CN103770780A - 一种车辆主动安全***告警屏蔽装置 - Google Patents
一种车辆主动安全***告警屏蔽装置 Download PDFInfo
- Publication number
- CN103770780A CN103770780A CN201410017718.1A CN201410017718A CN103770780A CN 103770780 A CN103770780 A CN 103770780A CN 201410017718 A CN201410017718 A CN 201410017718A CN 103770780 A CN103770780 A CN 103770780A
- Authority
- CN
- China
- Prior art keywords
- chaufeur
- vehicle
- attention
- active safety
- alarm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 claims abstract description 20
- 230000004438 eyesight Effects 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims description 51
- 230000008569 process Effects 0.000 claims description 31
- 230000004424 eye movement Effects 0.000 claims description 21
- 230000000875 corresponding effect Effects 0.000 claims description 14
- 238000012360 testing method Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 7
- 210000001508 eye Anatomy 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 3
- 238000007664 blowing Methods 0.000 claims description 2
- 210000005252 bulbus oculi Anatomy 0.000 claims description 2
- 230000006996 mental state Effects 0.000 abstract 2
- 230000006872 improvement Effects 0.000 description 8
- 208000003443 Unconsciousness Diseases 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 206010039203 Road traffic accident Diseases 0.000 description 4
- 238000013459 approach Methods 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 206010003830 Automatism Diseases 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2540/00—Input parameters relating to occupants
- B60W2540/26—Incapacity
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车辆主动安全***告警屏蔽装置,包括:驾驶员注意力检测模块,用来比对人眼视线数据与注意力预测结果,并结合车体信号来综合判断驾驶员的精神状态;车载主动安全***模块,用来主动分析、判断车辆的运行安全状况,并提示驾驶员;综合告警控制模块,用来根据当前驾驶员精神状态的检测结果判定开启或屏蔽车载主动安全***模块,或主动向驾驶员告警。告警方式可以为声光或者其他方式的告警。本发明具有实现原理简单、可靠性好、智能化程度高、可及时主动进行安全控制等优点。
Description
技术领域
本发明主要涉及车辆主动安全***领域,特指一种基于视线跟踪与注意力计算相匹配的车辆主动安全***告警屏蔽装置,用来实现主动安全***(或设备)的告警策略或者告警屏蔽策略。
背景技术
随着汽车工业的发展,汽车越来越成为社会生产与日常生活中的重要组成部分;与此同时,汽车安全问题也逐渐成为人们关注的焦点。据统计,道路交通事故中大约有75%是由于人为失误导致的,而在这些人为导致的事故中,又有19%是由于无意识的车道跑偏导致的,26%是由于前向追尾导致的,这两类事故的发生都直接与驾驶员的精神状态有关,最终表现为驾驶员对车辆运行环境估计不准和驾驶员的反应滞后等。因此,驾驶员未将注意力集中在与当前驾驶任务密切相关的交通事件上是发生交通事故主要原因。
为了避免由于驾驶员精神状态不佳导致的事故,有从业者发明或研制了多种类型的车道偏离告警***、前向碰撞告警***以及行人碰撞告警***,以便能够在事故发生前对驾驶员进行某种方式的告警或提示,进而有效地减少事故发生的概率。
车道偏离告警***是基于车辆相对于道路的运行关系进行事故判断的方法。有从业者公开了一种基于单芯片的车道偏离提醒装置。通过对车辆的非正常越道行驶动作进行检测来对驾驶员的驾驶状态进行检测。
车辆前向碰撞***主要是判断当前车辆与前方车辆之间相对距离以及相对速度等指标来判断碰撞时间,当碰撞时间少于一定阈值时***对驾驶员提出预警。有从业者公开了一种基于多传感器信息融合的前向碰撞装置,使用毫米波雷达、图像传感器以及车辆本体传感器来判断当前车辆与前车之间的相对关系进行危险判断和预警。另有从业者提出的防止汽车追尾的告警方法与***所采取的思路也属于此类方法。
行人主动保护技术是使用传感器检测出前方行人以及与本车的相对关系来分析碰撞行人的风险,从而进行预警。另有从业者人发明了一种行人防撞检测方法,通过使用计算机视觉的方法来检测前方的行人位置,进而估计车辆与行人发生碰撞的概率。若概率大于一定阈值,***会进行告警。
以上所述的三类方法均是为了尝试克服由于驾驶员无意识(精力不集中、疲劳、反应迟缓、打瞌睡等)、非主动而导致的危险状况的发生。比如发生无意识的车道偏离、与前车\行人距离过小或者接近速度过快等。上述情况发生时,对驾驶员进行告警可以一定程度上减少事故的发生。然而,上述情况的出现未必是由于驾驶员无意识导致的,而有可能是驾驶员(尤其是熟练的驾驶员)的正常操作,比如不打转向灯换道时也会产生车道偏离,超车时可能距离前车距离过小。
