Technische Samenvatting: DriveSafe AI

Probleemstelling

Vermoeidheid bij de bestuurder is een belangrijke oorzaak van wereldwijde verkeersslachtoffers, maar het implementeren van effectieve detectiesystemen wordt geconfronteerd met twee primaire barrières: hoge percentages valse alarmen die het vertrouwen van de bestuurder ondermijnen, en catastrofaal falen wanneer modellen worden geconfronteerd met onbekende proefpersonen of cameragegevens (cross-dataset generalisatie). De bestaande literatuur onthult een fundamentele afruil: modellen met een hoge nauwkeurigheid vereisen vaak zware desktophardware, terwijl lichtgewicht, edge-compatibele modellen aan nauwkeurigheid inboeten. De meeste systemen worden bovendien alleen geëvalueerd op hun trainingsdistributies, waardoor generalisatiefouten verborgen blijven. Dit artikel identificeert een verwaarloosde bron van nauwkeurigheidsverlies: de preprocessing-pipeline, specifiek de overdracht tussen gezichtsdetectie en classificatie.

Methodologie

Het voorgestelde systeem, DriveSafe AI, maakt gebruik van een systematische decompositie van de pipeline om nauwkeurigheidsbottlenecks te isoleren. De architectuur bestaat uit:

1. Systeem-pipeline: Webcamframes ondergaan SSD (Single Shot Multibox Detector) gezichtsdetectie, gevolgd door CLAHE (Contrast Limited Adaptive Histogram Equalization) preprocessing, classificatie via MobileNetV2, en een drie-zones betrouwbaarheidsprotocol.
2. CLAHE-adaptieve Preprocessing: In tegenstelling tot standaard globale helderheidsaanpassing, werkt CLAHE op lokale tegelregio's om niet-uniforme verlichting (bijv. schittering van het dashboard, tunnelverlichting) te normaliseren, waardoor de domeinkloof tussen trainings- en testdatasets wordt overbrugd.
3. Drie-zones Betrouwbaarheidsprotocol: Om valse alarmen te elimineren, verdeelt het systeem de classifier-outputs in drie zones: Actief (lage waarschijnlijkheid), Onzeker (intermediaire waarschijnlijkheid) en Vermoeid (hoge waarschijnlijkheid). Het systeem weigert inputs te classificeren die in de "Onzekere" zone vallen, waardoor een hoge dekking behouden blijft terwijl ruis wordt gefilterd.
4. Onderwerp-adaptieve Few-Shot Kalibratie: Om de cross-subject generalisatiekloof aan te pakken, implementeert het systeem een few-shot fine-tuning protocol. Gegeven slechts $k=30$ gelabelde frames (ongeveer 1 seconde video) van een nieuwe bestuurder, voert het model het volgende uit:
   • Bevriest alle lagen behalve de laatste vijf.
   • Voert fine-tuning uit op de adaptatie-frames met data-augmentatie (flips, brightness jitter, ruis, cutout).
   • Kalibreert een per-onderwerp beslissingsdrempel.
   • Past Test-Time Augmentation (TTA) en temporele smoothing toe over een sliding window van 5 frames.
   • Noot: Het protocol ondersteunt een semi-gesuperviseerde variant waarbij de 30 frames alleen "actieve" (alerte) frames hoeven te zijn, verzameld tijdens de eerste minuut van het rijden, wat handmatige labeling van vermoeidheid bij de start elimineert.

Belangrijkste Bijdragen

Het artikel presenteert vier primaire bijdragen:

1. Pipeline Decompositie: Een methodologie die de nauwkeurigheidsbijdragen per fase isoleert, waarbij de SSD gezichtsdetectie-overdracht wordt geïdentificeerd als de primaire foutmodus, met een nauwkeurigheidsgat van 12,1 procentpunt, groter dan elke geteste architecturale variatie.
2. CLAHE-adaptieve Preprocessing: Een techniek die de cross-dataset domeinkloof overbrugt door middel van illuminatie-normalisatie, wat de nauwkeurigheid op de UTA-RLDD dataset verbetert van 33,3% naar 99,0%.
3. Drie-zones Betrouwbaarheidsprotocol: Een mechanisme dat valse alarmen elimineert door selectieve predictie, waarbij onzekere inputs worden geweigerd terwijl een F1-score van 94,7% behouden blijft.
4. Onderwerp-adaptieve Kalibratie: Een few-shot kalibratiemethode die de ware Leave-One-Subject-Out (LOSO) nauwkeurigheid verhoogt van 53,2% naar 96,1%, wat de haalbaarheid van gepersonaliseerde, edge-deployed detectie demonstreert.

