Investigating Driver-Specific Variability in Vision-Based Driver Fatigue Monitoring: A Subgroup Evaluation Design Tested in a Controlled Simulation

技術要約：視覚ベースの運転者疲労モニタリングにおけるドライバー固有の変動性の調査

問題提起
視覚ベースの運転者疲労モニタリングシステムは、通常、訓練セットとテストセットに重複または類似したドライバーが含まれるプールされたデータセットを用いて検証されている。このアプローチは、単一の集計精度指標を生み出すが、それは異なるドライバーのサブグループ間における大幅な性能格差を隠蔽してしまう。ドライバーは、目の形状、眼鏡の使用（スペクタクルの使用 vs サングラスの使用）、頭部のポーズ、および運転時の照明条件によって多様である。特定のグループ（例：細い目のドライバーやサングラスを着用しているドライバー）に対して失敗する可能性があるルールであっても、平均としては良好な結果を示すことがある。既存の文献では、これらの要因を二次的なものとして扱ったり、アルゴリズムごとに結果を集計したりすることが多く、多様な集団に対する疲労検知システムの汎用性は検証されていない。

手法
本論文は、実世界のデータではなく、制御された生成シミュレーションを用いた被験者分離型の、サブグループ別評価デザインを提案し、テストを行う。本研究は、実在のドライバーに対するシステムの精度を推定することを目的とするのではなく、メカニズムを露出し、将来の実データ研究のための分析プロトコルを定義することを目的としている。

• シミュレーション設計: 生成モデルを用いて、各リプリケートにつき240名のドライバーをシミュレートする（計30リプリケート）。各ドライバーは以下の要因レベルを持つ：
  • 目の形状: 開眼時の目のアスペクト比（EAR）レベル（狭い、中間、広い）によって定義される。
  • 眼鏡: なし、スペクタクル、またはサングラス（EAR信号を一般的な事前分布へと「圧縮」するものとしてモデル化）。
  • 頭部のポーズ: 前方、中程度、または大きい（ノイズおよびフレームドロップ率に影響）。
  • 照明: 通常、低照度、または夜間（ノイズおよびフレームドロップ率に影響）。
  • 生理学的特性: シミュレートされた瞬目率および眠気状態（遅い瞬目、部分的なまぶたの下垂）が、15 fpsの合成EARトレースを生成する。
• 分類器: 2つの検知ルールを比較する：
  • C0 (固定閾値): すべてのドライバーに対して共通の閾値（$m < 0.20$）を用いる。
  • C1 (ドライバー別キャリブレーション): 60秒間の覚醒運転からドライバー固有の開眼レベル（$\hat{E}_{open}$）を推定し、動的な閾値（$m < 0.6 \cdot \hat{E}_{open}$）を設定する。
• 評価プロトコル:
  • 被験者分離型分割: 50%のドライバーを訓練（キャリブレーション）用、残り50%をテスト用に割り当てる。同一のドライバーが両方のセットに現れることはない。
  • 指標: 正解率（Accuracy）、再現率（Recall）、および偽陽性率（FPR）をドライバーごとに計算し、サブグループごとに集計する。
  • 統計的チェック: クラスカル・ウォリス検定を用いてサブグループ間の差異を評価し、ウィルコクソン符号付順位検定を用いてC0とC1を比較する。
  • 堅牢性: ヌルモデル・チェック（$s=0$、要因効果なし）および効果量スイープ（$s=0$ から $2$）により、分析の感度を検証する。独立した再実装によって結果を確認する。