因此车道偏离、与前车\行人距离过小或接近过快等情况,并不一定都是危险状况。因此不必全部告警。否则,这会导致驾驶员厌烦并对相应的主动安全***产生不信任感,从而导致驾驶员关闭主动安全***或者根本不加装此类主动安全***。此种情况的发生将会严重限制主动安全***的推广和使用。解决此问题的关键是区分上述状况是由于驾驶员有意识的主动操作导致的,还是驾驶员的无意识操作导致的。有从业者提出了通过是否打转向灯来判断驾驶员是否是有意识操作。事实上,这是一种简单的、间接的判断方法。若驾驶员打转向灯,判断其实有意识是合理的。然而不打转向灯判断其无意识是不合理的。
因此,主动安全***告警时必须同时满足以下两种条件:一、出现了可能发生危险的特征(车道偏离、与前车\行人距离过小或接近过快);二、这些情况是驾驶员的无意识、非主动的操作导致的(驾驶员没有意识到即将发生的危险)。当存在一种方式可以直接测量或判断驾驶员已经意识到目前状况时,***应该屏蔽掉告警信号。也就是说,在这种情况下即使出现了车道偏离、与前车\行人距离过小或接近过快等情况,***也不会告警。满足这样条件的主动安全告警才能真正起到提高驾驶安全性的作用,同时让驾驶员信任。
发明内容
本发明要解决的技术问题就在于:针对现有技术存在的技术问题,本发明提供一种实现原理简单、可靠性好、智能化程度高、可及时主动进行安全控制的车辆主动安全***告警屏蔽装置,从而降低当前主动安全***的虚假报警率。该策略和装置是基于对驾驶员的当前精神状态进行监测和判断,并且该方法是非接触式而且不干扰驾驶员正常的驾驶活动。
为解决上述技术问题,本发明采用以下技术方案:
一种车辆主动安全***告警屏蔽装置,包括:
驾驶员注意力检测模块,用来比对人眼视线数据与注意力预测结果,并结合车体信号来综合判断驾驶员的精神状态;
车载主动安全***模块,用来主动分析、判断车辆的运行安全状况,并提示驾驶员;
综合告警控制模块,当主动安全***判断可能发生危险时用来根据当前驾驶员精神状态的检测结果判定开启或屏蔽车载主动安全***模块告警信号,或主动向驾驶员告警。告警方式可以为声光或者其他方式的告警。
作为本发明的进一步改进:所述车载主动安全***模块为车道偏离告警模块、前向碰撞告警模块或行人保护***中的一种或多种。
作为本发明的进一步改进:所述驾驶员注意力检测模块包括前视摄像机、眼动仪和计算机,所述前视摄像机安装在车辆的挡风玻璃内侧,用于拍摄车辆的前方场景并发送至计算机;所述眼动仪安装在车辆的驾驶面板上,用于采集驾驶员的眼球关注信息并发送至计算机;所述车体信号直接从车体引出至计算机。
作为本发明的进一步改进:所述驾驶员注意力检测模块通过两个方面对驾驶员精神状态进行判断:一是通过分析驾驶员的实际注意视线和计算模型预测的驾驶员注意力分布,来判断驾驶员的精神状态;二是通过检测驾驶员是否在短时间内进行过有意义的操作,来判断驾驶员的精神状态。
作为本发明的进一步改进:所述通过分析驾驶员的实际注意视线和计算模型预测的驾驶员注意力分布来判断驾驶员精神状态的步骤如下:
(1):根据当前采集的图像预测驾驶员的注意分布。
(2):统计l个注视点采样周期内的注视点在预测注意力分布图中所处的概率密度的情况,根据这些情况来判断驾驶员是否将注意力投放于即将发生危险的交通事件相关的区域,是否能够及时发现突发事件。
作为本发明的进一步改进:所述步骤(1)的详细流程为:
(1.1)、首先采集当前图像I,同时初始化一个全零的注意力期望分布图A(x)=0,该图与原图像具有相同的尺寸;然后采用传统的计算机视觉方法对图像中的场景进行分析(进行车道线、车辆、行人的检测与跟踪)。检测车道线来确定并分割出道路区域lane,然后确定出车道偏离危险相关区域R_lane(距离车辆前轮连线中点最近的车道线区域);检测并分割出前方车辆区域vehicle,然后确定出前方车辆碰撞危险相关区域R_vehicle(距离车辆前轮连线中点最近的前方本车道内的车辆区域);检测并分割出前方行人区域pdstn,然后确定出前方行人碰撞危险相关区域R_pdstn(距离车辆前轮连线中点最近的前方的行人区域)。
(1.2)、对于图像x处的注意分布概率根据下式计算:
A(x)=max(e-d(x,R_lane),e-d(x,R_vehicle),e-d(x,pdstn)) (1)
其中d(x,R)表示点x到区域R的欧式距离,若x∈R,则d(x,R)=0,否则d(x,R)=min{d(x,y∈R)};
(1.3)、有了预测驾驶员注意力分布图,当主动安全***判断可能发生危险时,即可根据采集的驾驶员注视点的分布情况来判断驾驶员的当前注意力和反应情况;首先初始化一个长度为l的空数组B;在新的注视点采集之前,数组中的所有元素左移一位,空出最右的B(l);当采集到当前注视点后,根据该住视点位置x,为数组的最后一位赋值,令:
B(l)=A(x)=max(e-d(x,R_lane),e-d(x,R_vehicle),e-d(x,pdstn)) (2)
然后计算当前驾驶员的反应能力的指标:
若C大于一定阈值Tc,则可以判定驾驶员已经意识到了当前的危险状况,其反应能力良好。这说当前情况的出现是驾驶员主动的有意识的行为,因此属于安全状况而不必告警。
作为本发明的进一步改进:所述通过检测驾驶员是否在短时间内进行过有意义的操作来判断驾驶员的精神状态***,具体为:首先要检测上一次有意义操作距当前时刻的时间;初始化四个计时器Tt,Tb,Tr,Tw,依次对打转向灯、刹车、雨刮器、鸣笛动作进行检测;如果检测到相应的动作的结束信号,则将相应的计时器清零,否则,计时器正常计时;在每一个检测周期内,采用下式对驾驶员的精神状态进行评估:
D=max(e-Tt,e-Tb,e-Tr,e-Tw) (4)
如果此刻D大于一定的阈值Td,则说明驾驶员近期内做了有意义的动作,因此此刻是清醒的,Td为待训练参数。
作为本发明的进一步改进:进一步对驾驶员注意力检测模块进行初始标定,具体步骤如下:
(1):在停车状态下,在车辆上前视摄像机前方一定位置处摆放一些物体,以这些物体和场景中固有的其他远处物体作为标定基准;
(2):在停车状态下,辅助人员通过指定呈现在前视摄像机拍摄内容的屏幕上的某一个物体,并引导驾驶员进行注视,此时记录眼动仪所记录的驾驶员此刻的视线方向;
(3):通过改变被注意物体的位置或被注意物体本身,重复若干次步骤(2);