Experimentele Resultaten

Experimenten werden uitgevoerd met de akahana dataset voor in-distributie training en de UTA-RLDD benchmark (60 proefpersonen) voor cross-subject evaluatie.

• Impact van Preprocessing: Zonder CLAHE daalde de cross-dataset nauwkeurigheid naar 33,3% door variatie in verlichting. Met CLAHE bereikte de nauwkeurigheid 99,0%, een verbetering van 65,7 procentpunt.
• Generalisatieprestaties:
  • Baseline (Geen Adaptatie): Behaalde een gemiddelde nauwkeurigheid van 53,2% (±19,3% std) onder ware LOSO-evaluatie, met een False Alarm Rate (FAR) van 40,9%.
  • Adaptief (Few-Shot): Behaalde een gemiddelde nauwkeurigheid van 96,1% (±4,9% std) met slechts 30 adaptatie-frames per onderwerp. De FAR daalde naar 5,5%, en de recall bereikte 99,2%.
• Ablatie-studies:
  • Het verhogen van het aantal adaptatie-frames van $k=10$ naar $k=30$ leverde de grootste winst op (+34,3 pp), wat groter was dan de voordelen van TTA of temporele smoothing.
  • Architecturale complexiteit (bijv. het toevoegen van LSTM of geometrische kenmerken) slaagde er niet in de prestaties boven de adaptieve baseline te verbeteren, wat resulteerde in een lagere nauwkeurigheid (59,0%) dan de adaptieve baseline.
  • Quantisatie: MobileNetV2 gekwantiseerd naar dynamisch 2,4 MB (TFLite) behaalde 99,0% nauwkeurigheid, waarmee het MobileNetV3 overtrof, waarvan de hard-swish activaties verslechterden onder gewicht-rounding.
• Bottleneck Analyse: De SSD gezichtsdetectiestap introduceerde een nauwkeurigheidsgat van 12,1 percentagepunt vergeleken met volledige beeldclassificatie, wat groter is dan de impact van veranderingen in modelarchitectuur.

Betekenis en Claims

Het artikel stelt dat de primaire barrière voor lichtgewicht Driver Drowsiness Detection (DDD) niet de capaciteit van de neurale architectuur is, maar de robustheid van de preprocessing en onderwerp-specifieke kalibratie.

• Herformulering van Optimalisatie: De auteur beweert dat verbeteringen in preprocessing (met name illuminatie-normalisatie) en data-adaptatie grotere rendementen opleveren dan het opschalen van modelcomplexiteit. Het 12,1 pp gat veroorzaakt door de detectie-overdracht is de grootste geïdentificeerde foutbron.
• Haalbaarheid van Personalisatie: De resultaten demonstreren dat cross-subject generalisatie geen onoverkomelijke barrière is die enorme datasets of complexe architecturen vereist. In plaats daarvan kan dit worden opgelost door gepersonaliseerde kalibratie met minimale data (30 frames).
• Praktische Implementatie: Het systeem is ontworpen voor edge-deployment, gebruikmakend van TFLite dynamische kwantisatie en een verwerkingspipeline die binnen real-time beperkingen past (budget van <40ms per frame wanneer geamortiseerd). Het semi-gesuperviseerde adaptatieprotocol maakt real-world deployment mogelijk zonder dat bestuurders tijdens de start van het voertuig handmatig vermoeidheidstoestanden hoeven te labelen.

De studie concludeert dat toekomstige inspanningen op het gebied van DDD prioriteit moeten geven aan het verminderen van de vereisten voor adaptatiegegevens (via meta-learning) en het valideren van deze adaptieve protocollen over diverse datasets (NTH-DDD, ZJU-DRO), in plaats van het nastreven van verdere architecturale innovaties.