CN111866056B - 信息推送方法、装置、电子设备和存储介质 - Google Patents
信息推送方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111866056B CN111866056B CN202010209695.XA CN202010209695A CN111866056B CN 111866056 B CN111866056 B CN 111866056B CN 202010209695 A CN202010209695 A CN 202010209695A CN 111866056 B CN111866056 B CN 111866056B
- Authority
- CN
- China
- Prior art keywords
- service provider
- target service
- driving state
- historical time
- information
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000001815 facial effect Effects 0.000 claims description 75
- 230000003542 behavioural effect Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 4
- 230000006399 behavior Effects 0.000 description 55
- 230000008569 process Effects 0.000 description 17
- 238000001514 detection method Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 11
- 230000000391 smoking effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000035622 drinking Effects 0.000 description 7
- 230000009471 action Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 102000006822 Agouti Signaling Protein Human genes 0.000 description 1
- 108010072151 Agouti Signaling Protein Proteins 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004590 drinking behavior Effects 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种信息推送方法、装置、电子设备和存储介质，该方法包括：获取目标服务提供端对应的当前行驶状态信息，以及所述目标服务提供端对应的目标服务提供方在不同历史时间段的历史驾驶状态信息；基于不同历史时间段分别对应的历史驾驶状态信息，以及当前行驶状态信息，确定所述目标服务提供端对应的目标服务提供方当前是否处于疲劳驾驶状态；若确定所述目标服务提供方当前处于疲劳驾驶状态，则向所述目标服务提供端发送驾驶提醒信息，本申请能够提高推送信息的准确度。
Description
技术领域
本申请涉及信息技术领域，具体而言，涉及一种信息推送方法、装置、电子设备和存储介质。
背景技术
随着互联网的快速发展，出行服务平台能够为乘客提供多种出行服务。在乘客利用出行服务平台的服务提供端出行时，司机在开车过程中的状态很重要，司机是否疲劳驾驶，会影响乘客和司机的人身安全。
针对于司机的开车过程中的状态检测，一般是通过安装在车辆中的终端设备实现对司机是否疲劳驾驶进行检测的，终端设备中存储有预先训练好的疲劳状态检测模型，但是，由于司机在驾驶车辆过程可能存在遮挡，或者车辆中光线较暗等问题，导致疲劳驾驶状态检测模型的检测准确度比较低。
发明内容
有鉴于此，本申请的目的在于提供一种车辆调度方法、装置、电子设备和存储介质，以提高向服务提供高端推送信息的准确度。
第一方面，本申请实施例提供了一种信息推送装置，该装置包括：
获取模块，用于获取目标服务提供端对应的当前行驶状态信息，以及所述目标服务提供端对应的目标服务提供方在不同历史时间段的历史驾驶状态信息；
确定模块，用于基于所述获取模块获取的不同历史时间段分别对应的历史驾驶状态信息，以及当前行驶状态信息，确定所述目标服务提供端对应的目标服务提供方当前是否处于疲劳驾驶状态；
发送模块，用于若所述确定模块确定所述目标服务提供方当前处于疲劳驾驶状态，则向所述目标服务提供端发送驾驶提醒信息。
在一种实施方式中，所述确定模块用于根据以下步骤确定所述目标服务提供方当前处于疲劳驾驶状态：
基于所述目标服务提供方在各历史时间段对应的面部特征信息，确定所述目标服务提供方在对应历史时间段是否处于疲劳状态；
若确定所述目标服务提供方在至少一个历史时间段处于疲劳状态，且所述目标服务提供方处于疲劳状态的历史时间段的数目大于第一阈值，则确定所述目标服务提供方当前处于疲劳状态；
若基于当前行驶状态信息，确定目标服务提供端处于行驶状态，则确定所述目标服务提供方当前处于疲劳驾驶状态。
在一种实施方式中，所述确定模块用于根据以下步骤确定所述目标服务提供方在对应历史时间段是否处于疲劳状态：
获取所述目标服务提供方在各历史时间段对应的行为特征信息；
基于所述目标服务提供方在各历史时间段对应的行为特征信息和面部特征信息，确定所述目标服务提供方在对应历史时间段是否处于疲劳状态。
在一种实施方式中，所述确定模块用于根据以下步骤确定所述目标服务提供方在至少一个历史时间段处于疲劳状态：
针对每个历史时间段，根据该历史时间段对应的多个面部图像帧集合分别对应的面部特征信息，确定每个所述面部图像帧集合在该历史时间段对应的面部打分；其中，面部图像帧集合中的面部图像帧具有先后关系；
若所述多个面部打分中存在面部打分大于预设分数阈值，且大于预设分数阈值的面部打分的数目大于第二阈值，则确定目标服务提供方在该历史时间段处于疲劳状态。
在一种实施方式中，所述获取模块还用于：
获取目标服务提供段在不同历史时间段的历史行驶速度信息；
所述确定模块用于根据以下步骤确定所述目标服务提供端对应的目标服务提供方当前是否处于疲劳驾驶状态：
基于所述目标服务提供方在不同历史时间段分别对应的历史驾驶状态信息和历史行驶速度信息，以及当前行驶状态信息，确定所述目标服务提供端对应的目标服务提供方当前是否处于疲劳驾驶状态。
在一种实施方式中，所述确定模块用于根据以下步骤确定所述目标服务提供方当前处于疲劳驾驶状态：
若基于当前行驶状态信息确定所述目标服务提供端当前处于行驶状态，且所述目标服务提供方在不同历史时间段中的至少一个历史时间段处于疲劳状态，且目标服务提供方处于疲劳状态的历史时间段的数目大于第三阈值，且数目大于第三阈值的历史时间段对应的历史行驶速度大于预设的第一速度阈值，则确定所述目标服务提供方当前处于疲劳驾驶状态。
