CN113643512B - 一种疲劳驾驶检测方法、装置、电子设备及存储介质 - Google Patents
一种疲劳驾驶检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113643512B CN113643512B CN202110860154.8A CN202110860154A CN113643512B CN 113643512 B CN113643512 B CN 113643512B CN 202110860154 A CN202110860154 A CN 202110860154A CN 113643512 B CN113643512 B CN 113643512B
- Authority
- CN
- China
- Prior art keywords
- fatigue
- driver
- driving
- characteristic parameter
- fatigue characteristic
- 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
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
-
- 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
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
- G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种疲劳驾驶检测方法、装置、电子设备及存储介质,方法包括:获取目标车辆的行驶数据、驾驶员图像数据、司机驾驶卡数据;根据行驶数据、驾驶员图像数据以及司机驾驶卡数据,确定符合条件的至少一个疲劳特征参数;基于至少一个疲劳特征参数计算驾驶员的疲劳指数;根据疲劳指数判断是否触发疲劳驾驶提醒操作。通过收集车辆的行驶数据、驾驶员图像数据以及司机驾驶卡数据三个维度数据,并根据这些数据提取能够表征驾驶员疲劳驾驶的疲劳特征参数,并基于疲劳特征参数综合计算出疲劳指数,进而用疲劳指数判断是否触发疲劳驾驶提醒操作,由于本发明是结合车辆各个维度的数据进行的综合判断,因此可以提升疲劳驾驶检测的准确度和可靠性。
Description
技术领域
本发明涉及车辆监测技术领域,具体涉及一种疲劳驾驶检测方法、装置、电子设备及存储介质。
背景技术
随着车辆的日益增多,驾驶事故逐年增多,疲劳驾驶是引发道路安全事故的一个重要因素。如何快速、准确的检测到驾驶员的疲劳驾驶状况,给予提醒,对减少因疲劳驾驶而产生的事故有重大的意义。
现有的疲劳驾驶检测大多是记录车辆的连续行驶时间,若连续行驶时间超过设定值,则发出报警信号,提示驾驶员休息,或者在驾驶员驾驶过程中,实时采集驾驶员面部图像,结合机器学习的方法对驾驶员是否疲劳驾驶做出预判。但这种单一的疲劳检测准则检测准确度不高,容易出现误报、漏报的情况。
发明内容
本发明的目的是针对上述现有技术的不足提出的一种疲劳驾驶检测方法、装置、电子设备及存储介质,该目的是通过以下技术方案实现的。
本发明的第一方面提出了一种疲劳驾驶检测方法,所述方法包括:
获取目标车辆的行驶数据、驾驶员图像数据、以及司机驾驶卡数据;
根据所述行驶数据、驾驶员图像数据以及司机驾驶卡数据,确定符合条件的至少一个疲劳特征参数;
基于所述至少一个疲劳特征参数计算驾驶员的疲劳指数;
根据所述疲劳指数判断是否触发疲劳驾驶提醒操作。
在本申请的一些实施例中,所述根据所述行驶数据、驾驶员图像数据以及司机驾驶卡数据,确定符合条件的至少一个疲劳特征参数,包括:
利用所述行驶数据提取与车辆状态相关且符合条件的疲劳特征参数;利用所述驾驶员图像数据提取与驾驶员头部状态相关且符合条件的疲劳特征参数;利用所述司机驾驶卡数据提取超过第一阈值的插卡时长作为符合条件的疲劳特征参数。
在本申请的一些实施例中,所述利用所述行驶数据提取与车辆状态相关且符合条件的疲劳特征参数,包括:
根据所述行驶数据统计连续驾驶时长、车速异常变化次数、以及车头角度异常变化次数;如果所述连续驾驶时长超过第二阈值,则将所述连续驾驶时长作为符合条件的疲劳特征参数;如果所述车速异常变化次数超过第三阈值,则将所述车速异常变化次数作为符合条件的疲劳特征参数;如果所述车头角度异常变化次数超过第四阈值,则将所述车头角度异常变化次数作为符合条件的疲劳特征参数。
在本申请的一些实施例中,所述利用所述驾驶员图像数据提取与驾驶员头部状态相关且符合条件的疲劳特征参数,包括:
根据所述驾驶员图像数据统计眨眼频率、点头频率、打哈欠频率、以及头部异常倾斜频率;如果所述眨眼频率超过第五阈值,则将所述眨眼频率作为符合条件的疲劳特征参数;如果所述点头频率超过第六阈值,则将所述点头频率作为符合条件的疲劳特征参数;如果所述打哈欠频率超过第七阈值,则将所述打哈欠频率作为符合条件的疲劳特征参数;如果所述头部异常倾斜频率超过第八阈值,则将所述头部异常倾斜频率作为符合条件的疲劳特征参数。
在本申请的一些实施例中,所述基于所述至少一个疲劳特征参数计算驾驶员的疲劳指数,包括:
针对每个疲劳特征参数,确定该疲劳特征参数所属的疲劳等级,并将所述疲劳等级对应的分数作为该疲劳特征参数的分数;根据每个疲劳特征参数的分数、每个疲劳特征参数所属疲劳等级对应的权重,计算驾驶员的疲劳指数。
在本申请的一些实施例中,所述根据所述疲劳指数判断是否触发疲劳驾驶提醒操作,包括:
判断所述疲劳指数是否超过第九阈值;若超过第九阈值,则触发疲劳缓解装置,并发送疲劳驾驶的语音提示。
在本申请的一些实施例中,所述触发疲劳缓解装置,包括:
根据所述疲劳指数确定驾驶员的疲劳等级;控制疲劳缓解装置执行与所述疲劳等级对应强度的预警提醒。
本发明的第二方面提出了一种疲劳驾驶检测装置,所述装置包括:
数据收集模块,用于获取目标车辆的行驶数据、驾驶员图像数据、以及司机驾驶卡数据;
疲劳特征提取模块,用于根据所述行驶数据、驾驶员图像数据以及司机驾驶卡数据,确定符合条件的至少一个疲劳特征参数;
计算模块,用于基于所述至少一个疲劳特征参数计算驾驶员的疲劳指数;
判断模块,用于根据所述疲劳指数判断是否触发疲劳驾驶提醒操作。
本发明的第三方面提出了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述第一方面所述方法的步骤。
本发明的第四方面提出了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如上述第一方面所述方法的步骤。
基于上述第一方面和第二方面所述的疲劳驾驶检测方法及装置,本发明至少具有如下有益效果或优点:
本发明通过收集车辆的行驶数据、驾驶员图像数据以及司机驾驶卡数据三个维度数据,并根据这三个维度数据来提取每个能够表征驾驶员疲劳驾驶的疲劳特征参数,并基于每个疲劳特征参数综合计算出疲劳指数,进而利用综合后的疲劳指数判断是否需要触发疲劳驾驶提醒操作,由于本发明是结合车辆各个维度的数据进行的综合判断,因此可以提升疲劳驾驶检测的准确度和可靠性,有效降低了疲劳驾驶事故发生率。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明根据一示例性实施例示出的一种疲劳驾驶检测方法的实施例流程图;
图2为本发明根据图1所示实施例示出的一种疲劳指数计算流程示意图;
图3为本发明根据一示例性实施例示出的一种疲劳驾驶检测装置的结构示意图;
图4为本发明根据一示例性实施例示出的一种电子设备的硬件结构示意图图;
图5为本发明根据一示例性实施例示出的一种存储介质的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本发明可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本发明范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
为解决目前单一疲劳检测准则的检测准确度低的问题,本发明提出一种改进的疲劳驾驶检测方法,即获取目标车辆的行驶数据、驾驶员图像数据、以及司机驾驶卡数据,并根据行驶数据、驾驶员图像数据以及司机驾驶卡数据,确定符合条件的至少一个疲劳特征参数,然后基于至少一个疲劳特征参数计算驾驶员的疲劳指数,并根据所述疲劳指数判断是否触发疲劳驾驶提醒操作。
基于上述描述可达到的技术效果有:
本发明通过收集车辆的行驶数据、驾驶员图像数据以及司机驾驶卡数据三个维度数据,并根据这三个维度数据来提取每个能够表征驾驶员疲劳驾驶的疲劳特征参数,并基于每个疲劳特征参数综合计算出疲劳指数,进而利用综合后的疲劳指数判断是否需要触发疲劳驾驶提醒操作,由于本发明是结合车辆各个维度的数据进行的综合判断,因此可以提升疲劳驾驶检测的准确度和可靠性,有效降低了疲劳驾驶事故发生率。
为了使本技术领域的人员更好地理解本申请方案,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。
实施例一:
图1为本发明根据一示例性实施例示出的一种疲劳驾驶检测方法的实施例流程图,该疲劳驾驶检测方法可以应用于任意能够联网的电子设备,该电子设备能够实时获取到车辆的行驶数据、驾驶员图像数据以及司机驾驶卡数据,其可以内置于车辆上,也可以设置于车辆的综合控制平台上,本申请对此不进行具体限定。如图1所示,该疲劳驾驶检测方法包括如下步骤:
步骤101:获取目标车辆的行驶数据、驾驶员图像数据、以及司机驾驶卡数据。
其中,车辆的行驶数据、驾驶员图像数据以及司机驾驶卡数据经不同方式的处理均能反应出来驾驶员的疲劳状态。
具体地,行驶数据可以包括GPS数据、车头角度、车速、车辆发动机状态等信息。驾驶员图像数据指的是周期性采集的驾驶员面部图像。司机驾驶卡数据表征的是车辆上读卡器周期性上报的当前***司机卡的驾驶员身份信息。
需要说明的是,在处理分析这些源数据之前,可以对这些源数据进行去噪处理,以保留合规数据,提升检测准确度。
可选的,去噪处理可以包括:1、将经纬度不在预设范围内的GPS数据丢掉;2、经度或纬度为零的GPS数据丢掉;3、车头角度不在0-360度范围内的数据丢掉;4、GPS数据的定位时间与车载的接收时间之间间隔超过一定时间范围的GPS数据丢掉。
步骤102:根据行驶数据、驾驶员图像数据以及司机驾驶卡数据,确定符合条件的至少一个疲劳特征参数。
在一可选的实施例中,可以利用司机驾驶卡数据提取超过第一阈值的插卡时长作为符合条件的疲劳特征参数。
其中,插卡时长指的是当前车辆驾驶员的驾驶卡***读卡器的时长,如果这个时长超过一定阈值,说明当前驾驶员的驾驶行为持续太久,容易出现疲劳。
在一可选的实施例中,可以利用行驶数据提取与车辆状态相关的且符合一定条件的疲劳特征参数。
可选的,与车辆状态相关的疲劳特征可以包括连续驾驶时长、车速异常变化、车头角度异常变化等特征。
其中,连续驾驶时长指的是不存在停靠状态、熄火状态、以及更换驾驶员记录的持续驾驶时间。车速异常变化指的是车辆行驶过程中急加速、急减速的现象。车头角度异常变化指的是车辆行驶过程中异常变道的现象。
在一具体实施方式中,对于与车辆状态相关的且符合一定条件的疲劳特征参数的提取过程可以包括:根据行驶数据统计连续驾驶时长、车速异常变化次数、以及车头角度异常变化次数,然后如果连续驾驶时长超过第二阈值,则将连续驾驶时长作为符合条件的疲劳特征参数;如果车速异常变化次数超过第三阈值,则将所速异常变化次数作为符合条件的疲劳特征参数;如果车头角度异常变化次数超过第四阈值,则将车头角度异常变化次数作为符合条件的疲劳特征参数。
其中,为了排除驾驶员清醒状态下的驾驶行为,通过一些阈值条件将驾驶员清醒状态下偶尔出现的车速异常变化、车头角度异常变化排除掉,即不参与后续的疲劳驾驶检测。
需要说明的是,为了提升连续驾驶时长的准确性,在统计连续驾驶时长时,可以根据司机驾驶卡数据确定是否存在司机驾驶卡数据不一致的情况,如果存在,则生成更换驾驶员记录,并在出现数据不一致的司机驾驶卡数据位置添加更换驾驶员记录,从而在统计连续驾驶时长时,只统计不存在停靠状态、熄火状态、以及更换驾驶员记录的持续驾驶时间。
进一步地,为了确保更换驾驶员记录的准确性,当存在司机驾驶卡数据不一致的情况时,获取出现不一致司机驾驶卡数据附近时刻采集的驾驶员图像,并获取出现不一致司机驾驶卡数据之前时刻采集的驾驶员图像,并将获取的两张驾驶员图像进行人脸比对,若比对不一致,则再生成更换驾驶员记录。
在一可选的实施例中,可以利用驾驶员图像数据提取与驾驶员头部状态相关的且符合一定条件的疲劳特征参数。
可选的,车辆在行驶过程中,驾驶员正常情况下是保持坐姿并注视前方,而随着疲劳程度加深,会出现频繁点头、眨眼、打哈欠等动作,因此与驾驶员头部状态相关的疲劳特征参数可以包括眨眼频率、点头频率、打哈欠频率、以及头部异常倾斜频率。
在一具体实施方式中,对于与驾驶员头部状态相关的疲劳特征参数的提取过程可以包括:根据驾驶员图像数据统计眨眼频率、点头频率、打哈欠频率、以及头部异常倾斜频率,然后如果眨眼频率超过第五阈值,则将眨眼频率作为符合条件的疲劳特征参数;如果点头频率超过第六阈值,则将点头频率作为符合条件的疲劳特征参数;如果打哈欠频率超过第七阈值,则将打哈欠频率作为符合条件的疲劳特征参数;如果头部异常倾斜频率超过第八阈值,则将头部异常倾斜频率作为符合条件的疲劳特征参数。
其中,为了排除驾驶员清醒状态下的驾驶行为,通过一些阈值条件将驾驶员清醒状态下偶尔出现的点头、眨眼、打哈欠、头部异常倾斜等动作排除,即不符合阈值条件的点头、眨眼、打哈欠、头部异常倾斜不参与后续的疲劳驾驶检测。
本领域可以理解的是,对于根据驾驶员图像数据识别驾驶员的眨眼、点头、打哈欠、头部异常倾斜动作的检测,可以采用相关技术实现,本申请对此不进行具体限定。例如,可以采用人脸关键点检测和人脸属性分析网络实现。
步骤103:基于确定的至少一个疲劳特征参数计算驾驶员的疲劳指数。
在本实施例中,由于不同疲劳特征参数可以从不同角度反映驾驶员的疲劳状态,因此通过对提取的多种符合一定条件的疲劳特征参数进行融合,以得到一个综合的疲劳指数来反映驾驶员的疲劳程度。
