每位司机都深知疲劳时将注意力集中在道路上是多么困难，但被一条短信、无线电拨号盘或一杯热气腾腾的咖啡分心又有多么容易。职业司机在方向盘前的时间要比其他人多得多，因此在驾驶时保持注意力集中面临着更大的挑战。
但现在，基于边缘人工智能和计算机视觉新推出的高级驾驶协助系统 (ADAS) 可以帮助解决疲劳和分心驾驶的问题，这是传统解决方案所无法解决的。这对每个人来说都是好消息，也让车队管理、物流和叫车企业松了一口气。
“分心和疲劳驾驶是企业安全人员最关心的问题，” Srini Chilukuri 表 示，他目前担任专注于计算机视觉和深度学习解决方案的平台即服务提供商 TensorGo Software Pvt Ltd 的创始人兼首席执行官。“ADAS 解决方案利用边缘人工智能改进旧的安全系统，提供实时监控、分析和警报，帮助驾驶员集中注意力。”
虽然在边缘部署人工智能解决方案具有挑战性，但计算机视觉专家和硬件制造商之间的合作有助于将这些创新系统应用到商用车辆和道路上。
Raspberry Pi 上的边缘人工智能
TensorGo 与英特尔合作推出的高级驾驶员注意力计量 (ADAMS) 解决方案就是一个范例。ADAS 系统的设计优雅而简单：它由紧凑型摄像头、边缘计算设备和监控危险驾驶的计算机视觉算法组成。
ADAMS 同时运行三种独立的 AI 行为检测算法：
- 疲惫检测会分析驾驶员面部是否有困倦迹象，如频繁打哈欠或闭眼。
- 头部姿态通过检测驾驶员将目光从道路上移开的情况，如调整导航系统或伸手去拿掉落的物品，来识别分心驾驶。
- 目标检测会发现驾驶员是否偷看手机等分心情形。
任一种算法检测到问题，系统都会立即通过移动设备向驾驶员发出警报，然后向公司安全人员发送二次警报。
虽然在产品开发阶段已建立了基本的系统架构，但将 ADAMS 的实施版本推向市场仍面临挑战。概念验证在笨重的边缘设备上运行，最终的结果是效率太低、灵活性太差，无法转化为可行的产品。TensorGo 的工程师希望将其系统迁移到紧凑、节能的 32 位 Raspberry Pi 边缘设备和 Raspberry Pi 摄像头上。但目前尚不清楚如何才能在较小的边缘设备上运行多种人工智能算法，而又不会过度消耗处理器。
TensorGo 团队与英特尔合作克服了工程设计上的挑战。该团队使用英特尔® OpenVINO™ 工具套件优化和加速人工智能算法，以便在紧凑型 Raspberry Pi 设备上高效运行。英特尔架构师还建议采用比最初原型帧数更少的摄像头视频数据处理策略。这种方法为高精度计算机视觉分析提供了足够多的数据，同时也减轻了处理器的负担，从而提高了 ADAMS 的整体性能和稳定性。
案例研究表明，安全性得以改善，成本也得到节省
TensorGo 在中东地区一家大型卡车运输和配送公司的部署展示了 ADAS 系统在实际应用场景中的能力。
该公司 500 多辆卡车的事故数量不断增加，而驾驶员分心和疲劳驾驶是主要原因。管理层无法接受这种情况对驾驶员和公众带来的安全风险。他们还担心因车辆停运和责任成本造成的运营效率问题。尽管实施了驾驶员培训计划，问题依然存在。
通过与 TensorGo 合作，该公司在其车队的每辆车上都部署了 ADAMS 系统。不到六个月就有了结论——边缘人工智能方法取得了巨大成功。该公司分心事故减少了 32%，疲劳事故减少了 27%。驾驶员注意力系统还帮助将准时交货率提高了 18%，预计节省成本 150 万美元以上。
“ADAMS 等 ADAS 系统改变了企业安全人员的游戏规则，” Chilukuri 表示。“它们改善了安全结果并积极影响收益，因此可解决关键安全挑战并帮助克服采用障碍。”
运输安全的未来及其他
ADAS 解决方案集强大的安全和成本节省优势于一身，对车队管理公司来说是一个极具吸引力的选择，因此在未来几年内，这些系统的使用率会越来越高。
TensorGo 正为未来做准备，计划在现有解决方案中引入更多功能。公司正在研究如何在 ADAMS 中添加 GSM 模块，以便直接从边缘设备而不是驾驶员的手机发出警报。工程团队还在探索如何将人工智能碰撞检测模型纳入其解决方案，以提醒驾驶员注意潜在的道路危险。
除 ADAS 系统之外，该解决方案的底层技术还可支持其他用例。ADAMS 使用的核心软件和计算机视觉技术可以适应工作场所安全、辅助生活监控和工业运营等应用。
“未来几年，边缘人工智能和计算机视觉将在物流和其他领域发挥变革性作用，” Chilukuri 表示。“实时监控和分析将提高整体安全性和效率，我们的目标是成为这一变革的关键参与者。”