CN107832792A - 一种疲劳驾驶检测方法及装置 - Google Patents

一种疲劳驾驶检测方法及装置 Download PDF

Info

Publication number
CN107832792A
CN107832792A CN201711079506.6A CN201711079506A CN107832792A CN 107832792 A CN107832792 A CN 107832792A CN 201711079506 A CN201711079506 A CN 201711079506A CN 107832792 A CN107832792 A CN 107832792A
Authority
CN
China
Prior art keywords
fatigue
eigenvalue
value
headed
clear
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
Application number
CN201711079506.6A
Other languages
English (en)
Other versions
CN107832792B (zh
Inventor
李沛霖
颜学术
刘巍
李岩峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingwei Hirain Tech Co Ltd
Original Assignee
Beijing Jingwei Hirain Tech Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jingwei Hirain Tech Co Ltd filed Critical Beijing Jingwei Hirain Tech Co Ltd
Priority to CN201711079506.6A priority Critical patent/CN107832792B/zh
Publication of CN107832792A publication Critical patent/CN107832792A/zh
Application granted granted Critical
Publication of CN107832792B publication Critical patent/CN107832792B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217Validation; Performance evaluation; Active pattern learning techniques
    • G06F18/2193Validation; Performance evaluation; Active pattern learning techniques based on specific statistical tests
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/40Scenes; Scene-specific elements in video content
    • G06V20/46Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • Multimedia (AREA)
  • Traffic Control Systems (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明提供了一种疲劳驾驶检测方法及装置,该方法包括:实时采集摄像头视觉信息以及车辆操作信息;从摄像头视觉信息中提取疲劳行为特征的第一特征值,同时从车辆操作信息中提取清醒行为特征的第二特征值;调取上一疲劳指数值,并根据上一疲劳指数值、第一特征值和第二特征值计算当前疲劳指数值;判断当前疲劳指数值是否大于疲劳指数阈值;若是,确定驾驶员处于疲劳驾驶状态;若否,确定驾驶员不处于疲劳驾驶状态。基于本发明公开的方法,可在不干扰驾驶员正常驾驶的情况下精准检测疲劳驾驶,同时兼顾了检测准确性和驾驶安全性。

