CN113703341A - 一种用于驾驶员监控的仿真测试*** - Google Patents
一种用于驾驶员监控的仿真测试*** Download PDFInfo
- Publication number
- CN113703341A CN113703341A CN202110993548.0A CN202110993548A CN113703341A CN 113703341 A CN113703341 A CN 113703341A CN 202110993548 A CN202110993548 A CN 202110993548A CN 113703341 A CN113703341 A CN 113703341A
- Authority
- CN
- China
- Prior art keywords
- driver
- state
- driver monitoring
- monitoring system
- fault
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 182
- 238000012360 testing method Methods 0.000 title claims abstract description 110
- 238000004088 simulation Methods 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 10
- 230000004044 response Effects 0.000 claims abstract description 10
- 230000008569 process Effects 0.000 claims abstract description 9
- 238000002347 injection Methods 0.000 claims description 38
- 239000007924 injection Substances 0.000 claims description 38
- 238000012545 processing Methods 0.000 claims description 29
- 238000003062 neural network model Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 230000035939 shock Effects 0.000 claims 1
- 241001282135 Poromitra oscitans Species 0.000 description 9
- 206010048232 Yawning Diseases 0.000 description 9
- 238000007726 management method Methods 0.000 description 8
- 238000010998 test method Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 239000011521 glass Substances 0.000 description 4
- 230000000391 smoking effect Effects 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000004397 blinking Effects 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000011664 nicotinic acid Substances 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000004148 unit process Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013095 identification testing Methods 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提出一种用于驾驶员监控的仿真测试***,该仿真测试***包括驾驶员监控***、驾驶场景仿真***、显示器,上位机,测试管理***;驾驶场景仿真***用于模拟输出真实场景中车辆驾驶过程中驾驶员状态的虚拟场景;所述显示器用于显示所述虚拟场景;所述驾驶员监控***用于实时获取虚拟场景图像,根据获取图像对所述虚拟场景中车辆的行驶状态和驾驶员状态进行监测,并将监测结果向上位机反馈,测试管理***用于将检测结果与模拟场景真实状态比较,计算驾驶员监控***监测行驶状态和驾驶员状态的漏检率、误报率、***的响应时间。