在一种实施方式中，所述确定模块用于根据以下步骤确定目标服务提供端处于行驶状态：
若确定所述目标服务提供端对应的当前行驶速度大于预设的第二速度阈值，则确定所述目标服务提供端处于行驶状态。
在一种实施方式中，所述确定模块还用于：
若确定所述目标服务提供方未处于疲劳驾驶状态，则在预设时间段内停止获取目标服务提供端对应的行驶状态信息和所述目标服务提供端对应的目标服务提供方在不同历史时间段的历史驾驶状态信息。
第二方面，本申请实施例提供了一种信息推送方法，该方法包括：
获取目标服务提供端对应的当前行驶状态信息，以及所述目标服务提供端对应的目标服务提供方在不同历史时间段的历史驾驶状态信息；
基于不同历史时间段分别对应的历史驾驶状态信息，以及当前行驶状态信息，确定所述目标服务提供端对应的目标服务提供方当前是否处于疲劳驾驶状态；
若确定所述目标服务提供方当前处于疲劳驾驶状态，则向所述目标服务提供端发送驾驶提醒信息。
在一种实施方式中，确定所述目标服务提供方当前处于疲劳驾驶状态，包括：
基于所述目标服务提供方在各历史时间段对应的面部特征信息，确定所述目标服务提供方在对应历史时间段是否处于疲劳状态；
若确定所述目标服务提供方在至少一个历史时间段处于疲劳状态，且所述目标服务提供方处于疲劳状态的历史时间段的数目大于第一阈值，则确定所述目标服务提供方当前处于疲劳状态；
若基于当前行驶状态信息，确定目标服务提供端处于行驶状态，则确定所述目标服务提供方当前处于疲劳驾驶状态。
在一种实施方式中，确定所述目标服务提供方在对应历史时间段是否处于疲劳状态，包括：
获取所述目标服务提供方在各历史时间段对应的行为特征信息；
基于所述目标服务提供方在各历史时间段对应的行为特征信息和面部特征信息，确定所述目标服务提供方在对应历史时间段是否处于疲劳状态。
在一种实施方式中，确定所述目标服务提供方在至少一个历史时间段处于疲劳状态，包括：
针对每个历史时间段，根据该历史时间段对应的多个面部图像帧集合分别对应的面部特征信息，确定每个所述面部图像帧集合在该历史时间段对应的面部打分；其中，面部图像帧集合中的面部图像帧具有先后关系；
若所述多个面部打分中存在面部打分大于预设分数阈值，且大于预设分数阈值的面部打分的数目大于第二阈值，则确定目标服务提供方在该历史时间段处于疲劳状态。
在一种实施方式中，还包括：
获取目标服务提供段在不同历史时间段的历史行驶速度信息；
确定所述目标服务提供端对应的目标服务提供方当前是否处于疲劳驾驶状态，包括：
基于所述目标服务提供方在不同历史时间段分别对应的历史驾驶状态信息和历史行驶速度信息，以及当前行驶状态信息，确定所述目标服务提供端对应的目标服务提供方当前是否处于疲劳驾驶状态。
在一种实施方式中，确定所述目标服务提供方当前处于疲劳驾驶状态，包括：
若基于当前行驶状态信息确定所述目标服务提供端当前处于行驶状态，且所述目标服务提供方在不同历史时间段中的至少一个历史时间段处于疲劳状态，且目标服务提供方处于疲劳状态的历史时间段的数目大于第三阈值，且数目大于第三阈值的历史时间段对应的历史行驶速度大于预设的第一速度阈值，则确定所述目标服务提供方当前处于疲劳驾驶状态。
在一种实施方式中，确定目标服务提供端处于行驶状态，包括：
若确定所述目标服务提供端对应的当前行驶速度大于预设的第二速度阈值，则确定所述目标服务提供端处于行驶状态。
在一种实施方式中，还包括：
若确定所述目标服务提供方未处于疲劳驾驶状态，则在预设时间段内停止获取目标服务提供端对应的行驶状态信息和所述目标服务提供端对应的目标服务提供方在不同历史时间段的历史驾驶状态信息。
第三方面，本申请实施例提供了一种电子设备，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行上述信息推送方法的步骤。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述信息推送方法的步骤。
本申请实施例提供的信息推送方法，获取目标服务提供端对应的当前行驶状态信息，以及目标服务提供端对应的目标服务提供方在不同历史时间段的历史驾驶状态信息，基于不同历史时间段分别对应的历史驾驶状态信息，以及当前行驶状态信息，确定目标服务提供端对应的目标服务提供方当前是否处于疲劳驾驶状态，不仅仅考虑目标服务提供方的历史驾驶状态信息，同时考虑目标服务提供端的当前行驶状态信息，结合历史驾驶状态信息和当前行驶状态信息确定目标服务提供方是否处于疲劳驾驶状态，在确定目标服务提供方当前处于疲劳驾驶状态，则向目标服务提供端发送驾驶提醒信息，这样，提高了确定的目标服务提供方是否处于疲劳驾驶状态的准确度，从而提高了推送的驾驶提醒信息的准确度，以减少服务提供方出现的疲劳驾驶状态，同时提高了出行平台的服务质量。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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，还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例提供的一种信息推送***的架构示意图；
图2示出了本申请实施例提供的一种信息推送方法的第一种流程示意图；
图3示出了本申请实施例提供的一种信息推送方法的第二种流程示意图；
图4示出了本申请实施例提供的一种信息推送装置的结构示意图；
图5示出了本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。
另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
为了使得本领域技术人员能够使用本申请内容，结合特定应用场景“出行场景”，给出以下实施方式。对于本领域技术人员来说，在不脱离本申请的精神和范围的情况下，可以将这里定义的一般原理应用于其他实施例和应用场景。虽然本申请主要围绕对出行场景进行描述，但是应该理解，这仅是一个示例性实施例。
需要说明的是，本申请实施例中将会用到术语“包括”，用于指出其后所声明的特征的存在，但并不排除增加其它的特征。
本申请中的术语“乘客”、“请求方”、“服务请求方”和“客户”可互换使用，以指代可以请求或订购服务的个人、实体或工具。本申请中的术语“司机”、“提供方”、“服务提供方”和“供应商”可互换使用，以指代可以提供服务的个人、实体或工具。本申请中的术语“用户”可以指代请求服务、订购服务、提供服务或促成服务的提供的个人、实体或工具。例如，用户可以是乘客、驾驶员、操作员等，或其任意组合。在本申请中，“乘客”和“乘客终端”可以互换使用，“驾驶员”和“驾驶员终端”可以互换使用。
本申请中的术语“服务请求”和“订单”可互换使用，以指代由乘客、服务请求方、司机、服务提供方、或供应商等、或其任意组合发起的请求。接受该“服务请求”或“订单”的可以是乘客、服务请求方、司机、服务提供方、或供应商等、或其任意组合。服务请求可以是收费的或免费的。
针对司机开车过程中的状态检测，可以包含疲劳分心检测、不良行为检测(如打电话、喝水、抽烟)等。在对司机的状态检测过程中，通过安装在车里的摄像头采集司机的图像，将图像传输给车载设备，车载设备将图像输入到司机状态检测模型中，实现对司机状态的检测。
