越南国立大学使用AI网络检测醉酒 准确率达93%

(资料图片)

全世界每年有超过10万人死于道路交通事故，其中大部分事故是由醉酒直接造成的。而卷积神经网络可以评估人脸的热红外图像，并以93%的准确率确定人员是否醉酒。

国际期刊《智能信息和数据库系统》（International Journal of Intelligent Information and Database Systems）中描述的系统可应用于在酒驾和醉酒行为存在较为普遍的地区。早期检测醉酒的方法主要集中于眼睛状态、头部位置或功能状态等指标。然而，这样的系统很容易受到其他因素的影响。

据外媒报道，胡志明市越南国立大学（Vietnam National University）的Kha Tu Huynh和Huynh Phuong Thanh Nguyen称热成像分析可提供一种相对清晰的非侵入方法，使警方可在市中心、饮酒集中区和酒驾回家必经之路对驾驶员进行筛查。

该团队指出，所有醉酒识别系统都必须具有非常低的误报率。毕竟，假阴性误报导致很多驾驶员酒驾，而太多的假阳性误报会使得没有喝酒的驾驶员不能使用车辆，从而引起用户情绪不满，并对车辆系统失去信任。

上述类似的系统会在误报率与信任感之间做出取舍，但总体偏向于更加谨慎。通过在不同的热图像群体上对更大的训练数据集进行优化分类，车辆可以更接近理想状态，即理论上无法实现的100%准确率及零误报。