【MAXAIOT】AI機車路考擺頭辨識輔助系統

參賽團隊名稱：MAXAIOT

本系統可以利用監理站考場攝影機設備，當考生進入各個考試關卡時，進行擺頭偵測，並依據各個關卡的擺頭標準，提供文字，如:通過/不通過以及影片來輔助考官進行判斷。

提案動機

在機車路考考試中，因為忘了擺頭而導致路試成績被扣的考生竟然佔了 2 成以上甚至快接近 6 成，此外因擺頭與否所引起的扣分爭議也時有所聞，如最近的媒體焦點「考照擺頭不明顯被扣分報復性擺頭 8 次」等新聞事件，皆足以說明在路考中如何降低擺頭扣分爭議為另一個重要的課題。

軟硬體資訊

硬體：

• EPC-TGU(Intel® Core™ i7-1185G7E 處理器)
• 監理站考場攝影機 x6

軟體：

• Intel OpenVINO Toolkit 2022.1
• Python

本系統開發流程

1. 1. 蒐集擺頭資料集：將資料標籤分為head_n (沒擺頭)、head_left (左擺頭)以及head_right (右擺頭)三類。並使用LabelImg標註訓練照片。如下圖所示，非實際訓練圖片。(肖像權疑慮，無法展示實際訓練圖片)
      

      沒擺頭	右擺頭	左擺頭

   2. 訓練物件偵測模型：選用YOLOv5當作偵測擺頭的模型，採Pytorch訓練，其訓練圖片大小為 640x640x3。
   3. 轉換模型：將Pytorch權重轉為OpenVINO IR權重。

成果介紹

驗證訓練完的YOLOv5模型，由混淆矩陣可以觀察到模型在右擺頭、左擺頭以及沒擺頭三個類別的表現相當優異，平均都達到92%以上的準確率。

驗證圖片：

最後我們將駕駛執照考驗制度的關卡裡的痛點(擺頭爭議)可視覺化，藉由梳理雙方的接觸節點，以及使用者(考生)在不同階段的任務、獲益和痛點，來說明導入「AI機車路考擺頭辨識輔助系統」前後，對考生帶來的滿意度之影響。

成果影片：

參考資料：

YOLOv5 github
LabelIMG github