受到车载设备处理性能和存储空间的限制，存储在车载设备中的司机状态检测模型一般比较小，司机状态检测模型本身的准确性比较低，从而导致对司机状态的识别结果的准确度比较低，另外，网约车内的摄像头一般是司机自己安装的，受到摄像头的角度、光线、遮挡等因素的影响，导致摄像头获取的司机的图像的质量受到影响，从而在通过司机状态检测模型进行识别时，导致识别结果不准确，会引发错误预警。
为了便于描述，本申请提供了一种信息推送方法，获取目标服务提供端对应的当前行驶状态信息，以及目标服务提供端对应的目标服务提供方在不同历史时间段的历史驾驶状态信息，基于不同历史时间段分别对应的历史驾驶状态信息，以及当前行驶状态信息，确定目标服务提供端对应的目标服务提供方当前是否处于疲劳驾驶状态，不仅仅考虑目标服务提供方的历史驾驶状态信息，同时考虑目标服务提供端的当前行驶状态信息，结合历史驾驶状态信息和当前行驶状态信息确定目标服务提供方是否处于疲劳驾驶状态，在确定目标服务提供方当前处于疲劳驾驶状态，则向目标服务提供端发送驾驶提醒信息，这样，提高了确定的目标服务提供方是否处于疲劳驾驶状态的准确度，从而提高了推送的驾驶提醒信息的准确度，以减少服务提供方出现的疲劳驾驶状态，同时提高了出行平台的服务质量。
图1是本申请实施例提供的一种信息推送***的架构示意图。例如，信息推送***可以是用于诸如出租车、代驾服务、快车、拼车、公共汽车服务、驾驶员租赁、或班车服务之类的运输服务、或其任意组合的在线运输服务平台。信息推送***可以包括服务器110、网络120、服务请求方终端130、服务提供方终端140、和数据库150中的一种或多种。
在一些实施例中，服务器110可以包括处理器。处理器可以处理与服务请求有关的信息和/或数据，以执行本申请中描述的一个或多个功能。例如，处理器可以基于从服务请求方终端130获得的服务请求来确定目标车辆。在一些实施例中，处理器可以包括一个或多个处理核(例如，单核处理器(S)或多核处理器(M))。仅作为举例，处理器可以包括中央处理单元(Central Processing Unit,CPU)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、专用指令集处理器(Application Specific Instruction-set Processor,ASIP)、图形处理单元(Graphics Processing Unit,GPU)、物理处理单元(Physics Processing Unit,PPU)、数字信号处理器(Digital Signal Processor,DSP)、现场可编程门阵列(Field Programmable Gate Array,FPGA)、可编程逻辑器件(Programmable Logic Device,PLD)、控制器、微控制器单元、简化指令集计算机(ReducedInstruction Set Computing,RISC)、或微处理器等，或其任意组合。
在一些实施例中，服务请求方终端130和服务提供方终端140对应的设备类型可以是移动设备，比如可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、或增强现实设备等，也可以是平板计算机、膝上型计算机、或机动车辆中的内置设备等。
在一些实施例中，数据库150可以连接到网络120以与信息推送***100中的一个或多个组件(例如，服务器110，服务请求方终端130，服务提供方终端140等)通信。信息推送***中的一个或多个组件可以经由网络120访问存储在数据库150中的数据或指令。在一些实施例中，数据库150可以直接连接到信息推送***中的一个或多个组件，或者，数据库150也可以是服务器110的一部分。
下面结合上述图1示出的信息推送***中描述的内容，对本申请实施例提供的信息推送方法进行详细说明。
本申请实施例提供了一种信息推送方法，如图2所示，该方法应用于出行服务平台的服务器中，该方法具体包括以下步骤：
S201，获取目标服务提供端对应的当前行驶状态信息，以及所述目标服务提供端对应的目标服务提供方在不同历史时间段的历史驾驶状态信息。
S202，基于不同历史时间段分别对应的历史驾驶状态信息，以及当前行驶状态信息，确定所述目标服务提供端对应的目标服务提供方当前是否处于疲劳驾驶状态。
S203，若确定所述目标服务提供方当前处于疲劳驾驶状态，则向所述目标服务提供端发送驾驶提醒信息。
在S201中，服务提供端可以为车辆中的终端设备，该终端设备中包括全球定位***(Global Positioning System，GPS)模块、图像采集模块(如摄像头)、处理器等；行驶状态信息包括服务提供端的行驶速度、服务提供端所处的位置等信息，当前行驶状态信息为目标服务提供端对应的车辆在行驶过程中实时获取的；历史时间段为获取当前行驶状态信息的时间点之前的时间段，历史时间段可以为连续几十秒、几分钟等，历史驾驶状态信息可以包括服务提供方的面部特征信息和服务提供方的行为特征信息等信息，下文详述。
在具体实施过程中，行驶状态信息可以为目标服务提供端中的全球定位***(Global Positioning System，GPS)模块获取的，历史驾驶状态信息为目标服务提供端中运行的状态识别模型识别得到的，以下介绍历史驾驶状态信息的识别过程。
在车辆实际运行过程中，车辆中安装的服务提供端可以实时采集服务提供方的视频流，并利用状态识别模型对视频流中的面部特征进行识别，视频流可以为0.25秒传输一帧图像，状态识别模型识别每帧图像中司机的面部特征信息。将识别到的每帧图像对应的面部特征信息上传到服务器，以便由服务器根据面部特征信息确定服务提供方是否处于疲劳状态，下文详述。其中，状态是识别模型可以为循环神经网络模型、长短期记忆网络模型等模型，可以根据实际情况确定。
在S202中，疲劳驾驶状态表征服务提供方当前所处的车辆的处于运行状态、且服务提供方处于疲劳状态，若服务提供方持续处于疲劳驾驶状态，则会为服务请求方带来潜在的安全隐患。
在执行S202时，参考图3，基于不同历史时间段分别对应的历史驾驶状态信息，以及当前行驶状态信息，确定所述目标服务提供方当前处于疲劳驾驶状态，包括：
S301，基于所述目标服务提供方在各历史时间段对应的面部特征信息，确定所述目标服务提供方在对应历史时间段是否处于疲劳状态。
S302，若确定所述目标服务提供方在至少一个历史时间段处于疲劳状态，且所述目标服务提供方处于疲劳状态的历史时间段的数目大于第一阈值，则确定所述目标服务提供方当前处于疲劳驾驶状态。
S303，若基于当前行驶状态信息，确定目标服务提供端处于行驶状态，则确定所述目标服务提供方当前处于疲劳驾驶状态。
在确定目标服务提供方在至少一个历史时间段处于疲劳状态时，可以包括以下步骤：
针对每个历史时间段，根据该历史时间段对应的多个面部图像帧集合分别对应的面部特征信息，确定每个所述面部图像帧集合在该历史时间段对应的面部打分；其中，面部图像帧集合中的面部图像帧具有先后关系；
若所述多个面部打分中存在面部打分大于预设分数阈值，且大于预设分数阈值的面部打分的数目大于第二阈值，则确定目标服务提供方在该历史时间段处于疲劳状态。
