Tổng quan nghiên cứu

Theo báo cáo của Hiệp hội An toàn Giao thông Hoa Kỳ, việc người điều khiển phương tiện ngủ ít hơn 5 giờ mỗi ngày làm gia tăng nguy cơ tai nạn giao thông nghiêm trọng tương đương với trường hợp có nồng độ cồn trong máu vượt ngưỡng cho phép. Tại Việt Nam, các thống kê từ cơ quan quản lý đường bộ ghi nhận khoảng 20% đến 30% các vụ va chạm trên các tuyến cao tốc bắt nguồn từ việc tài xế mệt mỏi, mất tập trung và ngủ gật khi cầm lái. Thực trạng này đặt ra yêu cầu cấp bách về việc phát triển những hệ thống cảnh báo sớm, có khả năng tự động nhận biết tình trạng buồn ngủ của lái xe theo thời gian thực.

Vấn đề nghiên cứu trọng tâm của đề tài là xây dựng một giải pháp cảnh báo tự động thông qua camera giám sát không xâm lấn, loại bỏ sự bất tiện của các thiết bị cảm biến đeo trên người. Mục tiêu cụ thể của luận văn là thiết kế phần cứng tích hợp hoàn chỉnh và lập trình thuật toán nhận dạng chính xác trạng thái đóng/mở mắt cũng như độ nghiêng của đầu trên nền tảng vi máy tính có kích thước nhỏ gọn. Nghiên cứu được triển khai thực nghiệm tại Thành phố Hồ Chí Minh trong năm 2023, tập trung vào mô hình hoạt động trên ô tô dân dụng và thương mại. Ý nghĩa thực tiễn của đề tài thể hiện qua việc giảm thiểu tới 85% nguy cơ tai nạn do ngủ gật, với độ trễ phát hiện tín hiệu chỉ dưới 0,5 giây, mang lại một phương án bảo đảm an toàn giao thông với chi phí chế tạo dưới 2 triệu đồng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu ứng dụng nền tảng lý thuyết thị giác máy tính và phân loại mẫu hiện đại. Khung lý thuyết chính bao gồm phương pháp phát hiện khuôn mặt AdaBoost dựa trên tập đặc trưng Haar-like và mô hình phân tích 68 điểm mốc khuôn mặt đặc trưng từ thuật toán cây hồi quy tích hợp. Về mặt toán học, hệ thống áp dụng công thức khoảng cách Euclide để xác định tỷ lệ co giãn của mí mắt và con ngươi trong không gian hai chiều, giúp định lượng chính xác mức độ mở của mắt độc lập với khoảng cách từ khuôn mặt đến ống kính.

Bên cạnh đó, mô hình giám sát tư thế sử dụng hệ trục tọa độ ảnh hai chiều để đo độ lệch vị trí khuôn mặt hiện tại so với gốc tọa độ tiêu chuẩn được thiết lập ban đầu. Bốn khái niệm then chốt được phát triển trong nghiên cứu bao gồm: tỷ lệ co giãn mí mắt, độ lệch không gian chuẩn hóa theo trục ngang và trục dọc, ngưỡng phát hiện con ngươi, và cơ chế chuyển đổi thuật toán dự phòng khi khuôn mặt bị che khuất một phần.

Phương pháp nghiên cứu

Nguồn dữ liệu của nghiên cứu được thu thập trực tiếp thông qua camera chuẩn nét cao với tốc độ ghi hình 30 khung hình mỗi giây trong điều kiện ánh sáng tự nhiên ban ngày và ánh sáng yếu ban đêm. Cỡ mẫu nghiên cứu bao gồm 120 chuỗi video thực nghiệm được thu thập từ 15 người tham gia thử nghiệm ở các độ tuổi và giới tính khác nhau. Phương pháp chọn mẫu là chọn mẫu phi xác suất có chủ đích, nhằm bảo đảm dữ liệu bao quát nhiều trường hợp thực tế như người lái đeo kính cận, mắt một mí, cử động quay đầu hoặc cúi gục đầu ở các góc độ khác nhau.

Lý do lựa chọn phương pháp phân tích xử lý ảnh thông qua ngôn ngữ Python và thư viện OpenCV kết hợp thư viện Dlib là do tính tối ưu hóa cao của hơn 500 hàm xử lý ma trận ảnh có sẵn, cho phép chạy mượt mà trên phần cứng tiết kiệm năng lượng của vi máy tính Raspberry Pi 3 Model B trang bị vi xử lý 4 nhân 1.4 GHz và 1GB bộ nhớ RAM. Toàn bộ quy trình nghiên cứu, từ cấu hình hệ điều hành Raspbian Stretch, xây dựng thuật toán đến đánh giá thực nghiệm trên mô hình xe, được thực hiện liên tục trong khoảng thời gian 6 tháng của năm 2023.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thử nghiệm thực tế hệ thống đã ghi nhận các kết quả cụ thể như sau:

Hệ thống đạt độ chính xác nhận diện trạng thái nhắm và mở mắt lên tới 94,8% trong điều kiện góc nhìn thẳng tiêu chuẩn ở khoảng cách quan sát từ 20 cm đến 30 cm giữa camera và người lái.

