طريقة للكشف عن التعب أثناء القيادة تعتمد على تحليل وضعية السائق وحالته الوجهية

لماذا يهم تعب السائقين الجميع

معظمنا شعر بثقل جفوننا في رحلة طويلة، لكن قلة يدركون كم تتحول تلك اللحظة من النعاس إلى حادث. تصف هذه الورقة نظامًا معتمدًا على الكاميرا يراقب وجه السائق ووضعه ويديه لاكتشاف علامات التعب المبكرة وإصدار تحذيرات في الوقت المناسب، دون تثبيت حسّاسات على الجسم أو تغيير طريقة القيادة.

مراقبة السائق، وليس السيارة فقط

تقدر جهات المرور أن التعب يلعب دورًا في نسبة كبيرة من الحوادث الخطيرة على الطرق حول العالم. اعتمدت أنظمة التحذير التقليدية على إشارات من السيارة، مثل تصحيحات التوجيه أو الخروج عن المسار، أو على حسّاسات طبية تقيس نشاط الدماغ أو القلب. يمكن أن تكون هذه الطرق مكلفة أو مزعجة أو غير موثوقة عند اختلاف السائقين أو ظروف الطريق. تعتمد الدراسة بدلًا من ذلك على فيديو عادي من كاميرات صغيرة داخل السيارة لقراءة سلوك السائق مباشرة، مستخدمة الذكاء الاصطناعي الحديث لتفسير ما تراه.

قراءة العيون والفم والرأس واليدين

يحلل الباحثون أولاً ملامح القيادة المرهقة بمصطلحات يومية. تشمل علامات التحذير رمشًا أبطأ وأطول، تثاؤبًا متكررًا، رأسًا متدلٍ أو مائلاً، وانجراف اليدين عن عجلة القيادة. باستخدام طريقة تقدير الوضعيات المسماة AlphaPose، يتتبع النظام 119 نقطة مفتاحية على جسم السائق، خصوصًا حول العيون والفم والرأس والمعصمين. ومن هذه النقاط يحسب مقاييس بسيطة، مثل مدى اتساع العينين والفم وكم انحدر أو مال الرأس نسبة إلى الرقبة والعينين. كما يتحقق مما إذا ظل كل معصم قريبًا من عجلة القيادة مع مرور الوقت أو انحرف بعيدًا، ما يشير إلى أن السائق لم يعد مسيطرًا بقوة.

الرؤية من عدة زوايا عبر الزمن

نظرًا لأن لقطة واحدة قد تكون مضللة، ينظر النظام إلى مقاطع فيديو قصيرة بدلًا من إطارات معزولة. على سبيل المثال، قد يشبه رَمشة طبيعية إغلاق عين نعسان، وقد يبدو نظرة سريعة إلى لوحة العدادات وكأنها غفوَة إذا اُقيّمت بمفردها. لتجنب مثل هذه الأخطاء، يحلل الأسلوب التغيرات عبر ما لا يقل عن 20 إطارًا متتاليًا، متتبعًا ما إذا كانت دلائل التعب مستمرة. كما يستخدم ثلاث زوايا كاميرا موجودة في مجموعة بيانات مراقبة القيادة: منظر أمامي للوجه، ومنظر جانبي للجسم العلوي، ومنظر مُقرب لليدين. معًا تجعل هذه الزوايا النظام أكثر قوة عندما يكون الوجه مخفياً جزئيًا بالنظارات أو ضوء الشمس الساطع أو ضباب الحركة أو دوران الرأس.

كشف أذكى في جوهر النظام

خلف الكواليس، يحتوي النظام على جزأين رئيسيين. أولًا، مكتشف كائنات سريع يُدعى YOLOv11n* يعثر على السائق في كل إطار حتى تتمكن AlphaPose من تمييز النقاط المفتاحية بدقة. يحسّن المؤلفون هذا الكاشف بوجود كتلة تجميع هجينة خاصة تساعد الشبكة على فهم السياق العام والتفاصيل الدقيقة مثل العيون والأصابع. ثانيًا، تُغذى مواقع ونقاط الثقة لجميع النقاط المفتاحية المتتبعة إلى شبكة ذاكرة قصيرة وطويلة الأمد (LSTM)، وهو نوع من النماذج الملائم للسلاسل الزمنية. تتعلم LSTM كيف تتكشف تراكيب التغيرات في العيون والفم والرأس واليدين عبر الزمن عندما يكون السائق يقظًا أو متعبًا قليلاً أو منهكًا بشدة، وتنتج احتمال كل مستوى من التعب للفترة الزمنية الحالية.

مدى فعالية النظام في التطبيق العملي

اختبر الفريق منهجهم على مجموعة بيانات عامة كبيرة لمقاطع الفيديو داخل السيارة، مدرِّبين ومقيِّمين النماذج على آلاف الصور والمقاطع الموسومة. بالمقارنة مع عدد من طرق التعلم العميق الرائدة، بما في ذلك مجموعات أخرى من الشبكات الالتفافية والمحولات وLSTM، حقق إطار AlphaPose*–LSTM الدقة والدقة الموجبة وF1 الأعلى المعلن عنها لتصنيف مستويات التعب. كما كان سريعًا بما يكفي للاستخدام شبه اللحظي: بعد معالجة أول 20 إطارًا، يمكن تحديث تقديرات التعب الجديدة تقريبًا كل 48 مللي ثانية، وهو ما يناسب المراقبة المستمرة في مركبات متحركة.

ما يعنيه هذا للقيادة اليومية

بعبارات بسيطة، تُظهر الدراسة أن السيارة يمكنها استخدام الكاميرات والبرمجيات الذكية لمراقبة علامات سائق متعب، مجمعة تغيرات صغيرة في العيون والفم والرأس واليدين إلى صورة موثوقة عن مستوى اليقظة. بينما تم ضبط النظام الحالي لظروف النهار وسيحتاج إلى تعديل للعمل ليلاً أو في بيئات أخرى، تشير النتائج إلى أن المراقبة البصرية غير المتدخلة قد تصبح ميزة سلامية عملية. من خلال التعرف على التعب مبكرًا ودفع السائقين لأخذ استراحة، يمكن لمثل هذه التقنية أن تساعد في منع العديد من الحوادث التي تحدث ببساطة لأن أحدهم كان متعبًا جدًا للبقاء يقظًا أثناء القيادة.

الاستشهاد: Hao, Y., Sun, X., Liu, H. et al. A fatigue driving detection method based on driver posture and facial state analysis. Sci Rep 16, 15159 (2026). https://doi.org/10.1038/s41598-026-44994-4

الكلمات المفتاحية: إرهاق السائق, القيادة المرهقة, مراقبة السائق, رؤية حاسوبية, سلامة الطرق