Description

一种疲劳驾驶检测方法及装置
技术领域
本发明涉及汽车行车安全技术领域,更具体地说,涉及一种疲劳驾驶检测方法及装置。
背景技术
近年来,随着汽车保有量和机动车驾驶人员数量的迅速增加,道路交通安全问题已成为社会焦点,而疲劳驾驶是造成交通事故的主要原因。
目前,对于疲劳驾驶的检测主要有面部特征检测和生理指标检测两种。若使用面部特征,例如眼部活动、面部表情等,需采集驾驶员的面部图像,但是,受驾驶员头部位置、驾驶室内光线等条件的限制,所采集的面部图像很可能不清晰,从而影响后续检测准确性;而若使用生理指标,例如,心电数据、呼吸频率等,则需要驾驶员佩戴相关设备,这就会可能干扰驾驶员正常驾驶,从而降低驾驶安全性。
因此,如何兼顾检测准确性和驾驶安全性,是本领域技术人员亟需解决的技术问题。
发明内容
有鉴于此,本发明提供一种疲劳驾驶检测方法及装置,以解决现有疲劳驾驶检测无法兼顾检测准确度和驾驶安全性的问题。技术方案如下:
一种疲劳驾驶检测方法,包括:
实时采集摄像头视觉信息以及车辆操作信息;
从所述摄像头视觉信息中提取疲劳行为特征的第一特征值,同时从所述车辆操作信息中提取清醒行为特征的第二特征值;
调取上一疲劳指数值,并根据所述上一疲劳指数值、所述第一特征值和所述第二特征值计算当前疲劳指数值,其中,所述疲劳指数值用于表征驾驶员疲劳程度;
判断所述当前疲劳指数值是否大于疲劳指数阈值;
若所述当前疲劳指数值大于所述疲劳指数阈值,确定驾驶员处于疲劳驾驶状态;
若所述当前疲劳指数值不大于所述疲劳指数阈值,确定驾驶员不处于疲劳驾驶状态。
优选的,所述从所述摄像头视觉信息中提取疲劳行为特征的第一特征值,包括:
基于所述摄像头视觉信息确定车载摄像头相对于车道线的距离值,所述车道线包括左车道线和右车道线;
根据所述车载摄像头位于本车的位置信息和所述车载摄像头相对于车道线的距离值,确定本车相对于车道中心线的当前偏移量;
判断所述当前偏移量是否大于偏移量阈值;
若所述当前偏移量大于所述偏移量阈值,根据所述当前偏移量确定疲劳行为特征的第一特征值;
若所述当前偏移量不大于所述偏移量阈值,调取本车相对于车道中心线的上一偏移量;
判断所述上一偏移量和所述当前偏移量的差量是否大于差量阈值;
若所述差量大于所述差量阈值,根据所述差量确定疲劳行为特征的第一特征值;
若所述差量不大于所述差量阈值,获取包括所述当前偏移量的全部偏移量,并生成行驶轨迹;
判断所述行驶轨迹是否符合预设疲劳驾驶轨迹;
若所述行驶轨迹符合所述预设疲劳驾驶轨迹,根据所述预设疲劳驾驶轨迹确定疲劳行为特征的第一特征值;
若所述行驶轨迹不符合所述预设疲劳驾驶轨迹,确定疲劳行为特征的第一特征值为零。
优选的,所述从所述车辆操作信息中提取清醒行为特征的第二特征值,包括:
从所述车辆操作信息中提取目标操作信息,并确定所述目标操作信息对应的驾驶操作;
判断所述驾驶操作是否符合预设清醒驾驶操作;
若所述驾驶操作符合所述预设清醒驾驶操作,根据所述预设清醒驾驶操作确定清醒行为特征的第二特征值;
若所述驾驶操作不符合所述预设清醒驾驶操作,确定清醒行为特征的第二特征值为零。
优选的,所述根据所述上一疲劳指数值、所述第一特征值和所述第二特征值计算当前疲劳指数值,包括:
根据所述疲劳行为特征对应的第一预设疲劳指数和所述第一特征值,计算所述疲劳行为特征对应的第一疲劳指数值;
依据所述清醒行为特征对应的第二预设疲劳指数和所述第二特征值,计算所述清醒行为特征对应的第二疲劳指数值;
根据所述第一疲劳指数值、所述第二疲劳指数值和所述上一疲劳指数值,计算当前疲劳指数值。
优选的,所述确定驾驶员处于疲劳驾驶状态,之后,还包括:
生成用于表征疲劳驾驶的提示信息。
一种疲劳驾驶检测装置,包括:信息采集模块、特征提取模块、计算模块、判断模块、第一确定模块和第二确定模块;
所述信息采集模块,用于实时采集摄像头视觉信息以及车辆操作信息;
所述特征提取模块,用于从所述摄像头视觉信息中提取疲劳行为特征的第一特征值,同时从所述车辆操作信息中提取清醒行为特征的第二特征值;
所述计算模块,用于调取上一疲劳指数值,并根据所述上一疲劳指数值、所述第一特征值和所述第二特征值计算当前疲劳指数值,其中,所述疲劳指数值用于表征驾驶员疲劳程度;
所述判断模块,用于判断所述当前疲劳指数值是否大于疲劳指数阈值;
所述第一确定模块,用于若所述当前疲劳指数值大于所述疲劳指数阈值,确定驾驶员处于疲劳驾驶状态;
所述第二确定模块,用于若所述当前疲劳指数值不大于所述疲劳指数阈值,确定驾驶员不处于疲劳驾驶状态。
优选的,用于从所述摄像头视觉信息中提取疲劳行为特征的第一特征值的所述特征提取模块,具体用于:
基于所述摄像头视觉信息确定车载摄像头相对于车道线的距离值,所述车道线包括左车道线和右车道线;根据所述车载摄像头位于本车的位置信息和所述车载摄像头相对于车道线的距离值,确定本车相对于车道中心线的当前偏移量;判断所述当前偏移量是否大于偏移量阈值;若所述当前偏移量大于所述偏移量阈值,根据所述当前偏移量确定疲劳行为特征的第一特征值;若所述当前偏移量不大于所述偏移量阈值,调取本车相对于车道中心线的上一偏移量;判断所述上一偏移量和所述当前偏移量的差量是否大于差量阈值;若所述差量大于所述差量阈值,根据所述差量确定疲劳行为特征的第一特征值;若所述差量不大于所述差量阈值,获取包括所述当前偏移量的全部偏移量,并生成行驶轨迹;判断所述行驶轨迹是否符合预设疲劳驾驶轨迹;若所述行驶轨迹符合所述预设疲劳驾驶轨迹,根据所述预设疲劳驾驶轨迹确定疲劳行为特征的第一特征值;若所述行驶轨迹不符合所述预设疲劳驾驶轨迹,确定疲劳行为特征的第一特征值为零。