(4):对标定结果进行验证;此时引导驾驶员注意场景中不同的物体,将眼动仪估计出的驾驶员视线显示在前视摄像机拍摄的实时图像上,观察并记录这些物体与检测到的视线位置是否重合或者接近;如果误差满足要求,则结束初始标定过程结束;否则,重复步骤(2)至(3),开始重新标定。
与现有技术相比,本发明的优点在于:
1、本发明可以显著降低主动安全告警***的虚假告警率,提高驾驶员对主动安全***的信任程度。将本装置与传统主动安全告警***作为一个整体的安全告警***,与传统主动安全***比较时,本装置引入了驾驶员精神状态因素,并且驾驶员的精神状态(参见同时提交的申请)是可以精确测量的。通过对驾驶员注意力的监测,可以精确判断传统主动安全***所告警的情况属于驾驶员的有意识行为还是无意识行为。驾驶员无意识行为下的危险状况才是导致车祸根源,因此是必须告警的;而驾驶员有意识、主动的行为下所产生的虚假危险状况,并不应该属于告警的范畴。而传统的主动安全***不精确区别驾驶员的有意识和无意识行为,只要符合有限的危险特征就处于工作和报警状态,因此存在相当次数的虚假告警,从而影响了驾驶员对此类***的信任。本装置可以通过对驾驶员精神状态判断,从而很好地解决这一问题。
2、本发明对驾驶员精神状态检测结果更加准确。之前的有些主动安全告警***中,也对驾驶员的精神状态进行了简单的估计。比如在有些从业者提出的车道偏离告警***中,***如果发现驾驶员打开了转向灯,则判定驾驶员精神状态良好并屏蔽***报警信号。然而此方法对驾驶员的精神状态判断是相当不精确的。比如驾驶员如果未打转向灯并不意味着驾驶员处理不良精神状态。由于本发明没有依赖疲劳状态或驾驶员对特定事件的反应来间接地判断驾驶员的驾驶状态,检测结果能够更加准确地反应驾驶员对当前道路交通事件的判断和处理能力。正常驾驶状态下,驾驶员必然会对当前道路场景中的显著区域进行注意力分配和投放,因此通过实际注意力情况和期望注意力情况之间的比对,可以有效地估计驾驶员的驾驶状态。同时对驾驶员的注意力实测和对场景注意力计算均具有很高的精度,因此可以精确地判断驾驶员的精神状态。
3、本发明的检测过程是非接触式的。本发明的检测方法和检测过程不需要对驾驶员提供额外的刺激,不会干扰驾驶员正常的驾驶行为。另一方面,本发明的检测过程不需要通过与驾驶员的直接接触来测量驾驶员的生理参数,测量过程是非接触式的。
附图说明
图1是本发明组成的框架结构示意图。
图2是本发明在具体应用实例中的***安装示意图。
图3是本发明中驾驶员注意力检测模块的框架结构原理示意图。
图4是本发明工作的总体流程示意图。
图5是本发明中进行驾驶员注意力预测(注意力期望分布图的计算)的子流程示意图。
图6是本发明中进行驾驶员当前反应能力分析的子流程示意图。
图7是本发明中进行驾驶员动作分析(判断驾驶员短期内是否进行了有意义的操作)的子流程示意图。
图8是在具体应用实施实例中所采集数据的曲线示意图。
具体实施方式
以下将结合说明书附图和具体实施例对本发明做进一步详细说明。
如图1所示,本发明的车辆主动安全***告警屏蔽装置,包括:
驾驶员注意力检测模块,用来比对人眼视线数据与注意力预测结果,并结合车体信号来综合判断驾驶员的精神状态;
车载主动安全***模块,用来主动分析、判断车辆的运行安全状况,并提示驾驶员;
综合告警控制模块,用来根据当前驾驶员精神状态的检测结果判定开启或屏蔽车载主动安全***模块,或主动向驾驶员告警。告警方式可以为声光或者其他方式的告警。
本发明将现有的车载主动安全***模块结合起来形成新的智能化更高的主动安全***。现有的上述车载主动安全***模块可以包括车道偏离告警模块、前向碰撞告警模块、行人保护***或其他主动安全***中的一种或多种。
由上可知,本发明是结合驾驶员精神状态检测技术的告警屏蔽装置,首先对驾驶员的当前精神状态进行判断,如果当危险特征(车道偏离,本车与前方行人\车辆距离过小或者接近过快)出现时***认为当前驾驶员已经注意或者意识到了这些危险特征,则***会屏蔽掉车载主动安全***模块(车载车道偏离告警***、前向碰撞告警***、行人主动保护***等主动安全设备或***的告警信号);如果***判断当前驾驶员没有意识到这些危险特征,则***会开放上述车载主动安全***模块的所有告警信号。
如图2所示,在具体应用实例中,驾驶员注意力检测模块包括前视摄像机、眼动仪和计算机(图中未示),前视摄像机安装在车辆的挡风玻璃内侧,用于拍摄车辆的前方场景。前视摄像机的安装应当保证可以获得与驾驶员较为一致的视野。眼动仪安装在车辆的驾驶面板上,应当保证眼动仪可以恰当地捕捉驾驶员的视线。车体信号直接从车体引出(例如直接从车体CAN总线上提取)。综合告警控制模块根据既有安装模式进行安装。
本发明在具体实施时主要包括两个主要的过程:初始标定过程和实时计算过程。
初始标定过程。如图2中所示,车载的前视摄像机安装在车辆前挡风玻璃板内侧顶端,主光轴与车体平行,前视摄像机朝向前安装,拍摄车辆前方道路信息。本发明需要对由眼动仪获得驾驶员实测注意力分布与根据车载摄像机和注意力计算模型得到的驾驶员注意力分布之间进行比对,应此需要对前视摄像机获得的道路场景和眼动仪捕捉到的驾驶员视线之间需要进行标定,从而使由眼动仪捕捉得到的驾驶员视线所注视的场景目标与该目标在摄像机中呈现的位置对应一致。
在本发明中,初始标定过程的具体步骤如下:
步骤一:在停车状态下,在车辆(前视摄像机)前方20米(或者更远)处人工摆放一些物体,这些物体应该具有显著而便于描述的特征,如是红色的球形物体。以这些物体和场景中固有的其他远处物体作为标定基准;
步骤二:在停车状态下,辅助人员通过指定呈现在前视摄像机拍摄内容的屏幕上的某一个物体(点),并引导驾驶员进行注视。此时记录眼动仪所记录的驾驶员此刻的视线方向;
步骤三:通过改变被注意物体的位置或被注意物体本身,重复步骤二,通常需要改变5至7次不同的物体(点);
步骤四:对标定结果进行验证。此时引导驾驶员注意场景中不同的物体(点),将眼动仪估计出的驾驶员视线显示在前视摄像机拍摄的实时图像上,观察并记录这些物体(点)与检测到的视线位置是否重合或者接近。如果误差满足要求(比如小于1.5度),则结束初始标定过程结束;否则,重复步骤二至三,开始重新标定。
由于驾驶员眼睛高度与前视摄像机的安装高度不一致,会导致前方摄像机视野与驾驶员眼睛看到的实际视野有一定误差。具体而言,对驾驶员来说车辆前方同一视角下的不同物体(点)随着距离的不同而导致在摄像机视野内产生不同的视角。经过计算,如果安装高度差控制在20cm内,则车辆前方20m外的不同物体之间视角误差可以控制在0.6度内,这已经低于眼动仪能够给出的精度(约1度)。通过以上标初始定过程,可以将驾驶员每一时刻所注视的物体在前视图像中呈现的位置,与眼动仪观测到此刻的驾驶员的视线一一对应起来。因此,在任意时刻可以根据眼动仪观测到的驾驶员视线方向推测出驾驶员注视的前方物体在前视图像中呈现的具***置,由此可以知道驾驶员注意的实际场景中的位置。需要说明的是,为了保证标定的方便性和准确性,需要控制前视摄像机的畸变程度,或者通过算法对前视摄像机拍摄的图像进行去畸变处理。