通过模拟实车运行过程中潜在的场景,测试驾驶员监控***的功能,提高了***的安全。
Description
技术领域
本发明属于驾驶测试领域,特别是涉及一种用于驾驶员监控的仿真测试***。
背景技术
目前,车内驾驶员监控***的发展越来越迅速,但是驾驶员监控***算法仍需根据不断更新的驾驶场景以及法规要求不断更新。同时由于***算法需要大量测试才可以确保监控***的稳定与可靠。真人真车的车内测试验证费时耗力,且车上测试验证存在诸多困难,测试结果难以复现。专利CN111439269A(一种驾驶员监测装置的评价方法、装置、***及评价器)采用仿生机器人代替驾驶员进行监控***算法的测试,但是仿生机器人价格昂贵,且只能在室内进行测试,难以覆盖室外驾驶场景,如影响摄像头光线的外在天气环境。专利CN111199196B(驾驶员监测认证***及方法)中驾驶员状态信息采用视频注入的测试方式。视频注入的测试方式则将驾驶员图像过于理想化,在模拟摄像头镜头模糊、畸变、躁点等因素将造成驾驶员状态识别有误的情况出现可能不太准确,但该方案无法模拟真实摄像头物理级别的特性。并且现有驾驶员监控***的测试方法多针对与***识别及报警功能进行监测,而对于驾驶员监控***的正常工作的条件未进行测试,本方案将采用仿真场景及模拟故障方法对驾驶员监控***进行测试。
发明内容
发明目的:实验室试验无法验证道路真实场景下驾驶员监控***的可靠性,如天气,光线带来的影响。真人真车监控***测试,道路试验耗费时间太长,不利于产品快速更新换代。视频注入的方式则将驾驶员图像过于理想化,在模拟摄像头镜头模糊、畸变、躁点等因素将造成驾驶员状态识别有误的情况出现可能不准确,但该方案无法模拟真实摄像头物理级别的特性。
通过模拟驾驶员监控***非正常工作条件,测试驾驶员监控***是否有相应的处理机制以保证驾驶员监控***的功能安全。采用模拟故障注入的形式对驾驶员监控***工作条件的完整性进行测试;不仅可以提高驾驶员监控***测试的高效性,也有助于提高驾驶员监控***的稳定性与可靠性。
技术方案:为达到此目的,本发明提出一种用于驾驶员监控***的测试***,该***包括上位机,暗箱,驾驶场景仿真***,驾驶员监控***、通讯模块、供电模块、故障注入***,测试管理***。
如***方案图1所示,其中暗箱包含摄像头支架,显示器;驾驶员监控***包括摄像头单元,图像处理单元,驾驶员监控单元,执行器单元,显示模块,故障监测单元,所述执行器单元包括蜂鸣器和显示器。
上位机运行测试管理***、驾驶场景仿真***、故障注入***;测试管理***包括继电器开关,可接入摄像头模块与图像处理单元之间、图像处理单元与驾驶员监控单元之间、驾驶员监控单元与执行器单元之间,可通过故障注入软件对故障注入***进行控制;故障注入***也可以将故障注入到摄像头模块、图像处理单元、图像处理单元、驾驶员监控单元、执行器单元上;供电模块用于对上位机、驾驶员监控***、通讯模块、故障注入***进行供电。
驾驶员监控***的功能一方面可以用与对驾驶员的状态进行判断产生预警与否,另一方面可用于对监控***正常工作的条件进行判断,例如摄像头需通过连接线正常接通至驾驶员监控***。
整体测试工作流程如下:对驾驶员监控***的驾驶员状态监测预警测试及***正常工作条件测试可按如下方法进行展开。第一类是基于仿真场景的测试;第二类是基于模拟故障的测试;第三类是基于仿真场景及模拟故障结合的测试。
基于仿真场景的测试原理如下:上位机通过测试管理***管理驾驶场景仿真***模拟驾驶员状态及仿真场景在显示器中显示,位于暗箱中的摄像头拍摄位于暗箱中的显示器,驾驶员监控***根据图像处理单元处理结果及驾驶员监控单元决策结果将相应指令反馈至上位机,并通过执行器单元进行提醒。
