NGHIÊN CỨU VÀ ỨNG DỤNG THỊ GIÁC MÁY TÍNH TRONG HỆ THỐNG GIÁM SÁT NGƯỜI LÁI XE TRÊN THIẾT BỊ DI ĐỘNG
Từ khóa
DOI:
https://doi.org/10.34238/tnu-jst.15917Tóm tắt
Nghiên cứu này đề xuất một hệ thống giám sát trạng thái người lái trên smartphone Android, sử dụng Google MediaPipe để trích xuất 468 điểm mốc khuôn mặt từ khung hình camera. Hệ thống phát hiện nhắm mắt, ngáp và lệch hướng đầu dựa trên ba đặc trưng hình học: tỷ lệ khung hình mắt ba chiều, tỷ lệ khung hình miệng ba chiều và chênh lệch tọa độ độ sâu tương đối giữa các điểm mốc khuôn mặt. Quy trình xử lý không yêu cầu cảm biến bổ sung và sử dụng hình học điểm mốc đã chuẩn hóa thay cho tham số nội tại của camera. Cơ chế lọc theo thời gian chỉ phát cảnh báo khi trạng thái bất thường được duy trì trong khoảng thời gian xác định, qua đó giảm cảnh báo nhiễu do các chuyển động ngắn hạn. Thực nghiệm với 12 người tham gia trong điều kiện đủ sáng và ánh sáng yếu cho thấy hệ thống đạt độ chính xác lần lượt là 91,47% (nhắm mắt), 88,15% (lệch hướng đầu), 84,76% (ngáp); độ nhạy lần lượt là 89,35%, 86,11%, 82,41%; trung bình điều hòa giữa độ chính xác và độ nhạy đạt 87,03%; độ trễ phát hiện 287-421 mili giây. Kết quả cho thấy tính khả thi ban đầu của hướng tiếp cận trên smartphone, song hiệu năng còn chịu ảnh hưởng của ánh sáng và ngưỡng cố định.Lượt tải
Tài liệu tham khảo
N. P. Doan, T. V. Nguyen, T. T. Pham, T. T. H. Nguyen, and X. K. Pham, "A Systematic Review of Generative AI Applications in UI/UX Design for Mobile Applications," in Advances in Information and Communication Technology, ICTA 2025, Lecture Notes in Networks and Systems, vol. 1831, X. T. Tran, T. N. Phung, T. T. Nguyen, D. T. Vu, H. S. Le, and V. N. Nguyen, Eds. Cham: Springer, 2026, pp. 184-193, doi: 10.1007/978-3-032-18316-3_21.
T. Soukupova and J. Cech, "Real-Time Eye Blink Detection using Facial Landmarks," in Proc. 21st Computer Vision Winter Workshop (CVWW), Rimske Toplice, Slovenia, Feb. 2016, pp. 1-8.
Y. Albadawi, A. AlRedhaei, and M. Takruri, "Real-Time Machine Learning-Based Driver Drowsiness Detection Using Visual Features," Journal of Imaging, vol. 9, no. 5, 2023, Art. no. 91, doi: 10.3390/jimaging9050091.
E. Michelaraki, C. Katrakazas, S. Kaiser, T. Brijs, and G. Yannis, "Real-time monitoring of driver distraction: State-of-the-art and future insights," Accident Analysis & Prevention, vol. 192, 2023, Art. no. 107241, doi: 10.1016/j.aap.2023.107241.
T. H. T. Ma, T. T. T. Phung, T. H. Mai, T. N. Phung, and D. Q. Vu, "Few-Shot Video Classification via Mutual Learning," in Computational Intelligence in Engineering Science, ICCIES 2026, Communications in Computer and Information Science, vol. 2943, N. T. Nguyen et al., Eds. Cham: Springer, 2026, pp. 567-580, doi: 10.1007/978-3-032-21625-0_39.
M.-C. Chuang, R. Bala, E. A. Bernal, P. Paul, and A. Burry, "Estimating Gaze Direction of Vehicle Drivers Using a Smartphone Camera," in Proc. IEEE Conf. Computer Vision and Pattern Recognition Workshops (CVPRW), 2014, pp. 165-170, doi: 10.1109/CVPRW.2014.30.
J. S. Wijnands, J. Thompson, K. A. Nice, G. D. P. A. Aschwanden, and M. Stevenson, "Real-time monitoring of driver drowsiness on mobile platforms using 3D neural networks," Neural Computing and Applications, vol. 32, no. 13, pp. 9731-9743, 2020, doi: 10.1007/s00521-019-04506-0.
J. Flores-Monroy, M. Nakano-Miyatake, H. Perez-Meana, E. Escamilla-Hernandez, and G. Sanchez-Perez, "Implementation of a CNN-Based Driver Drowsiness and Distraction Detector in Mobile Devices," in New Trends in Intelligent Software Methodologies, Tools and Techniques, H. Fujita et al., Eds. Amsterdam, Netherlands: IOS Press, 2022, pp. 272-281, doi: 10.3233/FAIA220258.
H. A. Khalil, S. A. Hammad, H. E. Abd El Munim, and S. A. Maged, "Low-Cost Driver Monitoring System Using Deep Learning," IEEE Access, vol. 13, pp. 14151-14164, 2025, doi: 10.1109/ACCESS.2025.3530296.
T. L. Nguyen, H. N. Chu, T. T. Hua, T. N. Phung, and V. H. Le, "TQU-GraspingObject: 3D Common Objects Detection, Recognition, and Localization on Point Cloud for Hand Grasping in Sharing Environments," Computers, Materials & Continua, vol. 87, no. 2, 2026, Art. no. 72, doi: 10.32604/cmc.2026.076732.
R. Florez, F. Palomino-Quispe, A. B. Alvarez, R. J. Coaquira-Castillo, and J. C. Herrera-Levano, "A Real-Time Embedded System for Driver Drowsiness Detection Based on Visual Analysis of the Eyes and Mouth Using Convolutional Neural Network and Mouth Aspect Ratio," Sensors, vol. 24, no. 19, 2024, Art. no. 6261, doi: 10.3390/s24196261.
European Commission, “Commission Delegated Regulation (EU) 2023/2590, OJ L 2023/2590,” Nov. 22, 2023. [Online]. Available: https://eur-lex.europa.eu/eli/reg_del/2023/2590/oj. [Accessed May 25, 2026].
