Determinare l’Intossicazione con l’Analisi di Apprendimento Automatico degli Occhi

I ricercatori della Germania e del Cile hanno sviluppato un nuovo framework di apprendimento automatico in grado di valutare se una persona è intossicata, sulla base di immagini a infrarossi vicino degli occhi.

La ricerca è finalizzata allo sviluppo di sistemi di “idoneità per il lavoro” in tempo reale in grado di valutare la prontezza di un individuo a svolgere compiti critici come la guida o l’operazione di macchinari, e utilizza un nuovo e addestrato rilevatore di oggetti che può individuare i componenti dell’occhio di un soggetto da un’immagine unica e valutarli contro un database che include immagini di occhi intossicati e non intossicati.

You Only Look Once (YOLO) individua gli occhi del soggetto, dopo di che il framework separa le istanze e esegue la segmentazione per dividere l’immagine dell’occhio nelle sue parti costituenti. Fonte: https://arxiv.org/pdf/2106.15828.pdf

Inizialmente il sistema cattura e individua un’immagine di ogni occhio con il framework di rilevamento di oggetti You-Only-Look-Once (YOLO). Dopo di questo, due reti ottimizzate vengono utilizzate per dividere le immagini degli occhi in regioni semantiche – la rete di attenzione Criss Cross (CCNet) rilasciata nel 2020 dall’Università di Scienza e Tecnologia di Huazhong, e l’algoritmo di segmentazione DenseNet10, anch’esso sviluppato da alcuni dei ricercatori del nuovo articolo in Cile.

Segmentazione ottenuta da immagini di occhi a infrarossi vicino. Fonte: https://www.researchgate.net/publication/346903035_Towards_an_Efficient_Segmentation_Algorithm_for_Near-Infrared_Eyes_Images#pf6

I due algoritmi utilizzano solo 122.514 e 210.732 parametri rispettivamente – un’esigua spesa, in confronto con alcuni dei più grandi set di caratteristiche in modelli simili, e che va contro la tendenza generale verso volumi di dati più grandi nei framework di apprendimento automatico.

Database degli Ubriachi

Per informare il framework di apprendimento automatico, i ricercatori hanno sviluppato un database originale che presenta 266 soggetti intossicati e 765 soggetti sobri.

Campioni del database ottenuto di soggetti intossicati e non intossicati.

I soggetti sono stati richiesti di stare in piedi di fronte a due telecamere Iritech di origine, la gamma Gemini/Venus, per affrontare il dispositivo e essere registrati sobri. Dopo di questo hanno consumato 200ml di alcol e sono stati ricatturati a intervalli di 15 minuti mentre i loro livelli di alcol nel sangue aumentavano, fino alla sessione finale a 60 minuti dopo il consumo di alcol.

Ciò ha prodotto 21.309 immagini, che sono state quindi annotate utilizzando la libreria Python imgaug.

Preparazione dei Dati per il Mondo Reale

Non è stato un flusso di lavoro altamente automatizzato, nonostante gli strumenti avanzati utilizzati – l’etichettatura manuale delle immagini degli occhi è stata descritta dai ricercatori come “un processo molto impegnativo e lungo”, e ha richiesto più di un anno.

I dati sono stati aumentati aggressivamente con una serie di metodi progettati per degradare e sfidare il sistema, replicando condizioni del mondo reale possibili, tra cui fiocchi di neve, rumore di Poisson (per simulare il degrado del sensore a bassa luce), sfocatura, schizzi e effetti di pioggia. Oltre a ciò, l’utilizzo della cattura a infrarossi vicino elimina la necessità di condizioni di illuminazione ideali, che non possono essere garantite in distribuzioni economiche e pratiche.

Questo lavoro impegnativo ha alla fine dato i suoi frutti con un livello di accuratezza del 98,60% per la cattura e la segmentazione degli occhi.

Segmentazione dell’iride con il metodo dei minimi quadrati.

Test

Il framework di segmentazione è stato testato con cinque piattaforme: Osiris, DeepVOG, DenseNet10 (vedi sopra), CCNet (vedi sopra) e Grand-Mean. In tutti i casi, l’analisi ha dimostrato risultati di successo per la correlazione della dilatazione della pupilla con il livello di ubriachezza, sebbene un approccio ibrido che utilizza DenseNet e CCNet si sia rivelato il più efficace.

I ricercatori anticipano che il loro lavoro possa essere eventualmente incorporato in un sensore NIR standard per l’iride, e notano che lo sforzo erculeo di produrre il database di occhi intossicati contribuente è un probabile beneficio per questo settore della ricerca biometrica.

Test di Intossicazione per Consumatori e Industriali attraverso la Valutazione degli Occhi

La nuova ricerca si basa su alcune letteratura precedente degna di nota, tra cui un articolo seminale del 2015 di ricercatori in Brasile e negli Stati Uniti, che ha proposto un metodo sistematico e razionalizzato per valutare l’intossicazione dalla risposta pupillare. I ricercatori di quell’articolo hanno osservato che l’alcol riduce l’efficienza del cervello e impedisce la visione notturna di un fattore del 25%, e il tempo di reazione del 30%, con livelli di gravità variabili in base ai livelli di tolleranza individuali.

Fonte: https://pixellab.group/publication/2015/pinheiro2015/pinheiro2015.pdf

Il problema principale per la diffusione di tali tecnologie è la portabilità. Già nel 2003, la società di ricerca del Regno Unito Hampton Knight offriva un sistema per la valutazione dell’intossicazione attraverso l’analisi degli occhi – sebbene costasse 10.000 sterline all’epoca.

Uno studio preliminare del 2012 studio di New Delhi e degli Stati Uniti ha anche esplorato la possibilità di utilizzare tecniche di apprendimento automatico sistematiche per derivare un punteggio di intossicazione da immagini oculari, sebbene con meno successo della ricerca attuale. Quello studio ha anche contribuito un dataset prezioso (IITD Iris Under Alcohol Influence) al corpo di lavoro in questo campo.

Tuttavia, le innovazioni recenti nel calcolo edge e nelle risorse hardware di apprendimento automatico mobile ottimizzate aprono il campo per applicazioni molto più mobili di controlli pre-attività per l’intossicazione, tra cui sensori in-auto che potrebbero potenzialmente aggiungere controlli dell’iride ai metodi attuali che sono di interesse per il framework di rilevamento dell’alcol per la sicurezza (DADSS) in sviluppo negli Stati Uniti – che finora si è basato su sensori di alcol cutanei e sulla valutazione dell’aria nel veicolo per il vapore di alcol.

Un rapporto del 2020 ha stimato che l’adozione di tecnologie di questo tipo potrebbe salvare 11.000 vite all’anno solo negli Stati Uniti.