实时计算过程。如图1和图3所示,本发明的基本原理和工作过程如下:
当主动安全***判断当前出现危险特征并即将告警时,***首先对驾驶员的精神状态进行判断。***通过两个方面对驾驶员精神状态进行判断:一是通过分析驾驶员的实际注意视线和计算模型预测的驾驶员注意力分布,来判断驾驶员的精神状态;二是通过检测驾驶员是否在短时间内进行过有意义的操作,来判断驾驶员的精神状态。***综合这两种检测结果给出驾驶员精神状态的判断。当***认定驾驶员精神状态良好时,图1中的综合告警控制模块将屏蔽所有的车载主动安全***的告警信号;当***认定驾驶员精神状态不良时,综合告警控制模块将开放这些车载主动安全***的告警信号,使其工作在传统的正常告警状态。
其中***对驾驶员注意力判定时,所使用的驾驶员的实际注意视线和计算模型预测的驾驶员注意力分布的方法的基本步骤如下:
步骤一:根据当前采集的图像预测驾驶员的注意分布。其计算过程稍后详述;
步骤二:统计最近一段时间内(l个注视点采样周期)内的注视点在预测注意力分布图中所处的概率密度的情况。根据这些情况来判断驾驶员是否将注意力投放于即将发生危险的交通事件相关的区域(比如即将偏离的车道、接近的前方车辆或行人)。
如图5所示,预测驾驶员注意力分布图的计算方法如下。
步骤一、首先采集当前图像I,同时初始化一个全零的注意力期望分布图A(x)=0,该图与原图像具有相同的尺寸;然后采用传统的计算机视觉方法对图像中的场景进行分析(进行车道线、车辆、行人的检测与跟踪)。检测车道线来确定并分割出道路区域lane,然后确定出车道偏离危险相关区域R_lane(距离车辆前轮连线中点最近的车道线区域);检测并分割出前方车辆区域vehicle,然后确定出前方车辆碰撞危险相关区域R_vehicle(距离车辆前轮连线中点最近的前方本车道内的车辆区域);检测并分割出前方行人区域pdstn,然后确定出前方行人碰撞危险相关区域R_pdstn(距离车辆前轮连线中点最近的前方的行人区域)。
步骤二、有了这些区域,可以进一步计算预测驾驶员注意力分布图。如图6所示,对于图像x处的注意分布概率根据下式计算:
A(x)=max(e-d(x,R_lane),e-d(x,R_vehicle),e-d(x,pdstn)) (1)
其中d(x,R)表示点x到区域R的欧式距离,若x∈R,则d(x,R)=0,否则d(x,R)=min{d(x,y∈R)};
步骤三、有了预测驾驶员注意力分布图,即可根据采集的驾驶员注视点的分布情况来判断驾驶员的当前注意力和反应情况。驾驶员视点的采集是每秒记录10个视点。具体过程如图6所示:首先初始化一个长度为l(在实施实例中l=50)的空数组B;在新的注视点采集之前,数组中的所有元素左移一位,空出最右的B(l);当采集到当前注视点后,根据该住视点位置x,为数组的最后一位赋值,令:
B(l)=A(x)=max(e-d(x,R_lane),e-d(x,R_vehicle),e-d(x,pdstn)) (2)
然后计算当前驾驶员的反应能力的指标:
若C大于一定阈值Tc,则可以判定驾驶员的反应能力良好。阈值Tc的确定过程如下:
步骤一、驾驶员操作数据采集的设置方式。邀请20名驾驶员作为数据采集被试。对于每个驾驶员,记录器正常驾驶10小时的数据。这里记录的数据是由公式(3)所计算的数据(第m个驾驶员的第n个视点采集时刻所对应的C)。
步骤二、确定阈值Tc。
训练与告警实例。在参数Tc的训练过程中,采集了20名驾驶员的7200000次视点所对应的Tc数据。其中最小值Tc为2.5079。
除了根据驾驶员的注视点来判断驾驶员的精神状态,***还根据驾驶员在一定时间内是否进行了有意义的操作来判断其精神状态。如图7所示,***首先要检测上一次有意义操作距当前时刻的时间。为实现这一目的,***初始化四个计时器Tt,Tb,Tr,Tw。然后依次对打转向灯、刹车、雨刮器、鸣笛等动作进行检测。如果检测到相应的动作的结束信号,则将相应的计时器清零,否则,计时器正常计时。在每一个检测周期内,***采用下式对驾驶员的精神状态进行评估:
D=max(e-Tt,e-Tb,e-Tr,e-Tw) (4)
如果此刻D大于一定的阈值Td,则说明驾驶员近期内做了有意义的动作,因此此刻是清醒的。这里的Td是待训练参数。Td的训练过程如下:
步骤一:邀请20名驾驶员作为数据采集被试。该20名驾驶员分别驾驶一辆安装有传统的车道偏离告警***、主动安全***以及行人检测***的普通车辆。同时车辆上安装有转向灯、刹车、雨刮器、鸣笛等操作信号采集装置和相应的计时器。如果检测到相应动作的结束信号,则将相应的计时器清零,否则,计时器正常计时;
步骤二:当车道偏离告警***、主动安全***以及行人检测告警***中的任意一个***告警时,由驾驶员判断此次告警的有效性。若驾驶员判断当前告警有效,则发出采集数据指令(设置一个按钮),***将记录当前计时器的四个值Tt,Tb,Tr,Tw,并将这四个数值的最小值记录下来待用:min(Tt,Tb,Tr,Tw),然后同时四个计时器清零。
步骤三:确定阈值Td。将记录的所有被试的采集数据进行比较,取出它们的最小值T。然后令Td=e-T。
训练与告警实例。在参数Td的训练过程中,采集了20名驾驶员的423次有效告警所对应的数值。其中最小值T为6.53s。这意味着驾驶员进行了有意义的操作之后的6.53秒中是集中注意力的,因而基本不会犯错误。因而Td=e-T=0.0015。
***整体的工作过程结合图4进行进一步说明。如图4所示,某一时刻,***首先读取车载主动安全告警***(车道偏离告警***、前向车辆碰撞告警***、行人保护***等)的告警信号。
若***发现车载主动安全告警***识别出了危险特征(车道偏离、与前方车辆\行人距离过小或者接近速度过快),则***按照以下步骤进行判断:
步骤一:根据图7所示过程判断驾驶员是否进行了有意义的操作。当驾驶员进行有意义的操作时,表明驾驶员在操作的前后一段时间内其精神状态时良好的。如果***检测到驾驶员在之前的一定时刻内进行了有意义的操作,可以认定驾驶员此刻精神状态良好,***直接屏蔽既有的车载主动安全***的告警信号,以免虚假告警打扰驾驶员。
