Real-Time Driver Emotion Detection Using Convolutional Neural Network and Computer Vision for Road Safety.

Dirigir é um ato de constante e silenciosa negociação entre uma pessoa e uma máquina. Por décadas, a tecnologia construída para nos manter seguros concentrou-se quase inteiramente na máquina e na estrada. Sensores vigiam os pneus, câmeras escaneiam as marcações da faixa e o radar rastreia o carro à frente. No entanto, a variável mais crítica em qualquer veículo continua sendo o humano atrás do volante, especificamente seu estado interno. Quando um motorista está irritado, estressado ou exausto, sua capacidade de concentração diminui e seu tempo de reação desacelera, transformando um trajeto rotineiro em um potencial perigo. Embora existam sistemas para detectar sonolência rastreando movimentos oculares ou bocejos, há um reconhecimento crescente de que todo o espectro das emoções humanas desempenha um papel na segurança. A questão não é mais apenas se um motorista está acordado, mas se ele é emocionalmente capaz de dirigir com segurança.

Um estudo recente de Mayuri Salunke explora uma nova maneira de responder a essa pergunta, construindo um protótipo de sistema que observa o rosto do motorista para adivinhar seu humor. O trabalho não afirma ter resolvido o problema da segurança rodoviária, nem apresenta um produto acabado pronto para os carros de hoje. Em vez disso, oferece um olhar preliminar sobre se uma combinação simples de ferramentas existentes pode funcionar juntas em tempo real. Os pesquisadores construíram um pipeline que recebe um feed de vídeo, localiza o rosto do motorista e, em seguida, utiliza um cérebro digital, conhecido como rede neural convolucional, para classificar o que aquele rosto está expressando. Este cérebro digital foi treinado com milhares de imagens para reconhecer sete sentimentos humanos básicos: raiva, nojo, medo, felicidade, tristeza, surpresa e um estado neutro. O sistema então decide se a emoção que vê é segura ou perigosa. Neste design específico, felicidade, surpresa e uma aparência neutra são consideradas seguras, enquanto raiva, tristeza, medo e nojo são sinalizados como potencialmente inseguros.

No entanto, os pesquisadores entenderam que um computador pode cometer erros, e um rosto humano pode mudar de expressão em uma fração de segundo. Se o sistema emitisse um alarme toda vez que visse um franzir de testa passageiro ou um lampejo momentâneo de raiva, ele seria inútil. Para resolver isso, o protótipo inclui uma regra que ignora quadros isolados. Ele espera para ver se uma emoção insegura persiste por um determinado tempo antes de disparar um alerta. Esta abordagem trata o alerta não como uma reação a uma única imagem, mas como uma resposta a um estado sustentado. Todo o sistema foi construído usando ferramentas de software padrão e executado em um processador de computador comum, sem a necessidade de hardware especializado e caro. O objetivo era ver se um sistema tão leve poderia acompanhar a velocidade de um feed de vídeo enquanto tomava essas decisões complexas.

Para testar sua ideia, a equipe executou o software em um curto clipe de vídeo de uma pessoa sentada em frente a uma câmera. O vídeo continha 115 quadros, e o sistema localizou o rosto em 114 deles. Uma vez encontrado o rosto, o software analisou a expressão e registrou o resultado. O sistema processou o vídeo a uma velocidade de cerca de 14,7 quadros por segundo, o que é ligeiramente mais lento que a velocidade original do vídeo de 24,7 quadros por segundo. Neste teste específico, o computador previu que a pessoa estava feliz durante a maior parte do clipe, mas também identificou momentos de tristeza e raiva. Crucialmente, como essas previsões "inseguras" apareceram apenas em breves explosões, a regra do sistema não disparou um alarme. O mecanismo de alerta só disparou durante um teste separado e controlado, onde os pesquisadores alimentaram o sistema com a mesma imagem "triste" repetidamente por dois segundos, provando que a lógica de tempo funcionou conforme pretendido.

Os resultados deste estudo são estritamente preliminares. Os pesquisadores foram cuidadosos ao notar que não sabiam se os palpites do computador sobre as emoções da pessoa estavam realmente corretos, porque o vídeo que utilizaram não possuía rótulos para verificar a verdade. A pessoa no vídeo não estava dirigindo um carro, e a iluminação e os ângulos não eram de uma estrada real. O sistema também não conseguiu detectar fadiga ou sonolência diretamente, pois o cérebro digital específico que utilizaram não foi treinado para reconhecer esses estados. Além disso, o sistema teve dificuldade com a velocidade do vídeo, sugerindo que, em um carro real, ele poderia precisar pular alguns quadros para acompanhar. O autor enfatiza que este trabalho é uma prova de conceito, mostrando que as peças podem ser montadas e executadas em hardware comum, mas não é ainda uma ferramenta confiável para a condução no mundo real.

Apesar dessas limitações, o experimento demonstra um caminho claro a seguir. Mostra que é possível combinar detecção facial, classificação de emoções e uma regra de lógica que espera por um estado sustentado em um único sistema funcional. O estudo sugere que, embora a tecnologia não esteja pronta para substituir o julgamento humano ou os recursos de segurança existentes, a arquitetura básica é viável. Trabalhos futuros precisarão testar o sistema em motoristas reais em veículos reais, melhorar a precisão da detecção de emoções e encontrar melhores maneiras de lidar com os desafios de um carro em movimento. Por ora, a pesquisa permanece como um passo silencioso em direção a um futuro onde os carros poderão, um dia, compreender não apenas a estrada, mas a pessoa que a dirige.