CN113987006A - 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
- CN113987006A CN113987006A CN202111179771.8A CN202111179771A CN113987006A CN 113987006 A CN113987006 A CN 113987006A CN 202111179771 A CN202111179771 A CN 202111179771A CN 113987006 A CN113987006 A CN 113987006A
- Authority
- CN
- China
- Prior art keywords
- score
- time period
- fatigue
- user
- physiological
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 37
- 230000003247 decreasing effect Effects 0.000 claims description 7
- 230000001815 facial effect Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000013507 mapping Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 241001282135 Poromitra oscitans Species 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 206010048232 Yawning Diseases 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 208000003556 Dry Eye Syndromes Diseases 0.000 description 1
- 206010013774 Dry eye Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Fuzzy Systems (AREA)
- Traffic Control Systems (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请实施例提供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:基于生物特征信息,确定用户的身份信息;基于用户的驾驶时长,确定驾驶时长评分;若驾驶时长评分大于或者等于第一时长评分阈值,基于用户的生理指标信息,确定用户的生理指标评分;若基于生理指标评分,或者基于生理指标评分和预设时间段的平均速度,确定用户处于疲劳驾驶状态,控制车辆报警。通过本申请实施例的一种疲劳驾驶检测方法,可以基于多源信息准确地判断疲劳驾驶状态。
Description
技术领域
本发明涉及汽车技术领域,尤其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
在驾驶技术的不断发展的过程中,驾驶员的人身安全持续受到关注。在交通事故频发的当下,及时且准确地对驾驶员的疲劳驾驶进行警告,可以及时地提醒驾驶员休息,从而在一定程度上避免事故的发生,保证车辆的行驶安全。
现在的疲劳驾驶检测方法通常基于用户驾驶的时长或者用户的面部特征进行判断,计算各个指标的分值并基于各个指标的分值确定总疲劳分值。这样的检测方法简单粗暴,不仅容易造成误判,而且持续地计算十分浪费计算资源。例如,存在有用户有干眼症或者频繁眨眼的***滑的路况下用户依然精力充沛,此时若仍较高比重地时长评分或者路况评分,会导致疲劳驾驶的判断不准确。
发明内容
针对现有技术存在的缺陷,本公开实施例提供一种疲劳驾驶检测方法、装置、电子设备及存储介质,可以基于多源信息准确地判断疲劳驾驶状态。
本申请实施例提供一种疲劳驾驶检测方法,其特征在于,方法包括:基于生物特征信息,确定用户的身份信息;基于用户的驾驶时长,确定驾驶时长评分;若驾驶时长评分大于或者等于第一时长评分阈值,基于用户的生理指标信息,确定用户的生理指标评分;若基于生理指标评分,或者基于生理指标评分和预设时间段的平均速度,确定用户处于疲劳驾驶状态,控制车辆报警。
具体地,若基于生理指标评分,或者基于生理指标评分和预设时间段的平均速度,确定用户处于疲劳驾驶状态,控制车辆报警,包括:若生理指标评分小于第一生理评分阈值,确定用户处于疲劳驾驶状态,控制车辆报警;或者;若生理指标评分小于第二生理评分阈值且大于或者等于第一生理评分阈值,基于预设时间段的平均速度,确定易疲劳程度评分;若基于易疲劳程度评分,确定用户处于疲劳驾驶状态,控制车辆报警。
具体地,预设时间段的速度包括第一时间段的平均速度、第二时间段的平均速度和第三时间段的平均速度;若生理指标评分小于第二生理评分阈值且大于或者等于第一生理评分阈值,基于预设时间段的平均速度,确定易疲劳程度评分,包括:若生理指标评分小于第二生理评分阈值且大于或者等于第一生理评分阈值,并且驾驶时长评分大于或者等于第一时长评分阈值并小于第二时长评分阈值,则利用第一参考速度模型,基于第一时间段的平均速度、第二时间段的平均速度和第三时间段的平均速度确定第一参考速度;基于第一参考速度,确定易疲劳程度评分。
