CN113525391A - 基于人工智能的违规驾驶识别方法及*** - Google Patents
基于人工智能的违规驾驶识别方法及*** Download PDFInfo
- Publication number
- CN113525391A CN113525391A CN202111088570.7A CN202111088570A CN113525391A CN 113525391 A CN113525391 A CN 113525391A CN 202111088570 A CN202111088570 A CN 202111088570A CN 113525391 A CN113525391 A CN 113525391A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- time
- speed
- road
- 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
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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/12—Lateral speed
-
- 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
- B60W2552/30—Road curve radius
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4041—Position
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4042—Longitudinal speed
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4043—Lateral speed
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于人工智能的违规驾驶识别方法及***,包括:获得当前时刻当前路段内自身及周围车辆的速度、位置信息及车型信息,并通过边缘处理获得道路的曲率信息;利用当前时刻自身及周围车辆的速度信息、位置信息、车型信息及道路的曲率信息,得到当前时刻环境影响值;预测下一时刻自身及周围车辆的速度信息、位置信息以及道路的曲率信息,并得到下一时刻环境影响值;计算下一时刻与当前时刻环境影响值的变化量,确定注意力分散比率阈值;将司机实际注意力分散比率与注意力分散比率阈值进行比较,得到司机违规行为判断结果。考虑周围车辆及道路情况对所需注意力的影响,使对司机注意力违规检测标准更为合理,并及时做出违规记录和警告。
Description
技术领域
本申请涉及人工智能领域,具体涉及一种基于人工智能的违规驾驶识别方法及***。
背景技术
在车辆驾驶过程中,车辆司机容易因为外界因素而造成注意力不集中,这给行车安全及司乘人员人身安全带来了极大的安全隐患,通过对司机注意力进行检测,并在司机注意力不集中时对其进行提醒,能够有效地降低事故发生率,最大程度保证行车安全和司乘人员人身安全。
现有针对司机的注意力检测方法大多采用固定的注意力违规判断标准,没有考虑实时道路状况及周围其他车辆对行车注意力需求的影响,造成检测结果不能与道路状况及周围车辆等环境相适应。
发明内容
针对上述技术问题,本发明提出了一种基于人工智能的违规驾驶识别方法及***。
第一方面,本文提出了一种基于人工智能的违规驾驶识别方法,包括:
进一步地,环境影响值的影响因素包括:周围其他车辆面积占道比;自身车辆与周围其他车辆的距离;周围其他车辆的方位权值。
进一步地,所述环境影响值计算方法为:
进一步地,所述环境影响值的变化计算方法为:
当实际的注意力分散比率大于环境影响值变化量所对应的注意力分散比率阈值时,判断司机存在注意力分散违规行为。
第二方面,本发明提出了一种基于人工智能的违规驾驶识别***,包括:
第二计算单元,用于根据当前时刻自身及周围车辆的速度信息、位置信息、车型信息及道路的曲率信息预测出下一时刻自身及周围车辆的速度信息、位置信息以及道路的曲率信息,并根据预测出的信息得到下一时刻环境影响值;
相较于传统技术方案,本发明的有益效果是:
1.综合考虑周围车辆及道路的影响,给出司机注意力检测的违规判断边界,使得判别标准更具合理性和科学性;
2.可以防止机械性的给出判断条件,避免违规判断标准不符合实际需求的情况发生。
附图说明
在下文中,将参考附图仅作为举例来对本文的实施例进行更加详细的描述,在附图中:
图1是本发明的基于人工智能的违规驾驶识别方法的框图。
图2是本发明的基于人工智能的违规驾驶识别中环境影响值计算步骤的框图。
图3是本发明的基于人工智能的违规驾驶识别***的框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。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。
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征;在本实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
图1是本实施例的基于人工智能的违规驾驶识别方法的框图,如图1所示一种基于人工智能的违规驾驶识别方法包括如下步骤:
首先通过传感器获得当前时刻自身车辆(自车)的速度V、GPS二维位置定位信息。
其次提取当前时刻周围车辆的位置信息,包含当前路段划分和周围车辆信息提取:
最后获取当前路段的曲率信息,具体实现方法如下:
由于车辆在不断移动,因自身车辆周围的环境在实时变化,而注意力检测***不能实时调整检测松紧程度,因此本实施例中利用不同时刻环境影响值的变化情况作为注意力检测***的松紧程度判断阈值。
本实施例中若是下一时刻和当前时刻的差异很大,说明会出现新的情况,当前时刻注意前方的必要性很高,若是一下时刻和当前时刻的差异为零,即是自身车辆和周围车辆在整体抽象为刚体在移动,注意前方的必要性就不会很高。
下面结合附图2对本实施例中当前时刻环境影响值进行计算,图2示出了基于人工智能的违规驾驶识别方法中环境影响值计算步骤的框图,如图2所示环境影响值计算包括如下内容:
步骤S201,计算周围每辆车面积占道比:
步骤S202,计算自身车辆与周围其他车辆的距离;
步骤S203,计算周围每辆车的方位权值:
由于不同方位的车辆其影响效果不同,在车辆正前方的影响较大,后方的影响相对较小,左侧的车辆存在超车可能,因此本实施例对于不同方位的车给定不同方位权值,具体方式为:
步骤S204,计算周围环境影响值:周围车辆的影响值主要受自身车辆与周围车辆的距离,车辆速度、车辆面积占道比和前后车辆权重影响。
步骤S103:根据当前时刻自身及周围车辆的速度信息、位置信息、车型信息及道路的曲率信息预测出下一时刻自身及周围车辆的速度信息、位置信息以及道路的曲率信息,并根据预测出的信息得到下一时刻环境影响值,具体包括:
分析下一时刻周围车辆的分布情况,需要根据当前车辆的速度信息预测车辆在时段内车辆的行驶路程,而车辆在行驶过程中速度在实时变化,为了反映在该时段内车辆的速度变化信息,在进行预测时给车辆的速度变化引入速度变化范围,利用该速度变化范围得到出很多种车辆分布情况,为了最大的保障驾驶安全性,本实施例在所有可能的车辆分布中选择出对驾驶精力要求最高的分布作为确定环境影响值的车辆参数。
本实施例中给出了速度的变化范围,在范围内遍历进行预测,进而预测出和当前时刻相比差异最大的结果,避免司机注意力超过阈值但不提示的情况发生。
首先预测下一时刻(时刻)车辆位置:利用当前时刻周围车辆的位置信息和速度信息,为了尽可能实现注意力检测***的实时性,需将时间间隔尽可能的缩短,即值尽可能小。如果时间间隔较小车辆速度限定在固定的变化区间,可以根据时间间隔和经验确定速度的范围偏差,以第辆车为例,该车辆在时间范围内的平均速度取值范围为。
不同的周围环境的变化对驾驶精力的需求不同,例如周围车辆在一定时段内变的愈发拥挤,因而需要更多的精力去应对环境的变化,同时道路曲率的变化也会对司机的精力需求不同,因此通过比较一定时段内周围环境影响值的变化确定驾驶精力的需求。
计算时段内周围环境的影响值的变化量,其中为时刻周围环境影响值,为时刻周围环境影响值,为归一化调节参数,该参数是为了将两时刻周围环境影响值在限制的范围,便于给定合适的阈值来调节司机注意力分散比率。这两个参数需根据两周围环境影响值的取值来适时调整。
首先利用视频监控设备得到自身车辆行驶过程中司机的所在位置的监控视频图像;将采集得到的视频图像作为数据集,并将司机脸部朝向前驾驶窗口图像的标记为1,脸部朝向其他方向的图像标记为0,得到视频图像的标签数据;
将视频图像和标签数据输入到DNN网络中进行训练,该DNN网络为Encoder-FC的结构,Encoder抽取脸部朝向特征,FC输出脸部是否朝向前驾驶窗口,其中训练集占80%,验证集占20%,得到训练完成的网络;训练完成的网络能够得到某一时间段内司机脸部朝向前其他方向的时长,在本实施例中司机脸部朝向其他方向则司机处于注意力分散状态,则该时间段内司机脸部朝向其他方向占该时间段的比例即为注意力分散比率;
当该实际注意力分散比率大于环境影响值变化量所对应的注意力分散比率阈值时,判断司机存在注意力分散违规行为。
下面参考图3来描述本公开实施例的***,图3示出了一种基于人工智能的违规驾驶识别***的框图,如图所示基于人工智能的违规驾驶识别***包括以下内容:
第二计算单元303,用于根据当前时刻自身及周围车辆的速度信息、位置信息、车型信息及道路的曲率信息预测出下一时刻自身及周围车辆的速度信息、位置信息以及道路的曲率信息,并根据预测出的信息得到下一时刻环境影响值;
综上所述相较于传统技术方案,本发明综合考虑周围车辆及道路的影响,给出司机注意力检测的违规判断边界,使得判别标准更具合理性和科学性;可以防止机械性的给出判断条件,避免违规判断标准不符合实际需求的情况发生。
本发明中涉及诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
还需要指出的是,在本发明的方法和***中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
上述实施例仅仅是为清楚地说明所做的举例,并不构成对本发明的保护范围的限制。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无需也无法对所有的实施方式予以穷举。凡是与本发明相同或相似的设计均属于本发明的保护范围之内。
Claims (8)
1.一种基于人工智能的违规驾驶识别方法,其特征在于,包括:
2.根据权利要求1所述一种基于人工智能的违规驾驶识别方法,其特征在于,环境影响值的影响因素包括:周围其他车辆面积占道比;自身车辆与周围其他车辆的距离;周围其他车辆的方位权值。
8.一种基于人工智能的违规驾驶识别***,其特征在于,包括:
第二计算单元,用于根据当前时刻自身及周围车辆的速度信息、位置信息、车型信息及道路的曲率信息预测出下一时刻自身及周围车辆的速度信息、位置信息以及道路的曲率信息,并根据预测出的信息得到下一时刻环境影响值;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111088570.7A CN113525391B (zh) | 2021-09-16 | 2021-09-16 | 基于人工智能的违规驾驶识别方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111088570.7A CN113525391B (zh) | 2021-09-16 | 2021-09-16 | 基于人工智能的违规驾驶识别方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113525391A true CN113525391A (zh) | 2021-10-22 |
CN113525391B CN113525391B (zh) | 2021-12-10 |
Family
ID=78092797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111088570.7A Active CN113525391B (zh) | 2021-09-16 | 2021-09-16 | 基于人工智能的违规驾驶识别方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113525391B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103150786A (zh) * | 2013-04-09 | 2013-06-12 | 北京理工大学 | 一种非接触式无人驾驶车辆行驶状态测量***及测量方法 |
CN105823479A (zh) * | 2016-03-04 | 2016-08-03 | 上海畅星软件有限公司 | 驾驶行为分析方法 |
US20170116485A1 (en) * | 2015-10-21 | 2017-04-27 | Ford Global Technologies, Llc | Perception-Based Speed Limit Estimation And Learning |
CN110610326A (zh) * | 2019-09-30 | 2019-12-24 | 广州大道信息科技有限公司 | 一种基于驾驶数据的驾驶管理*** |
-
2021
- 2021-09-16 CN CN202111088570.7A patent/CN113525391B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103150786A (zh) * | 2013-04-09 | 2013-06-12 | 北京理工大学 | 一种非接触式无人驾驶车辆行驶状态测量***及测量方法 |
US20170116485A1 (en) * | 2015-10-21 | 2017-04-27 | Ford Global Technologies, Llc | Perception-Based Speed Limit Estimation And Learning |
CN105823479A (zh) * | 2016-03-04 | 2016-08-03 | 上海畅星软件有限公司 | 驾驶行为分析方法 |
CN110610326A (zh) * | 2019-09-30 | 2019-12-24 | 广州大道信息科技有限公司 | 一种基于驾驶数据的驾驶管理*** |
Non-Patent Citations (1)
Title |
---|
高尚兵 等: "视觉协同的违规驾驶行为分析方法", 《智能***学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113525391B (zh) | 2021-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11990036B2 (en) | Driver behavior monitoring | |
CN109927719B (zh) | 一种基于障碍物轨迹预测的辅助驾驶方法和*** | |
CN112712717B (zh) | 一种信息融合的方法、装置和设备 | |
JP7499256B2 (ja) | ドライバの挙動を分類するためのシステムおよび方法 | |
CN108437986B (zh) | 车辆驾驶辅助***及辅助方法 | |
CN112885145B (zh) | 路口风险预警的方法和装置 | |
CN110077398B (zh) | 一种用于智能驾驶的危险处理方法 | |
EP3403219A1 (en) | Driver behavior monitoring | |
KR20180092101A (ko) | Ecu, 상기 ecu를 포함하는 무인 자율 주행 차량, 및 이의 주행 차로 판단 방법 | |
WO2023197408A1 (zh) | 车速控制模型训练样本的确定方法及装置 | |
CN112026761A (zh) | 一种基于数据共享的汽车辅助驾驶方法 | |
CN114475651B (zh) | 基于车路协同的盲区障碍物紧急避让方法和装置 | |
CN113525391B (zh) | 基于人工智能的违规驾驶识别方法及*** | |
CN111104824A (zh) | 车道偏离的检测方法、电子设备及计算机可读存储介质 | |
CN114655203A (zh) | 一种辅助驾驶方法、装置、设备及存储介质 | |
JP5125214B2 (ja) | 障害物検出方法および障害物検出装置 | |
WO2023197409A1 (zh) | 速度控制模型的生成方法、车辆控制方法及装置 | |
CN114530057B (zh) | 一种车辆预警方法、装置、车辆及存储介质 | |
CN106203383B (zh) | 基于图像的车辆安全预警方法 | |
KR101985074B1 (ko) | 어댑티브 크루즈 컨트롤 장치 및 그 방법 | |
US20220371587A1 (en) | Method and Apparatus for Determining Vehicle Speed Control Model Training Sample | |
Islam | Investigating the speed and rear-end collision relationship at urban signalized intersections | |
US20240290201A1 (en) | Driver behavior monitoring | |
CN112150833B (zh) | 调整路段限速的方法、装置、存储介质及电子设备 | |
CN118514696A (zh) | 用于辅助驾驶的图像识别方法及*** |
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 |