当测试完成后,测试管理***根据每一种类测试场景及测试的结果,对驾驶员监控***的漏检率、误报率等进行统计分析,最后将所有针对驾驶员监控***的测试场景测试结果进行统计分析,验证驾驶员监控***的稳定性及可靠性。
基于模拟故障的测试原理如下:上位机通过测试管理***管理故障注入***控制故障注入设备模拟故障,如短路、断路、松动,根据驾驶员监控***对模拟故障的反馈信息,对驾驶员监控***的诊断功能进行测试,通过上位机记录不同模拟故障状态下,驾驶员监控***的反馈信息,对驾驶员监控***的漏检率、误报率等进行统计分析,最后将所有针对驾驶员监控***的模拟故障测试结果进行统计分析,验证驾驶员监控***的稳定性及可靠性。
基于仿真场景及模拟故障结合的测试原理如下:在仿真场景测试的过程中,对驾驶员监控***进行模拟故障,用以验证驾驶员监控***对驾驶员状态的反馈及在非正常工作条件下的反馈,对驾驶员监控***的稳定性、可靠性、快速性进行评价。
1、基于仿真场景的测试
基于仿真场景的测试方法。在仿真场景中可模拟真实场景以及真实场景下驾驶员状态。驾驶员采取虚拟状态数据可视化,在仿真场景中对驾驶员状态进行模拟,可模拟:正常驾驶、疲劳驾驶打哈欠、接打电话、吸烟、驾驶员异常:脱手、未寄安全带、未识别到人脸面部、弯腰。以及不同性别驾驶员、不同年龄阶段驾驶员、戴墨镜、戴帽子、戴眼镜等进行虚拟化设置。同时可在仿真场景中对天气:早晨、上午、中午、下午、傍晚、晚上;气候:雨天、雪天、阴天、雨夹雪;光线:亮,暗进行调节。所述仿真场景以及驾驶员状态可以根据实际需要自行设置条件,然后通过驾驶场景仿真***进行虚拟仿真。
仿真场景的搭建方法如下:
具体的上位机通过驾驶场景仿真***搭建的虚拟场景画面显示在显示器上,工作人员通过上位机可设置车辆运动状态和车辆速度等,包括(高速场景还是城市场景)天气,光线,驾驶员性别,年龄,着装特色,动作形态,驾驶员的状态可以包含打哈欠、闭眼、凝视、左顾右盼、打电话、抽烟、双手脱离方向盘、驾驶员超时驾驶、驾驶员不在驾驶位置以及驾驶员长时间未目视前方等。具体包括:
搭建场景维度可从驾驶员状态a,驾驶员的个人信息状态b、驾驶员的装饰状态c、驾驶环境的天气状态d、驾驶环境的气候状态e,5个维度进行搭建。
驾驶员状态a包含打哈欠、闭眼、凝视、左顾右盼、打电话、抽烟、双手脱离方向盘、驾驶员超时驾驶、驾驶员不在驾驶位置以及驾驶员长时间未目视前方。
驾驶员的个人信息状态b包含设置驾驶员的性别及驾驶员的年龄;
驾驶员的装饰状态c包含驾驶员是否戴帽子、戴眼镜、带墨镜;
驾驶环境的天气状态d包含早晨、上午、中午、下午、傍晚、深夜;
驾驶环境的气候状态e包含雨天、雪天、阴天、晴天。
将以上5个维度,按照测试用例设计方法进行组合,形成驾驶员监控***测试场景用例库。
驾驶员监控***的摄像头位于暗箱的摄像头支架上,拍摄位于暗箱里的显示器,显示器中显示的画面为上位机中运行的驾驶场景仿真***模拟的驾驶员状态场景,驾驶员监控***根据摄像头拍摄仿真场景中驾驶员状态和车辆状态决策是否产生驾驶员状态异常告警信息,并将信息传递给上位机及执行器单元。
上位机模拟产生整车状态信息通过通讯模块传输至驾驶员监控***,可模拟的整车状态:车辆行驶速度、档位信息、制动信息、转向灯信息。
驾驶员监控***的摄像头处于暗箱中,拍摄位于暗箱内显示器中的虚拟场景画面和虚拟座舱内驾驶员。摄像头采集的图像数据实时传输至图像处理单元,图像处理单元对数据进行分析处理,分析车辆是否处于行驶状态中,若判定车辆为静止状态,则图像处理单元传输正常驾驶消息;若车辆为非静止状态,分析驾驶员驾驶动作形态是否符合正常驾驶,如果驾驶员正常驾驶,则图像处理单元传输正常驾驶消息,如果驾驶员非正常驾驶则对驾驶行为进行识别分类,并将处理信息传输至驾驶员监控***,驾驶员监控***将决定是否产生告警信息反馈至上位机。
所述图像处理单元是驾驶员监控***的一部分,并且,此处对图像的分析可以通过神经网络模型进行实现,该神经网络可以对采集的图像进行分类。所述神经网络模型通过以下方式进行训练得到:采集不同类别的驾驶员的状态图像,并进行图像分类标注,比如打哈欠、闭眼、凝视、左顾右盼、打电话、抽烟、双手脱离方向盘、驾驶员超时驾驶、驾驶员不在驾驶位置以及驾驶员长时间未目视前方等类别,将分类标注的驾驶员的状态图像作为神经网络的输入,驾驶员的状态图像对应的类别作为输出,训练得到识别驾驶员状态类别的神经网络模型。此处使用的神经网络模型类别不做限定。
