une vidéo, nous pouvons détecter si une personne est fatiguée, intoxiquée, et évaluer son humeur », explique le Dr Gilani. « Le plus intéressant, c’est que la littérature psychologique montre que ces trois éléments sont liés. Ainsi, une fatigue extrême s’apparente presque à l’ivresse. »
« De même, si votre expression ou votre humeur est empreinte de colère, cela peut mener à la rage au volant et à une conduite extrêmement dangereuse. »
Le Dr Gilani a expliqué que le réseau 3D analysait certaines caractéristiques faciales pour capturer la reconnaissance des expressions et évaluer l’état physiologique.
« Cet algorithme est intelligent, car il peut faire la différence entre un conducteur somnolent, qui fait simplement une expression faciale, ou qui est sous l’influence de l’alcool. En distinguant ces facteurs, il peut mieux comprendre l’état physique réel du conducteur », a déclaré le Dr Gilani.
BiFuseNet
Dans une autre étude, les chercheurs ont également examiné comment la combinaison de données infrarouges (IR) et de données vidéo couleur (RGB) pouvait améliorer l’analyse. Leurs résultats ont montré que l’intégration des données IR et RGB permet d’analyser plus efficacement le taux d’alcoolémie dans des environnements difficiles, notamment en conditions de faible luminosité.
BiFuseNet : un réseau multimodal pour l’estimation de la concentration d’alcool dans le sang via une fusion hiérarchique bidirectionnelle, a été présenté à la Conférence internationale sur l’interaction multimodale (ICMI25).
M. Tariq a déclaré que le système capture automatiquement diverses dynamiques faciales, notamment le clignement des yeux, les mouvements faciaux subtils et les changements progressifs des traits du visage, qui sont essentiels pour distinguer les différents états.
« Notre objectif était de développer un système entièrement automatisé d’estimation du taux d’alcoolémie à partir d’un flux vidéo RGB et IR », a déclaré M. Tariq. « Auparavant, cette estimation était réalisée manuellement en observant la dilatation des pupilles et le rapport de fermeture des yeux, mais ces méthodes peuvent être moins performantes en fonction de certains facteurs, comme les variations de luminosité. »
« BiFuseNet extrait automatiquement tous les traits et la géométrie du visage pour estimer si une personne est en état d’ivresse ou non. Grâce à sa capacité à combiner intelligemment différents types d’informations, il est plus performant que les méthodes plus anciennes qui n’utilisaient qu’un seul type de vidéo. »
Face à l’avenir
Le Dr Gilani a déclaré que ces recherches pourraient déboucher sur une méthode innovante et non invasive pour lutter contre la conduite en état d’ivresse.
« Des expériences approfondies ont démontré que cette technologie atteint une précision de classification de 88,41 %, offrant ainsi la possibilité d’établir une nouvelle méthode d’estimation de pointe de la concentration d’alcool dans le sang. »
Les progrès réalisés dans le domaine de la vision par ordinateur permettent même de déterminer le niveau d’intoxication.
« Le système permet de classer les niveaux d’altération de l’état d’ébriété en trois catégories : sobre, modéré et sévère », a déclaré M. Tariq.
