[論文レビュー] Drivers' attention detection: a systematic literature review

Luiz Gustavo D. O. Veras, Anna Karina Fontes Gomes+2 more|arXiv (Cornell University)|Apr 6, 2022

Human-Automation Interaction and Safety被引用数 4

ひとこと要約

本システマティックレビューでは、画像ベースのドライバーの注意喚起検出に関する50件の研究を分析し、実世界の運転状況における画像ベースの注意喚起検出に適した22件の関連する一次研究を同定した。主な貢献は、注意基準、検出技術、センサー使用に関する包括的合成であり、特に頭部位置（21件の引用）と眼状態（18件の引用）が最も一般的であることが明らかになった。これにより、今後のADAS開発およびドライバーの注意散漫や眠気検出分野の研究基盤が築かれる。

ABSTRACT

Countless traffic accidents often occur because of the inattention of the drivers. Many factors can contribute to distractions while driving, since objects or events to physiological conditions, as drowsiness and fatigue, do not allow the driver to stay attentive. The technological progress allowed the development and application of many solutions to detect the attention in real situations, promoting the interest of the scientific community in these last years. Commonly, these solutions identify the lack of attention and alert the driver, in order to help her/him to recover the attention, avoiding serious accidents and preserving lives. Our work presents a Systematic Literature Review (SLR) of the methods and criteria used to detect attention of drivers at the wheel, focusing on those methods based on images. As results, 50 studies were selected from the literature on drivers' attention detection, in which 22 contain solutions in the desired context. The results of SLR can be used as a resource in the preparation of new research projects in drivers' attention detection.

研究の動機と目的

• 画像ベースの技術を用いたドライバーの注意喚起を検出するための既存の計算手法を同定し、統合すること。
• 現在の研究で用いられている注意基準（例：注意散漫、疲労、眠気）を分析すること。
• ドライバー注意喚起システムで用いられている検出技術、センサー、データ処理手法を評価すること。
• 研究者や開発者が重複作業を避け、今後のADAS研究をガイドするための構造的リファレンスを提供すること。
• 複数の注意要素の統合に関する研究ギャップ、および低消費電力プラットフォームへの統合可能性に関する課題を特定すること。

提案手法

• 8段階の定型プロトコルに従って、システマティックレビュー（SLR）を実施：トピック定義、プロトコル作成、文献検索、重複チェック、選定基準の適用、データ抽出、検証、結果分析。
• ドライバー注意喚起検出、画像処理、ADAS関連のキーワードを用いて学術データベースを検索し、関連する研究を絞り込むために包含・除外基準を適用した。
• 初期の50件の研究から、発表年、著者、検出技術、注意基準、使用センサー、検出戦略に関するデータを抽出した。
• 実世界の運転状況における画像ベースのドライバー注意喚起検出に適した22件の一次研究を選定した。
• 注意要素（例：目、頭部位置、顔面特徴）の使用に基づいて技術を分類し、頻度マトリクスを用いて技術と要素をマッピングした。
• チームの合意形成と第三者評価を用いてレビュー手順の検証を行い、レビュアーのバイアスを低減し、再現性を確保した。

実験結果

リサーチクエスチョン

• RQ1 画像ベースのドライバー注意喚起検出システムで、最も一般的に使用されている注意基準（例：注意散漫、疲労、眠気）は何か？
• RQ2 現在の研究において、最も頻繁に使用されている検出技術とセンサーは何か？
• RQ3 既存のソリューションでは、異なる注意要素（例：眼状態、頭部位置、顔面特徴）がどのように組み合わせられているか、または個別に使用されているか？
• RQ4 複数の注意要素の統合や、組み込み型またはクラウドベースのプラットフォームへのシステム展開に関する、現在の研究におけるギャップは何か？
• RQ5 ADASアプリケーションにおけるリアルタイムかつ低リソースな展開に最も適した技術は何か？

主な発見

• 頭部位置が最も頻繁に引用された注意要素であり、21件の研究に登場した。次に眼状態（18件）が続いた。これは、顔の動きや目の動きに強く依存していることを示している。
• ビオラ・ジョーンズ特徴検出法とサポートベクターマシン（SVM）は、それぞれ11件および10件の研究で最も多く使用されており、初期段階の検出において確立された役割を果たしていることがわかる。
• マルチレイヤー畳み込みニューラルネットワーク（CNN）とマルチストリームニューラルネットワークは、それぞれ7件および6件の研究で採用され、近年の深層学習へのシフトを反映している。
• PERCLOS（眼の閉じる割合）は11件の研究で疲労検出の主要指標として使用され、眠気評価におけるその重要性が確認された。
• 口の状態や唇の状態を特徴量として使用した研究はわずか7件にとどまり、認知的注意散漫の検出においてその可能性が示唆されているにもかかわらず、未だに活用が不十分であることがわかった。
• 研究間で標準化された評価が欠如しており、最適な技術と注意要素の組み合わせについての合意形成がなされていないことが明らかになった。今後の研究において、ベンチマークフレームワークの構築が求められる。