同时驾驶员监控单元将报警、HMI显示等控制指令传达至蜂鸣器和驾驶员监控***的显示模块,由蜂鸣器执行报警,驾驶员监控***的显示屏进行HMI显示预警信息功能。
蜂鸣器执行报警结果信息反馈至上位机,上位机将执行信息报警图标等显示在上位机中,摄像头继续识别驾驶员驾驶状态以及报警图标,将采集的图像信息传输至图像处理单元,当摄像头监控***识别到驾驶员动作回归正常驾驶状态时,图像处理单元将分析处理后的信息传输到驾驶员监控单元,驾驶员监控单元取消蜂鸣器报警,HMI显示预警等控制指令,同时反馈至上位机。
执行器单元接受驾驶员监控单元控制指令取消报警,HMI显示等操作。执行器单元取消执行信息反馈至上位机,上位机取消报警图标显示。测试结束后,上位机根据测试结果,判定该场景下测试是否通过。
测试评价:针对每一类仿真场景及驾驶员监控***的测试结果,对驾驶员监控***的漏检率、误报率、***的响应时间。
漏检率计算公式:
其中:n代表漏检次数;N代表总的测试次数。
误报率计算公式:
其中:m代表误报次数;N代表总的测试次数。
告警响应时间计算公式:
t=tj-tz (3)
其中:tj代表驾驶员监控单元决策的时刻;tz代表执行器单元执行的时刻。
2、基于模拟故障的测试:
基于模拟故障的测试,用以验证驾驶员监控***正常工作条件的完整性,若对驾驶员监控***模拟注入故障,验证驾驶员监控***是否有相应的处理机制验证驾驶员监控***的诊断功能是否完整。基于模拟故障注入测试流程如***图三所示,上位机通过故障注入***注入故障,故障注入模式有两种,一种是对驾驶员监控***进行故障注入模式。
在对驾驶员监控***进行故障注入测试时,可选择故障注入设备接入的位置为摄像头与图像处理单元之间,图像处理单元与驾驶员监控单元之间或驾驶员监控单元与执行器单元之间;对故障注入的类别进行选择,可设置的故障类型为断路、短路、松动;选择设置的故障注入的时刻为驾驶员监控***启动时进行故障注入或者是非启动时注入;选择故障注入的时间为瞬时故障,周期故障或永久性故障;当以上操作完成时,可对驾驶员监控***进行故障注入测试,驾驶员监控***的反馈信息传输至上位机,记录该次故障注入测试的结果;通过上位机故障注入***对驾驶员监控***撤销故障注入并进行测试,驾驶员监控***将反馈信息传输至上位机,记录该次撤销故障注入测试的结果。
当以上操作均完成时形成一次测试,利用上位机测试管理***对上述测试方法进行多次测试,并记录多次测试的结果。将上位机记录的告警信息与模拟故障的类型进行比对,分析驾驶员监控***反馈故障告警信息与模拟注入的故障类别是否相同,从而判断驾驶员监控***的诊断功能的准确性及可靠性。
测试评价:针对每一类模拟故障及驾驶员监控***的测试结果,对驾驶员监控***的漏检率、误报率、***的响应时间。
漏检率计算公式按照公式(1)计算。
其中:n代表漏检次数;N代表总的测试次数。
误报率计算公式按照公式(2)计算:
其中:m代表误报次数;N代表总的测试次数。
告警响应时间计算公式(4):
t=tg-ty (4)
其中:tg代表驾驶员监控单元产生告警的时刻;ty代表模拟故障注入至***的时刻。
3、基于仿真场景与模拟故障组合的测试
基于仿真场景与模拟故障组合的测试方法,目的在于验证驾驶员监控***对驾驶员状态行为异常和非正常工作条件下驾驶员监控***的应答处理机制。首先采用基于仿真场景的测试方法,进行测试,上位机记录该场景下驾驶员监控***的反馈信息。然后利用上位机故障注入***控制模拟故障注入至摄像头至图像处理单元之间或图像处理单元与驾驶员监控单元或驾驶员监控单元与执行器单元之间,按照基于模拟故障注入的测试方法进行测试,上位机记录该模拟故障注入驾驶员监控***的反馈信息。通过驾驶员监控***在两类测试情况下反馈信息的状态变化对驾驶员监控***进行评价。
有益效果:与现有技术相比,本发明的技术方案具有以下有益技术效果:
本发明的技术方案快速试验,短时间内大量试验以验证驾驶员监控***算法的可靠与稳定有利于快速开发迭代驾驶员监控算法,场景可重复,试验可重复,数据可比较。根据不同场景下驾驶员不同状态的设置可形成数据集方便下次直接调用。个性化驾驶员设置,试验数据具有多样性,模拟及复现***在实车运行过程中的故障,测试驾驶员监控***的诊断功能。
