CN109035704A - 一种基于人工智能芯片的防疲劳驾驶控制***及方法 - Google Patents
一种基于人工智能芯片的防疲劳驾驶控制***及方法 Download PDFInfo
- Publication number
- CN109035704A CN109035704A CN201811020732.1A CN201811020732A CN109035704A CN 109035704 A CN109035704 A CN 109035704A CN 201811020732 A CN201811020732 A CN 201811020732A CN 109035704 A CN109035704 A CN 109035704A
- Authority
- CN
- China
- Prior art keywords
- driver
- fatigue
- artificial intelligence
- facial information
- intelligence chip
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/06—Alarms for ensuring the safety of persons indicating a condition of sleep, e.g. anti-dozing alarms
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
- B60Q9/00—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Mechanical Engineering (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于人工智能芯片的防疲劳驾驶控制***及方法,其特征在于,包括:图像采集模块:采集驾驶员面部信息;面部信息处理模块:采用面部疲惫识别算法对采集到的驾驶员面部信息进行分析处理,得到驾驶员的疲劳状态,如果驾驶员处于非疲劳状态,则继续采集驾驶员面部信息;如果驾驶员处于轻度疲劳状态,则对驾驶员进行提醒;如果驾驶员处于重度疲劳状态,则发出更换驾驶员信息;提醒模块:通过开窗通风、空调降温或者报警方式提醒驾驶员。信息传送模块:向上级发送更换驾驶员信息。
Description
技术领域
本发明属于军用车辆辅助驾驶技术领域,涉及一种驾驶控制***及控制方法,尤其是一种基于人工智能芯片的防疲劳驾驶控制***及方法。
背景技术
人工智能,它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用***的一门新的技术科学。
人工智能一个完整的过程包括感知、决策、反馈三个阶段,任何一个阶段的短板都直接限制着人工智能技术的普及应用。
随着无线通信和计算机技术的蓬勃发展,影响人工智能发展的先决条件物联网、大规模并行计算/边缘计算、大数据和深度学习算法都已经基本满足,人工智能蓬勃发展的时机已经成熟,基于人工智能的应用研究已无技术壁垒。
战士驾车执行长途作战任务时,容易出线疲劳现象;而现有技术中的驾驶控制***无法解决这一问题;此为现有技术的不足之处。
因此,针对现有技术中的上述缺陷,提供设计一种基于人工智能芯片的防疲劳驾驶控制***及方法;以解决现有技术中的上述缺陷,是非常有必要的。
发明内容
本发明的目的在于,针对上述现有技术存在的缺陷,提供设计一种基于人工智能芯片的防疲劳驾驶控制***及方法,以解决上述技术问题。
为实现上述目的,本发明给出以下技术方案:
一种基于人工智能芯片的防疲劳驾驶控制***,其特征在于,包括:
图像采集模块:采集驾驶员面部信息;
面部信息处理模块:采用面部疲惫识别算法对采集到的驾驶员面部信息进行分析处理,得到驾驶员的疲劳状态,如果驾驶员处于非疲劳状态,则继续采集驾驶员面部信息;如果驾驶员处于轻度疲劳状态,则对驾驶员进行提醒;如果驾驶员处于重度疲劳状态,则发出更换驾驶员信息;
提醒模块:通过开窗通风、空调降温或者报警方式提醒驾驶员。
信息传送模块:向上级发送更换驾驶员信息。
作为优选,所述图像采集模块中,采用摄像头对驾驶员的面部信息进行采集;摄像头每隔一定时间对驾驶员进行面部信息的采集。
作为优选,所述面部信息处理模块中,对面部疲惫识别算法进行训练,并将训练后的算法模型导入人工智能芯片,在人工智能芯片内安装芯片驱动程序,以及人机交互程序。
本控制***能够集成在控制终端中,将控制终端放置在驾驶室,即能够实现对驾驶员的面部信息采集和处理。
