地平线人制作能识别驾驶员疲劳程度的产品

地平线HorizonRobot 发表于 2020-09-24 11:52:21 收藏 已收藏
赞(0) •  评论(0
400万+工程师在用
400万+工程师在用

地平线人制作能识别驾驶员疲劳程度的产品

地平线HorizonRobot 发表于 2020-09-24 11:52:21

5 年前,地平线人满腔热 AI,向 New Horizon 进发;5 年来,他们始终“仰望星空,脚踏实地”,用芯片让 AI 可感知,用量产落地为 AI 赋予生命。在孤独攀登 AI 珠峰的旅程中,地平线人用技术创造价值,在成就客户中完成自我进阶。5 年间,地平线实现了中国 AI 芯片量产上车 0 的突破,也正式迈入车规级 AI 芯片前装量产元年。值此校招之际,我们把目光放到那些“量产背后的人”,来一窥中国首款车规级 AI 芯片前装量产背后的故事。 第四篇来自“23 岁就成为 Feature Owner,用疲劳分级为长安 UNI-T 车主保驾护航”的软件工程师书未。

危险驾驶分为很多种情况,而公认的高速公路第一杀手就是隐蔽性极高的疲劳驾驶。因为每个人对于疲劳的感知并不相同,所以交通法规很难将其标准化。甚至有些司机集中注意力开车的时候,根本意识不到自己的疲劳,这种风险最难让人察觉。  那么,有没有一种技术手段来提醒司机该休息了?汽车厂商在苦苦寻找答案,AI 公司也在艰难探索方案。 

在地平线的长安 UNI-T 项目中,实现识别疲劳驾驶是最重要的核心需求之一,而刚从东南大学信息工程专业毕业的书未扛下了这项重任。

书未刚满 23 岁,毕业前就在地平线做实习生,参与了征程 2 芯片软件框架的研发。去年 7 月份他成为了地平线的正式员工,没想到很快就接受了一项新的任务:负责疲劳分级特性功能的研发。

做一款能识别驾驶员疲劳程度的产品——这在地平线“前无古人”。在尝试的过程中,书未刚开头就碰到一个最基本的问题:疲劳是什么?简简单单的一句话,让他伤透了脑筋。因为疲劳太抽象了,两个人面对面的时候可能看得出来,但是机器怎么去区分一个人是不是疲劳呢?

书未首先从数据入手。在接连两个月的疲劳数据分析,和一场又一场的头脑风暴会议之后,书未总算慢慢拨开迷雾:

“疲劳的第一个特征是 PERCLOS,即为一段时间内闭眼时长的占比,再结合打哈欠和两秒之内的微睡眠即可识别司机的疲劳程度。”

拿着这个定义,UNI-T 疲劳分级的研发工作正式启动。

抓住疲劳特征后,书未和他的团队同学马上面临着第二个挑战,疲劳的这些特征是否可识别?如何得到一个工程级的实现?最开始书未没想太多,他觉得自己只是一个软件工程师,只需要负责自己的工作就好。他说:

“产品实现有一个确定的流程,产品、软件、算法、测试四个部门协同负责,我当时认为软件工程师只需要把不断更新的指标集成到平台上去即可,至于最终出来的结果是什么样子,这不是自己这种普通员工能决定的。”

但是后来书未发现,这个确定性慢慢被打破了,总会有一些问题直接反馈给他,算法团队的工作也需要他来协调和给出策略意见,一时间把他搞得手忙脚乱。他去问自己的导师怎么办,导师告诉他:

“你是 owner,是主人,你要把自己当成整个需求的决策者来看待,不要把自己仅仅当成一个螺丝钉!”