附图说明
图1驾驶员监控***方案图;
图2为故障监测单元与驾驶员监控***中的各个单元的连接图;
图3驾驶员监控***仿真场景测试流程图;
图4驾驶员监控***模拟故障测试流程;
图5驾驶员监控***仿真场景与模拟故障结合测试方法。
具体实施方式
实施例1,基于仿真场景的测试方法
在一个实施例中,其中包括疲劳驾驶预警。上位机通过驾驶场景仿真***搭建虚拟驾驶员疲劳状态并设置驾驶员性别,年龄,佩戴帽子、眼镜、墨镜、行驶场景环境,暗箱内显示器显示虚拟驾驶员状态、虚拟车辆行驶速度以及行驶场景环境,包括白天、夜晚、顺光、逆光、树荫阳光交替闪烁,车辆震动等全工况驾驶环境,将上述仿真的信息实时显示在暗箱的显示器上,驾驶员监控***的摄像头单元实时拍摄显示器中虚拟驾驶员。
当通模拟车辆处于停止状态时,暗箱中摄像头单元识别到的虚拟驾驶员状态信息,驾驶员监控单元决策单元判定车辆处于静止状态,对图像处理处理单元传递的驾驶员状态信息不进行处理。当车辆处于行驶状态时,摄像头单元识别并采集虚拟驾驶员眨眼,打哈欠等动作,并将采集的数据传输至图像处理单元,驾驶员监控模块对驾驶员闭眼时长,打哈欠频率进行综合判定,判定当前场景为驾驶员疲劳驾驶。同时驾驶员监控单元对报警信息分级处理,当车速低于报警分级速度阈值,驾驶员监控模块判定当前驾驶员状态为疲劳驾驶,并传递控制指令给蜂鸣器,由蜂鸣器产生一级报警;当车速高于报警分级速度阈值,***判定当前驾驶员状态为疲劳驾驶,该判定结果将显示与驾驶员监控模块HMI进行显示,并传递控制指令给蜂鸣器,由蜂鸣器产生二级报警,并将执行结果反馈至上位机;于此同时驾驶员监控单元将驾驶员疲劳驾驶预警状态反馈至上位机。
所述图像处理单元是驾驶员监控***的一部分,并且,此处对图像的分析可以通过神经网络模型进行实现,该神经网络可以对采集的图像进行分类。所述神经网络模型通过以下方式进行训练得到:采集不同类别的驾驶员的状态图像,并进行图像分类标注,比如打哈欠、闭眼、凝视、左顾右盼、打电话、抽烟、双手脱离方向盘、驾驶员超时驾驶、驾驶员不在驾驶位置以及驾驶员长时间未目视前方等类别,将分类标注的驾驶员的状态图像作为神经网络的输入,驾驶员的状态图像对应的类别作为输出,训练得到识别驾驶员状态类别的神经网络模型。此处使用的神经网络模型类别不做限定。
当疲劳驾驶的驾驶员选择靠边停车,摄像头单元拍摄的驾驶员驾驶状态正常,同时接受到车辆停车静止的运动状态信息,经图像处理单元处理后,驾驶员监控单元根据当前驾驶员状态及车辆状态向执行器单元传递取消报警指令,蜂鸣器报警声音取消驾驶员监控显示模块显示无预警信息,同时上位机不在显示任何警告图标。
当上述场景测试完成后,上位机中的测试管理***将记录该场景下蜂鸣器执行结果及驾驶员监控模块疲劳驾驶预警信息;通过上位机测试管理软件切换显示屏中的驾驶员状态场景及车辆状态信息,按照上述方法对驾驶员监控模块进行测试,并记录测试结果,如此反复,从而完成对驾驶员监控模块的批量化测试。
当针对驾驶员监控***所有的测试场景完成后,针对疲劳驾驶场景的测试结果,统计分析监控员监控***的漏检率、误报率和识别率及报警延迟的时间,根据***设计的规则对***的稳定性、可靠性、快速性进行评价。
经过大量虚拟驾驶员不同的状态识别测试,***将根据测试结果对驾驶员监控***识别的准确性,***的可靠性,稳定性,以及快速性,给出相应评价。在疲劳预警这个实施例中,将对监控***识别的漏检率,误报率,识别和报警延迟的总时间做出评价。
实施2,基于模拟故障的测试方法
在一个实施例中,其中包括模拟在驾驶员监控单元与执行器单元之间产生断路故障。
通过上位机故障注入软件对驾驶员监控***进行故障注入,在驾驶员监控***启动时将驾驶员监控单元与执行器单元之间模拟产生断路故障,此故障为永久性故障,记录驾驶员监控***反馈至上位机的信息及该模拟故障;通过上位机故障注入软件撤销驾驶员监控单元与执行器单元之间的故障,记录驾驶员监控***反馈至上位机的故障。
通过测试管理软件将上述模拟监控单元与执行器单元之间的短路故障注入测试执行10次,记录每次测试结果。
根据公式(1)(2)(3)计算监控员监控***的漏检率、误报率、***告警的响应时间,对驾驶员监控***进行评价。
实施3,基于仿真场景与模拟故障的组合测试方法
