dans

Analyser les yeux grâce au machine learning pour tester l’intoxication

Test d’intoxication avec le machine learning qui analyse les yeux

Désormais, le machine learning permet d’évaluer le niveau d’intoxication d’une personne en analysant ses yeux.

Des recherches ont abouties au développement d’un nouveau système d’évaluation de l’état d’ébriété d’une personne grâce à ses yeux. L’objectif de la recherche est d’évaluer les aptitudes d’une personne face aux tâches qu’il doit accomplir. 

Analyse des yeux par le machine learning

Des chercheurs allemands et chiliens ont mis au point un système en temps réel qui permet d’évaluer l’aptitude à travailler. YOLO (You-Only-Look-Once), un outil de détection d’objet, individualise les yeux à partir d’une image. Ensuite, des systèmes de réseaux optimisés tels que DenseNet10 et CCNet décomposent les images pour les évaluer par rapport à une base de données. Celle-ci comprend 21 309 images d’yeux, dont certains sont intoxiqués et d’autres non. Afin de la constituer, les chercheurs ont pris en photo 765 sujets sobres et 266 en état d’ébriété. Au lieu d’utiliser des outils d’automatisation avancés, ils ont étiqueté ces images manuellement pendant plus d’un an. Outre DenseNet et CCNet, le système de machine learning  d’analyse des yeux pour l’évaluation de l’intoxication a été testé sur Osiris, DeepVOG et Grand-Mean.

Afin de défier le système, les chercheurs ont soumis les données oculaires à des conditions du monde réel (neige, flou, effets de pluie, etc.). En outre, la capture infrarouge leur permet de se passer des conditions d’éclairages idéales. En effet, dans un cadre de déploiement économique et pratique du système, ces conditions ne sont pas toujours garanties. Au final, le niveau de précision pour la capture et la segmentation des yeux avait atteint les 98,60 %.

L’importance de l’évaluation oculaire dans les tests d’intoxication

Déjà, en 2003, Hampton Knight, un centre de recherche britannique avait lancé un système d’évaluation de l’intoxication par l’analyse oculaire. Puis, en 2012, une étude faite à New Delhi et aux États-Unis envisageait l’utilisation de l’intelligence artificielle pour y parvenir. Quelques années plus tard, des chercheurs brésiliens et américains ont proposé un système basé sur la réponse des pupilles.

Toutefois, l’analyse des yeux par le machine learning offre plus de mobilité aux applications d’évaluation de l’intoxication avant les activités. Par ailleurs, les capteurs embarqués pourraient renforcer les méthodes actuelles, à savoir les capteurs d’alcoolémie cutanée et l’évaluation des vapeurs d’alcool avec des contrôles d’iris. Cela présenterait un grand intérêt pour la détection d’alcool au volant.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée.