Teknologi pemantauan pengemudi kembali berkembang, kali ini dengan pendekatan yang lebih luas dari sekadar mendeteksi kantuk. Tim peneliti dari Edith Cowan University di Australia mengembangkan sistem kecerdasan buatan yang bisa membaca wajah pengemudi untuk menilai tiga kondisi berisiko sekaligus, yaitu mabuk, lelah, dan marah.
Sistem ini dirancang untuk menganalisis rekaman video wajah secara real-time tanpa perlu kontak fisik dengan pengemudi. Pendekatan tersebut dinilai penting karena tiga kondisi itu sering menjadi pemicu utama kecelakaan lalu lintas, terutama ketika tanda-tandanya muncul secara halus dan sulit dikenali manusia dalam waktu singkat.
AI membaca wajah untuk menilai risiko berkendara
Program ini dijuluki “Jack of Many Faces” oleh tim peneliti. Sistem tersebut memeriksa gerakan halus pada wajah, pola kedipan mata, dan ekspresi umum untuk membedakan apakah seseorang hanya membuat ekspresi biasa, mengantuk, atau berada di bawah pengaruh alkohol.
Menurut data yang dipublikasikan tim peneliti, model ini mampu mendeteksi kadar alkohol dalam darah dengan akurasi mendekati 90 persen. Untuk mendeteksi kantuk, tingkat akurasinya disebut mencapai 95 persen.
Peneliti juga menyatakan sistem ini dapat mengelompokkan kondisi pengemudi ke dalam tiga level. Kategorinya meliputi sadar, sedang, dan parah, sehingga pemantauan tidak berhenti pada status biner aman atau tidak aman.
Zulqarnain Gilani, salah satu peneliti yang terlibat, mengatakan algoritma ini dirancang untuk memisahkan penyebab perubahan wajah yang terlihat serupa. Menurut dia, sistem harus bisa membedakan apakah pengemudi mengantuk, hanya membentuk ekspresi tertentu, atau benar-benar terpengaruh alkohol agar kondisi fisik yang dinilai tetap akurat.
Mengapa pendekatan ini dianggap penting
Deteksi mabuk pada pengemudi selama ini identik dengan breathalyzer atau tes darah. Metode itu memang sangat akurat, tetapi bersifat invasif, membutuhkan kerja sama aktif, dan umumnya harus dilakukan langsung di lapangan.
Sistem berbasis video menawarkan model pengawasan yang pasif dan terus-menerus. Teknologi ini tidak meminta pengemudi meniup alat atau menjalani pemeriksaan fisik saat kendaraan sedang dipantau.
Pendekatan semacam ini relevan dengan tren industri otomotif yang makin mengandalkan pemantauan kabin. Banyak produsen dan pemasok sistem bantuan pengemudi kini mengembangkan driver monitoring system untuk mengenali gangguan perhatian, kantuk, dan perilaku berisiko sebelum terjadi insiden.
Dalam konteks keselamatan jalan, kelelahan dan emosi agresif sama seriusnya dengan mabuk. Kelelahan berat dapat memunculkan gejala wajah yang mirip orang mabuk, sementara kemarahan dapat berkembang menjadi road rage yang meningkatkan peluang manuver berbahaya.
Cara kerja sistem pada siang dan malam hari
Salah satu kendala utama pemantauan wajah di kendaraan adalah kondisi pencahayaan. Kamera biasa sering kesulitan membaca detail wajah saat malam, padahal risiko kantuk justru kerap meningkat pada jam gelap.
Untuk menjawab masalah itu, tim peneliti mengembangkan model pendamping yang menggabungkan video warna standar dengan rekaman inframerah penglihatan malam. Kombinasi dua sumber video ini dipakai untuk mengekstrak geometri wajah secara lebih akurat dalam kondisi minim cahaya.
Metode tersebut membantu sistem tetap membaca titik-titik penting pada wajah ketika pencahayaan kabin tidak ideal. Dengan begitu, kemampuan deteksi tidak hanya bergantung pada kondisi siang hari atau cahaya jalan yang cukup.
Fungsi utama yang diklaim sistem
Berikut kemampuan utama yang disorot dari sistem AI ini:
- Mendeteksi tanda mabuk dari analisis wajah.
- Mengenali gejala kantuk melalui kedipan dan ekspresi.
- Mengidentifikasi kemarahan yang berpotensi memicu road rage.
- Mengelompokkan tingkat kondisi pengemudi menjadi tiga level.
- Bekerja pasif secara real-time tanpa interaksi fisik.
- Tetap berfungsi di malam hari lewat gabungan video warna dan inframerah.
Kemampuan multikondisi ini menjadi pembeda penting. Sebab, banyak sistem pemantauan sebelumnya lebih fokus pada satu indikator, misalnya hanya mendeteksi mata tertutup terlalu lama atau arah pandangan yang menyimpang.
Potensi penggunaan dan tantangan di lapangan
Jika dikembangkan lebih lanjut, teknologi seperti ini berpotensi dipasang pada mobil pribadi, armada logistik, bus, hingga kendaraan komersial. Sistem juga bisa terhubung dengan peringatan suara, getaran kursi, atau pembatasan fungsi kendaraan ketika risiko dinilai tinggi.
Namun, penerapan di dunia nyata tetap memerlukan pengujian lebih luas pada beragam wajah, usia, kondisi kesehatan, kebiasaan berkendara, dan lingkungan berkendara. Akurasi di laboratorium atau dalam pengujian terbatas belum selalu sama dengan performa di jalan yang penuh variasi.
Aspek privasi juga akan menjadi perhatian besar karena sistem bekerja dengan kamera yang terus memantau wajah pengemudi. Produsen kendaraan dan pengembang perangkat lunak perlu memastikan pemrosesan data dilakukan secara aman, transparan, dan sesuai aturan perlindungan data yang berlaku.
Di tengah dorongan global untuk menekan angka kecelakaan, pengembangan AI pemantau wajah seperti ini menunjukkan arah baru keselamatan berkendara yang lebih preventif. Alih-alih menunggu pelanggaran atau tabrakan terjadi, sistem berupaya membaca sinyal risiko sejak dini langsung dari kondisi fisik dan emosi pengemudi.