步骤二:若在步骤一中没有检测到驾驶员进行了有意义的操作。***不能判定驾驶员精神状态不良,因此需要做进一步分析。***同时对图像进行道路提取和对驾驶员视线的采集;根据采集的当前车体前方的道路图像,进行场景分析计算并用以对驾驶员的注意力进行预测(具体过程如图5所示);同时对记录的驾驶员当前的视线数据与预测的注意力分布,根据图6所示的过程进行分析,从而完成对驾驶员的精神状态的再次判断。如***判断驾驶员精神状态良好,则***直接屏蔽既有的车载主动安全***的告警信号,以免虚假告警打扰驾驶员;
步骤三:若步骤二中检测到驾驶员的精神状态不良,***将开启所有的车载主动安全***进行告警。
具体应用实例:邀请两名被试进行试验。为了安全起见,每人测试10秒钟。第一个被试在此时间内进行正常驾驶。而第二名被试在前5秒钟正常驾驶,在后5秒内该被试闭上眼睛用以模拟疲劳驾驶(注:为了安全起见,此次试验副驾驶员可以随时进行刹车)。第一名被试在驾驶过程中始终没有进行转向灯、刹车、雨刮器、鸣笛等操作,而第二名被试在2.2秒时刻大转向灯一次。在这段时间内,两名驾驶员均是越道压线(发生车道偏离)行驶。
由于是越道压线行驶,因此车载主动安全***检测到了危险特征并即将告警。此时***将依照图4所示的流程进行一系列判断。如图8所示,是根据公式(3)计算出的两名驾驶员的精神状态情况。首先分析第一名驾驶员的情况。由于没有在此时间段内该驾驶员没有进行有意义的操作,因此需要进一步通过视线数据分析其精神状态。由图8所示,该驾驶员的注意力状况指标C一直是高于阈值Tc的,因此判断该驾驶员注意到了危险特征区域,因此判断其状态良好,属有意识操作或者已经意识到了危险,从而***在该时间段内将屏蔽告警装置。对于第二名驾驶员,由于其在2.2秒时刻采取了有意义的操作,因此根据公式(4)可以该驾驶员在2.2秒至8.73秒之间的时间段内是精神状态良好的。因此在该时间段内所有车载主动安全***是屏蔽的。然后考察其他时间段,可以发现在8.73秒至10秒时间段内驾驶员的精神状况C一直是低于阈值Tc的,因此说明该驾驶员在此时段内,既没有意义的操作,并没有好的精神状态(没有意识到当前危险的存在)。因此,此时需要打开装置中的车载主动安全***并进行告警。
在具体应用中,本发明中的注意力计算部分及综合告警控制部分可以在嵌入式计算机***中实现,如基于FPGA的单芯片***上实现。本实施例中,可以选用Tobbi公司可分离式眼动仪,其中将用于捕捉驾驶员视线的传感器部分安装在车辆驾驶室内(如图2所示)。眼动仪的屏幕部分仅仅在标定过程中使用,用于显示前方摄像机所拍摄得图像以及显示***估计出的驾驶员注视点。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (8)
1.一种车辆主动安全***告警屏蔽装置,其特征在于,包括:
驾驶员注意力检测模块,用来比对人眼视线数据与注意力预测结果,并结合车体信号来综合判断驾驶员的精神状态;
车载主动安全***模块,用来主动分析、判断车辆的运行安全状况,并提示驾驶员;
综合告警控制模块,用来根据当前驾驶员精神状态的检测结果判定开启或屏蔽车载主动安全***模块,或主动向驾驶员告警。
2.根据权利要求1所述的车辆主动安全***告警屏蔽装置,其特征在于,所述车载主动安全***模块为车道偏离告警模块、前向碰撞告警模块或行人保护***中的一种或多种。
3.根据权利要求1或2所述的车辆主动安全***告警屏蔽装置,其特征在于,所述驾驶员注意力检测模块包括前视摄像机、眼动仪和计算机,所述前视摄像机安装在车辆的挡风玻璃内侧,用于拍摄车辆的前方场景并发送至计算机;所述眼动仪安装在车辆的驾驶面板上,用于采集驾驶员的眼球关注信息并发送至计算机;所述车体信号直接从车体引出至计算机。
4.根据权利要求3所述的车辆主动安全***告警屏蔽装置,其特征在于,所述驾驶员注意力检测模块通过两个方面对驾驶员精神状态进行判断:一是通过分析驾驶员的实际注意视线和计算模型预测的驾驶员注意力分布,来判断驾驶员的精神状态;二是通过检测驾驶员是否在短时间内进行过有意义的操作,来判断驾驶员的精神状态。
5.根据权利要求4所述的车辆主动安全***告警屏蔽装置,其特征在于,所述通过分析驾驶员的实际注意视线和计算模型预测的驾驶员注意力分布来判断驾驶员精神状态的步骤如下:
(1):根据当前采集的图像预测驾驶员的注意分布;
(2):统计l个注视点采样周期内的注视点在预测注意力分布图中所处的概率密度的情况,根据这些情况来判断驾驶员是否将注意力投放于交通事件相关的区域,是否能够及时发现突发事件。
6.根据权利要求5所述的车辆主动安全***告警屏蔽装置,其特征在于,所述步骤(1)的详细流程为:
(1.1)、首先采集当前图像I,同时初始化一个全零的注意力期望分布图A(x)=0,该图与原图像具有相同的尺寸;然后采用传统的计算机视觉方法对图像中的场景进行分析(进行车道线、车辆、行人的检测与跟踪);检测车道线来确定并分割出道路区域lane,然后确定出车道偏离危险相关区域R_lane(距离车辆前轮连线中点最近的车道线区域);检测并分割出前方车辆区域vehicle,然后确定出前方车辆碰撞危险相关区域R_vehicle(距离车辆前轮连线中点最近的前方本车道内的车辆区域);检测并分割出前方行人区域pdstn,然后确定出前方行人碰撞危险相关区域R_pdstn(距离车辆前轮连线中点最近的前方的行人区域);
(1.2)、对于图像x处的注意分布概率根据下式计算:
A(x)=max(e-d(x,R_lane),e-d(x,R_vehicle),e-d(x,pdstn)) (1)
其中d(x,R)表示点x到区域R的欧式距离,若x∈R,则d(x,R)=0,否则d(x,R)=min{d(x,y∈R)};
(1.3)、有了预测驾驶员注意力分布图,即可根据采集的驾驶员注视点的分布情况来判断驾驶员的当前注意力和反应情况;首先初始化一个长度为l的空数组B;在新的注视点采集之前,数组中的所有元素左移一位,空出最右的B(l);当采集到当前注视点后,根据该住视点位置x,为数组的最后一位赋值,令:
B(l)=A(x)=max(e-d(x,R_lane),e-d(x,R_vehicle),e-d(x,pdstn)) (2)
然后计算当前驾驶员的反应能力的指标:
若C大于一定阈值Tc,则可以判定驾驶员的反应能力良好。
7.根据权利要求4所述的车辆主动安全***告警屏蔽装置,其特征在于,所述通过检测驾驶员是否在短时间内进行过有意义的操作来判断驾驶员的精神状态***,具体为:首先要检测上一次有意义操作距当前时刻的时间;初始化四个计时器Tt,Tb,Tr,Tw,依次对打转向灯、刹车、雨刮器、鸣笛动作进行检测;如果检测到相应的动作的结束信号,则将相应的计时器清零,否则,计时器正常计时;在每一个检测周期内,采用下式对驾驶员的精神状态进行评估:
D=max(e-Tt,e-Tb,e-Tr,e-Tw) (4)
