Uma equipe de pesquisadores da Universidade de Geociências da China e da Wuhan WXYZ Technologies na China propôs recentemente uma nova técnica baseada em aprendizado de máquina para localizar os olhos das pessoas em imagens de seus rostos. Esta técnica, apresentado em um artigo publicado no jornal da Elsevier Neurocomputação , pode ter várias aplicações úteis. Por exemplo, pode ser usado para detectar sonolência em pessoas que estão dirigindo um carro ou realizando tarefas que requerem um certo grau de alerta e atenção.

A sonolência pode prejudicar muito as habilidades de tomada de decisão das pessoas, bem como sua atenção e memória. A sonolência ao dirigir ou concluir uma tarefa importante pode levar a um declínio significativo na eficiência, e em alguns casos, até mesmo causar acidentes com risco de vida.

Uma das maneiras mais eficazes de estimar os níveis de sonolência em humanos é olhando em seus olhos, que em pessoas sonolentas são normalmente mais fechadas ou cansadas. Analisar automaticamente os olhos das pessoas usando métodos computacionais, Contudo, em primeiro lugar, envolve localizá-los em imagens ou vídeos em tempo real.

"Nosso trabalho recente é uma parte de nossa pesquisa sobre a estimativa de sonolência, "os pesquisadores que realizaram o estudo disseram à TechXplore por e-mail." Em nossos trabalhos anteriores, propusemos um modelo de serviço de iniciativa para o robô de serviço que é diferente do serviço passivo (ou seja, o robô precisa esperar por uma instrução do usuário ao fornecer o serviço). O que mais, selecionamos um robô de serviço de bebidas como exemplo para verificar a eficácia do modelo de serviço da iniciativa. "

Inicialmente, os pesquisadores decidiram desenvolver uma técnica para estimar a sonolência que pudesse melhorar a praticidade de uma plataforma robótica que serve bebidas para humanos. O primeiro passo nessa direção foi criar um método automático para localizar os olhos das pessoas em tempo real, analisando imagens de seus rostos.

O método de localização ocular proposto pelos pesquisadores é baseado em uma técnica de aprendizado de máquina conhecida como rede neural convolucional em cascata de binarização de peso (WBCCNN). O WBCCNN que desenvolveram prevê a posição dos olhos das pessoas de grosseira a fina, o que melhora o desempenho do modelo. Além disso, o componente binário da rede ajuda a reduzir o tamanho de armazenamento do modelo e a acelerar suas operações.

Os pesquisadores avaliaram seu modelo WBCCNN para localização ocular em uma série de experimentos usando imagens do Labeled Faces in the Wild (LFW), Conjuntos de dados BioID e Labeled Face Parts in the Wild (LFPW). Seu método alcançou resultados notáveis ​​e superou outras técnicas de localização ocular, alcançando um erro médio de detecção de 0,66 por cento na localização dos olhos esquerdos e 0,71 por cento dos olhos direitos.

De acordo com os pesquisadores, a realização mais significativa de seu estudo foi o desenvolvimento de um WBCCNN no qual o peso é restringido pela binarização. Esta característica única de design permite economia na capacidade de armazenamento do modelo, ao mesmo tempo em que reduz seus custos computacionais. No futuro, o novo modelo WBCCNN pode auxiliar no desenvolvimento de ferramentas eficazes para estimar a sonolência das pessoas, bem como outras emoções ou estados que podem ser detectados pela análise dos olhos das pessoas.

"A localização ocular confiável é necessária para a estimativa de sonolência, portanto, vamos agora tentar aplicar o método de localização ocular proposto ao serviço de iniciativa de robôs para estimativa de sonolência, projetado para ajudar a aumentar a eficiência do trabalho das pessoas, "disseram os pesquisadores.

© 2019 Science X Network