这里，面部特征信息包括服务提供方是否眨眼睛、眨眼睛次数、服务提供方是否打哈气、打哈气次数等；面部图像帧包括服务提供方的面部特征，如，眼睛、嘴巴等特征；每个历史时间段对应的视频流中包括多个面部图像帧，面部图像帧集合中包括的面部图像帧为在时间上具有先后关系的图像帧，比如，视频流中的第一帧图像到第十帧图像可以形成具有先后关系的面部图像帧集合；面部打分表征服务提供方处于疲劳状态的概率，该打分越高说明服务提供方处于疲劳状态的概率越大，面部打分包括不同面部特征对应的打分，比如，该面部打分包括眼睛特征对应的打分和嘴巴特征对应的打分；预设分数阈值为预先设置的，可以根据实际情况确定；第一预设和第二阈值也为预先设置的，可以根据实际情况确定。
面部图像帧集合中包括的面部图像帧的数目可以根据预设的时间滑窗确定，比如，若时间滑窗中包括10个图像，则面部图像帧集合中包括10帧图像，若时间滑窗中可以包含100个图像，则面部图像帧集合中包括100帧图像，在具体实现过程中，可以根据实际情况确定。在实际应用过程中，在时间滑窗中包括的图像数目小于第一预设阈值(如8)时，说明获取的图像帧的时间段的长度比较短，那么，通过此类面部图像帧集合确定的疲劳状态为实时的疲劳状态，当服务提供方因为光线等外部因素眨眼时，实时检测的疲劳状态可能存在无检测，为了提高检测的准确度，可以获取较长时间段的图像帧，也就是，时间滑窗中包括的图像数目大于第二预设阈值(如100)，以提高服务器确定的疲劳驾驶状态的准确度。
在具体实施过程中，针对每个历史时间段，目标服务提供端在获取该历史时间段对应的视频流后，对视频流对应的多个面部图像帧集合中的图像帧进行识别，以得到每个面部图像帧对应的面部特征状态，也就是，得到面部图像帧集合中每个面部图像帧对应的眼睛状态和嘴巴状态。其中，眼睛状态和嘴巴状态可以通过打分进行表示，眼睛睁开状态打分为0，闭眼状态打分为1，眼睛无效状态打分为2，闭嘴状态打分为0，张嘴状态打分为1，嘴巴无效状态打分为2。此处需要注意，无效状态可能是由于光线或者遮挡导致无法从图像帧中识别出眼睛的状态和嘴巴的状态。
例如，面部图像帧中的眼睛处于闭眼状态，嘴巴处于闭嘴状态，则眼睛状态对应的打分为1，嘴巴状态对应的打分为0。
在得到面部图像帧集合中每个面部图像帧对应的面部特征信息后，将面部图像帧集合中的每个面部图像帧对应的面部特征信息上传到服务器，服务器针对每个预设的面部特征，计算该面部图像帧集合中全部面部图像帧在该面部特征下的打分的和值，将面部图像帧集合在该面部特征下的总分作为该面图像帧集合对应的面部打分。其中，面部特征包括眼睛和嘴巴。
例如，面部图像帧集合中包括3帧面部图像，分别为A1、A2、A3，在眼睛特征下，A1图像帧对应的打分为1、A2图像帧对应的打分为0和A3图像帧对应的打分为1，在嘴巴特征下，A1图像帧对应的打分为1、A2图像帧对应的打分为0和A3图像帧对应的打分为1，则眼睛特征下，该面部图像帧集合对应的面部打分为2，嘴巴特征下，该面部图像帧集合对应的面部打分为2。
在得到每个历史时间段对应的每个面部图像帧集合后，针对每个面部图像帧集合，比对该面部图像帧集合在每个面部特征下的面部打分与每个面部特征对应的预设打分阈值，若该面部图像帧集合在至少一个面部特征下的面部打分大于对应面部特征对应的预设打分阈值，则确定目标服务提供方在该面部图像帧集合对应的时间段处于疲劳状态。
统计至少一个面部特征下的面部打分，大于对应面部特征对应的预设打分阈值的面部图像帧集合的数目，若该数目大于第二阈值，此时可以确定目标服务提供方在该历史时间段处于疲劳状态。
例如，眼睛特征和嘴巴特征对应的预设打分阈值均为α，第一阈值为β，任一历史时间段包括三个面部图像帧集合，分别为A1、A2、A3，A1对应的嘴巴特征的打分为α10、眼睛特征的打分为α20，A1对应的嘴巴特征的打分为α11、眼睛特征的打分为α21，A3对应的嘴巴特征的打分为α12、眼睛特征的打分为α22，其中，α10大于α，α12大于α，α22大于α，也就是，面部图像帧集合A1和A3对应的面部打分大于预设打分阈值，大于预设打分阈值的面部图像帧集合的数目为2，大于第一阈值β，则司机在该任一历史时间段处于疲劳状态。
在实际应用中，除了通过面部特征确定服务提供方处于疲劳状态外，还可以考虑服务提供方的行为特征信息，例如，处于疲劳状态的服务提供方可能会出现抽烟动作、喝水动作等不良行为动作，结合行为动作信息和面部特征信息确定目标服务提供方是否处于疲劳状态。也就是，获取所述目标服务提供方在各历史时间段对应的行为特征信息，基于所述目标服务提供方在各历史时间段对应的行为特征信息和面部特征信息，确定所述目标服务提供方在对应历史时间段是否处于疲劳状态。
这里，行为特征信息包括表征喝水动作的特征信息、表征抽烟动作的特征信息等。
在具体实施过程中，针对每个历史时间段，在获取到该历史时间段对应的面部图像帧集合中的每个面部图像帧对应的面部特征信息后，同时，获取该历史时间段对应的各个行为图像帧集合中每个行为图像帧对应的行为特征信息。
行为图像帧包括服务提供方的行为特征，如，行为特征包括喝水动作特征和抽烟动作特征；每个历史时间段对应的视频流中包括多个行为图像帧，行为图像帧集合中包括的行为图像帧为在时间上具有先后关系的图像帧，比如，视频流中的第一帧图像到第十帧图像可以形成具有先后关系的行为图像帧集合。
针对每个历史时间段，目标服务提供端在获取该历史时间段对应的视频流后，对视频流中对应的多个行为图像帧集合中的图像帧进行识别，以得到每个面部图像帧对应的行为特征状态，也就是，得到行为图像帧集合中每个行为图像帧对应的喝水状态和抽烟状态。其中，喝水状态和抽烟状态可以通过打分进行表示，未喝水状态打分为0，喝水状态打分为1，未抽烟状态打分为0，抽烟状态打分为1。
将行为图像帧集合中的每个行为图像帧对应的行为特征信息上传到服务器，服务器针对每个行为特征，计算该行为图像帧集合中全部行为图像帧在该行为特征下的打分的和值，将行为图像帧集合在该行为特征下的总分作为该行为像帧集合对应的行为打分。其中，行为特征包括抽烟行为特征和喝水行为特征。
在得到每个历史时间段对应的每个面部图像帧集合和每个行为图像帧集合后，针对每个历史时间段，若基于面部图像帧集合，确定目标服务提供方在该历史时间段处于疲劳状态，则针对每个行为图像帧集合，比对该行为图像帧集合在每个行为特征下的行为打分与对应行为特征对应的预设打分阈值，若该行为图像帧集合在至少一个行为特征下的行为打分大于对应行为特征所对应的预设打分阈值，则确定目标服务提供方在该行为图像帧集合对应的时间段处于疲劳状态。
统计至少一个行为特征下的行为打分大于对应行为特征对应的第二打分阈值的行为图像帧集合的数目，若该数目大于上述第二阈值，此时可以确定目标服务提供方在该历史时间段处于疲劳状态。
在确定目标服务提供方在至少一个历史时间段处于疲劳状态后，确定目标服务提供端是否处于行驶状态，可以包括以下步骤：
若确定所述目标服务提供端对应的当前行驶速度大于预设的第二速度阈值，则确定所述目标服务提供端处于行驶状态。
这里，第二速度阈值为根据实际情况确定的。
在具体实施过程中，判断目标服务提供端对应的当前行驶速度是否大于预设的第二速度阈值，在确定当前行驶速度大于第二速度阈值后，确定目标服务提供高端处于行驶状态。
在确定目标服务提供方当前是否处于疲劳驾驶状态时，仅考虑目标服务提供方在历史时间段的历史驾驶状态信息和当前行驶状态信息，由于历史驾驶状态信息为通过目标服务提供端中的状态识别模型确定的，受到模型识别准确度的限制，得到的历史驾驶状态信息的准确度比较低。