在一个实施例中,其中包括驾驶员疲劳状态模拟及模拟驾驶员监控单元与执行器单元之间产生断路故障。上位机通过场景仿真软件搭建虚拟驾驶员疲劳状态并设置驾驶员性别,年龄,佩戴帽子、眼镜、墨镜、行驶场景环境,暗箱内显示器显示虚拟驾驶员状态、虚拟车辆行驶速度以及行驶场景环境,包括白天、夜晚、顺光、逆光、树荫阳光交替闪烁,车辆震动等全工况驾驶环境,将上述仿真的信息实时显示在暗箱的显示器上,驾驶员监控***的摄像头单元实时拍摄显示器中虚拟驾驶员。
当通过上位机软件模拟车辆处于停止状态时,暗箱中摄像头单元识别到的虚拟驾驶员状态信息,驾驶员监控单元决策单元判定车辆处于静止状态,对图像处理处理单元传递的驾驶员状态信息不进行处理。当车辆处于行驶状态时,摄像头单元识别并采集虚拟驾驶员眨眼,打哈欠等动作,并将采集的数据传输至图像处理单元,驾驶员监控单元对驾驶员闭眼时长,打哈欠频率进行综合判定,判定当前场景为驾驶员疲劳驾驶。同时驾驶员监控单元对报警信息分级处理,当车速低于报警分级速度阈值,驾驶员监控单元判定当前驾驶员状态为疲劳驾驶,并传递控制指令给蜂鸣器,由蜂鸣器产生一级报警,并将执行结果反馈至上位机。
当上位机故障注入软件模拟产生驾驶员监控单元与执行器单元之间产生周期性断路故障,若故障监测单元识别到该故障状态时,应产生断路故障告警信息,同时将该信息反馈至上位机,此时若驾驶员监控***功能正常的情况下应显示驾驶员监控单元与执行器单元之间显示断路故障和持续显示驾驶员疲劳驾驶预警。
通过上位机测试管理软件对上述测试进行10次测试并记录10次测试结果,根据公式(1)(2)(3)(4)计算驾驶员监控***的漏检率、误报率、***告警的响应时间。
Claims (10)
1.一种用于驾驶员监控的仿真测试***,其特征在于,该仿真测试测试***包括驾驶员监控***、驾驶场景仿真***、显示器,上位机,测试管理***;对所述驾驶员监控***进行测试过程中,驾驶场景仿真***用于模拟输出真实场景中不同的车辆的行驶状态,以及车辆驾驶过程中不同的驾驶员状态的虚拟场景;所述显示器用于显示所述虚拟场景;所述驾驶员监控***用于实时获取虚拟场景图像,根据获取图像对所述虚拟场景中车辆的行驶状态和驾驶员状态进行监测判断,并将监测判断结果向上位机反馈;测试结束时,测试管理***用于将检测判断结果与模拟场景真实状态比较,计算驾驶员监控***监测行驶状态和驾驶员状态的漏检率、误报率、***的响应时间。
2.根据权利要求1所述的一种用于驾驶员监控的仿真测试***,其特征在于,驾驶员监控***如果实时判断驾驶车辆状态为非静止状态,并且判断驾驶人员状态为非正常驾驶状态,所述驾驶员监控***对驾驶人员状态进行分类,并将驾驶车辆状态和驾驶人员状态分类结果反馈给上位机。
3.根据权利要求2所述的一种用于驾驶员监控的仿真测试***,其特征在于,所述驾驶员监控***对驾驶人员状态进行分类方法如下:驾驶员监控***包括摄像头单元、图像处理单元,摄像头单元实时拍摄虚拟场景获得驾驶员状态图像,将驾驶员状态图像输入到神经网络模型中,神经网络模型输出驾驶员状态类型;所述神经网络模型根据如下训练方式得到:采集不同类别的驾驶员的状态图像,并进行图像分类标注,将分类标注的驾驶员的状态图像作为神经网络的输入,驾驶员的状态图像对应的类别作为输出,训练得到识别驾驶员状态类别的神经网络模型。
4.根据权利要求3所述的一种用于驾驶员监控的仿真测试***,其特征在于,图像处理单元将计算的驾驶员状态分类结果发送给驾驶员监控单元,如果驾驶员监控单元根据驾驶员状态分类结果判断驾驶员驾驶状态不正常,则发送信息给驾驶员监控***中的执行器单元,执行器单元接收上述信息后进行提醒。
5.根据权利要求4所述的一种用于驾驶员监控的仿真测试***,其特征在于,所示提醒方式为报警和/或震动。
6.根据权利要求4或5所述的一种用于驾驶员监控的仿真测试***,其特征在于,驾驶员监控***的显示屏对提醒信息进行HMI显示。
7.根据权利要求1或2或3或4所述的一种用于驾驶员监控的仿真测试***,其特征在于,所述用于驾驶员监控的仿真测试***还包括故障注入***,驾驶员监控***包括故障监测单元,所述故障注入***用于将不同类型的故障注入到驾驶员监控***的各个单元上或者各个单元之间,所述故障监测单元对驾驶员监控***的各个单元上或者各个单元之间的故障进行监测,将检测到的故障向上位机反馈;测试结束时,测试管理***用于将故障监测单元检测到的故障与故障注入***注入的故障进行比较,计算故障监测的漏检率、误报率、***的响应时间。