主な貢献

1. 評価デザイン: 4つの注釈付きサブグループ要因、被験者分離型分割、サブグループ別指標、およびヌルモデル・チェックを備えた、再利用可能なフレームワーク。
2. 生成シミュレーション: 実世界のデータ収集に伴うノイズなしに、検知メカニズムをテストするために、特定のドライバー変動要因を分離した文書化されたシミュレーション。
3. 変動性に関する定量的知見:
   • 目の形状: 固定閾値ルール（C0）に有意な影響を与え、細い目のドライバーに対して高い偽陽性を、広い目のドライバーに対して低い再現率を引き起こす。キャリブレーション（C1）はこの不均衡をほぼ解消する。
   • 眼鏡: サングラスは、キャリブレーションされたルール（C1）の性能を著しく低下させる。サングラスによる信号の圧縮により、キャリブレーションされた閾値が実際の閉眼信号を下回ってしまい、検知漏れを引き起こす。これは、設計パラメータの問題（具体的には閉眼割合 $\alpha$）として特定される。
   • 照明: 夜間条件は固定ルール（C0）において偽陽性を増加させるが、キャリブレーションされたルール（C1）ではより適切に処理される。ただし、そのメカニズムにはノイズとの相互作用が含まれる。
   • 頭部のポーズ: シミュレーションにおける想定された大きさにおいては、最小限の影響であった。
4. サンプルサイズに関するガイダンス: パワー解析によれば、大きな効果（例：眼鏡の影響）を検出するには約8名のサブグループ内のドライバーが必要であり、中程度の効果には約16〜20名、小さな効果には約30〜40名が必要である。現在の公開データセット（14〜60名）は、多くの場合、堅牢なサブグループ推論には不十分である。
5. 報告チェックリストとツール: サブグループ報告のためのダッシュボード（Streamlit/Plotly）およびチェックリスト。これらは、被験者レベルのブートストラップおよびキャリブレーションデータの分離を強調している。

結果

• 全体的な性能: シミュレーションにおいて、固定ルール（C0）は、キャリブレーションされたルール（C1, 0.78）よりも高い平均正解率（0.81）を達成した。これは主に、C1がサングラスに対して苦戦したためである。
• サブグループ間の格差:
  • C0: 細い目のドライバーは、中間（0.07）や広い目（0.04）と比較して、高い偽陽性率（0.36）に苦しんだ。
  • C1: サングラスを着用したドライバーは、眼鏡なしのドライバー（0.80）と比較して、正解率（0.62）と再現率（0.24）が劇的に低下した。
• キャリブレーションの有効性: キャリブレーションは目の形状や夜間の照明による格差を軽減したが、新たにサングラスに対する脆弱性を導入した。このことは、サングラスによる失敗モードを緩和するために、「信頼性ゲート」（例：信号圧縮の検出）が必要であることを示唆している。
• 独立性: 独立した再実装により、定性的なパターンが確認され、定量的な差異は0.05以内であった。これにより、結果がモデル構造に由来することが検証された。

意義と主張
本論文は、その知見がシミュレーションの仮定に依存していることを明示しており、実在のドライバーに関する証拠を提示するものではない。その意義は以下の点にある：

• 仮説の定義: 特定のドライバー要因（形状、眼鏡、ポーズ、光）が疲労検知にどのように影響するかについての、テスト可能な仮説を確立すること。
• プロトコルの仕様: 実データの研究において、サブグループの格差を検出できるようにするための、厳格な報告チェックリストおよびサンプルサイズ要件を提供すること。
• システム設計への指針: 実用的なシステムは、キャリブレーション（C1）に加え、信号品質ゲート（サングラスに対処するため）を採用し、単一のプールされた指標ではなく、サブグループごとの性能を報告すべきであることを示唆している。
• リソースの評価: 既存の公開データセットは、多くの場合、集計されたデータセット間で相互に補完することなく、堅牢なサブグループ分析をサポートするために必要な注釈（例：標準化された肌の色や頭部のポーズ）が不足していることを指摘している。

著者は、シミュレーションはキャリブレーションがエラーの種類を変化させ得る（形状の問題は解決するが、眼鏡の問題を悪化させる）ことを示しているものの、これらの知見の究極的な価値は、提案された評価デザインを用いた計画的な実データ研究によって決定されるべきであると結論付けている。