盖世汽车讯 近年来，人工智能广泛应用于各项技术，比如面部方向评估可用于驾驶员辅助系统，以防止分心驾驶。传统的面部方向评估技术可以识别人脸特征并检测相关运动，包括鼻子、眼睛和嘴巴。然而，这种基于二维（2D）图像的方法存在隐私问题，当面部被口罩挡住或者转向一侧时，则无法正确地进行识别。

（图片来源：芝浦工业大学）

优化面部检测的解决方案可能在于使用点云数据（从一组离散数据点获得的数据）和深度传感器。事实上，以前有些研究已经采用基于五个人脸方向（正面、对角正面、右、左和水平）上的3D点云数据深度学习评估模型。然而，考虑到驾驶员辅助系统验证驾驶员状态所需的精度水平，这种五类（k=5）分类不足以完美地检测面部方向。

据外媒报道，为了解决这一问题，芝浦工业大学（Shibaura Institute of Technology）工程与科学研究生院Chinthaka Premachandra教授领导的研究团队开发出更为精确的水平宽范围角度检测方法（k > 5），利用陀螺仪传感器来获取训练数据，并在这一过程中精确测量面部的水平角度。

在这项研究中，该团队通过深度传感器从不同方向收集点云数据，并在数据收集过程中将深度传感器与陀螺仪传感器集成在一起。研究人员利用这些数据来训练基于深度学习的分类模型，以用于面部方向评估。研究人员将人脸相对于摄像头的水平角度从90度以上改变为90度以下，步长分别为30、22.5、18和15度。因此，面部方向的分类由七以上的类别来表示（k = 7,9,11,13）。

Premachandra教授表示：“利用深度传感器和陀螺仪传感器集成，可以获得各个方向的精确训练数据，从而减少构建分类模型所需的点云样本数量。此外，通过减轻权重的过程来降低点云数据的权重，可以提高训练效率，从而实现面部方向快速评估。”

这种分类方法专为七以上的类别而设计，可以通过深度学习实现卓越的人脸方向检测性能。例如，该方法对7、9和11类的分类准确率分别超过98%、95%和91%，比传统面部方向评估技术有了明显改进。

总体而言，这项研究为需要精确面部定位检测的广泛应用开辟了新的方向。Premachandra教授表示：“这项发现为解决分心驾驶等问题提供了潜在的解决方案。这些问题可能是由于驾驶员在开车时将目光移开或睡着而引起的。使用这种面部方向评估方法，有可能在驾驶员昏昏欲睡的情况下对其进行提醒，最终有助于降低全球的交通事故发生率。”