据外媒报道，澳大利亚伊迪斯科文大学（Edith Cowan University，ECU）的研究人员开发出新技术，有望改变识别酒驾和危险驾驶的方式。研究人员利用单一的3D深度学习模型，能够同时检测出导致道路交通事故的三大主要因素：血液酒精浓度、疲劳驾驶以及愤怒等情绪状态。

该技术对血液酒精浓度的识别准确率接近90%，对困倦状态的识别准确率则高达95%。而且，该技术还能判断驾驶员的醉酒程度，并将其分为三个等级：清醒、中度醉酒和重度醉酒。

图片来源：伊迪斯科文大学

由伊迪斯科文大学博士候选人Abdullah Tariq领导的研究团队在英国机器视觉大会（British Machine Vision Conference，BMVC25）上发表了题为“百变杰克：基于单一网络的面部表情和生理状态分析（Jack of Many Faces: A Step Towards Facial Expression and Physiological State Analysis with a Single Network）”的研究成果。

Tariq表示：“酒后驾驶是全球范围内的一项重大公共安全挑战，也是澳大利亚交通事故的首要原因。大约30%的交通事故是由酒后驾驶造成的。”虽然公共安全挑战是研究人员的主要动机，但Tariq表示，他还希望探索传统检测方法之外的替代方案。“传统的酒精检测方法，例如呼气式酒精检测和血液检测，准确率很高。然而，这些方法也存在自身的局限性——它们具有侵入性，需要受检者积极配合，并且无法进行连续的实时监测。人脸蕴含着丰富的信息，例如情绪、认知行为或生理状态，但大多数人工智能（AI）模型都针对特定任务——这促使我去探索是否可以开发一个能够处理多种面部识别任务的单一模型。”

伊迪斯科文大学人工智能与机器学习中心的Syed Zulqarnain Gilani博士表示，这项研究被认为是首个同时识别疲劳、表情和血液酒精浓度的研究。

Gilani博士说：“我们利用视频中的单一算法，就能检测出视频中的人是否疲劳、醉酒以及他们的情绪状态。有趣的是，心理学文献表明这三者之间存在关联。因此，如果极度疲劳，就几乎等同于醉酒。同样，如果表情或情绪愤怒，就可能导致路怒症和极其危险的驾驶行为。”

3D网络会分析某些面部特征，以识别表情并评估生理状态。Gilani博士说：“这个算法很智能，因为它能区分驾驶员是困倦、只是做了个面部表情，还是受到了酒精的影响。通过区分这些因素，它可以更好地了解驾驶员的真实生理状态。”

在另一项研究中，研究人员还探讨了如何将红外（IR）数据与普通彩色视频（RGB）数据相结合，以进一步提升分析效果。研究结果表明，将红外与普通彩色视频相结合有助于在光线昏暗或光线不足等复杂情况下,更有效地分析血液酒精浓度。

这项研究题为“BiFuseNet：一种基于双向分层融合的多模态网络，用于评估血液酒精浓度（BiFuseNet: A Multimodal Network for Estimating Blood Alcohol Concentration via Bidirectional Hierarchical Fusion）”，已在国际多模态交互会议（International Conference on Multimodal Interaction，ICMI25）上发表。

Tariq表示，该系统能够自动捕捉各种面部动态，包括眨眼、细微的面部动作以及面部特征的渐进变化，这些对于区分不同的状态至关重要。“我们的目标是开发一个全自动框架，利用普通彩色视频和红外视频流来估算血液酒精浓度。此前，这项工作是通过观察瞳孔放大和闭眼比例来人工完成的，但这些方法在某些因素的影响下可能表现不佳，例如光照条件的变化。BiFuseNet能够自动提取所有面部特征和面部几何形状，从而判断一个人是否醉酒。由于它巧妙地结合了不同类型的信息，因此比以往仅使用单一类型视频的方法表现更佳。”

Gilani博士表示，这项研究有望带来一种创新且非侵入式的方法来打击酒后驾驶。“大量实验表明，这项技术的分类准确率高达88.41%，有望建立一种全新的、最先进的血液酒精浓度估算方法。”

计算机视觉技术的进步意味着这项技术甚至可以用来确定醉酒程度。Tariq说道：“该系统可以将酒精影响程度分为三类——清醒、中度醉酒和重度醉酒。”