需要说明的是,针对疲劳指数的具体计算过程可以参见下述实施例中的相关描述,本申请在此暂不详述。
步骤104:根据计算得到的疲劳指数判断是否触发疲劳驾驶提醒操作。
在一可选的具体实施方式中,可以通过将疲劳指数与第九阈值进行比较,若疲劳指数超过第九阈值,则说明当前驾驶员属于疲劳驾驶,需要触发疲劳缓解装置,并发送疲劳驾驶的语音提示,以提醒驾驶员尽快停车休息,直至检测到车辆停止时结束提醒。
在一示例性场景中,某一车辆早上8点10分从嵊州市出发,中途途径G15W国道、沪昆高速、京沪高速,持续行驶至11点31分(持续行驶时间达到3.3小时),中途没有停车休息,司机出现频繁打哈欠,同时车辆也会出现急加速、急减速,通过本方案提取到的疲劳特征参数有:打哈欠、车速异常变化,根据这些疲劳特征参数得到的疲劳指数超过了疲劳阈值,此时触发疲劳驾驶提醒功能,并启动疲劳缓解装置,司机最终在11点42分在服务区停车休息,此时疲劳缓解装置自动停止,司机疲劳驾驶状态解除。
其中,疲劳缓解装置设置于车辆上。可选的,疲劳缓解装置可以是解乏喷雾报警装置、声光报警装置、座椅震动报警装置等。
可选的,在疲劳指数超过第九阈值的条件下,可以根据疲劳指数确定驾驶员的疲劳等级,从而疲劳缓解装置根据不同的疲劳等级,设置不同强度的报警提醒,比如解乏喷雾报警装置,轻度疲劳时装置会释放少量缓解喷雾,中度疲劳时装置会释放较多缓解喷雾,重度疲劳时装置会释放大量缓解喷雾,同时还可结合座椅震动报警装置,共同发出预警提醒。
至此,完成上述图1所示的检测流程,本发明通过收集车辆的行驶数据、驾驶员图像数据以及司机驾驶卡数据三个维度数据,并根据这三个维度数据来提取每个能够表征驾驶员疲劳驾驶的疲劳特征参数,并基于每个疲劳特征参数综合计算出疲劳指数,进而利用综合后的疲劳指数判断是否需要触发疲劳驾驶提醒操作,由于本发明是结合车辆各个维度的数据进行的综合判断,因此可以提升疲劳驾驶检测的准确度和可靠性,有效降低了疲劳驾驶事故发生率。
实施例二:
图2为本发明根据图1所示实施例示出的一种疲劳指数计算流程示意图,基于上述图1所示实施例的基础上,疲劳指数计算流程包括如下步骤:
步骤201:针对每个疲劳特征参数,确定该疲劳特征参数所属的疲劳等级,并将所述疲劳等级对应的分数作为该疲劳特征参数的分数。
可选的,可以预先根据实践经验设置每个疲劳特征参数对应的疲劳等级的阈值范围,以及各个疲劳等级对应的分值,根据这些这些数据可以生成每个疲劳特征参数与不同疲劳等级的阈值范围的对应关系,以及不同疲劳等级与分值之间的对应关系,从而根据这些对应关系可以查找到每个疲劳特征参数所属的疲劳等级,进而获取到该疲劳等级对应的分数。
如表1所示,列出了三种疲劳特征参数对应的不同疲劳等级的阈值范围,以及每个疲劳等级对应的分值,由表1可以看出,疲劳特征参数取值越大,其对应的疲劳等级越高,也即疲劳程度越重,从而对应的分值也就越高。
表1
需要说明的是,上述表1给出的三种不同疲劳特征参数的具体取值、疲劳等级划分和分值仅为一种示例性说明。
步骤202:根据每个疲劳特征参数的分数、每个疲劳特征参数所属疲劳等级对应的权重,计算驾驶员的疲劳指数。
可选的,可以预先为每个疲劳等级设置一个对应的权重,或者也可以区分不同种类的疲劳特征参数进行权重设置,也即每个疲劳特征参数所涉及的疲劳等级均对应设置一组单独的权重。
需要说明的是,由于由上述三个维度的源数据可以获取到多种疲劳特征参数,但并不是所有疲劳特征参数符合参与计算疲劳指数的条件,但这些疲劳特征参数也属于反映驾驶员疲劳程度的特征,因此在计算疲劳指数时,在利用疲劳特征参数的分数和权重的同时,还可以将疲劳特征参数的总数也考虑进来。
在具体实施时,疲劳指数的计算公式具体如下:
其中,m表示符合条件的疲劳特征参数的总个数,Ei表示第i个符合条件的疲劳特征参数的分数,σj表示第i个符合条件的疲劳特征参数所属疲劳等级对应的权重。
由表1举例来说,假设提取到的符合条件的疲劳特征参数有:打哈欠、车速异常变化,打哈欠频率是0.07,对应的分数为2,权重为0.2;眨眼频率是0.12,对应的分数为3,权重为0.5,符合疲劳特征参数的总个数为2。将这些数值代入公式:可得疲劳指数W=0.95,在第九阈值设置为(0.60,1)时,由于疲劳指数0.95超过0.60,因此触发疲劳缓解装置。
至此,完成上述图2所示的疲劳指数计算流程,通过将每个疲劳特征参数划分到相应的疲劳等级,以为每个疲劳特征参数获得对应的分数,进而依据每个疲劳特征参数的分数和其所属疲劳等级的权重获得最终的疲劳指数,该疲劳指数综合反映了驾驶员的疲劳程度,该疲劳指数能够很准确的实现驾驶员疲劳驾驶的判断。
与前述疲劳驾驶检测方法的实施例相对应,本发明还提供了疲劳驾驶检测装置的实施例。