Thời gian xử lý của thuật toán đạt mức trung bình 45 mili-giây cho mỗi khung hình, cho phép thiết bị đưa ra cảnh báo âm thanh ngay khi phát hiện mắt tài xế nhắm liên tục trong 5 khung hình liên tiếp, tương đương khoảng 0,16 đến 0,20 giây sau khi chạm ngưỡng kích hoạt.

Khi người lái quay mặt sang trái hoặc sang phải vượt quá 25% chiều rộng khuôn mặt, hoặc cúi gục đầu vượt quá 20% chiều cao khuôn mặt, hệ thống phát hiện chính xác trạng thái mất tập trung với độ nhạy đạt 91,5%.

Khi tài xế đeo kính thuốc trong suốt vào ban ngày, độ chính xác nhận diện trạng thái mắt đạt 89,8%, giảm khoảng 5,0% so với trường hợp không đeo kính; trong điều kiện ban đêm không có đèn hồng ngoại bổ trợ, độ chính xác nhận diện sụt giảm xuống mức 73,2%.

Thảo luận kết quả

Nguyên nhân độ chính xác nhận dạng đạt mức cao là nhờ sự kết hợp hiệu quả giữa thuật toán 68 điểm mốc và phép đo khoảng cách Euclide giữa các mí mắt, giúp loại bỏ sự khác biệt về kích thước mắt tự nhiên của từng người. Khi mắt nhắm, khoảng cách giữa các điểm mốc mí trên và mí dưới giảm xuống gần bằng 0, tạo ra sự phân tách tín hiệu rõ rệt so với trạng thái mắt mở bình thường.

So với hệ thống Attention Assist của các dòng xe cao cấp vốn yêu cầu theo dõi hơn 70 thông số vận hành của xe trong khoảng thời gian ban đầu 20 phút ở dải tốc độ từ 60 km/h đến 200 km/h, giải pháp thị giác máy tính này có ưu thế vượt trội về khả năng phát hiện trực tiếp biểu hiện sinh học của tài xế với chi phí phần cứng thấp hơn nhiều lần.

Dữ liệu kết quả thực nghiệm có thể được biểu diễn trực quan thông qua biểu đồ cột so sánh tỷ lệ nhận diện chính xác giữa 4 kịch bản vận hành thực tế: ban ngày không đeo kính, ban ngày có đeo kính, ban đêm có bổ sung nguồn sáng hồng ngoại và ban đêm thiếu sáng. Đồng thời, bảng ma trận nhầm lẫn có thể được sử dụng để minh họa chi tiết tỷ lệ nhận diện đúng tích cực và tỷ lệ báo động giả, khẳng định tính ổn định của giải pháp đề xuất.

Đề xuất và khuyến nghị

Nâng cấp cụm camera thu nhận hình ảnh sang loại tích hợp đèn LED hồng ngoại chủ động bước sóng 850nm nhằm nâng tỷ lệ nhận diện ban đêm đạt trên 95%, hoàn thành trong thời gian 3 tháng do các kỹ sư phần cứng và xưởng dịch vụ kỹ thuật ô tô thực hiện.

Tối ưu hóa mã nguồn thuật toán bằng cách tinh gọn mạng nơ-ron nhận diện mốc khuôn mặt để hạ thời gian xử lý xuống dưới 30 mili-giây mỗi khung hình và giảm tải mức tiêu thụ điện áp dưới 5V/1A, do nhóm lập trình phần mềm nhúng thực hiện trong thời hạn 4 tháng.

Chuẩn hóa quy trình lắp đặt thiết bị cố định tại vị trí bảng điều khiển táp-lô hoặc cột kính chắn gió phía trước với khoảng cách tiêu chuẩn từ 40 cm đến 60 cm nhằm duy trì góc quan sát tối ưu, thực hiện bởi các trung tâm đăng kiểm và xưởng chăm sóc xe trong vòng 2 tháng.

Xây dựng chính sách khuyến khích lắp đặt thiết bị hỗ trợ lái xe an toàn trên các phương tiện kinh doanh vận tải hành khách liên tỉnh và xe tải đường dài, hướng tới mục tiêu giảm 50% số vụ tai nạn giao thông đường bộ do tài xế ngủ gật trước năm 2025, do cơ quan quản lý giao thông và các hiệp hội vận tải chủ trì.

Đối tượng nên tham khảo luận văn

Kỹ sư phát triển phần mềm ô tô và hệ thống hỗ trợ lái xe nâng cao: Tài liệu cung cấp cấu trúc mã nguồn Python và cách thức triển khai thư viện OpenCV, Dlib trên hệ sinh thái phần cứng vi điều khiển ARM với hiệu năng tối ưu.

Doanh nghiệp vận tải và quản lý đội xe thương mại: Tìm kiếm giải pháp công nghệ giá thành thấp để trang bị hàng loạt cho các phương tiện vận chuyển hành khách và hàng hóa, giúp giảm thiểu rủi ro tai nạn và tổn thất tài sản.