优选的,用于从所述车辆操作信息中提取清醒行为特征的第二特征值的所述特征提取模块,具体用于:
从所述车辆操作信息中提取目标操作信息,并确定所述目标操作信息对应的驾驶操作;判断所述驾驶操作是否符合预设清醒驾驶操作;若所述驾驶操作符合所述预设清醒驾驶操作,根据所述预设清醒驾驶操作确定清醒行为特征的第二特征值;若所述驾驶操作不符合所述预设清醒驾驶操作,确定清醒行为特征的第二特征值为零。
优选的,用于根据所述上一疲劳指数值、所述第一特征值和所述第二特征值计算当前疲劳指数值的所述计算模块,具体用于:
根据所述疲劳行为特征对应的第一预设疲劳指数和所述第一特征值,计算所述疲劳行为特征对应的第一疲劳指数值;依据所述清醒行为特征对应的第二预设疲劳指数和所述第二特征值,计算所述清醒行为特征对应的第二疲劳指数值;根据所述第一疲劳指数值、所述第二疲劳指数值和所述上一疲劳指数值,计算当前疲劳指数值。
优选的,所述第一确定模块,之后,还包括:信息生成模块;
所述信息生成模块,用于生成用于表征疲劳驾驶的提示信息。
相较于现有技术,本发明实现的有益效果为:
以上本发明提供的疲劳驾驶检测方法及装置,基于摄像头视觉信息可以有效提取驾驶员疲劳行为特征,基于车辆操作信息可以有效提取驾驶员清醒行为特征。因此,通过两者结合并使用疲劳指数计数机制,可以充分发挥摄像头视觉信息和驾驶员操作信息的优势来计算驾驶员的疲劳指数值,从而提高疲劳驾驶检测的准确度和有效性。
同时,本发明中摄像头视觉信息是由车载摄像头采集的,并且车辆操作信息也可利用车辆总线直接采集,并不需要增加任何设备,也就不会干扰驾驶员正常驾驶。
因此,本发明可在不干扰驾驶员正常驾驶的情况下精准检测疲劳驾驶,同时兼顾了检测准确性和驾驶安全性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的疲劳驾驶检测方法的方法流程图;
图2为本发明实施例提供的疲劳驾驶检测方法的部分方法流程图;
图3为本发明实施例提供的疲劳驾驶检测方法的又一部分方法流程图;
图4为本发明实施例提供的疲劳驾驶检测方法的再一部分方法流程图;
图5为本发明实施例提供的疲劳驾驶检测装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供一种疲劳驾驶检测方法,该方法的方法流程图如图1所示,包括如下步骤:
S10,实时采集摄像头视觉信息以及车辆操作信息;
摄像头视觉信息是由车载摄像头所提供的,车载摄像头一般为车载前视摄像头,车载摄像头可连续拍摄关于前方道路的视觉图像,该视觉图像中含有车道线图像;而车辆操作信息可利用车辆总线直接采集。
S20,从摄像头视觉信息中提取疲劳行为特征的第一特征值,同时从车辆操作信息中提取清醒行为特征的第二特征值;
由于每个驾驶员在清醒状态下驾驶风格各不相同,因此清醒驾驶状态并不存在明显的车辆行驶轨迹特征,而在驾驶员疲劳状态下,车辆行驶轨迹特征就比较明显,比如会出现车辆蛇形行驶,又比如会出现车辆在车道内突然偏向一侧的情况,以及车辆压车道线后急速转向道路中间的情况等。利用车辆行驶轨迹特征不能准确反映驾驶员的清醒状态,但可以有效捕捉到驾驶员的疲劳状态,因此,车辆行驶轨迹特征是最优的疲劳行为特征。
在具体实现过程中,步骤S20中“从摄像头视觉信息中提取疲劳行为特征的第一特征值”的过程,可以具体采用以下步骤,方法流程图如图2所示:
S201,基于摄像头视觉信息确定车载摄像头相对于车道线的距离值,车道线包括左车道线和右车道线;
在执行步骤S201的过程中,基于摄像头视觉信息中的至少两张视觉图像,即可确定车载摄像头相对于本车道左右车道线的距离值。
S202,根据车载摄像头位于本车的位置信息和车载摄像头相对于车道线的距离值,确定本车相对于车道中心线的当前偏移量;
在执行步骤S202的过程中,由于步骤S201中已经确定车载摄像头与车道线的距离关系,并且车载摄像头在本车上的位置预先固定,因此,可利用车载摄像头相对于车道线的距离值以及车载摄像头位于本车的位置关系,确定本车相对于车道中心线的当前偏移量,其中,偏移量一般为本车中轴线与前保险杠交点相对于车道中心线的偏移量。
S203,判断当前偏移量是否大于偏移量阈值;若是,则执行步骤S204;若否,则执行步骤S205;
为检测是否出现车辆在车道内突然偏向一侧的情况,可预先设置偏移量阈值,若当前偏移量大于该偏移量阈值,则表示车辆在车道内突然偏向一侧,反之,若当前偏移量不大于该偏移量阈值,则表示未出现上述情况。
S204,根据当前偏移量确定疲劳行为特征的第一特征值;
在执行步骤S204的过程中,疲劳行为特征的第一特征值可根据用户预先定义的偏移量与第一特征值的映射关系确定,还可通过查表法确定当前偏移量对应的第一特征值,当然,第一特征值还可直接为定值,本实施例不做具体限定,可根据实际需要具体选择。
S205,调取本车相对于车道中心线的上一偏移量;
在执行步骤S205的过程中,若本次为第一次计算偏移量,则直接将上一偏移量确定为0;若本次不为第一次计算偏移量,则调取上一次计算得到的本车相对于车道中心线的偏移量,也就是上一偏移量。S206,判断上一偏移量和当前偏移量的差量是否大于差量阈值;若是,则执行步骤S207;若否,则执行步骤S208;
为检测是否出现车辆急速转向的情况,可预先设置差量阈值,若上一偏移量和当前偏移量的差量大于该差量阈值,则表示车辆急速转向,反之,若上一偏移量和当前偏移量的差量不大于该差量阈值,则表示未出现上述情况;进一步的,在确定车辆急速转向之后,还可通过识别视觉图像确定车辆是否压车道线,还可根据上一偏移量和当前偏移量的差值的正负以及大小确定车辆是否急速转向道路中间。
S207,根据差量确定疲劳行为特征的第一特征值;