如果此刻D大于一定的阈值Td,则说明驾驶员近期内做了有意义的动作,因此此刻是清醒的,Td为待训练参数。
8.根据权利要求2所述的车辆主动安全***告警屏蔽装置,其特征在于,进一步对驾驶员注意力检测模块进行初始标定,具体步骤如下:
(1):在停车状态下,在车辆上前视摄像机前方一定位置处摆放一些物体,以这些物体和场景中固有的其他远处物体作为标定基准;
(2):在停车状态下,辅助人员通过指定呈现在前视摄像机拍摄内容的屏幕上的某一个物体,并引导驾驶员进行注视,此时记录眼动仪所记录的驾驶员此刻的视线方向;
(3):通过改变被注意物体的位置或被注意物体本身,重复若干次步骤(2);
(4):对标定结果进行验证;此时引导驾驶员注意场景中不同的物体,将眼动仪估计出的驾驶员视线显示在前视摄像机拍摄的实时图像上,观察并记录这些物体与检测到的视线位置是否重合或者接近;如果误差满足要求,则结束初始标定过程结束;否则,重复步骤(2)至(3),开始重新标定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410017718.1A CN103770780B (zh) | 2014-01-15 | 2014-01-15 | 一种车辆主动安全***告警屏蔽装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410017718.1A CN103770780B (zh) | 2014-01-15 | 2014-01-15 | 一种车辆主动安全***告警屏蔽装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103770780A true CN103770780A (zh) | 2014-05-07 |
CN103770780B CN103770780B (zh) | 2017-10-03 |
Family
ID=50563676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410017718.1A Active CN103770780B (zh) | 2014-01-15 | 2014-01-15 | 一种车辆主动安全***告警屏蔽装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103770780B (zh) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217615A (zh) * | 2014-09-16 | 2014-12-17 | 武汉理工大学 | 一种基于车路协同的行人防碰撞***和方法 |
CN104636723A (zh) * | 2015-01-29 | 2015-05-20 | 何灌昌 | 基于视频图像中特定物体影像分析的行车预警方法 |
CN105270258A (zh) * | 2014-06-12 | 2016-01-27 | 陕西重型汽车有限公司 | 一种汽车转向安全辅助*** |
CN105788364A (zh) * | 2014-12-25 | 2016-07-20 | ***通信集团公司 | 一种预警信息的发布方法及装置 |
CN106781822A (zh) * | 2016-12-03 | 2017-05-31 | 西安科锐盛创新科技有限公司 | 提高驾驶安全性的***和方法 |
CN107169465A (zh) * | 2017-05-24 | 2017-09-15 | 成都志博科技有限公司 | 驾驶员疲劳的判定方法 |
CN107928685A (zh) * | 2017-12-13 | 2018-04-20 | 吉林大学 | 一种基于驾驶人眼动特性的应激响应分析装置及方法 |
CN108021849A (zh) * | 2016-11-03 | 2018-05-11 | 杭州海康威视数字技术股份有限公司 | 一种行人预警方法及装置 |
CN108099901A (zh) * | 2017-12-18 | 2018-06-01 | 长春工业大学 | 一种提高极限工况下主动前轮转向控制精度的方法 |
CN108202742A (zh) * | 2016-12-16 | 2018-06-26 | 现代自动车株式会社 | 用于确定自动驾驶车辆的驾驶控制权限的***和方法 |
CN108369780A (zh) * | 2015-12-17 | 2018-08-03 | 马自达汽车株式会社 | 视觉认知援助***以及视认对象物的检测*** |
CN108602513A (zh) * | 2016-02-02 | 2018-09-28 | 株式会社电装 | 行驶辅助装置 |
CN108609013A (zh) * | 2018-05-01 | 2018-10-02 | 肖金保 | 车辆主动安全*** |
CN108725454A (zh) * | 2017-04-25 | 2018-11-02 | 奥迪股份公司 | 安全驾驶辅助***及其控制方法 |
CN109367540A (zh) * | 2018-12-03 | 2019-02-22 | 南京云计趟信息技术有限公司 | 一种基于风险预警的驾驶员响应识别*** |
TWI653170B (zh) | 2017-11-01 | 2019-03-11 | 宏碁股份有限公司 | 駕駛提示方法與系統 |
CN109941278A (zh) * | 2017-12-20 | 2019-06-28 | 广州汽车集团股份有限公司 | 一种基于监控驾驶员状态的车辆控制方法、装置和*** |
CN110139205A (zh) * | 2018-02-09 | 2019-08-16 | 驭势(上海)汽车科技有限公司 | 用于辅助信息呈现的方法及装置 |
CN110626356A (zh) * | 2018-06-01 | 2019-12-31 | 哲纳提公司 | 用于辅助驾驶员进行预防性驾驶的方法和*** |
CN111292548A (zh) * | 2020-02-06 | 2020-06-16 | 温州大学 | 一种基于视觉注意力的安全驾驶方法 |
CN111860127A (zh) * | 2020-06-05 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 车辆检测方法和***、计算机可读存储介质 |
TWI719330B (zh) * | 2018-07-27 | 2021-02-21 | 群邁通訊股份有限公司 | 電子裝置及行車安全提醒方法 |