8.根据权利要求7所述的一种用于驾驶员监控的仿真测试***,其特征在于,所述故障监测***监测到故障时,则发送信息给驾驶员监控***中的执行器单元,执行器单元接收上述信息后进行提醒。
9.根据权利要求8所述的一种用于驾驶员监控的仿真测试***,其特征在于,所示提醒方式为报警和/或震动。
10.根据权利要求7或8所述的一种用于驾驶员监控的仿真测试***,其特征在于,驾驶员监控***的显示屏对提醒信息进行HMI显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110993548.0A CN113703341A (zh) | 2021-08-30 | 2021-08-30 | 一种用于驾驶员监控的仿真测试*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110993548.0A CN113703341A (zh) | 2021-08-30 | 2021-08-30 | 一种用于驾驶员监控的仿真测试*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113703341A true CN113703341A (zh) | 2021-11-26 |
Family
ID=78655779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110993548.0A Pending CN113703341A (zh) | 2021-08-30 | 2021-08-30 | 一种用于驾驶员监控的仿真测试*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113703341A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115774663A (zh) * | 2022-09-15 | 2023-03-10 | 江苏瑞蓝自动化设备集团有限公司 | 一种LabVIEW的测试***的优化方法、装置、设备及存储介质 |
CN115774663B (zh) * | 2022-09-15 | 2024-07-09 | 江苏瑞蓝自动化设备集团有限公司 | 一种LabVIEW的测试***的优化方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011022211A (ja) * | 2009-07-13 | 2011-02-03 | Toyota Central R&D Labs Inc | 運転模擬装置及び運転模擬制御プログラム |
CN110077414A (zh) * | 2019-04-04 | 2019-08-02 | 合肥思艾汽车科技有限公司 | 一种基于驾驶员状态监测的车辆行驶安全保障方法及*** |
CN111439269A (zh) * | 2020-04-13 | 2020-07-24 | 重庆车辆检测研究院有限公司 | 一种驾驶员监测装置的评价方法、装置、***及评价器 |
CN213182412U (zh) * | 2020-09-10 | 2021-05-11 | 法雷奥汽车内部控制(深圳)有限公司 | 一种车载驾驶员监控***总成检测*** |
-
2021
- 2021-08-30 CN CN202110993548.0A patent/CN113703341A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011022211A (ja) * | 2009-07-13 | 2011-02-03 | Toyota Central R&D Labs Inc | 運転模擬装置及び運転模擬制御プログラム |
CN110077414A (zh) * | 2019-04-04 | 2019-08-02 | 合肥思艾汽车科技有限公司 | 一种基于驾驶员状态监测的车辆行驶安全保障方法及*** |
CN111439269A (zh) * | 2020-04-13 | 2020-07-24 | 重庆车辆检测研究院有限公司 | 一种驾驶员监测装置的评价方法、装置、***及评价器 |