在执行步骤S207的过程中,疲劳行为特征的第一特征值可根据用户预先定义的差量与第一特征值的映射关系确定,还可通过查表法确定差量对应的第一特征值,当然,第一特征值还可直接为定值,本实施例不做具体限定,可根据实际需要具体选择。
S208,获取包括当前偏移量的全部偏移量,并生成行驶轨迹;
S209,判断行驶轨迹是否符合预设疲劳驾驶轨迹;若是,则执行步骤S210;若否,则执行步骤S211;
在执行步骤S209的过程中,用户可预先设置疲劳驾驶轨迹,例如,蛇形驾驶轨迹,以蛇形驾驶轨迹举例,在判断行驶轨迹是否符合蛇形驾驶轨迹的过程中,可首先采集行驶轨迹在多个预设时间间隔内的偏移量最大值和偏移量最小值,然后,对每个预设时间间隔内的偏移量最大值和偏移量最小值做差,并判断得到差值是否大于差值阈值;如果存在大于差值阈值的差值,则确定该行驶轨迹符合蛇形驾驶轨迹。
S210,根据预设疲劳驾驶轨迹确定疲劳行为特征的第一特征值;
在执行步骤S210的过程中,疲劳行为特征的第一特征值可根据用户预先定义的预设疲劳驾驶轨迹与第一特征值的映射关系确定,还可通过查表法确定预设疲劳驾驶轨迹对应的第一特征值,当然,第一特征值还可直接为定值,本实施例不做具体限定,可根据实际需要具体选择。
S211,确定疲劳行为特征的第一特征值为零。
此外,驾驶员对车辆的某些操作,例如,驾驶员打左右转向灯、驾驶员控制车辆进行加减速或者驾驶员深踩刹车踏板等清醒驾驶行为都可以有效体现出驾驶员的清醒状态,因此,可从车辆操作信息中提取到清醒行为特征。
在具体实现过程中,步骤S20中“从车辆操作信息中提取清醒行为特征的第二特征值”的过程,可以具体采用以下步骤,方法流程图如图3所示:
S301,从车辆操作信息中提取目标操作信息,并确定目标操作信息对应的驾驶操作;
在执行步骤S301的过程中,可利用车辆总线采集车辆操作信息,进而从车辆操作信息中获取目标操作信息,具体的,目标操作信息由用户预先设置的清醒驾驶操作决定,若预设清醒驾驶操作为驾驶员打左右转向灯,则目标操作信息则为转向灯开关信息,从而确定转向灯开关信息对应的驾驶操作为转向灯开关操作,当然,预设清醒驾驶操作还可为驾驶员控制车辆进行加减速,也可为驾驶员深踩刹车踏板,本实施例不做具体限定。
S302,判断驾驶操作是否符合预设清醒驾驶操作;若是,则执行步骤S303;若否,则执行步骤S304;
在执行步骤S302的过程中,若预设清醒驾驶操作为驾驶员打左右转向灯或者驾驶员控制车辆进行加减速或者驾驶员深踩刹车踏板,则确定的驾驶操作为转向灯开关操作、本车纵向加速操作以及刹车踏板操作,则进一步判断上述转向灯开关操作是否符合驾驶员打左右转向灯这一操作,上述本车纵向加速操作是否符合驾驶员控制车辆进行加减速这一操作,上述刹车踏板操作是否符合驾驶员深踩刹车踏板这一操作;若均不符合,则确定驾驶员不存在清醒驾驶行为,反之,若存在任意符合预设清醒驾驶操作的驾驶操作,则表示驾驶员存在清醒驾驶行为。
S303,根据预设清醒驾驶操作确定清醒行为特征的第二特征值;
在执行步骤S303的过程中,清醒行为特征的第二特征值可根据用户预先定义的预设清醒驾驶操作与第二特征值的映射关系确定,还可通过查表法确定预设清醒驾驶操作对应的第二特征值,当然,第二特征值还可直接为定值,本实施例不做具体限定,可根据实际需要具体选择。
S304,确定清醒行为特征的第二特征值为零。
S30,调取上一疲劳指数值,并根据上一疲劳指数值、第一特征值和第二特征值计算当前疲劳指数值,其中,疲劳指数值用于表征驾驶员疲劳程度;
在执行步骤S30的过程中,若此次为第一次计算当前疲劳指数值,则将上一疲劳指数值确定为0;若此次不为第一次计算当前疲劳指数值,则调取上一次计算得到的当前疲劳指数值,也就是上一疲劳指数值;进而利用上一疲劳指数值、第一特征值和第二特征值计算当前疲劳指数值,在此过程中,可利用第一特征值计算疲劳行为特征对应的第一疲劳指数值,可利用第二特征值计算清醒行为特征对应的第二疲劳指数值。当然,在计算第一疲劳指数值和第二疲劳指数值时,可采用查表法,还可利用预先设定的疲劳指数计算,本实施例不做具体限定。
在具体实现过程中,步骤S30中“根据上一疲劳指数值、第一特征值和第二特征值计算当前疲劳指数值”的过程,可以具体采用以下步骤,方法流程图如图4所示:
S401,根据疲劳行为特征对应的第一预设疲劳指数和第一特征值,计算疲劳行为特征对应的第一疲劳指数值;
在执行步骤S401的过程中,可按照如下计算公式(1)计算第一疲劳指数值:
A=a*b (1)
其中,A为第一疲劳指数值,a为第一预设疲劳指数,b为第一特征值。
S402,依据清醒行为特征对应的第二预设疲劳指数和第二特征值,计算清醒行为特征对应的第二疲劳指数值;
在执行步骤S402的过程中,可按照如下计算公式(2)计算第二疲劳指数值:
B=c*d (2)
其中,B为第二疲劳指数值,c为第二预设疲劳指数,d为第二特征值。
S403,根据第一疲劳指数值、第二疲劳指数值和上一疲劳指数值,计算当前疲劳指数值。
在执行步骤S403的过程中,可按照如下计算公式(3)计算疲劳指数值:
D=A+B+C (3)
其中,D为当前疲劳指数值,C为上一疲劳指数值。
S40,判断当前疲劳指数值是否大于疲劳指数阈值;若是,则执行步骤S50;若否,则执行步骤S60;
S50,确定驾驶员处于疲劳驾驶状态;
S60,确定驾驶员不处于疲劳驾驶状态。
需要说明的是,为提示驾驶员注意休息,可在步骤S50确定驾驶员处于疲劳驾驶状态之后,生成用于表征疲劳驾驶的提示信息;提示装置接收该提示信息之后可以以预设形式提示驾驶员注意休息,例如,提示装置可以是提示灯,也可为中控大屏,提示灯闪烁、点亮或者变换颜色,中控大屏播放图像或者播放声音都可以提示驾驶员。
