Un team di ricercatori della China University of Geosciences e Wuhan WXYZ Technologies in Cina ha recentemente proposto una nuova tecnica basata sull'apprendimento automatico per individuare gli occhi delle persone nelle immagini dei loro volti. Questa tecnica, presentato in un articolo pubblicato sulla rivista di Elsevier Neuroinformatica , potrebbe avere diverse applicazioni utili. Per esempio, potrebbe essere utilizzato per rilevare la sonnolenza nelle persone che guidano un'auto o svolgono attività che richiedono un certo grado di vigilanza e attenzione.

La sonnolenza può compromettere notevolmente le capacità decisionali delle persone, così come la loro attenzione e memoria. La sonnolenza durante la guida o il completamento di un'attività importante può portare a un significativo calo dell'efficienza, e in alcuni casi, persino causare incidenti mortali.

Uno dei modi più efficaci per stimare i livelli di sonnolenza negli esseri umani è guardare i loro occhi, che nelle persone assonnate sono in genere più chiuse o stanche. Analizzare automaticamente gli occhi delle persone utilizzando metodi computazionali, però, prima di tutto comporta la loro localizzazione in immagini o video in tempo reale.

"Il nostro recente lavoro è una parte della nostra ricerca sulla stima della sonnolenza, " I ricercatori che hanno effettuato lo studio hanno detto a TechXplore via e-mail. "Nei nostri lavori precedenti, abbiamo proposto un modello di servizio di iniziativa per il robot di servizio che è diverso dal servizio passivo (cioè, il robot deve attendere le istruzioni dell'utente quando fornisce il servizio). Cosa c'è di più, abbiamo selezionato un robot per il servizio di bevande come esempio per verificare l'efficacia del modello di servizio di iniziativa".

Inizialmente, i ricercatori hanno deciso di sviluppare una tecnica per la stima della sonnolenza che potrebbe migliorare la praticità di una piattaforma robotica che serve bevande agli esseri umani. Il primo passo in questa direzione è stato creare un metodo automatico per localizzare gli occhi delle persone in tempo reale analizzando le immagini dei loro volti.

Il metodo di localizzazione dell'occhio proposto dai ricercatori si basa su una tecnica di apprendimento automatico nota come rete neurale convoluzionale a cascata di binarizzazione del peso (WBCCNN). Il WBCCNN che hanno sviluppato prevede la posizione degli occhi delle persone da grossolano a fine, che migliora le prestazioni del modello. Inoltre, la componente binaria della rete aiuta a ridurre le dimensioni di archiviazione del modello e ad accelerare le sue operazioni.

I ricercatori hanno valutato il loro modello WBCCNN per la localizzazione degli occhi in una serie di esperimenti utilizzando le immagini di Labeled Faces in the Wild (LFW), Set di dati BioID e Labeled Face Parts in the Wild (LFPW). Il loro metodo ha ottenuto risultati notevoli e ha superato altre tecniche per la localizzazione degli occhi, ottenendo un errore di rilevamento medio dello 0,66% nella localizzazione dell'occhio sinistro e dello 0,71% dell'occhio destro.

Secondo i ricercatori, il risultato più significativo del loro studio è stato lo sviluppo di un WBCCNN in cui il peso è vincolato dalla binarizzazione. Questa caratteristica di design unica consente risparmi nella capacità di archiviazione del modello, riducendo anche i suoi costi di calcolo. Nel futuro, il nuovo modello WBCCNN potrebbe aiutare lo sviluppo di strumenti efficaci per stimare la sonnolenza delle persone, così come altre emozioni o stati che possono essere rilevati analizzando gli occhi delle persone.

"Una localizzazione oculare affidabile è necessaria per stimare la sonnolenza, così, proveremo ora ad applicare il metodo di localizzazione oculare proposto al servizio di iniziativa dei robot per la stima della sonnolenza, progettato per aiutare ad aumentare l'efficienza del lavoro delle persone, " hanno detto i ricercatori.

© 2019 Scienza X Rete