Les caméras embarquées IA réveillent les conducteurs somnolents 

infohightech ·

Une technologie innovante détecte la fatigue du conducteur et lui signale de faire une pause. Les caméras embarquées alimentées par l'IA pourraient détecter quand un conducteur commercial est fatigué et l'inviter à s'arrêter. Samsara

De plus en plus de véhicules équipés de systèmes avancés d’aide à la conduite ne se contentent pas de surveiller la route, mais s’intéressent également au conducteur. Et pour cause. Ces systèmes peuvent, paradoxalement, rendre la conduite moins sûre , car les conducteurs adoptent des comportements plus risqués au volant, persuadés à tort que les équipements électroniques compenseront le manque de prudence.

Pour éviter ce type d'abus, les constructeurs automobiles utilisent depuis des années des systèmes basés sur des caméras pour surveiller les mouvements des yeux, la posture, la respiration et le placement des mains du conducteur afin de détecter tout signe d'inattention. Ces mesures sont comparées aux données de base recueillies lors de trajets avec des conducteurs pleinement alertes et concentrés sur la route.

L'objectif est de s'assurer que les conducteurs semblent alertes et prêts à prendre le contrôle de la tâche de conduite si l'ensemble de capteurs et d'actionneurs électroniques est débordé ou évalue mal une situation.

Aujourd’hui, plusieurs entreprises ciblant les exploitants de flottes de véhicules commerciaux, en particulier les entreprises de transport routier longue distance, introduisent une technologie de caméra embarquée basée sur l’IA qui permet de surveiller encore plus le conducteur. Ces nouvelles caméras embarquées utilisent l’apprentissage automatique pour détecter les signaux comportementaux subtils qui sont des signes de somnolence.

« Les chauffeurs routiers longue distance sont particulièrement exposés au risque de somnolence au volant, car ils travaillent souvent de longues heures et parcourent de longs trajets », explique Evan Welbourne , vice-président de l’IA et des données chez Samsara , qui a récemment lancé sa solution de détection de somnolence.

La technologie de surveillance du conducteur développée par Samsara et Motive , toutes deux basées à San Francisco, et Nauto , dont le siège social se trouve à Sunnyvale, en Californie, envoie des alertes audio en temps réel au conducteur somnolent, l'invitant à faire une pause pour réduire le risque d'accident lié à la fatigue. Toutes sont configurées de manière à ce que si une caméra embarquée détecte qu'un conducteur continue de conduire le véhicule tout en affichant des signes de somnolence après l'alerte en cabine, elle puisse contacter directement les gestionnaires de flotte afin qu'ils puissent conseiller le conducteur et renforcer les mesures de sécurité.

Chacun des systèmes est formé pour détecter différentes combinaisons de signes indiquant qu'un conducteur est somnolent. Par exemple, l'IA de Motive, introduite en juillet 2024, suit les bâillements et les mouvements de la tête. Un bâillement « excessif » et une posture de la tête indiquant que le conducteur a détourné le regard de la route pendant cinq secondes déclenchent une alerte.

La fonction de détection de somnolence de Nauto, introduite en novembre 2021 , suit le comportement d'un conducteur au fil du temps, en suivant les bâillements et d'autres indicateurs tels que la durée et la fréquence des clignements des yeux et les changements dans la posture générale du conducteur. L'IA de Nauto est formée de manière à ce que lorsque ces signes de somnolence s'accumulent à un niveau associé à un risque inacceptable, elle émette une alerte au conducteur.

La technologie de surveillance du conducteur de Samsara déclenche une alerte audio au conducteur lorsqu'elle détecte une combinaison de plus d'une douzaine de symptômes de somnolence, notamment une fermeture prolongée des yeux, un hochement de tête, des bâillements, un frottement des yeux et un affaissement, qui sont des signes révélateurs que le conducteur s'assoupit.

Améliorer l'efficacité des détecteurs

Selon la Foundation for Traffic Safety , 17 % des accidents mortels impliquent un conducteur somnolent. La première génération de technologies de surveillance du conducteur ne prenait en compte qu'un ou deux signes indiquant qu'un conducteur pouvait s'endormir. Les avancées en matière de surveillance du conducteur, telles que la méthodologie PERCLOS ( Percentage of Eyelid Closure Over Time ) pour mesurer la somnolence du conducteur, introduite par la National Highway Traffic Safety Administration (NHTSA) des États-Unis au milieu des années 1990, ont donné aux développeurs de systèmes un indicateur physiologique direct sur lequel se concentrer. « Mais la somnolence est bien plus qu'un simple comportement, comme bâiller ou avoir les yeux fermés », explique Welbourne de Samsara.