以上步骤S201~步骤S211仅仅是本申请实施例步骤S20中“从摄像头视觉信息中提取疲劳行为特征的第一特征值”的过程的一种优选的实现方式,有关此过程的具体实现方式可根据自己的需求任意设置,在此不做限定。
以上步骤S301~步骤S304仅仅是本申请实施例步骤S20中“从车辆操作信息中提取清醒行为特征的第二特征值”的过程的一种优选的实现方式,有关此过程的具体实现方式可根据自己的需求任意设置,在此不做限定。
以上步骤S401~步骤S403仅仅是本申请实施例步骤S30中“根据上一疲劳指数值、第一特征值和第二特征值计算当前疲劳指数值”的过程的一种优选的实现方式,有关此过程的具体实现方式可根据自己的需求任意设置,在此不做限定。
本发明实施例提供的疲劳驾驶检测方法,充分发挥摄像头视觉信息和驾驶员操作信息的优势来计算驾驶员的疲劳指数值,从而提高疲劳驾驶检测的准确度和有效性,并且由于可在不干扰驾驶员正常驾驶的情况下精准检测疲劳驾驶,也就同时兼顾了检测准确性和驾驶安全性。
基于上述实施例提供的疲劳驾驶检测方法,本发明实施例则提供执行上述疲劳驾驶检测方法的装置,其结构示意图如图5所示,包括:信息采集模块10、特征提取模块20、计算模块30、判断模块40、第一确定模块50和第二确定模块60;
信息采集模块10,用于实时采集摄像头视觉信息以及车辆操作信息;
特征提取模块20,用于从摄像头视觉信息中提取疲劳行为特征的第一特征值,同时从车辆操作信息中提取清醒行为特征的第二特征值;
计算模块30,用于调取上一疲劳指数值,并根据上一疲劳指数值、第一特征值和第二特征值计算当前疲劳指数值,其中,疲劳指数值用于表征驾驶员疲劳程度;
判断模块40,用于判断当前疲劳指数值是否大于疲劳指数阈值;
第一确定模块50,用于若当前疲劳指数值大于疲劳指数阈值,确定驾驶员处于疲劳驾驶状态;
第二确定模块60,用于若当前疲劳指数值不大于疲劳指数阈值,确定驾驶员不处于疲劳驾驶状态。
优选的,用于从摄像头视觉信息中提取疲劳行为特征的第一特征值的特征提取模块20,具体用于:
基于摄像头视觉信息确定车载摄像头相对于车道线的距离值,车道线包括左车道线和右车道线;根据车载摄像头位于本车的位置信息和车载摄像头相对于车道线的距离值,确定本车相对于车道中心线的当前偏移量;判断当前偏移量是否大于偏移量阈值;若当前偏移量大于偏移量阈值,根据当前偏移量确定疲劳行为特征的第一特征值;若当前偏移量不大于偏移量阈值,调取本车相对于车道中心线的上一偏移量;判断上一偏移量和当前偏移量的差量是否大于差量阈值;若差量大于差量阈值,根据差量确定疲劳行为特征的第一特征值;若差量不大于差量阈值,获取包括当前偏移量的全部偏移量,并生成行驶轨迹;判断行驶轨迹是否符合预设疲劳驾驶轨迹;若行驶轨迹符合预设疲劳驾驶轨迹,根据预设疲劳驾驶轨迹确定疲劳行为特征的第一特征值;若行驶轨迹不符合预设疲劳驾驶轨迹,确定疲劳行为特征的第一特征值为零。
优选的,用于从车辆操作信息中提取清醒行为特征的第二特征值的特征提取模块20,具体用于:
从车辆操作信息中提取目标操作信息,并确定目标操作信息对应的驾驶操作;判断驾驶操作是否符合预设清醒驾驶操作;若驾驶操作符合预设清醒驾驶操作,根据预设清醒驾驶操作确定清醒行为特征的第二特征值;若驾驶操作不符合预设清醒驾驶操作,确定清醒行为特征的第二特征值为零。
优选的,用于根据上一疲劳指数值、第一特征值和第二特征值计算当前疲劳指数值的计算模块的计算模块30,具体用于:
根据疲劳行为特征对应的第一预设疲劳指数和第一特征值,计算疲劳行为特征对应的第一疲劳指数值;依据清醒行为特征对应的第二预设疲劳指数和第二特征值,计算清醒行为特征对应的第二疲劳指数值;根据第一疲劳指数值、第二疲劳指数值和上一疲劳指数值,计算当前疲劳指数值。
优选的,第一确定模块50,之后,还包括:信息生成模块;
信息生成模块,用于生成用于表征疲劳驾驶的提示信息。
本发明实施例提供的疲劳驾驶检测装置,充分发挥摄像头视觉信息和驾驶员操作信息的优势来计算驾驶员的疲劳指数值,从而提高疲劳驾驶检测的准确度和有效性,并且由于可在不干扰驾驶员正常驾驶的情况下精准检测疲劳驾驶,也就同时兼顾了检测准确性和驾驶安全性。
以上对本发明所提供的一种疲劳驾驶检测方法及装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素,或者是还包括为这些过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种疲劳驾驶检测方法,其特征在于,包括:
实时采集摄像头视觉信息以及车辆操作信息;
从所述摄像头视觉信息中提取疲劳行为特征的第一特征值,同时从所述车辆操作信息中提取清醒行为特征的第二特征值;
调取上一疲劳指数值,并根据所述上一疲劳指数值、所述第一特征值和所述第二特征值计算当前疲劳指数值,其中,所述疲劳指数值用于表征驾驶员疲劳程度;
判断所述当前疲劳指数值是否大于疲劳指数阈值;
若所述当前疲劳指数值大于所述疲劳指数阈值,确定驾驶员处于疲劳驾驶状态;
若所述当前疲劳指数值不大于所述疲劳指数阈值,确定驾驶员不处于疲劳驾驶状态。
2.根据权利要求1所述的方法,其特征在于,所述从所述摄像头视觉信息中提取疲劳行为特征的第一特征值,包括:
基于所述摄像头视觉信息确定车载摄像头相对于车道线的距离值,所述车道线包括左车道线和右车道线;
根据所述车载摄像头位于本车的位置信息和所述车载摄像头相对于车道线的距离值,确定本车相对于车道中心线的当前偏移量;
判断所述当前偏移量是否大于偏移量阈值;
若所述当前偏移量大于所述偏移量阈值,根据所述当前偏移量确定疲劳行为特征的第一特征值;