CN213182412U (zh) * | 2020-09-10 | 2021-05-11 | 法雷奥汽车内部控制(深圳)有限公司 | 一种车载驾驶员监控***总成检测*** |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115774663A (zh) * | 2022-09-15 | 2023-03-10 | 江苏瑞蓝自动化设备集团有限公司 | 一种LabVIEW的测试***的优化方法、装置、设备及存储介质 |
CN115774663B (zh) * | 2022-09-15 | 2024-07-09 | 江苏瑞蓝自动化设备集团有限公司 | 一种LabVIEW的测试***的优化方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220292944A9 (en) | Fire monitoring system | |
CN110647539A (zh) | 一种用于车辆故障的预测方法和*** | |
US20060222206A1 (en) | Intelligent video behavior recognition with multiple masks and configurable logic inference module | |
CN108764034A (zh) | 一种基于驾驶室近红外相机的分神驾驶行为预警方法 | |
CN111126153B (zh) | 基于深度学习的安全监测方法、***、服务器及存储介质 | |
CN112009494B (zh) | 一种车辆异常处理方法、装置、控制设备及存储介质 | |
CN110928620B (zh) | 汽车hmi设计引起驾驶注意力分散评价方法及*** | |
CN112633057A (zh) | 一种公交车内异常行为智能监控方法 | |
CN103106394A (zh) | 一种视频监控中的人体行为识别方法 | |
CN108124507A (zh) | 一种智能车载adas功能的演示方法、装置及终端设备 | |
CN106611165A (zh) | 一种基于相关滤波和颜色匹配的汽车车窗检测方法及装置 | |
CN113703341A (zh) | 一种用于驾驶员监控的仿真测试*** | |
CN117612249A (zh) | 一种基于改进OpenPose算法的井下矿工危险行为识别方法和装置 | |
CN112487961A (zh) | 一种交通事故检测方法、存储介质及设备 | |
Frische et al. | SA-Tracer: A tool for assessment of UAV swarm operator SA during mission execution | |
CN115083229B (zh) | 基于ai视觉识别的飞行训练设备智能识别与警示*** | |
CN111353465A (zh) | 基于深度学习技术的变电站人员行为分析方法及*** | |
CN115951599A (zh) | 基于无人机的驾驶能力测试***、方法、装置及存储介质 | |
CN110398957A (zh) | 自动驾驶行为预测方法、装置、计算机设备及存储介质 | |
Hong et al. | Towards drowsiness driving detection based on multi-feature fusion and LSTM networks | |
CN112070442A (zh) | 一种食品安全方面的运输过程监管方法及终端 | |
CN113157088B (zh) | 一种基于刑事侦查虚拟场景的数据处理方法和装置 | |
CN116746931B (zh) | 一种基于脑电的增量式驾驶员不良状态检测方法 | |
KR102377233B1 (ko) | 실주행 환경의 모빌리티 데이터를 수집 및 시뮬레이션 하는 시스템 | |
CN218383078U (zh) | 车载触摸屏自动化测试*** |
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 |