为了提高确定的疲劳驾驶状态的准确度，在考虑目标服务提供方在历史时间段的历史驾驶状态信息和当前行驶状态信息的同时，考虑目标服务提供端在历史时间段对应的历史行驶速度信息，基于目标服务提供方在不同历史时间段分别对应的历史驾驶状态信息和历史行驶速度信息，以及当前行驶状态信息，确定目标服务提供端对应的目标服务提供方当前是否处于疲劳驾驶状态，可以包括以下步骤：
获取目标服务提供段在不同历史时间段的历史行驶速度信息；
确定所述目标服务提供端对应的目标服务提供方当前是否处于疲劳驾驶状态，包括：
基于所述目标服务提供方在不同历史时间段分别对应的历史驾驶状态信息和历史行驶速度信息，以及当前行驶状态信息，确定所述目标服务提供端对应的目标服务提供方当前是否处于疲劳驾驶状态。
在确定所述目标服务提供方当前处于疲劳驾驶状态时，可以包括以下步骤：
若基于当前行驶状态信息，确定所述目标服务提供端当前处于行驶状态，且所述目标服务提供方在不同历史时间段中的至少一个历史时间段处于疲劳状态，且目标服务提供方处于疲劳状态的历史时间段的数目大于第三阈值，且数目大于第三阈值的历史时间段对应的历史行驶速度大于预设的第一速度阈值，则确定所述目标服务提供方当前处于疲劳驾驶状态。
这里，历史行驶速度信息包括目标服务提供端在历史时间段的平均行驶速度和目标服务提供端在历史时间段的位置信息，第一速度阈值为预先设置的速度阈值，第三阈值为根据实际情况确定的。
在具体实施过程中，在根据目标服务提供端的当前行驶状态信息确定目标服务提供端对应的车辆处于行驶状态时，确定目标服务提供方在各个历史时间段是否处于疲劳状态，确定目标服务提供方处于疲劳状态的过程可以参考上文。
在确定目标服务提供方在至少一个历史时间段处于行驶状态时，判断目标服务提供方处于疲劳状态的历史时间段的数目是否大于第三阈值，若处于疲劳状态的历史时间段的数目大于第三阈值，进一步判断数目大于第三阈值的历史时间段对应的历史行驶速度是否大于预设的第一速度阈值，在确定数目大于第三阈值的历史时间段对应的历史行驶速度大于预设的第一速度阈值后，确定目标服务提供方当前处于疲劳驾驶状态。
例如，第三阈值为γ，第一速度阈值为V0，目标服务提供方对应的历史时间段包括T1、T2、T3，且目标服务提供方在历史时间段T1、历史时间段T2、历史时间段T3均处于疲劳状态，历史时间段T1、历史时间段T2、历史时间段T3的数目大于γ，而目标服务提供端在历史时间段T1的速度为V1，目标服务提供端在历史时间段T2的速度为V2，目标服务提供端在历史时间段T3的速度为V3，V1、V2、V3均大于V0，则确定目标服务提供方当前处于疲劳驾驶状态。
在S103中，驾驶提醒信息可以为语音信息、视频信息、和短消息信息等。
在具体实施过程中，若首次确定目标服务提供方当前处于疲劳驾驶状态后，向目标服务提供端发送驾驶提醒信息，比如，向目标服务提供端发送语音提示信息，以提示目标服务提供端注意安全、谨慎驾驶；在首次提醒目标服务提供方后，实时监测目标服务提供端对应的车辆的行驶速度，若确定行驶速度大于预设速度阈值，则进一步向目标服务提供端发送强提醒信息，该强提醒信息可以为视频信息，视频信息中包括提醒司机注意安全的视频画面，或者包括车祸现场画面，以提醒目标服务提供方减速慢行，确保服务请求方的安全。
若确定目标服务提供方未处于疲劳驾驶状态，则说明目标服务提供端上传的行驶状态信息或历史驾驶状态信息中存在错误信息，可以将该目标服务提供方加入白名单，在预设时间段内不对白名单中的服务提供方进行干预，也就是，在预设时间段内停止获取目标服务提供端对应的行驶状态信息和目标服务提供端对应的目标服务提供方在不同历史时间段的历史驾驶状态信息，这样，可以减少服务器的处理压力。
基于同一发明构思，本申请实施例中还提供了信息推送方法对应的信息推送装置，由于本申请实施例中的方法解决问题的原理与本申请实施例上述信息推送方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
本申请实施例提供了一种信息推送装置，如图4所示，该装置包括：
获取模块41，用于获取目标服务提供端对应的当前行驶状态信息，以及所述目标服务提供端对应的目标服务提供方在不同历史时间段的历史驾驶状态信息；
确定模块42，用于基于所述获取模块41获取的不同历史时间段分别对应的历史驾驶状态信息，以及当前行驶状态信息，确定所述目标服务提供端对应的目标服务提供方当前是否处于疲劳驾驶状态；
发送模块43，用于若所述确定模块42确定确定所述目标服务提供方当前处于疲劳驾驶状态，则向所述目标服务提供端发送驾驶提醒信息。
在一种实施方式中，所述确定模块42用于根据以下步骤确定所述目标服务提供方当前处于疲劳驾驶状态：
基于所述目标服务提供方在各历史时间段对应的面部特征信息，确定所述目标服务提供方在对应历史时间段是否处于疲劳状态；
若确定所述目标服务提供方在至少一个历史时间段处于疲劳状态，且所述目标服务提供方处于疲劳状态的历史时间段的数目大于第一阈值，则确定所述目标服务提供方当前处于疲劳状态；
若基于当前行驶状态信息，确定目标服务提供端处于行驶状态，则确定所述目标服务提供方当前处于疲劳驾驶状态。
在一种实施方式中，所述确定模块42用于根据以下步骤确定所述目标服务提供方在对应历史时间段是否处于疲劳状态：
获取所述目标服务提供方在各历史时间段对应的行为特征信息；
基于所述目标服务提供方在各历史时间段对应的行为特征信息和面部特征信息，确定所述目标服务提供方在对应历史时间段是否处于疲劳状态。
在一种实施方式中，所述确定模块42用于根据以下步骤确定所述目标服务提供方在至少一个历史时间段处于疲劳状态：
针对每个历史时间段，根据该历史时间段对应的多个面部图像帧集合分别对应的面部特征信息，确定每个所述面部图像帧集合在该历史时间段对应的面部打分；其中，面部图像帧集合中的面部图像帧具有先后关系；
若所述多个面部打分中存在面部打分大于预设分数阈值，且大于预设分数阈值的面部打分的数目大于第二阈值，则确定目标服务提供方在该历史时间段处于疲劳状态。
在一种实施方式中，所述获取模块41还用于：
获取目标服务提供段在不同历史时间段的历史行驶速度信息；
所述确定模块42用于根据以下步骤确定所述目标服务提供端对应的目标服务提供方当前是否处于疲劳驾驶状态：
基于所述目标服务提供方在不同历史时间段分别对应的历史驾驶状态信息和历史行驶速度信息，以及当前行驶状态信息，确定所述目标服务提供端对应的目标服务提供方当前是否处于疲劳驾驶状态。
在一种实施方式中，所述确定模块42用于根据以下步骤确定所述目标服务提供方当前处于疲劳驾驶状态：
若基于当前行驶状态信息确定所述目标服务提供端当前处于行驶状态，且所述目标服务提供方在不同历史时间段中的至少一个历史时间段处于疲劳状态，且目标服务提供方处于疲劳状态的历史时间段的数目大于第三阈值，且数目大于第三阈值的历史时间段对应的历史行驶速度大于预设的第一速度阈值，则确定所述目标服务提供方当前处于疲劳驾驶状态。
在一种实施方式中，所述确定模块42用于根据以下步骤确定目标服务提供端处于行驶状态：
若确定所述目标服务提供端对应的当前行驶速度大于预设的第二速度阈值，则确定所述目标服务提供端处于行驶状态。
在一种实施方式中，所述确定模块42还用于：