若所述当前偏移量不大于所述偏移量阈值,调取本车相对于车道中心线的上一偏移量;
判断所述上一偏移量和所述当前偏移量的差量是否大于差量阈值;
若所述差量大于所述差量阈值,根据所述差量确定疲劳行为特征的第一特征值;
若所述差量不大于所述差量阈值,获取包括所述当前偏移量的全部偏移量,并生成行驶轨迹;
判断所述行驶轨迹是否符合预设疲劳驾驶轨迹;
若所述行驶轨迹符合所述预设疲劳驾驶轨迹,根据所述预设疲劳驾驶轨迹确定疲劳行为特征的第一特征值;
若所述行驶轨迹不符合所述预设疲劳驾驶轨迹,确定疲劳行为特征的第一特征值为零。
3.根据权利要求1所述的方法,其特征在于,所述从所述车辆操作信息中提取清醒行为特征的第二特征值,包括:
从所述车辆操作信息中提取目标操作信息,并确定所述目标操作信息对应的驾驶操作;
判断所述驾驶操作是否符合预设清醒驾驶操作;
若所述驾驶操作符合所述预设清醒驾驶操作,根据所述预设清醒驾驶操作确定清醒行为特征的第二特征值;
若所述驾驶操作不符合所述预设清醒驾驶操作,确定清醒行为特征的第二特征值为零。
4.根据权利要求1所述的方法,其特征在于,所述根据所述上一疲劳指数值、所述第一特征值和所述第二特征值计算当前疲劳指数值,包括:
根据所述疲劳行为特征对应的第一预设疲劳指数和所述第一特征值,计算所述疲劳行为特征对应的第一疲劳指数值;
依据所述清醒行为特征对应的第二预设疲劳指数和所述第二特征值,计算所述清醒行为特征对应的第二疲劳指数值;
根据所述第一疲劳指数值、所述第二疲劳指数值和所述上一疲劳指数值,计算当前疲劳指数值。
5.根据权利要求1至4任意一项所述的方法,其特征在于,所述确定驾驶员处于疲劳驾驶状态,之后,还包括:
生成用于表征疲劳驾驶的提示信息。
6.一种疲劳驾驶检测装置,其特征在于,包括:信息采集模块、特征提取模块、计算模块、判断模块、第一确定模块和第二确定模块;
所述信息采集模块,用于实时采集摄像头视觉信息以及车辆操作信息;
所述特征提取模块,用于从所述摄像头视觉信息中提取疲劳行为特征的第一特征值,同时从所述车辆操作信息中提取清醒行为特征的第二特征值;
所述计算模块,用于调取上一疲劳指数值,并根据所述上一疲劳指数值、所述第一特征值和所述第二特征值计算当前疲劳指数值,其中,所述疲劳指数值用于表征驾驶员疲劳程度;
所述判断模块,用于判断所述当前疲劳指数值是否大于疲劳指数阈值;
所述第一确定模块,用于若所述当前疲劳指数值大于所述疲劳指数阈值,确定驾驶员处于疲劳驾驶状态;
所述第二确定模块,用于若所述当前疲劳指数值不大于所述疲劳指数阈值,确定驾驶员不处于疲劳驾驶状态。
7.根据权利要求6所述的装置,其特征在于,用于从所述摄像头视觉信息中提取疲劳行为特征的第一特征值的所述特征提取模块,具体用于:
基于所述摄像头视觉信息确定车载摄像头相对于车道线的距离值,所述车道线包括左车道线和右车道线;根据所述车载摄像头位于本车的位置信息和所述车载摄像头相对于车道线的距离值,确定本车相对于车道中心线的当前偏移量;判断所述当前偏移量是否大于偏移量阈值;若所述当前偏移量大于所述偏移量阈值,根据所述当前偏移量确定疲劳行为特征的第一特征值;若所述当前偏移量不大于所述偏移量阈值,调取本车相对于车道中心线的上一偏移量;判断所述上一偏移量和所述当前偏移量的差量是否大于差量阈值;若所述差量大于所述差量阈值,根据所述差量确定疲劳行为特征的第一特征值;若所述差量不大于所述差量阈值,获取包括所述当前偏移量的全部偏移量,并生成行驶轨迹;判断所述行驶轨迹是否符合预设疲劳驾驶轨迹;若所述行驶轨迹符合所述预设疲劳驾驶轨迹,根据所述预设疲劳驾驶轨迹确定疲劳行为特征的第一特征值;若所述行驶轨迹不符合所述预设疲劳驾驶轨迹,确定疲劳行为特征的第一特征值为零。
8.根据权利要求6所述的装置,其特征在于,用于从所述车辆操作信息中提取清醒行为特征的第二特征值的所述特征提取模块,具体用于:
从所述车辆操作信息中提取目标操作信息,并确定所述目标操作信息对应的驾驶操作;判断所述驾驶操作是否符合预设清醒驾驶操作;若所述驾驶操作符合所述预设清醒驾驶操作,根据所述预设清醒驾驶操作确定清醒行为特征的第二特征值;若所述驾驶操作不符合所述预设清醒驾驶操作,确定清醒行为特征的第二特征值为零。
9.根据权利要求6所述的装置,其特征在于,用于根据所述上一疲劳指数值、所述第一特征值和所述第二特征值计算当前疲劳指数值的所述计算模块,具体用于:
根据所述疲劳行为特征对应的第一预设疲劳指数和所述第一特征值,计算所述疲劳行为特征对应的第一疲劳指数值;依据所述清醒行为特征对应的第二预设疲劳指数和所述第二特征值,计算所述清醒行为特征对应的第二疲劳指数值;根据所述第一疲劳指数值、所述第二疲劳指数值和所述上一疲劳指数值,计算当前疲劳指数值。
10.根据权利要求6至9任意一项所述的装置,其特征在于,所述第一确定模块,之后,还包括:信息生成模块;
所述信息生成模块,用于生成用于表征疲劳驾驶的提示信息。
CN201711079506.6A 2017-11-06 2017-11-06 一种疲劳驾驶检测方法及装置 Active CN107832792B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711079506.6A CN107832792B (zh) 2017-11-06 2017-11-06 一种疲劳驾驶检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711079506.6A CN107832792B (zh) 2017-11-06 2017-11-06 一种疲劳驾驶检测方法及装置