图3为本发明根据一示例性实施例示出的一种疲劳驾驶检测装置的实施例流程图,该装置用于执行上述任一实施例提供的疲劳驾驶检测方法,如图3所示,该疲劳驾驶检测装置包括:
数据收集模块310,用于获取目标车辆的行驶数据、驾驶员图像数据、以及司机驾驶卡数据;
疲劳特征提取模块320,用于根据所述行驶数据、驾驶员图像数据以及司机驾驶卡数据,确定符合条件的至少一个疲劳特征参数;
计算模块330,用于基于所述至少一个疲劳特征参数计算驾驶员的疲劳指数;
判断模块340,用于根据所述疲劳指数判断是否触发疲劳驾驶提醒操作。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元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模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本发明实施方式还提供一种与前述实施方式所提供的疲劳驾驶检测方法对应的电子设备,以执行上述疲劳驾驶检测方法。
图4为本发明根据一示例性实施例示出的一种电子设备的硬件结构图,该电子设备包括:通信接口601、处理器602、存储器603和总线604;其中,通信接口601、处理器602和存储器603通过总线604完成相互间的通信。处理器602通过读取并执行存储器603中与疲劳驾驶检测方法的控制逻辑对应的机器可执行指令,可执行上文描述的疲劳驾驶检测方法,该方法的具体内容参见上述实施例,此处不再累述。
本发明中提到的存储器603可以是任何电子、磁性、光学或其它物理存储装置,可以包含存储信息,如可执行指令、数据等等。具体地,存储器603可以是RAM(Random AccessMemory,随机存取存储器)、闪存、存储驱动器(如硬盘驱动器)、任何类型的存储盘(如光盘、DVD等),或者类似的存储介质,或者它们的组合。通过至少一个通信接口601(可以是有线或者无线)实现该***网元与至少一个其他网元之间的通信连接,可以使用互联网、广域网、本地网、城域网等。
总线604可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。其中,存储器603用于存储程序,所述处理器602在接收到执行指令后,执行所述程序。
处理器602可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器602中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器602可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。
本申请实施例提供的电子设备与本申请实施例提供的疲劳驾驶检测方法出于相同的发明构思,具有与其采用、运行或实现的方法相同的有益效果。
本申请实施方式还提供一种与前述实施方式所提供的疲劳驾驶检测方法对应的计算机可读存储介质,请参考图5所示,其示出的计算机可读存储介质为光盘30,其上存储有计算机程序(即程序产品),所述计算机程序在被处理器运行时,会执行前述任意实施方式所提供的疲劳驾驶检测方法。
需要说明的是,所述计算机可读存储介质的例子还可以包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他光学、磁性存储介质,在此不再一一赘述。
本申请的上述实施例提供的计算机可读存储介质与本申请实施例提供的疲劳驾驶检测方法出于相同的发明构思,具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
还需要说明的是,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、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商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、商品或者设备中还存在另外的相同要素。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (7)
1.一种疲劳驾驶检测方法,其特征在于,所述方法包括:
获取目标车辆的行驶数据、驾驶员图像数据、以及司机驾驶卡数据;
根据所述行驶数据、驾驶员图像数据以及司机驾驶卡数据,确定符合条件的至少一个疲劳特征参数;其中,所述司机驾驶卡数据表征目标车辆上读卡器周期性上报的当前***司机卡的驾驶员身份信息;
基于所述至少一个疲劳特征参数计算驾驶员的疲劳指数,包括:
针对每个疲劳特征参数,确定该疲劳特征参数所属的疲劳等级,并将所述疲劳等级对应的分数作为该疲劳特征参数的分数;