若确定所述目标服务提供方未处于疲劳驾驶状态，则在预设时间段内停止获取目标服务提供端对应的行驶状态信息和所述目标服务提供端对应的目标服务提供方在不同历史时间段的历史驾驶状态信息。
本申请实施例还提供了一种电子设备50，如图5所示，为本申请实施例提供的电子设备50结构示意图，包括：处理器51、存储器52、和总线53。所述存储器52存储有所述处理器51可执行的机器可读指令(比如，图4中的装置中获取模块41、确定模块42、和发送模块43对应的执行指令等)，当电子设备50运行时，所述处理器51与所述存储器52之间通过总线53通信，所述机器可读指令被所述处理器51执行时执行如下处理：
获取目标服务提供端对应的当前行驶状态信息，以及所述目标服务提供端对应的目标服务提供方在不同历史时间段的历史驾驶状态信息；
基于不同历史时间段分别对应的历史驾驶状态信息，以及当前行驶状态信息，确定所述目标服务提供端对应的目标服务提供方当前是否处于疲劳驾驶状态；
若确定所述目标服务提供方当前处于疲劳驾驶状态，则向所述目标服务提供端发送驾驶提醒信息。
一种可能的实施方式中，处理器51执行的指令中，确定所述目标服务提供方当前处于疲劳驾驶状态，包括：
基于所述目标服务提供方在各历史时间段对应的面部特征信息，确定所述目标服务提供方在对应历史时间段是否处于疲劳状态；
若确定所述目标服务提供方在至少一个历史时间段处于疲劳状态，且所述目标服务提供方处于疲劳状态的历史时间段的数目大于第一阈值，则确定所述目标服务提供方当前处于疲劳状态；
若基于当前行驶状态信息，确定目标服务提供端处于行驶状态，则确定所述目标服务提供方当前处于疲劳驾驶状态。
一种可能的实施方式中，处理器51执行的指令中，确定所述目标服务提供方在对应历史时间段是否处于疲劳状态，包括：
获取所述目标服务提供方在各历史时间段对应的行为特征信息；
基于所述目标服务提供方在各历史时间段对应的行为特征信息和面部特征信息，确定所述目标服务提供方在对应历史时间段是否处于疲劳状态。
一种可能的实施方式中，处理器51执行的指令中，确定所述目标服务提供方在至少一个历史时间段处于疲劳状态，包括：
针对每个历史时间段，根据该历史时间段对应的多个面部图像帧集合分别对应的面部特征信息，确定每个所述面部图像帧集合在该历史时间段对应的面部打分；其中，面部图像帧集合中的面部图像帧具有先后关系；
若所述多个面部打分中存在面部打分大于预设分数阈值，且大于预设分数阈值的面部打分的数目大于第二阈值，则确定目标服务提供方在该历史时间段处于疲劳状态。
一种可能的实施方式中，处理器51执行的指令中，还包括：
获取目标服务提供段在不同历史时间段的历史行驶速度信息；
确定所述目标服务提供端对应的目标服务提供方当前是否处于疲劳驾驶状态，包括：
基于所述目标服务提供方在不同历史时间段分别对应的历史驾驶状态信息和历史行驶速度信息，以及当前行驶状态信息，确定所述目标服务提供端对应的目标服务提供方当前是否处于疲劳驾驶状态。
一种可能的实施方式中，处理器51执行的指令中，确定所述目标服务提供方当前处于疲劳驾驶状态，包括：
若基于当前行驶状态信息确定所述目标服务提供端当前处于行驶状态，且所述目标服务提供方在不同历史时间段中的至少一个历史时间段处于疲劳状态，且目标服务提供方处于疲劳状态的历史时间段的数目大于第三阈值，且数目大于第三阈值的历史时间段对应的历史行驶速度大于预设的第一速度阈值，则确定所述目标服务提供方当前处于疲劳驾驶状态。
一种可能的实施方式中，处理器51执行的指令中，确定目标服务提供端处于行驶状态，包括：
若确定所述目标服务提供端对应的当前行驶速度大于预设的第二速度阈值，则确定所述目标服务提供端处于行驶状态。
一种可能的实施方式中，处理器51执行的指令中，还包括：
若确定所述目标服务提供方未处于疲劳驾驶状态，则在预设时间段内停止获取目标服务提供端对应的行驶状态信息和所述目标服务提供端对应的目标服务提供方在不同历史时间段的历史驾驶状态信息。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述信息推送方法的步骤。
具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述信息推送方法，用于解决现有技术向服务提供高端推送信息的准确度低的问题，本申请实施例在获取目标服务提供端对应的当前行驶状态信息，以及目标服务提供端对应的目标服务提供方在不同历史时间段的历史驾驶状态信息后，基于不同历史时间段分别对应的历史驾驶状态信息，以及当前行驶状态信息，确定目标服务提供端对应的目标服务提供方当前是否处于疲劳驾驶状态，不仅仅考虑目标服务提供方的历史驾驶状态信息，同时考虑目标服务提供端的当前行驶状态信息，结合历史驾驶状态信息和当前行驶状态信息确定目标服务提供方是否处于疲劳驾驶状态，在确定目标服务提供方当前处于疲劳驾驶状态，则向目标服务提供端发送驾驶提醒信息，这样，提高了确定的目标服务提供方是否处于疲劳驾驶状态的准确度，从而提高了推送的驾驶提醒信息的准确度，以减少服务提供方出现的疲劳驾驶状态，同时提高了出行平台的服务质量。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***和装置的具体工作过程，可以参考方法实施例中的对应过程，本申请中不再赘述。在本申请所提供的几个实施例中，应该理解到，所揭露的***、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个模块或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台电子设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种信息推送装置，其特征在于，该装置包括：
获取模块，用于获取目标服务提供端对应的当前行驶状态信息，以及所述目标服务提供端对应的目标服务提供方在不同历史时间段的历史驾驶状态信息；
确定模块，用于基于所述获取模块获取的不同历史时间段分别对应的历史驾驶状态信息，以及当前行驶状态信息，确定所述目标服务提供端对应的目标服务提供方当前是否处于疲劳驾驶状态；
发送模块，用于若所述确定模块确定所述目标服务提供方当前处于疲劳驾驶状态，则向所述目标服务提供端发送驾驶提醒信息；
其中，所述确定模块用于根据以下步骤确定所述目标服务提供方当前处于疲劳驾驶状态：
针对每个历史时间段，根据该历史时间段对应的多个面部图像帧集合和多个行为图像帧集合分别对应的面部特征信息和行为特征信息，分别确定每个所述面部图像帧集合在该历史时间段对应的各面部特征的打分和每个所述行为图像帧集合在该历史时间段对应的各行为特征的打分；每个所述面部图像帧集合在该历史时间段对应的各面部特征的打分为该面部图像帧集合中全部面部图像帧在该面部特征下的打分和值，每个所述行为图像帧集合在该历史时间段对应的该行为特征的打分为该行为图像帧集合中全部行为图像帧在该行为特征下的打分和值；
若所述面部特征信息下的至少一个面部特征或所述行为特征信息下的至少一个行为特征的打分大于对应的预设分数阈值，且大于预设分数阈值的打分的数目大于对应的第二阈值，则确定目标服务提供方在该历史时间段处于疲劳状态；
若确定所述目标服务提供方在至少一个历史时间段处于疲劳状态，且所述目标服务提供方处于疲劳状态的历史时间段的数目大于第一阈值，以及基于当前行驶状态信息，确定目标服务提供端处于行驶状态，则确定所述目标服务提供方当前处于疲劳驾驶状态。