一种基于人工智能芯片的防疲劳驾驶控制方法,其特征在于,包括以下步骤:
S1:采集驾驶员面部信息;
S2:采用面部疲惫识别算法对采集到的驾驶员面部信息进行分析处理,得到驾驶员的疲劳状态,如果驾驶员处于非疲劳状态,则转到步骤S1;如果驾驶员处于轻度疲劳状态,则转到步骤S3;如果驾驶员处于重度疲劳状态,则转到步骤S4;
S3:对驾驶员进行提醒;
S4:发出更换驾驶员信息。
作为优选,所述步骤S1中,采用摄像头对驾驶员的面部信息进行采集。
作为优选,所述步骤S1中,每隔一定时间对驾驶员进行面部信息的采集。
作为优选,所述步骤S2中,对面部疲惫识别算法进行训练,并将训练后的算法模型导入人工智能芯片,在人工智能芯片内安装芯片驱动程序,以及人机交互程序。
作为优选,所述步骤S3中,通过开窗通风、空调降温或者报警方式提醒驾驶员。
本发明的有益效果在于,通过设计基于国产人工智能指令集的高效面部疲惫识别算法,训练用于疲劳识别的模型,并将其集成与军用智能终端中,既能出色的完成疲劳驾驶面部识别任务,又能保障信息安全。
对驾驶员的身体状态实施实时监控,并且能够对疲劳驾驶做出提醒或采取进一步措施,能够在一定程度上保障行车安全,进而保障乘车人员安全。
此外,本发明设计原理可靠,结构简单,具有非常广泛的应用前景。
由此可见,本发明与现有技术相比,具有突出的实质性特点和显著地进步,其实施的有益效果也是显而易见的。
附图说明
图1是本发明提供的一种基于人工智能芯片的防疲劳驾驶控制***的原理框图。
图2是发明提供的一种基于人工智能芯片的防疲劳驾驶控制方法的流程图。
具体实施方式
下面结合附图并通过具体实施例对本发明进行详细阐述,以下实施例是对本发明的解释,而本发明并不局限于以下实施方式。
实施例1:
如图1所示,本发明提供的一种基于人工智能芯片的防疲劳驾驶控制***,其特征在于,包括:
图像采集模块:采集驾驶员面部信息;
面部信息处理模块:采用面部疲惫识别算法对采集到的驾驶员面部信息进行分析处理,得到驾驶员的疲劳状态,如果驾驶员处于非疲劳状态,则继续采集驾驶员面部信息;如果驾驶员处于轻度疲劳状态,则对驾驶员进行提醒;如果驾驶员处于重度疲劳状态,则发出更换驾驶员信息;
提醒模块:通过开窗通风、空调降温或者报警方式提醒驾驶员。
信息传送模块:向上级发送更换驾驶员信息。
本实施例中,所述图像采集模块中,采用摄像头对驾驶员的面部信息进行采集;摄像头每隔一定时间对驾驶员进行面部信息的采集。
本实施例中,所述面部信息处理模块中,对面部疲惫识别算法进行训练,并将训练后的算法模型导入人工智能芯片,在人工智能芯片内安装芯片驱动程序,以及人机交互程序。
本控制***能够集成在控制终端中,将控制终端放置在驾驶室,即能够实现对驾驶员的面部信息采集和处理。
实施例2:
如图1所示,本发明提供的一种基于人工智能芯片的防疲劳驾驶控制方法,其特征在于,包括以下步骤:
S1:采集驾驶员面部信息;
S2:采用面部疲惫识别算法对采集到的驾驶员面部信息进行分析处理,得到驾驶员的疲劳状态,如果驾驶员处于非疲劳状态,则转到步骤S1;如果驾驶员处于轻度疲劳状态,则转到步骤S3;如果驾驶员处于重度疲劳状态,则转到步骤S4;
S3:对驾驶员进行提醒;
S4:发出更换驾驶员信息。
本实施例中,所述步骤S1中,采用摄像头对驾驶员的面部信息进行采集。
本实施例中,所述步骤S1中,每隔一定时间对驾驶员进行面部信息的采集。
本实施例中,所述步骤S2中,对面部疲惫识别算法进行训练,并将训练后的算法模型导入人工智能芯片,在人工智能芯片内安装芯片驱动程序,以及人机交互程序。
本实施例中,所述步骤S3中,通过开窗通风、空调降温或者报警方式提醒驾驶员。
以上公开的仅为本发明的优选实施方式,但本发明并非局限于此,任何本领域的技术人员能思之的没有创造性的变化,以及在不脱离本发明原理前提下所作的若干改进和润饰,都应落在本发明的保护范围内。
Claims (8)
1.一种基于人工智能芯片的防疲劳驾驶控制***,其特征在于,包括:
图像采集模块:采集驾驶员面部信息;
面部信息处理模块:采用面部疲惫识别算法对采集到的驾驶员面部信息进行分析处理,得到驾驶员的疲劳状态,如果驾驶员处于非疲劳状态,则继续采集驾驶员面部信息;如果驾驶员处于轻度疲劳状态,则对驾驶员进行提醒;如果驾驶员处于重度疲劳状态,则发出更换驾驶员信息;
提醒模块:通过开窗通风、空调降温或者报警方式提醒驾驶员;
信息传送模块:向上级发送更换驾驶员信息。
2.根据权利要求1所述的一种基于人工智能芯片的防疲劳驾驶控制***,其特征在于,所述图像采集模块中,采用摄像头对驾驶员的面部信息进行采集;摄像头每隔一定时间对驾驶员进行面部信息的采集。
