尽管目前已经有一些用于检测驾驶员醉酒情况的实验性车载集成装置，但其中许多都使用了专门的设备，如微型呼气式酒精检测仪，甚至是压力感应座椅。还有一些则通过评估驾驶员的驾驶模式来工作，在数据还在收集过程中，就有可能允许这些人醉酒驾驶。
针对这些限制，澳大利亚埃迪斯科文大学的科学家们着手开发一种系统，通过传统、廉价的硬件提供早期干预。
研究人员首先让 60 名志愿者使用室内驾驶模拟器，同时用传统的 RGB（红、绿、蓝）摄像机记录他们的面部画面。每个人在三个连续的醉酒水平下驾驶：清醒、低度和严重。
然后，使用基于机器学习的算法仔细检查录像，寻找所有（或至少大部分）测试对象在三个级别中的每个级别所表现出的明显视觉特征。结果发现，某些面部动作以及注视方向和头部位置是相对一致的指标。
随后，该算法在更多酒驾面部视频上进行了测试，结果证明，该算法在判断每个人属于三个级别中的哪一级时，准确率为 75%。随着技术的进一步发展，这一数字还会有所提高，其中包括在更大的数据集上进行训练。
此外，该系统还可以集成到智能手机应用程序中（虽然这并不是第一个醉酒检测应用程序），让用户可以对自己或同行的人进行检测。可能性还不止于此。
首席科学家 Syed Zulqarnain Gilani 博士说："这项研究证实，只用一个简单的摄像头就能检测醉酒程度。我们研究的下一步是确定采用这种算法所需的图像分辨率。如果低分辨率视频被证明是足够的，这项技术就可以被安装在路边的监控摄像头所采用，执法机构就可以利用它来防止酒后驾车"。
阅读在IEEE/CVF 计算机视觉应用冬季会议上发表的研究成果。