CN113044048A (zh) * | 2021-03-31 | 2021-06-29 | 东风商用车有限公司 | 一种车辆跑偏的识别方法、装置、设备及可读存储介质 |
CN117382644A (zh) * | 2023-12-11 | 2024-01-12 | 安徽蔚来智驾科技有限公司 | 分心驾驶检测方法、计算机设备、存储介质及智能设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050030184A1 (en) * | 2003-06-06 | 2005-02-10 | Trent Victor | Method and arrangement for controlling vehicular subsystems based on interpreted driver activity |
CN101523455A (zh) * | 2006-10-13 | 2009-09-02 | 丰田自动车株式会社 | 车载警告装置及警告方法 |
US20110169625A1 (en) * | 2010-01-14 | 2011-07-14 | Toyota Motor Engineering & Manufacturing North America, Inc. | Combining driver and environment sensing for vehicular safety systems |
CN103442925A (zh) * | 2011-03-25 | 2013-12-11 | Tk控股公司 | 用于确定驾驶员警觉性的***和方法 |
-
2014
- 2014-01-15 CN CN201410017718.1A patent/CN103770780B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050030184A1 (en) * | 2003-06-06 | 2005-02-10 | Trent Victor | Method and arrangement for controlling vehicular subsystems based on interpreted driver activity |
CN101523455A (zh) * | 2006-10-13 | 2009-09-02 | 丰田自动车株式会社 | 车载警告装置及警告方法 |
US20110169625A1 (en) * | 2010-01-14 | 2011-07-14 | Toyota Motor Engineering & Manufacturing North America, Inc. | Combining driver and environment sensing for vehicular safety systems |
CN103442925A (zh) * | 2011-03-25 | 2013-12-11 | Tk控股公司 | 用于确定驾驶员警觉性的***和方法 |
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105270258A (zh) * | 2014-06-12 | 2016-01-27 | 陕西重型汽车有限公司 | 一种汽车转向安全辅助*** |
CN104217615A (zh) * | 2014-09-16 | 2014-12-17 | 武汉理工大学 | 一种基于车路协同的行人防碰撞***和方法 |
CN105788364A (zh) * | 2014-12-25 | 2016-07-20 | ***通信集团公司 | 一种预警信息的发布方法及装置 |
CN104636723A (zh) * | 2015-01-29 | 2015-05-20 | 何灌昌 | 基于视频图像中特定物体影像分析的行车预警方法 |
CN108369780B (zh) * | 2015-12-17 | 2021-03-30 | 马自达汽车株式会社 | 视觉认知援助***以及视认对象物的检测*** |
CN108369780A (zh) * | 2015-12-17 | 2018-08-03 | 马自达汽车株式会社 | 视觉认知援助***以及视认对象物的检测*** |
CN108602513A (zh) * | 2016-02-02 | 2018-09-28 | 株式会社电装 | 行驶辅助装置 |
CN108021849B (zh) * | 2016-11-03 | 2022-04-05 | 杭州海康威视数字技术股份有限公司 | 一种行人预警方法及装置 |
CN108021849A (zh) * | 2016-11-03 | 2018-05-11 | 杭州海康威视数字技术股份有限公司 | 一种行人预警方法及装置 |
CN106781822A (zh) * | 2016-12-03 | 2017-05-31 | 西安科锐盛创新科技有限公司 | 提高驾驶安全性的***和方法 |
CN106781822B (zh) * | 2016-12-03 | 2019-07-05 | 西安科锐盛创新科技有限公司 | 提高驾驶安全性的***和方法 |
CN108202742A (zh) * | 2016-12-16 | 2018-06-26 | 现代自动车株式会社 | 用于确定自动驾驶车辆的驾驶控制权限的***和方法 |
CN108202742B (zh) * | 2016-12-16 | 2022-07-05 | 现代自动车株式会社 | 用于确定自动驾驶车辆的驾驶控制权限的***和方法 |
CN108725454A (zh) * | 2017-04-25 | 2018-11-02 | 奥迪股份公司 | 安全驾驶辅助***及其控制方法 |
CN108725454B (zh) * | 2017-04-25 | 2021-08-24 | 奥迪股份公司 | 安全驾驶辅助***及其控制方法 |
CN107169465A (zh) * | 2017-05-24 | 2017-09-15 | 成都志博科技有限公司 | 驾驶员疲劳的判定方法 |
TWI653170B (zh) | 2017-11-01 | 2019-03-11 | 宏碁股份有限公司 | 駕駛提示方法與系統 |
US10696224B2 (en) | 2017-11-01 | 2020-06-30 | Acer Incorporated | Driving notification method and driving notification system |
