A tecnologia apoiada por aprendizado de máquina (ou machine learning, em inglês) utiliza sinais de vídeos RGB padrão (vermelho, verde e azul) dos rostos dos participantes do teste, para avaliar o grau de embriaguez. De acordo com os pesquisadores, a máquina analisa características como movimentos faciais, direção do olhar e posição da cabeça.

As câmeras também fazem vídeos 3D e infravermelhos do rosto do motorista, para ampliar a análise. Além disso, consegue capturar vídeos RGB retrovisores, mostrando a postura do motorista e interações de direção. “Nosso sistema detecta vários níveis de comprometimento por intoxicação alcoólica, com uma precisão geral de 75% para a classificação de três níveis”, disse a aluna de doutorado da ECU, Ensiyeh Keshtkaran.

Conforme o projeto, a tecnologia com visão computacional ainda pode oferecer, no futuro, integração às câmeras de trânsito. Assim como os sistemas de identificação do uso do cinto de segurança ou a atividade do telefone celular, o rastreamento visual também oferece uma ferramenta barata, de fácil instalação em qualquer veículo.