根据每个疲劳特征参数的分数、每个疲劳特征参数所属疲劳等级对应的权重,计算驾驶员的疲劳指数,计算公式是:
其中,m表示符合条件的疲劳特征参数的总个数,Ei表示第i个符合条件的疲劳特征参数的分数,σj表示第j个符合条件的疲劳特征参数所属疲劳等级对应的权重;
根据所述疲劳指数判断是否触发疲劳驾驶提醒操作;
其中,所述根据所述行驶数据、驾驶员图像数据以及司机驾驶卡数据,确定符合条件的至少一个疲劳特征参数,包括:
利用所述行驶数据提取与车辆状态相关且符合条件的疲劳特征参数,包括:
根据所述行驶数据统计连续驾驶时长、车速异常变化次数、以及车头角度异常变化次数;其中,连续驾驶时长指的是不存在停靠状态、熄火状态、以及更换驾驶员记录的持续驾驶时间;
如果所述连续驾驶时长超过第二阈值,则将所述连续驾驶时长作为符合条件的疲劳特征参数;
如果所述车速异常变化次数超过第三阈值,则将所述车速异常变化次数作为符合条件的疲劳特征参数;
如果所述车头角度异常变化次数超过第四阈值,则将所述车头角度异常变化次数作为符合条件的疲劳特征参数;
利用所述驾驶员图像数据提取与驾驶员头部状态相关且符合条件的疲劳特征参数;
利用所述司机驾驶卡数据提取超过第一阈值的插卡时长作为符合条件的疲劳特征参数;其中,插卡时长指的是当前车辆驾驶员的驾驶卡***读卡器的时长。
2.根据权利要求1所述的方法,其特征在于,所述利用所述驾驶员图像数据提取与驾驶员头部状态相关且符合条件的疲劳特征参数,包括:
根据所述驾驶员图像数据统计眨眼频率、点头频率、打哈欠频率、以及头部异常倾斜频率;
如果所述眨眼频率超过第五阈值,则将所述眨眼频率作为符合条件的疲劳特征参数;
如果所述点头频率超过第六阈值,则将所述点头频率作为符合条件的疲劳特征参数;
如果所述打哈欠频率超过第七阈值,则将所述打哈欠频率作为符合条件的疲劳特征参数;
如果所述头部异常倾斜频率超过第八阈值,则将所述头部异常倾斜频率作为符合条件的疲劳特征参数。
3.根据权利要求1所述的方法,其特征在于,所述根据所述疲劳指数判断是否触发疲劳驾驶提醒操作,包括:
判断所述疲劳指数是否超过第九阈值;
若超过第九阈值,则触发疲劳缓解装置,并发送疲劳驾驶的语音提示。
4.根据权利要求3所述的方法,其特征在于,所述触发疲劳缓解装置,包括:
根据所述疲劳指数确定驾驶员的疲劳等级;
控制疲劳缓解装置执行与所述疲劳等级对应强度的预警提醒。
5.一种疲劳驾驶检测装置,其特征在于,所述装置包括:
数据收集模块,用于获取目标车辆的行驶数据、驾驶员图像数据、以及司机驾驶卡数据;
疲劳特征提取模块,用于根据所述行驶数据、驾驶员图像数据以及司机驾驶卡数据,确定符合条件的至少一个疲劳特征参数;其中,所述司机驾驶卡数据表征目标车辆上读卡器周期性上报的当前***司机卡的驾驶员身份信息;
疲劳特征提取模块,还用于利用所述行驶数据提取与车辆状态相关且符合条件的疲劳特征参数,包括:
根据所述行驶数据统计连续驾驶时长、车速异常变化次数、以及车头角度异常变化次数;其中,连续驾驶时长指的是不存在停靠状态、熄火状态、以及更换驾驶员记录的持续驾驶时间;
如果所述连续驾驶时长超过第二阈值,则将所述连续驾驶时长作为符合条件的疲劳特征参数;
如果所述车速异常变化次数超过第三阈值,则将所述车速异常变化次数作为符合条件的疲劳特征参数;
如果所述车头角度异常变化次数超过第四阈值,则将所述车头角度异常变化次数作为符合条件的疲劳特征参数;
利用所述驾驶员图像数据提取与驾驶员头部状态相关且符合条件的疲劳特征参数;
利用所述司机驾驶卡数据提取超过第一阈值的插卡时长作为符合条件的疲劳特征参数;其中,插卡时长指的是当前车辆驾驶员的驾驶卡***读卡器的时长;
计算模块,用于基于所述至少一个疲劳特征参数计算驾驶员的疲劳指数,包括:针对每个疲劳特征参数,确定该疲劳特征参数所属的疲劳等级,并将所述疲劳等级对应的分数作为该疲劳特征参数的分数;
根据每个疲劳特征参数的分数、每个疲劳特征参数所属疲劳等级对应的权重,计算驾驶员的疲劳指数,计算公式是:
其中,m表示符合条件的疲劳特征参数的总个数,Ei表示第i个符合条件的疲劳特征参数的分数,σj表示第j个符合条件的疲劳特征参数所属疲劳等级对应的权重;
判断模块,用于根据所述疲劳指数判断是否触发疲劳驾驶提醒操作。