CN107928685A (zh) * | 2017-12-13 | 2018-04-20 | 吉林大学 | 一种基于驾驶人眼动特性的应激响应分析装置及方法 |
CN108099901A (zh) * | 2017-12-18 | 2018-06-01 | 长春工业大学 | 一种提高极限工况下主动前轮转向控制精度的方法 |
CN108099901B (zh) * | 2017-12-18 | 2019-07-09 | 长春工业大学 | 一种提高极限工况下主动前轮转向控制精度的方法 |
CN109941278A (zh) * | 2017-12-20 | 2019-06-28 | 广州汽车集团股份有限公司 | 一种基于监控驾驶员状态的车辆控制方法、装置和*** |
CN110139205A (zh) * | 2018-02-09 | 2019-08-16 | 驭势(上海)汽车科技有限公司 | 用于辅助信息呈现的方法及装置 |
CN110139205B (zh) * | 2018-02-09 | 2021-11-02 | 驭势(上海)汽车科技有限公司 | 用于辅助信息呈现的方法及装置 |
CN108609013A (zh) * | 2018-05-01 | 2018-10-02 | 肖金保 | 车辆主动安全*** |
CN110626356A (zh) * | 2018-06-01 | 2019-12-31 | 哲纳提公司 | 用于辅助驾驶员进行预防性驾驶的方法和*** |
TWI719330B (zh) * | 2018-07-27 | 2021-02-21 | 群邁通訊股份有限公司 | 電子裝置及行車安全提醒方法 |
CN109367540A (zh) * | 2018-12-03 | 2019-02-22 | 南京云计趟信息技术有限公司 | 一种基于风险预警的驾驶员响应识别*** |
CN111292548A (zh) * | 2020-02-06 | 2020-06-16 | 温州大学 | 一种基于视觉注意力的安全驾驶方法 |
CN111860127A (zh) * | 2020-06-05 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 车辆检测方法和***、计算机可读存储介质 |
CN113044048A (zh) * | 2021-03-31 | 2021-06-29 | 东风商用车有限公司 | 一种车辆跑偏的识别方法、装置、设备及可读存储介质 |
CN117382644A (zh) * | 2023-12-11 | 2024-01-12 | 安徽蔚来智驾科技有限公司 | 分心驾驶检测方法、计算机设备、存储介质及智能设备 |
CN117382644B (zh) * | 2023-12-11 | 2024-02-27 | 安徽蔚来智驾科技有限公司 | 分心驾驶检测方法、计算机设备、存储介质及智能设备 |
Also Published As
Publication number | Publication date |
---|---|
CN103770780B (zh) | 2017-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103770780A (zh) | 一种车辆主动安全***告警屏蔽装置 | |
CN103770733B (zh) | 一种驾驶员安全驾驶状态检测方法及装置 | |
CN110264783B (zh) | 基于车路协同的车辆防碰撞预警***及方法 | |
CN101540090B (zh) | 基于多元信息融合的驾驶员疲劳监测方法 | |
CN105809152A (zh) | 一种基于多源信息融合的驾驶员认知分心监测方法 | |
CN102991504A (zh) | 一种对驾驶员换道安全性进行判断并预警的装置及方法 | |
CN103455144A (zh) | 车载人机交互***及方法 | |
CN109639937A (zh) | 使用传感器报告集成的相机子***评估 | |
CN102881162A (zh) | 大规模交通信息的数据处理及融合方法 | |
Lv et al. | Automatic vehicle-pedestrian conflict identification with trajectories of road users extracted from roadside LiDAR sensors using a rule-based method | |
CN112289054A (zh) | 道路安全预警方法、obu、rsu、mec设备及*** | |
WO2022024208A1 (ja) | 交通監視装置、交通監視システム、交通監視方法及びプログラム | |
CN206684779U (zh) | 一种基于adas智能车载终端的车险管理服务*** | |
CN115877343B (zh) | 基于雷达目标跟踪的人车匹配方法、装置和电子设备 | |
CN115527364B (zh) | 一种基于雷视数据融合的交通事故溯源方法及*** | |
CN109305168A (zh) | 一种车道偏离报警评估***及评估方法 | |
Gao et al. | Predicting hazardous driving events using multi-modal deep learning based on video motion profile and kinematics data | |
Jacob et al. | Vehicle trajectory analysis: an advanced tool for road safety | |
CN106428003A (zh) | 不良天气下高速公路车辆偏离车道的预警装置及方法 | |
CN113990088B (zh) | 一种高速公路恶劣天气下安全通行告知软件*** | |
CN113435404B (zh) | 基于雷达及图像检测的电客车调车安全辅助驾驶方法与*** | |
CN111284401A (zh) | 一种多传感器检测车辆右转盲区预警*** | |
CN116543542B (zh) | 一种隧道入口运行风险定向预警设备布设方法 | |
CN103956027A (zh) | 一种驾驶员人眼疲劳检测装置及检测方法 | |
CN107200023A (zh) | 一种基于物联网的汽车驾驶行为采集*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |