醉没醉，带上智能手机走两步就知道

点击上方“AI算法与图像处理”，选择加"星标"或“置顶”

重磅干货，第一时间送达

来源：HyperAI超神经

场景描述：斯坦福大学和匹兹堡大学的研究小组，最近发表了一项用智能手机检测醉酒状态的研究，可利用步态特征检测相应的血液和呼吸酒精浓度。以后喝没喝多，用你的手机测一测就知道。

关键词：智能手机醉酒检测步态分析

「你喝多了。」

「我没喝多。」

到底喝多没喝多，无需多言，只要带上你的手机走两步，就能判断出来。

这是来自斯坦福大学和匹兹堡大学研究小组的最新研究成果。他们利用智能手机中的传感器和加速度计，实现醉酒状态判断，在 22 名志愿者试验中，获得了 92.5% 的准确率。

喝酒一时爽，醉酒危害多

国内素来有「无酒不成宴」的说法。相信很多人对国内的酒文化都不陌生，每逢宴席聚会，总少不了被劝酒。

我国白酒人均消耗 4.34 升/年，人均消费近 2 万元/年

呈稳定上升趋势（数据来源：天风证券研究所）

虽说喝酒会给人带来快感，但是无论小酌还是多喝，都不会怡情，只会伤害自己的身体，还容易因醉酒而发生各种事故。

据世卫组织调查报告显示，每年全球因酒精致死 300 万人，酒精的有害使用占全球疾病负担的 5.1％。

酒精致死事件和疾病中，消化系统疾病占比最大（2016 年）

数据来源：WHO《Global status report on

alcohol and health》

此外，因酒后驾驶造成的交通事故占比近 30%，2019 年仅上半年，因酒驾醉驾导致的非死亡交通事故就达到 7512 起。

匹兹堡大学医学院的首席研究员 Brian Suffoletto，现在就职于斯坦福大学医学院急诊医学系。他介绍说，自己大学时的好友，就是因一次酒后驾驶事故而离开人世。而他这些年在急诊科，也见过了太多因酒精中毒被送来的成年人。

因此他认为，实时掌握有关酒精中毒的信息帮助人们减少饮酒、预防酒后驾驶等很重要。近十年来，他一直致力于研究数字化的饮酒干预措施，防止过量饮酒造成的伤亡。

拿上手机走直线，检测是否喝醉

目前，对于醉酒的检测，一般依赖于常规方法，如呼吸分析仪或抽血，但这些都需要专业仪器和专业人士的参与。

Brian Suffoletto 希望能借助身边的工具来检测，他表示：「如今我们无论走到哪里，都随身携带强大的传感器（智能手机）。因此，我们要学习如何使用它们来最好地为公共卫生服务。」

近日，他所带领的团队在《酒精与药物研究杂志》（《Journal of Studies on Alcohol and Drugs》）发表了最新研究《A Preliminary Study Using Smartphone Accelerometers to Sense Gait Impairments Due to Alcohol Intoxication》，介绍了使用智能手机检测是否醉酒的方法。

一项使用智能手机加速计检测酒精中毒引起的

步态损伤的初步研究

本次研究聚焦在血液酒精浓度（BAC）和呼吸酒精浓度（BrAC）与步态特征方面的关联度。

第一步：受试者饮酒

2018 年下半年，Suffoletto 团队招募了 22 位年龄在 21 至 43 岁之间的成年人，作为志愿者，进行对照实验室研究。

这 22 位志愿在接受研究之前，被要求 24 小时内戒酒，并避免服用其他精神药物和咖啡因。

然后，实验过程中，志愿者们在 1 个小时内，喝完了特定剂量的伏特加和酸橙汁的混合饮料，这些剂量是测算好，能够达到 BrAC=0.20%（表示每公升的呼气中，含有 0.2 毫克的酒精）。

饮酒剂量分别根据志愿者的身高、体重计算得出

之所以要确认志愿者的 BrAC 能够达到 0.2%，是因为在美国全境，若 BrAC 超过 0.2% 驾驶，则会被认定为犯罪。

第二步：步态、酒精浓度数据采样

饮酒后，志愿者每小时进行一次步行实验。研究者对其步行数据、呼吸酒精浓度以及血液中的酒精浓度进行了测量。

在实验之前，研究人员已将智能手机固定在每个参与者的背部下方。步行实验时，志愿者会在指示下，在平坦、铺着地毯的地面，沿着直线走 10 步，接着转身，走回起点。

走直线是美国检测酒驾的常见方法之一

研究团队通过一个叫做 phyphox 的手机 App 来记录加速度计数据，之后进行步态特征提取。

志愿者步行时，智能手机的传感器和该 App 会测量其 x、y、z（左右、前后、垂直）三个方向的数据。

这项研究的一项重要优势是，他们发现使用逻辑回归模型可以实现高精度。这使他们能够检查模型中各个步态特征的相对贡献（使用机器学习无法直接实现）。

其中，他们发现沿手机 x 轴的幅度和方差是关键的预测指标（x 轴表示步行过程中的左右摇摆）。

在 17 名 BrAC 达到 0.08% 以上的志愿者

步态特征数据中，x 轴数据对结果影响最大

该研究的另一优势为，只使用 10 步的步行样本，这类样本在日常自然环境中，也是很容易收集的。

结果：利用步态变化测醉酒，准确率 92.5%

研究结果表明，研究人员能够利用步态变化，来确定参与者的呼吸酒精浓度何时超过美国法律上规定的 0.08%，准确率为 92.5%。

注：按照美国大多数州的法律，成年人体内酒精浓度超过 0.08% 即为醉酒，超过 0.2% 驾驶则为违法酒驾。

但由于样本量较小，步态数据点数量有限，当 BrAC 为 0.08％或更低时，步态特征能否区分低度的饮酒，就不是很确定了。

另外，研究中，手机是固定在背部下方的。但一般情况下，人们的手机是放在衣服口袋，这是否会影响检测结果，也未可知。

不过研究小组表示，下一步研究小组将在更现实的环境中测试这种设置，比如手机放在口袋中、在拥挤的酒吧走廊环境中。

Brian Suffoletto 早期曾利用短信干预的方式

预防年轻人酗酒

研究团队表示，虽然存在这些局限性，但这项「概念验证研究」，仍然为将来用手机检测酒精造成损伤的相关研究，奠定了基础。这项技术未来可以应用在驾驶行为监督、精密仪器操作、酒精依赖治疗等场景中。

如果这项研究发展足够成熟，智能手机可以直接替代传统的酒精浓度检测工具，这将大大节省人力与物力成本。

而更重要的是，届时喝醉酒就不用等交警来检查了，因为可能在你坐上驾驶座位之前，你的智能手机就已经发出警报，通知你的亲朋好友来接走你。

参考资料：

https://www.jsad.com/doi/pdf/10.15288/jsad.2020.81.505

https://www.sciencedaily.com/releases/2020/08/200818094030.htm

—— 完 ——

下载1：OpenCV黑魔法

在「AI算法与图像处理」公众号后台回复：OpenCV黑魔法，即可下载小编精心编写整理的计算机视觉趣味实战教程

下载2 CVPR2020

在「AI算法与图像处理」公众号后台回复：CVPR2020，即可下载1467篇CVPR 2020论文

个人微信（如果没有备注不拉群！）

请注明：地区+学校/企业+研究方向+昵称

醉没醉，带上智能手机走两步就知道 | AI应用场景