Klasifikace alkoholem intoxikovaných osob s využitím AI a statistické analýzy

Kristína Bačová

Bakalářská práce

Classification of alcohol-intoxicated individuals using AI and statistical analysis

Anotace:

Bakalárska práca sa zaoberá klasifikáciou osôb intoxikovaných alkoholom na základe analýzy termografických snímok tváre s využitím metód umelej inteligencie a štatistickej analýzy obrazu. Cieľom práce bolo overiť, či možno zmeny fyziologického stavu po požití alkoholu zachytiť prostredníctvom rozdielov v teplotnom rozložení v oblasti čela a nosa. Použitý dataset pozostával zo 16 probandov, u ktorých boli zaznamenané termografické snímky v rôznych úrovniach intoxikácie. Z týchto snímok boli vybrané oblasti záujmu (ROI), z ktorých boli následne vypočítané základné štatistické parametre intenzity pixelov, najmä priemer, medián, rozptyl a smerodajná odchýlka. Tieto parametre boli ďalej analyzované v závislosti od rastúcej hladiny alkoholu. Klasifikácia bola realizovaná pomocou konvolučnej neurónovej siete GoogLeNet implementovanej v prostredí MATLAB. Dosiahnutá presnosť sa pohybovala v rozmedzí 66,7 % až 83,3 % v závislosti od nastavenia hyperparametrov. Model preukázal schopnosť rozlišovať medzi triezvym a intoxikovaným stavom, avšak jeho generalizačná schopnosť bola obmedzená najmä veľkosťou datasetu. Výsledky naznačujú, že termografická analýza tváre je použiteľná pre detekciu intoxikácie, pričom presnosť klasifikácie závisí od kvality a rozsahu vstupných dát.

Abstract:

The bachelor thesis focuses on the classification of alcohol-intoxicated individuals based on the analysis of facial thermographic images using artificial intelligence methods and statistical image analysis. The aim of the thesis was to verify whether physiological changes caused by alcohol consumption can be detected through differences in temperature distribution in the forehead and nose regions. The dataset consisted of 16 subjects, from whom thermographic images were acquired at different levels of intoxication. Regions of interest (ROI) were selected from these images, and basic statistical parameters of pixel intensity were subsequently calculated, namely mean, median, variance, and standard deviation. These parameters were further analyzed in relation to increasing alcohol levels. Classification was performed using a GoogLeNet convolutional neural network implemented in the MATLAB environment. The achieved accuracy ranged from 66.7% to 83.3%, depending on the hyperparameter settings. The model was able to distinguish between sober and intoxicated states; however, its generalization capability was limited mainly by the small dataset size. The results suggest that facial thermographic analysis may be used for intoxication detection, while classification performance depends on the size and quality of the input data.

Klíčová slova

termografia, intoxikácia alkoholom, analýza obrazu, konvolučná neurónová sieť, GoogLeNet, MATLAB, štatistická analýza, klasifikácia

Keywords

thermography, alcohol intoxication, facial image analysis, convolutional neural network, GoogLeNet, MATLAB, statistical analysis, classification

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 17. 4. 2026

Obhajoba závěrečné práce

• Vedoucí: Radomír Ščurek
• Oponent: Marek Hütter

VŠB – Technická univerzita Ostrava

Fakulta bezpečnostního inženýrství

Bakalářský studijní program:
Technická bezpečnost osob a majetku