Publications (2)

Publication Number Publication Date
CN107832792A true CN107832792A (zh) 2018-03-23
CN107832792B CN107832792B (zh) 2020-07-31

Family

ID=61654591

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711079506.6A Active CN107832792B (zh) 2017-11-06 2017-11-06 一种疲劳驾驶检测方法及装置

Country Status (1)

Country Link
CN (1) CN107832792B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108583437A (zh) * 2018-05-07 2018-09-28 温州中佣科技有限公司 一种车辆驾驶***
CN109272764A (zh) * 2018-09-30 2019-01-25 广州鹰瞰信息科技有限公司 一种危险驾驶的提醒方法及***
CN109367539A (zh) * 2018-11-01 2019-02-22 哈尔滨理工大学 一种检测疲劳驾驶的智能***
CN110647191A (zh) * 2018-06-27 2020-01-03 英属开曼群岛商麦迪创科技股份有限公司 车辆环境调节***及方法
CN114132326A (zh) * 2021-11-26 2022-03-04 北京经纬恒润科技股份有限公司 疲劳驾驶的处理方法及装置
CN114758503A (zh) * 2022-05-06 2022-07-15 浙江水晶光电科技股份有限公司 一种驾驶数据处理方法、设备、服务器及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2487888A (en) * 2009-10-30 2012-08-08 Shenzhen Safdao Technology Corp Ltd Method, device and car for fatigue driving detection
CN102765420A (zh) * 2011-05-05 2012-11-07 通用汽车环球科技运作有限责任公司 用于自动车道对中的转向超驰控制结束的检测***和方法
CN104709164A (zh) * 2015-02-09 2015-06-17 浙江吉利汽车研究院有限公司 基于驾驶行为的驾驶员状态提示方法和***
CN105303830A (zh) * 2015-09-15 2016-02-03 成都通甲优博科技有限责任公司 一种驾驶行为分析***及分析方法
CN105389948A (zh) * 2015-11-11 2016-03-09 上海斐讯数据通信技术有限公司 一种预防司机疲劳驾驶的***及方法
CN105719431A (zh) * 2016-03-09 2016-06-29 深圳市中天安驰有限责任公司 一种疲劳驾驶检测***
CN105740847A (zh) * 2016-03-02 2016-07-06 同济大学 一种基于驾驶员眼部识别和车辆行驶轨迹的疲劳等级判别算法
CN106004884A (zh) * 2016-07-11 2016-10-12 南昌工学院 基于复合传感实现路情实时识别和危险判断的方法及其***

