新技术利用车内监控检测驾驶员早期痴呆症

佛罗里达大西洋大学 (FAU) 的研究人员正在进行一项突破性研究，该研究利用车载开源监控和人工智能传感系统来评估驾驶员患痴呆症的风险。这种创新方法旨在提供认知变化的早期预警，这是提高道路安全的关键一步。

令人担忧的统计数据凸显了此类技术的必要性：据估计，目前美国有400万至800万患有轻度认知障碍的老年人仍在驾驶，其中三分之一的人将在五年内发展为痴呆症。进行性痴呆症患者最终将无法安全驾驶，但许多人仍然没有意识到自己的认知能力正在下降。

本研究matic地探讨了车内监控系统如何检测出提示认知障碍的异常驾驶行为。鲜有研究报道使用连续、隐蔽的传感器及相关监控设备来检测高度复杂的日常活动中随时间推移发生的细微变化。

“在因交通事故dent的老年驾驶员的大脑中发现了阿尔茨海默病的神经病理学改变，而这些驾驶员生前甚至不知道自己患有此病，也没有任何明显的症状，”首席研究员露丝·塔彭教授说道。“我们开展这项研究的目的是为了尽早、有效地dent认知功能障碍。安装在老年驾驶员车辆上的传感器系统可以检测到这些变化，并能对可能的认知变化发出早期预警。”

纵向研究设计

本研究采用自然纵向设计，获取驾驶行为的连续信息，并将其与每三个月进行一次、持续三年的全面认知测试结果进行比较。车辆上安装了驾驶员侧摄像头、前置摄像头和远程matic处理单元，并在进行认知测试时每三个月下载一次数据。

研究人员正在评估异常驾驶行为，例如迷路、无视交通信号灯和标志、险些发生碰撞事件、注意力trac和疲劳驾驶、反应时间和刹车模式。他们还在分析出行模式，包括出行次数、行驶里程、高速公路里程、夜间和白天驾驶以及恶劣天气下的驾驶情况。

开源硬件和软件方法

由佛罗里达大西洋大学（FAU）工程与计算机科学学院的研究人员开发的车载传感器网络，采用开源硬件和软件组件，旨在降低车载传感单元开发所需的时间、风险和成本。该车内传感器系统设计简洁紧凑，最大限度地减少了复杂的布线、传感器尺寸和传感器数量，从而确保其隐蔽性。

每个车载传感器系统包含两个分布式传感单元：一个用于采集matic信息处理数据，另一个用于采集视频数据。惯性测量单元处理数据，以确定急刹车、加速、转弯和GPS数据。视频单元内置人工智能功能，可实时分析视频，包括驾驶员相关指标（如人脸检测、眼睛检测、打哈欠、注意力trac、吸烟和使用手机）以及行为指标（如交通标志）。 

检测、物体检测、车道穿越、险些碰撞和行人检测。