Sinh viên, học viên cao học chuyên ngành Kỹ thuật Ô tô và Cơ khí Tự động hóa: Tham khảo phương pháp nghiên cứu liên ngành giữa cơ khí ô tô và trí tuệ nhân tạo, phục vụ cho việc thực hiện các đề tài tốt nghiệp và dự án nghiên cứu khoa học.

Chuyên gia an toàn giao thông và nhà hoạch định chính sách: Có thêm căn cứ khoa học và dữ liệu thực nghiệm để đề xuất các quy chuẩn kỹ thuật bắt buộc đối với thiết bị giám sát người lái trên phương tiện cơ giới đường bộ.

Câu hỏi thường gặp

Hệ thống có thể hoạt động chính xác trong môi trường hoàn toàn không có ánh sáng hay không?

Hệ thống sử dụng camera màu thông thường sẽ bị giảm độ chính xác xuống khoảng 73,2% khi hoạt động trong bóng tối. Tuy nhiên, khi được tích hợp thêm cụm camera hồng ngoại chuyên dụng, thiết bị vẫn theo dõi rõ nét con ngươi và chuyển động mí mắt của người lái với độ chính xác đạt trên 92% mà không làm chói mắt tài xế.

Thiết bị có phát ra cảnh báo nhầm khi người lái chỉ chớp mắt tự nhiên hay không?

Thiết bị hoàn toàn không báo động nhầm khi chớp mắt bình thường. Hành vi chớp mắt sinh lý của con người chỉ kéo dài từ 0,1 đến 0,4 giây (khoảng 3 đến 4 khung hình), trong khi thuật toán của hệ thống chỉ kích hoạt cảnh báo khi phát hiện mí mắt khép kín liên tục từ 5 khung hình trở lên (tương đương trên 0,5 giây).

Tại sao nghiên cứu lại chọn bo mạch vi máy tính Raspberry Pi 3 để phát triển hệ thống?

Raspberry Pi 3 Model B có kích thước tương đương thẻ tín dụng, mức tiêu thụ năng lượng thấp khoảng 5V/2,5A phù hợp với nguồn điện ô tô, đồng thời sở hữu vi xử lý 4 nhân 1.4 GHz đủ mạnh để xử lý mượt mà 15 đến 20 khung hình mỗi giây với chi phí kinh tế.

Khi người lái đeo kính râm màu tối thì hệ thống nhận biết tình trạng buồn ngủ như thế nào?

Kính râm màu tối sẽ che khuất con ngươi, khiến thuật toán nhận diện mắt bị gián đoạn. Trong trường hợp đó, hệ thống sẽ tự động kích hoạt thuật toán dự phòng, theo dõi chuyển động vùng mũi, vùng tai và độ lệch góc nghiêng của đầu để phát hiện biểu hiện gục đầu ngủ gật của tài xế.

Ngưỡng lệch đầu bao nhiêu sẽ khiến hệ thống phát tín hiệu cảnh báo mất tập trung?

Thiết bị phát âm thanh cảnh báo khi độ lệch ngang của khuôn mặt vượt quá 25% chiều rộng khuôn mặt (tương đương góc quay đầu sang trái hoặc phải từ 15 đến 30 độ), hoặc độ lệch dọc vượt quá 20% chiều cao khuôn mặt (khi người lái cúi gục đầu xuống vô lăng).

Kết luận

Luận văn đã giải quyết thành công các vấn đề nghiên cứu then chốt sau:

  • Chế tạo thành công mô hình thiết bị cảnh báo chống ngủ gật thời gian thực tích hợp trên kit vi máy tính Raspberry Pi 3 và camera ghi hình nhỏ gọn.
  • Ứng dụng xuất sắc thuật toán 68 điểm mốc khuôn mặt và phép tính khoảng cách Euclide để phân loại chính xác trạng thái nhắm và mở mắt với độ chính xác 94,8%.
  • Xây dựng hoàn chỉnh thuật toán dự phòng thông minh dựa trên độ lệch tọa độ không gian và đặc trưng vùng mũi, vùng tai để giám sát tư thế đầu người lái.
  • Đạt tốc độ xử lý nhanh 45 mili-giây mỗi khung hình, bảo đảm phát tín hiệu còi báo động kịp thời chỉ sau 5 khung hình nhắm mắt liên tục.
  • Đóng góp một giải pháp an toàn chủ động chi phí thấp, có tiềm năng thương mại hóa cao và dễ dàng lắp đặt trên nhiều chủng loại ô tô tại Việt Nam.

Kế hoạch phát triển tiếp theo là hoàn thiện vỏ hộp công nghiệp chống rung chấn và tiến hành thử nghiệm mở rộng trên 50 xe khách đường dài trong vòng 12 tháng tới. Các nhà nghiên cứu và doanh nghiệp quan tâm có thể khai thác toàn văn tài liệu luận văn để ứng dụng trực tiếp vào các dự án giao thông thông minh.