6.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-4任一项所述方法的步骤。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-4任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110860154.8A CN113643512B (zh) | 2021-07-28 | 2021-07-28 | 一种疲劳驾驶检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110860154.8A CN113643512B (zh) | 2021-07-28 | 2021-07-28 | 一种疲劳驾驶检测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113643512A CN113643512A (zh) | 2021-11-12 |
CN113643512B true CN113643512B (zh) | 2023-07-18 |
Family
ID=78418767
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110860154.8A Active CN113643512B (zh) | 2021-07-28 | 2021-07-28 | 一种疲劳驾驶检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113643512B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114360241B (zh) * | 2021-12-10 | 2023-05-16 | 斑马网络技术有限公司 | 一种车辆交互方法、车辆交互装置及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105261153A (zh) * | 2015-11-03 | 2016-01-20 | 北京奇虎科技有限公司 | 车辆行驶监控方法和装置 |
CN108230619A (zh) * | 2016-12-14 | 2018-06-29 | 贵港市瑞成科技有限公司 | 基于多特征融合的疲劳驾驶检测方法 |
CN108961681A (zh) * | 2018-07-23 | 2018-12-07 | 奇瑞汽车股份有限公司 | 疲劳驾驶提醒方法、装置及存储介质 |
CN109977761A (zh) * | 2019-02-01 | 2019-07-05 | 重庆交互科技有限公司 | 基于面部状态识别的疲劳驾驶唤醒方法及*** |
CN110281944A (zh) * | 2019-06-12 | 2019-09-27 | 浙江亚太机电股份有限公司 | 基于多信息融合的驾驶员状态监测*** |
CN212484555U (zh) * | 2020-07-22 | 2021-02-05 | 交通运输部公路科学研究所 | 一种疲劳驾驶多源信息检测*** |
CN112373478A (zh) * | 2020-10-10 | 2021-02-19 | 湖南北斗赛格导航科技有限公司 | 一种疲劳驾驶预警方法及装置 |
CN112590801A (zh) * | 2020-12-24 | 2021-04-02 | 吉林大学 | 一种基于驾驶员疲劳程度的前方碰撞预警控制方法 |
CN112686161A (zh) * | 2020-12-31 | 2021-04-20 | 遵义师范学院 | 基于神经网络的疲劳驾驶检测方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104867327B (zh) * | 2014-02-21 | 2017-05-03 | ***通信集团公司 | 一种驾驶安全监测方法及装置 |
CN103895649B (zh) * | 2014-04-10 | 2016-05-25 | 徐州柏瑞高新技术科技有限公司 | 一种驾驶员安全驾驶预警方法 |
CN106564429A (zh) * | 2016-10-28 | 2017-04-19 | 湖南海翼电子商务股份有限公司 | 疲劳驾驶确定装置及其方法 |
CN111881799B (zh) * | 2020-07-22 | 2024-01-12 | 交通运输部公路科学研究所 | 基于多源信息融合差别判定的驾驶人疲劳检测方法 |
CN111950398A (zh) * | 2020-07-27 | 2020-11-17 | 上海仙豆智能机器人有限公司 | 一种疲劳驾驶处理方法、装置及计算机存储介质 |
-
2021
- 2021-07-28 CN CN202110860154.8A patent/CN113643512B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105261153A (zh) * | 2015-11-03 | 2016-01-20 | 北京奇虎科技有限公司 | 车辆行驶监控方法和装置 |