真实的驾驶疲劳与有意表演出来的疲劳有多大差异?靠有意表演的数据能不能真正解决问题?这些问题是书未应当面对的难题,更是整个团队共同面临的问题。在解决这些问题的过程中,书未充分担当 Feature Owner 的责任,拉通团队、分工协作。书未所在的团队找到十几万条大客车的数据,并分工从中筛选出一万多条有效的真实疲劳数据。除此之外,书未还和算法同学紧密配合,他们不放过每一个可能解决问题的思路,同时从策略上尝试引入不同算法输出结果来辅助疲劳分析,用这一万多条数据反复试验验证,检测指标从 80% 一步一步提高,最后超过 95%。正是书未和团队的坚持与不放弃,最终将功能打造到可以放心量产。书未在实践中学会了系统性地整理和思考问题:先是提出误报抑制策略,把疲劳场景约束到实际开车场景中,然后整合了两套算法模型,把误报率压到了最低。产品出来后,许多人都告诉他,这个技术实现成果在业内独一无二。而对书未而言,最重要的还是他的想法开始转变,他摆脱了单纯的工程师视野:

“我逐渐发现策略不是孤立的,应该说,所有的工作都是为项目整体服务的,把这个项目做成就是我的本职工作,不推脱责任更要团结众人之力。” 

疲劳场景是客户提出的核心需求之一,不断提高和完善疲劳分级的指标,优化各类 bad case,是做好上层疲劳缓解等用户交互场景的重要基石。算法团队曾经给出过两套方案,一套是单帧检测驾驶员是否闭眼,再由书未集成到程序中计算驾驶员的 PERCLOS,判断其是否疲劳,另一套是多帧算法直接给出结果。两套方案看起来都不错,同时各有各的不足。单帧识别的指标明确,但是需要书未人为调整最终的疲劳评价策略,多帧算法能够自行标记更多的模型特征,但是需要大量的数据“喂养”。 最终在产品中,书未选择了单帧识别的方案,将疲劳根据打哈欠和 PERCLOS 的程度分为轻中重三级,与业内的“疲劳检测”相比,分级模型在精度上傲视群雄。长安 UNI-T 项目交付的时候,客户就对此赞不绝口,现在识别疲劳驾驶成为该款车型最与众不同的卖点之一,被称为能主动察言观色的“黑科技”。这个黑科技颇为实用,比如监测到司机轻度疲劳时,车上的 AI 管家“小安安”会主动出言提醒,“老铁,开车一定要打起精神来呦”;如果司机重度疲劳,车辆会自动开启提神模式,比如打开车窗、空调 18 度+3 档冷风,并播放音乐等等。语音交互加上物理刺激,一方面能给司机提神,另一方面,司机也能很快就意识到自己的状态不对,不会在迷迷糊糊中继续开车。

在这个项目上投入了一年之后,书未发现,人类对于疲劳的认知还有大量可以发掘的空间,有的人疲劳的时候挠头,有的人疲劳的时候捂嘴,继续研究下去,未来会得到越来越精细的结果,地平线的疲劳分级产品也会不断推陈出新,继续守卫驾驶人员的安全。书未说:

“如果有一天,疲劳驾驶消失,那这个世界会变成什么样?可以想见,许多家庭悲剧不再重演,无数生命将得到挽救,这是一场改变世界的变革。”

谈及自己在地平线的这一年,书未说他看得最多的就是疲劳驾驶的危害,每次看到一个司机犯困的视频,他都会心头一紧,担心一场不幸即将发生在眼前。一年前他对疲劳驾驶的认知还只是停留在纸面上,现在这已经成为了他工作中最有价值感的一部分。

“哪怕只有百分之一的司机听到了来自于 AI 的提醒,只要能够避免了几场不必要的车祸,我也会觉得,我做到了,我成功了。”

原文标题:AI 就对了 | 捕捉疲劳驾驶的猎手,23 岁书未为长安 UNI-T 车主保驾护航

文章出处:【微信公众号:地平线HorizonRobotics】欢迎添加关注!文章转载请注明出处。

打开APP阅读更多精彩内容

收藏

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容图片侵权或者其他问题,请联系本站作侵删。 侵权投诉

相关话题

评论(0)

加载更多评论
相关文章

分享到

QQ空间 QQ好友 微博
取消