2.如权利要求1所述的装置，其特征在于，所述获取模块还用于：
获取目标服务提供段在不同历史时间段的历史行驶速度信息；
所述确定模块用于根据以下步骤确定所述目标服务提供端对应的目标服务提供方当前是否处于疲劳驾驶状态：
基于所述目标服务提供方在不同历史时间段分别对应的历史驾驶状态信息和历史行驶速度信息，以及当前行驶状态信息，确定所述目标服务提供端对应的目标服务提供方当前是否处于疲劳驾驶状态。
3.如权利要求2所述的装置，其特征在于，所述确定模块用于根据以下步骤确定所述目标服务提供方当前处于疲劳驾驶状态：
若基于当前行驶状态信息确定所述目标服务提供端当前处于行驶状态，且所述目标服务提供方在不同历史时间段中的至少一个历史时间段处于疲劳状态，且目标服务提供方处于疲劳状态的历史时间段的数目大于第三阈值，且数目大于第三阈值的历史时间段对应的历史行驶速度大于预设的第一速度阈值，则确定所述目标服务提供方当前处于疲劳驾驶状态。
4.如权利要求1所述的装置，其特征在于，所述确定模块用于根据以下步骤确定目标服务提供端处于行驶状态：
若确定所述目标服务提供端对应的当前行驶速度大于预设的第二速度阈值，则确定所述目标服务提供端处于行驶状态。
5.如权利要求1所述的装置，其特征在于，所述确定模块还用于：
若确定所述目标服务提供方未处于疲劳驾驶状态，则在预设时间段内停止获取目标服务提供端对应的行驶状态信息和所述目标服务提供端对应的目标服务提供方在不同历史时间段的历史驾驶状态信息。
6.一种信息推送方法，其特征在于，该方法包括：
获取目标服务提供端对应的当前行驶状态信息，以及所述目标服务提供端对应的目标服务提供方在不同历史时间段的历史驾驶状态信息；
基于不同历史时间段分别对应的历史驾驶状态信息，以及当前行驶状态信息，确定所述目标服务提供端对应的目标服务提供方当前是否处于疲劳驾驶状态；
若确定所述目标服务提供方当前处于疲劳驾驶状态，则向所述目标服务提供端发送驾驶提醒信息；
其中，根据以下步骤确定所述目标服务提供方当前处于疲劳驾驶状态：
针对每个历史时间段，根据该历史时间段对应的多个面部图像帧集合和多个行为图像帧集合分别对应的面部特征信息和行为特征信息，分别确定每个所述面部图像帧集合在该历史时间段对应的各面部特征的打分和每个所述行为图像帧集合在该历史时间段对应的各行为特征的打分；每个所述面部图像帧集合在该历史时间段对应的各面部特征的打分为该面部图像帧集合中全部面部图像帧在该面部特征下的打分和值，每个所述行为图像帧集合在该历史时间段对应的该行为特征的打分为该行为图像帧集合中全部行为图像帧在该行为特征下的打分和值；
若所述面部特征信息下的至少一个面部特征和/或所述行为特征信息下的至少一个行为特征的打分大于对应的预设分数阈值，且大于预设分数阈值的打分的数目大于对应的第二阈值，则确定目标服务提供方在该历史时间段处于疲劳状态；
若确定所述目标服务提供方在至少一个历史时间段处于疲劳状态，且所述目标服务提供方处于疲劳状态的历史时间段的数目大于第一阈值，以及基于当前行驶状态信息，确定目标服务提供端处于行驶状态，则确定所述目标服务提供方当前处于疲劳驾驶状态。
7.一种电子设备，其特征在于，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行如权利要求6所述信息推送方法的步骤。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求6所述信息推送方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010209695.XA CN111866056B (zh) | 2020-03-23 | 2020-03-23 | 信息推送方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010209695.XA CN111866056B (zh) | 2020-03-23 | 2020-03-23 | 信息推送方法、装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111866056A CN111866056A (zh) | 2020-10-30 |
| CN111866056B true CN111866056B (zh) | 2023-11-21 |
Family
ID=72985540
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010209695.XA Active CN111866056B (zh) | 2020-03-23 | 2020-03-23 | 信息推送方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111866056B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105096528A (zh) * | 2015-08-05 | 2015-11-25 | 广州云从信息科技有限公司 | 一种疲劳驾驶检测方法及*** |
| DE102014216201A1 (de) * | 2014-08-14 | 2016-02-18 | Robert Bosch Gmbh | Fahrerassistenzsystem mit Müdigkeitserkennung und Verfahren zur Prädiktion eines Müdigkeitsgrads |
| CN105894733A (zh) * | 2014-05-15 | 2016-08-24 | Lg电子株式会社 | 驾驶员监控*** |
| CN106114515A (zh) * | 2016-06-29 | 2016-11-16 | 北京奇虎科技有限公司 | 汽车驾驶行为提醒方法及*** |
| CN108694813A (zh) * | 2018-07-11 | 2018-10-23 | 中国医学科学院生物医学工程研究所 | 基于驾驶行为判定疲劳驾驶的方法及装置 |
| CN109717853A (zh) * | 2019-03-14 | 2019-05-07 | 扬州大学 | 基于树莓派的车载驾驶员疲劳检测*** |
| CN110027567A (zh) * | 2019-04-30 | 2019-07-19 | 奇瑞汽车股份有限公司 | 驾驶员的驾驶状态确定方法、装置及存储介质 |
| CN110245574A (zh) * | 2019-05-21 | 2019-09-17 | 平安科技（深圳）有限公司 | 一种用户疲劳状态识别方法、装置及终端设备 |
| CN110286667A (zh) * | 2019-07-03 | 2019-09-27 | 上运车物联网科技（深圳）有限公司 | 不正常驾驶状态智能监控方法及物联网智能终端 |
| CN110313023A (zh) * | 2017-12-29 | 2019-10-08 | 深圳市锐明技术股份有限公司 | 一种预防疲劳驾驶的方法、装置及车载终端 |