3.根据权利要求2所述的一种基于人工智能芯片的防疲劳驾驶控制***,其特征在于,所述面部信息处理模块中,对面部疲惫识别算法进行训练,并将训练后的算法模型导入人工智能芯片,在人工智能芯片内安装芯片驱动程序,以及人机交互程序。
4.一种基于人工智能芯片的防疲劳驾驶控制方法,其特征在于,包括以下步骤:
S1:采集驾驶员面部信息;
S2:采用面部疲惫识别算法对采集到的驾驶员面部信息进行分析处理,得到驾驶员的疲劳状态,如果驾驶员处于非疲劳状态,则转到步骤S1;如果驾驶员处于轻度疲劳状态,则转到步骤S3;如果驾驶员处于重度疲劳状态,则转到步骤S4;
S3:对驾驶员进行提醒;
S4:发出更换驾驶员信息。
5.根据权利要求4所述的一种基于人工智能芯片的防疲劳驾驶控制方法,其特征在于,所述步骤S1中,采用摄像头对驾驶员的面部信息进行采集。
6.根据权利要求5所述的一种基于人工智能芯片的防疲劳驾驶控制方法,其特征在于,所述步骤S1中,每隔一定时间对驾驶员进行面部信息的采集。
7.根据权利要求6所述的一种基于人工智能芯片的防疲劳驾驶控制方法,其特征在于,所述步骤S2中,对面部疲惫识别算法进行训练,并将训练后的算法模型导入人工智能芯片,在人工智能芯片内安装芯片驱动程序,以及人机交互程序。
8.根据权利要求7所述的一种基于人工智能芯片的防疲劳驾驶控制方法,其特征在于,所述步骤S3中,通过开窗通风、空调降温或者报警方式提醒驾驶员。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811020732.1A CN109035704A (zh) | 2018-09-03 | 2018-09-03 | 一种基于人工智能芯片的防疲劳驾驶控制***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811020732.1A CN109035704A (zh) | 2018-09-03 | 2018-09-03 | 一种基于人工智能芯片的防疲劳驾驶控制***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109035704A true CN109035704A (zh) | 2018-12-18 |
Family
ID=64622897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811020732.1A Pending CN109035704A (zh) | 2018-09-03 | 2018-09-03 | 一种基于人工智能芯片的防疲劳驾驶控制***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109035704A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111098860A (zh) * | 2019-12-16 | 2020-05-05 | 东风汽车有限公司 | 汽车驾驶疲劳缓解方法、电子设备、疲劳驾驶判断方法及服务器 |
CN113112753A (zh) * | 2021-04-15 | 2021-07-13 | 奇瑞汽车股份有限公司 | 一种汽车疲劳驾驶提醒***及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10024227A1 (de) * | 2000-05-17 | 2001-12-13 | Volkswagen Ag | Verfahren und Einrichtung zur elektronischen Überwachung des Aufmerksamkeitsgrades |
CN105989696A (zh) * | 2015-01-28 | 2016-10-05 | 江苏众鑫交通器材有限公司 | 一种疲劳驾驶监测*** |
CN106080194A (zh) * | 2016-06-14 | 2016-11-09 | 李英德 | 防疲劳驾驶的预警方法和*** |
CN106236046A (zh) * | 2016-09-05 | 2016-12-21 | 合肥飞鸟信息技术有限公司 | 驾驶员疲劳监测*** |
CN106710143A (zh) * | 2015-08-26 | 2017-05-24 | 长城汽车股份有限公司 | 驾驶员疲劳状态监控方法、***、以及车辆 |
-
2018