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2487888A (en) * 2009-10-30 2012-08-08 Shenzhen Safdao Technology Corp Ltd Method, device and car for fatigue driving detection
CN102765420A (zh) * 2011-05-05 2012-11-07 通用汽车环球科技运作有限责任公司 用于自动车道对中的转向超驰控制结束的检测***和方法
CN104709164A (zh) * 2015-02-09 2015-06-17 浙江吉利汽车研究院有限公司 基于驾驶行为的驾驶员状态提示方法和***
CN105303830A (zh) * 2015-09-15 2016-02-03 成都通甲优博科技有限责任公司 一种驾驶行为分析***及分析方法
CN105389948A (zh) * 2015-11-11 2016-03-09 上海斐讯数据通信技术有限公司 一种预防司机疲劳驾驶的***及方法
CN105740847A (zh) * 2016-03-02 2016-07-06 同济大学 一种基于驾驶员眼部识别和车辆行驶轨迹的疲劳等级判别算法
CN105719431A (zh) * 2016-03-09 2016-06-29 深圳市中天安驰有限责任公司 一种疲劳驾驶检测***
CN106004884A (zh) * 2016-07-11 2016-10-12 南昌工学院 基于复合传感实现路情实时识别和危险判断的方法及其***

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108583437A (zh) * 2018-05-07 2018-09-28 温州中佣科技有限公司 一种车辆驾驶***
CN110647191A (zh) * 2018-06-27 2020-01-03 英属开曼群岛商麦迪创科技股份有限公司 车辆环境调节***及方法
CN109272764A (zh) * 2018-09-30 2019-01-25 广州鹰瞰信息科技有限公司 一种危险驾驶的提醒方法及***
CN109272764B (zh) * 2018-09-30 2020-12-08 广州鹰瞰信息科技有限公司 一种危险驾驶的提醒方法及***
CN109367539A (zh) * 2018-11-01 2019-02-22 哈尔滨理工大学 一种检测疲劳驾驶的智能***
CN114132326A (zh) * 2021-11-26 2022-03-04 北京经纬恒润科技股份有限公司 疲劳驾驶的处理方法及装置
CN114758503A (zh) * 2022-05-06 2022-07-15 浙江水晶光电科技股份有限公司 一种驾驶数据处理方法、设备、服务器及存储介质
CN114758503B (zh) * 2022-05-06 2023-06-20 浙江水晶光电科技股份有限公司 一种驾驶数据处理方法、设备、服务器及存储介质

Also Published As

Publication number Publication date
CN107832792B (zh) 2020-07-31

Similar Documents

Publication Publication Date Title
CN107832792A (zh) 一种疲劳驾驶检测方法及装置
CN110386152B (zh) 基于l2级智能领航驾驶的人机交互显示控制方法及***
WO2017075976A1 (zh) 一种驾驶行为评测方法及装置
CN107972671A (zh) 一种驾驶行为分析***
CN105564436A (zh) 一种高级驾驶辅助***
Liao et al. Detection of driver cognitive distraction: A comparison study of stop-controlled intersection and speed-limited highway
CN104112334B (zh) 疲劳驾驶预警方法及***
CN102791556B (zh) 生物体状态判定装置
CN105761329B (zh) 基于驾驶习惯的驾驶员辨别方法
CN109367539A (zh) 一种检测疲劳驾驶的智能***
CN108682119B (zh) 基于智能手机和智能手表的驾驶员疲劳状态检测方法
CN105303830A (zh) 一种驾驶行为分析***及分析方法
CN105844222A (zh) 基于视觉的前方车辆碰撞预警***及方法
CN105574487A (zh) 基于面部特征的驾驶人注意力状态检测方法
CN104794855A (zh) 驾驶员注意力综合评估装置
JP2012113631A (ja) 運転支援システム及び運転支援管理センター
CN105809976B (zh) 车辆行驶状态监测方法及移动终端
CN103661375A (zh) 一种考虑驾驶分心状态的车道偏离报警方法及***
CN103732480A (zh) 用于在行车道上车辆的线路引导中辅助驾驶员的方法和设备
CN106952448B (zh) 一种具备驾驶全周期疲劳等级实时辨识预警功能的车载装置
CN109345829A (zh) 无人车的监控方法、装置、设备及存储介质
CN107571797A (zh) 前车行驶信息抬头显示方法及***
CN106611505A (zh) 基于驾驶行为的行车辅助方法
JP2008139553A (ja) 運転適性診断方法、運転適性診断の評価基準決定方法、運転適性診断プログラム
CN108877151A (zh) 疲劳驾驶预警方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address

Address after: 4 / F, building 1, No.14 Jiuxianqiao Road, Chaoyang District, Beijing 100020

Patentee after: Beijing Jingwei Hirain Technologies Co.,Inc.

Address before: 8 / F, block B, No. 11, Anxiang Beili, Chaoyang District, Beijing 100101

Patentee before: Beijing Jingwei HiRain Technologies Co.,Ltd.

CP03 Change of name, title or address