CN108230619A (zh) * | 2016-12-14 | 2018-06-29 | 贵港市瑞成科技有限公司 | 基于多特征融合的疲劳驾驶检测方法 |
CN108961681A (zh) * | 2018-07-23 | 2018-12-07 | 奇瑞汽车股份有限公司 | 疲劳驾驶提醒方法、装置及存储介质 |
CN109977761A (zh) * | 2019-02-01 | 2019-07-05 | 重庆交互科技有限公司 | 基于面部状态识别的疲劳驾驶唤醒方法及*** |
CN110281944A (zh) * | 2019-06-12 | 2019-09-27 | 浙江亚太机电股份有限公司 | 基于多信息融合的驾驶员状态监测*** |
CN212484555U (zh) * | 2020-07-22 | 2021-02-05 | 交通运输部公路科学研究所 | 一种疲劳驾驶多源信息检测*** |
CN112373478A (zh) * | 2020-10-10 | 2021-02-19 | 湖南北斗赛格导航科技有限公司 | 一种疲劳驾驶预警方法及装置 |
CN112590801A (zh) * | 2020-12-24 | 2021-04-02 | 吉林大学 | 一种基于驾驶员疲劳程度的前方碰撞预警控制方法 |
CN112686161A (zh) * | 2020-12-31 | 2021-04-20 | 遵义师范学院 | 基于神经网络的疲劳驾驶检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113643512A (zh) | 2021-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111062240B (zh) | 汽车驾驶安全的监控方法、装置、计算机设备及存储介质 | |
CN111860561B (zh) | 网约车的异常停留行为识别方法、装置、设备及存储介质 | |
CN112781887B (zh) | 测试车辆性能的方法、装置和*** | |
CN113643512B (zh) | 一种疲劳驾驶检测方法、装置、电子设备及存储介质 | |
CN110576856A (zh) | 一种自适应巡航状态下的速度确定方法、装置及汽车 | |
CN112373481A (zh) | 一种驾驶行为状态分析方法及装置 | |
CN116543047A (zh) | 多摄像机***的位置估算自诊断方法、装置及存储介质 | |
CN113468678B (zh) | 一种自动驾驶算法准确度的计算方法及装置 | |
CN107644475B (zh) | 一种车辆碰撞检测的方法和装置以及obd盒子 | |
CN112580531B (zh) | 一种真假车牌的识别检测方法及*** | |
CN116453345B (zh) | 一种基于驾驶风险反馈的公交行车安全预警方法及*** | |
CN112863242A (zh) | 一种车位检测的方法和装置 | |
CN110006422B (zh) | 一种设备安全运行参数的确定方法、装置、设备和存储介质 | |
CN113192340B (zh) | 高速公路施工车辆的识别方法、装置、设备及存储介质 | |
CN112115323A (zh) | 驾驶行为的评分方法、云端服务器、车载端及*** | |
CN111612140B (zh) | 基于路侧单元的自动驾驶安全判别方法、设备、存储介质 | |
CN115107786A (zh) | 一种用于智能汽车的驾驶行为纠正***及方法 | |
CN111341106B (zh) | 交通预警方法、装置和设备 | |
CN116416756A (zh) | 疲劳驾驶预警方法、装置、设备及计算机可读存储介质 | |
CN113658426A (zh) | 一种车辆事故识别方法及装置 | |
CN111382631B (zh) | 识别方法、识别装置、终端、服务器和存储介质 | |
CN113420743A (zh) | 基于雷达的目标分类方法、***及存储介质 | |
CN116279469B (zh) | 一种自动驾驶车辆跟随方法及*** | |
JP6047071B2 (ja) | 注意喚起装置、及びプログラム | |
CN117719524B (zh) | 一种驾驶安全风险识别预警方法、装置、终端及存储介质 |
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 |