最好是在醉酒駕駛者上車時就發現他們，而不是在他們已經危險駕駛一段時間後才發現。一種新的臉部追蹤系統正是基於這個考慮而誕生的，它利用了一個普通的車載攝影機。

儘管目前已經有一些用於檢測駕駛員醉酒情況的實驗性車載整合裝置，但其中許多都使用了專門的設備，如微型呼氣式酒精檢測儀，甚至是壓力感應座椅。還有一些則是透過評估駕駛者的駕駛模式來運作，在數據還在收集過程中，就有可能允許這些人醉酒駕駛。

針對這些限制，澳洲艾迪斯科文大學的科學家著手開發一種系統，透過傳統、廉價的硬體提供早期幹預。

研究人員首先讓60 名志願者使用室內駕駛模擬器，同時用傳統的RGB（紅、綠、藍）攝影機記錄他們的臉部畫面。每個人在三個連續的醉酒水平下駕駛：清醒、低度和嚴重。

然後，使用基於機器學習的演算法仔細檢查錄像，尋找所有（或至少大部分）測試物件在三個層級中的每個層級所表現出的明顯視覺特徵。結果發現，某些臉部動作以及注視方向和頭部位置是相對一致的指標。

隨後，該演算法在更多酒駕臉部影片上進行了測試，結果證明，該演算法在判斷每個人屬於三個等級中的哪一級時，準確率為75%。隨著技術的進一步發展，這一數字還會有所提高，其中包括在更大的數據集上進行訓練。

此外，該系統還可以整合到智慧型手機應用程式中（雖然這並不是第一個醉酒檢測應用程式），讓用戶可以對自己或同行的人進行檢測。可能性不止於此。

首席科學家Syed Zulqarnain Gilani 博士說：「這項研究證實，只用一個簡單的攝影機就能檢測醉酒程度。我們研究的下一步是確定採用這種演算法所需的影像解析度。如果低解析度影片被證明是足夠的，這項技術就可以被安裝在路邊的監視器所採用，執法機構就可以利用它來防止酒後駕車”。

閱讀在IEEE/CVF 電腦視覺應用冬季會議上發表的研究成果。