| CN110322132A (zh) * | 2019-06-24 | 2019-10-11 | 东莞市天佑运输服务有限公司 | 一种基于管理平台的人员疲劳管控方法及*** |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8952819B2 (en) * | 2013-01-31 | 2015-02-10 | Lytx, Inc. | Direct observation event triggering of drowsiness |
-
2020
- 2020-03-23 CN CN202010209695.XA patent/CN111866056B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105894733A (zh) * | 2014-05-15 | 2016-08-24 | Lg电子株式会社 | 驾驶员监控*** |
| DE102014216201A1 (de) * | 2014-08-14 | 2016-02-18 | Robert Bosch Gmbh | Fahrerassistenzsystem mit Müdigkeitserkennung und Verfahren zur Prädiktion eines Müdigkeitsgrads |
| CN105096528A (zh) * | 2015-08-05 | 2015-11-25 | 广州云从信息科技有限公司 | 一种疲劳驾驶检测方法及*** |
| CN106114515A (zh) * | 2016-06-29 | 2016-11-16 | 北京奇虎科技有限公司 | 汽车驾驶行为提醒方法及*** |
| CN110313023A (zh) * | 2017-12-29 | 2019-10-08 | 深圳市锐明技术股份有限公司 | 一种预防疲劳驾驶的方法、装置及车载终端 |
| CN108694813A (zh) * | 2018-07-11 | 2018-10-23 | 中国医学科学院生物医学工程研究所 | 基于驾驶行为判定疲劳驾驶的方法及装置 |
| CN109717853A (zh) * | 2019-03-14 | 2019-05-07 | 扬州大学 | 基于树莓派的车载驾驶员疲劳检测*** |
| CN110027567A (zh) * | 2019-04-30 | 2019-07-19 | 奇瑞汽车股份有限公司 | 驾驶员的驾驶状态确定方法、装置及存储介质 |
| CN110245574A (zh) * | 2019-05-21 | 2019-09-17 | 平安科技（深圳）有限公司 | 一种用户疲劳状态识别方法、装置及终端设备 |
| CN110322132A (zh) * | 2019-06-24 | 2019-10-11 | 东莞市天佑运输服务有限公司 | 一种基于管理平台的人员疲劳管控方法及*** |
| CN110286667A (zh) * | 2019-07-03 | 2019-09-27 | 上运车物联网科技（深圳）有限公司 | 不正常驾驶状态智能监控方法及物联网智能终端 |
Non-Patent Citations (2)
| Title |
|---|
| Fei Zhang.Research and Application of Fatigue Driving Monitoring and Emergency Treatment.《2017 International Conference on Computer Technology,Electronics and Communications》.全文. * |
| 基于机器学习的疲劳驾驶监测识别***设计与开发;刘强;《中国优秀硕士学位论文全文数据库》;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111866056A (zh) | 2020-10-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108725440B (zh) | 前向碰撞控制方法和装置、电子设备、程序和介质 | |
| CN109455180B (zh) | 用于控制无人车的方法和装置 | |
| WO2020042984A1 (zh) | 一种车辆行为检测方法及装置 | |
| CN108891413B (zh) | 车载防疲劳驾驶***、方法、设备及存储介质 | |
| CN111731284B (zh) | 一种辅助驾驶方法、装置、车载终端设备和存储介质 | |
| EP3648076B1 (en) | Method and apparatus for interacting traffic information, and computer storage medium | |
| WO2022078077A1 (zh) | 驾驶风险的预警方法、装置、计算设备及存储介质 | |
| CN109624985B (zh) | 防疲劳驾驶预警方法及装置 | |
| US20180281784A1 (en) | Using a driver profile to enhance vehicle-to-everything applications | |
| CN112435469A (zh) | 车辆预警控制方法、装置、计算机可读介质及电子设备 | |
| CN110909718B (zh) | 驾驶状态识别方法、装置及车辆 | |
| CN112991684A (zh) | 一种驾驶预警的方法及装置 | |
| US20150288788A1 (en) | Mobile Device Management | |
| CN113052047B (zh) | 交通事件的检测方法、路侧设备、云控平台及*** | |
| CN111866056B (zh) | 信息推送方法、装置、电子设备和存储介质 | |
| JP7354888B2 (ja) | 情報処理装置、プログラム、及び、情報処理方法 | |
| CN109656245B (zh) | 刹车位置的确定方法和装置 | |
| CN115743166A (zh) | 一种智能驾驶方法、装置、域控制器、介质、***及车辆 | |
| CN113918112A (zh) | Hud的显示处理方法、装置、电子设备与存储介质 | |
| CN111797784B (zh) | 驾驶行为监测方法、装置、电子设备及存储介质 | |
| CN113822449B (zh) | 碰撞检测方法、装置、电子设备和存储介质 | |
| CN113947945B (zh) | 车辆行驶的报警方法、装置、电子设备和可读存储介质 | |
| CN115497295B (zh) | 安全预警方法和装置 | |
| CN109597914B (zh) | 音乐推送方法、装置、车辆终端及计算机存储介质 | |
| CN115123270A (zh) | 数据处理的方法、装置、电子设备及存储介质 |
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 |