Evan Welbourne souligne que la nouvelle génération d’outils de détection de la somnolence est basée sur l’ échelle de somnolence de Karolinska (KSS). Il explique que « l’échelle de somnolence de Karolinska est une échelle à neuf points qui permet d’évaluer jusqu’à 17 comportements, dont les bâillements, les contorsions faciales et les secousses soudaines » qui se produisent lorsque la personne se réveille en sursaut après un bref intervalle pendant lequel elle s’est endormie. « Le score KSS prend en compte tous ces comportements et nous offre un moyen quantitatif d’évaluer de manière globale si cette personne est somnolente ? »

Stefan Heck, PDG de Nauto, explique que l'IA de son entreprise est conçue pour intervenir au niveau 6 de Karolinska. « Nous laissons de côté les premiers signes de somnolence, car les gens trouvent ennuyeux de trop s'alerter. Au niveau 1 ou 2, une personne ne se rendra pas encore compte qu'elle est somnolente, donc les alertes à ces niveaux ne seront perçues que comme une nuisance. » Lorsque leur somnolence atteint le niveau 5 ou 6, explique Heck, ils commencent à être dangereux car ils présentent de longues périodes d'inattention. « Et à ce stade, ils savent qu'ils sont somnolents, donc l'alerte ne les surprendra pas. »

Selon Evan Welbourne, de Samsara, son entreprise a de bonnes raisons d'être convaincue que ses modèles d'IA sont solides et qu'ils éviteront les faux positifs ou les faux négatifs qui diminueraient l'utilité de l'outil pour les conducteurs et les exploitants de flottes. « La précision de la détection dépend des données qui alimentent et entraînent les modèles d'IA », note-t-il.

C’est dans cet esprit que l’équipe d’IA de Samsara a formé un modèle d’apprentissage automatique pour prédire le score de sommeil Karolinska associé au comportement d’un conducteur en utilisant plus de 180 milliards de minutes de séquences vidéo (illustrant 220 milliards de kilomètres parcourus). Les images provenaient des caméras embarquées des véhicules de la flotte de ses clients. L’un des grands défis, se souvient Evan Welbourne, était de repérer les cas de comportements liés à la somnolence au milieu de cette montagne de données.

« C’est assez rare, donc obtenir suffisamment d’exemples pour former un grand modèle nécessite de se pencher sur une énorme quantité de données. » Tout aussi difficile, dit-il, était de créer des étiquettes pour toutes ces données, « et, après plusieurs itérations, de parvenir à un modèle aligné sur la définition clinique de la somnolence. »

Cet effort minutieux a déjà commencé à porter ses fruits depuis que Samsara a mis à disposition la fonction de détection de somnolence dans ses caméras embarquées en octobre dernier. Pour Evan Welbourne, Samsara a constaté que se concentrer sur de multiples signes de somnolence était en effet une bonne idée. Plus des trois quarts des événements de somnolence au volant signalés par les caméras embarquées depuis octobre ont été détectés par des comportements autres que le simple bâillement.

Et il partage une anecdote sur une entreprise de services pétroliers qui utilise les caméras embarquées Samsara dans ses véhicules. L'entreprise, qui avait auparavant connu en moyenne deux événements de somnolence au volant par semaine, a passé tout le premier mois après que les conducteurs ont commencé à recevoir des alertes de somnolence sans qu'aucun événement de ce type ne se produise.

Aux conducteurs inquiets que l'introduction de cette technologie laisse présager une nouvelle érosion de la vie privée, Samsara répond que sa fonction de surveillance du conducteur est destinée exclusivement aux flottes de véhicules commerciaux et qu'elle n'a pas l'intention de chercher à l'adopter en masse dans les véhicules grand public. Peut-être, mais la détection de somnolence est déjà intégrée comme fonction de sécurité standard dans un nombre croissant de voitures particulières.

Des constructeurs automobiles tels que Ford , Honda , Toyota et Daimler-Benz ont dans leurs gammes respectives des véhicules qui émettent des signaux d'alerte sonores et/ou visuels encourageant les conducteurs distraits ou somnolents à faire une pause. Et il est possible que des agences gouvernementales comme la NHTSA imposent à terme l'utilisation de cette technologie dans tous les véhicules équipés de systèmes ADAS qui leur confèrent une autonomie de niveau 2 ou 3.

Malgré ces inquiétudes, les technologies de détection de somnolence et de surveillance du conducteur ont été jusqu'à présent généralement bien accueillies par les conducteurs de véhicules de flotte. Les chauffeurs de camions sont généralement disposés à avoir des caméras embarquées lorsqu'ils sont au volant. En cas d'accident, les caméras embarquées peuvent exonérer les conducteurs responsables de collisions qu'ils n'ont pas provoquées, ce qui leur permet, ainsi qu'aux sociétés de transport, d'économiser beaucoup d'argent en réclamations en responsabilité.

Désormais, les systèmes capables de surveiller ce qui se passe à l'intérieur de la cabine empêcheront le sous-ensemble des conducteurs les plus susceptibles de s'endormir au volant (ceux qui transportent des charges la nuit, conduisent après un effort physique ou sont affectés par un problème médical non diagnostiqué) de se mettre en danger et de mettre les autres en danger.

https://spectrum.ieee.org/driver-drowsiness-detection

Cet article vous a été utile ? Partagez-le.