- 2018-09-03 CN CN201811020732.1A patent/CN109035704A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10024227A1 (de) * | 2000-05-17 | 2001-12-13 | Volkswagen Ag | Verfahren und Einrichtung zur elektronischen Überwachung des Aufmerksamkeitsgrades |
CN105989696A (zh) * | 2015-01-28 | 2016-10-05 | 江苏众鑫交通器材有限公司 | 一种疲劳驾驶监测*** |
CN106710143A (zh) * | 2015-08-26 | 2017-05-24 | 长城汽车股份有限公司 | 驾驶员疲劳状态监控方法、***、以及车辆 |
CN106080194A (zh) * | 2016-06-14 | 2016-11-09 | 李英德 | 防疲劳驾驶的预警方法和*** |
CN106236046A (zh) * | 2016-09-05 | 2016-12-21 | 合肥飞鸟信息技术有限公司 | 驾驶员疲劳监测*** |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111098860A (zh) * | 2019-12-16 | 2020-05-05 | 东风汽车有限公司 | 汽车驾驶疲劳缓解方法、电子设备、疲劳驾驶判断方法及服务器 |
CN113112753A (zh) * | 2021-04-15 | 2021-07-13 | 奇瑞汽车股份有限公司 | 一种汽车疲劳驾驶提醒***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109901595A (zh) | 一种基于单目摄像头和树莓派的自动驾驶***及方法 | |
CN107092894A (zh) | 一种基于lstm模型的运动行为识别方法 | |
CN104166548B (zh) | 基于运动想象脑电数据的深度学习方法 | |
CN108288015A (zh) | 基于时间尺度不变性的视频中人体动作识别方法及*** | |
CN102831411B (zh) | 一种快速人脸检测方法 | |
CN109035704A (zh) | 一种基于人工智能芯片的防疲劳驾驶控制***及方法 | |
CN104331160A (zh) | 一种基于唇部状态识别的智能轮椅人机交互***及方法 | |
CN109101108A (zh) | 基于三支决策优化智能座舱人机交互界面的方法及*** | |
CN102945554A (zh) | 基于学习和加速鲁棒surf特征的目标跟踪方法 | |
CN109558805A (zh) | 基于多层深度特征的人体行为识别方法 | |
CN104346451A (zh) | 一种基于用户反馈的情景感知***及其工作方法和应用 | |
CN109009887A (zh) | 一种基于脑机接口的人机交互式导航***及方法 | |
CN103034847A (zh) | 一种基于隐马尔可夫模型的人脸识别方法 | |
CN112949560A (zh) | 双通道特征融合下长视频表情区间连续表情变化识别方法 | |
Kim et al. | Development of a UAV-type jellyfish monitoring system using deep learning | |
CN108960171B (zh) | 一种基于特征迁移学习的转换手势识别到身份识别的方法 | |
CN112631173A (zh) | 脑控无人平台协同控制*** | |
CN114241458B (zh) | 一种基于姿态估计特征融合的驾驶员行为识别方法 | |
CN105590084A (zh) | 一种机器人人脸检测跟踪情感检测*** | |
CN108921044A (zh) | 基于深度卷积神经网络的驾驶员决策特征提取方法 | |
CN117158994A (zh) | 一种基于运动想象的脑卒中患者脑电信号分类方法及*** | |
CN111543985A (zh) | 一种基于新型深度学习模型的脑控混合智能康复方法 | |
CN107832753A (zh) | 一种基于四值权重与多重分类的人脸特征提取方法 | |
CN107045624A (zh) | 一种基于最大加权团的脑电信号预处理与分类方法 | |
CN116434037B (zh) | 基于双层优化学习的多模态遥感目标鲁棒识别方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181218 |