具体地,预设时间段的速度包括第一时间段的平均速度、第二时间段的平均速度、第三时间段的平均速度和第四时间段的平均速度;其中,第四时间段由第一时间段、第二时间段和第三时间段组成;若生理指标评分小于第二生理评分阈值且大于或者等于第一生理评分阈值,基于预设时间段的平均速度,确定易疲劳程度评分,包括:若生理指标评分小于第二生理评分阈值且大于或者等于第一生理评分阈值,并且驾驶时长评分大于或者等于第二时长评分阈值,并且第四时间段的平均速度大于第一平均速度阈值,则利用第一参考速度模型,基于第一时间段的平均速度、第二时间段的平均速度和第三时间段的平均速度确定第二参考速度;基于第二参考速度,确定易疲劳程度评分。
具体地,若基于易疲劳程度评分,确定用户处于疲劳驾驶状态,控制车辆报警,包括:若易疲劳程度评分小于第一易疲劳评分阈值,确定用户处于疲劳驾驶状态,控制车辆报警。
具体地,第一时间段、第二时间段和第三时间段相连,并且与当下时刻的时差依次递增。
具体地,第一参考速度模型中,第一时间段的平均速度、第二时间段的平均速度和第三时间段的平均速度的权重依次递减。
相应地,本申请实施例提供一种疲劳驾驶检测装置,装置包括:身份确定模块,用于基于生物特征信息,确定用户的身份信息;时长评分模块,用于基于用户的驾驶时长,确定驾驶时长评分;生理评分模块,用于若驾驶时长评分大于或者等于第一时长评分阈值,基于用户的生理指标信息,确定用户的生理指标评分;疲劳报警模块,用于若基于生理指标评分,或者基于生理指标评分和预设时间段的平均速度,确定用户处于疲劳驾驶状态,控制车辆报警。
具体地,疲劳报警模块用于若生理指标评分小于第一生理评分阈值,确定用户处于疲劳驾驶状态,控制车辆报警;或者;若生理指标评分小于第二生理评分阈值且大于或者等于第一生理评分阈值,基于预设时间段的平均速度,确定易疲劳程度评分;若基于易疲劳程度评分,确定用户处于疲劳驾驶状态,控制车辆报警。
具体地,预设时间段的速度包括第一时间段的平均速度、第二时间段的平均速度和第三时间段的平均速度;疲劳报警模块用于若生理指标评分小于第二生理评分阈值且大于或者等于第一生理评分阈值,并且驾驶时长评分大于或者等于第一时长评分阈值并小于第二时长评分阈值,则利用第一参考速度模型,基于第一时间段的平均速度、第二时间段的平均速度和第三时间段的平均速度确定第一参考速度;基于第一参考速度,确定易疲劳程度评分。
具体地,预设时间段的速度包括第一时间段的平均速度、第二时间段的平均速度、第三时间段的平均速度和第四时间段的平均速度;其中,第四时间段由第一时间段、第二时间段和第三时间段组成;疲劳报警模块用于若生理指标评分小于第二生理评分阈值且大于或者等于第一生理评分阈值,并且驾驶时长评分大于或者等于第二时长评分阈值,并且第四时间段的平均速度大于第一平均速度阈值,则利用第一参考速度模型,基于第一时间段的平均速度、第二时间段的平均速度和第三时间段的平均速度确定第二参考速度;基于第二参考速度,确定易疲劳程度评分。
具体地,疲劳报警模块用于若基于易疲劳程度评分,确定用户处于疲劳驾驶状态,控制车辆报警,包括:若易疲劳程度评分小于第一易疲劳评分阈值,确定用户处于疲劳驾驶状态,控制车辆报警。
具体地,第一时间段、第二时间段和第三时间段相连,并且与当下时刻的时差依次递增。
具体地,第一参考速度模型中,第一时间段的平均速度、第二时间段的平均速度和第三时间段的平均速度的权重依次递减。
相应地,本申请提供一种电子设备,包括处理器和存储器,存储器中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述的疲劳驾驶检测方法。
相应地,本公开实施例提供一种计算机可读存储介质,存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述的疲劳驾驶检测方法。
本申请实施例具有如下有益效果:
(1)通过基于多源信息确定疲劳驾驶状态,提高判断的准确度;
(2)根据不同的场景或者不同的条件,基于复杂度不同的方法确定疲劳驾驶状态,可以减少不必要的计算资源浪费;
(3)基于临近当下时刻的多个时间段的平均速度进行判断,并且越接近当下的时间段的平均速度的权重越大,可以更准确地反映驶过的路况对应的易疲劳程度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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它附图。
图1是本申请实施例所提供的一种疲劳驾驶检测方法的应用场景示意图;
图2是本申请实施例所提供的一种疲劳驾驶检测方法的第一流程示意图;
图3是本申请实施例所提供的一种疲劳驾驶检测方法的第二流程示意图;
图4是本申请实施例所提供的一种疲劳驾驶检测方法的第三流程示意图;
图5是本申请实施例所提供的一种疲劳驾驶检测方法的第四流程示意图;
图6是本申请实施例所提供的一种疲劳驾驶检测方法的第五流程示意图;
图7是本申请实施例所提供的一种疲劳驾驶检测装置的结构示意图;
图8是本申请实施例所提供的一种疲劳驾驶检测方法的服务器的硬件结构框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施例作进一步地详细描述。显然,所描述的实施例仅仅是本申请一个实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作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。
此处所称的“实施例”是指可包含于本申请至少一个实现方式中的特定特征、结构或特性。在本申请实施例的描述中,需要理解的是,术语“上”、“下”、“左”、“右”、“顶”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置/***或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。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的包括一个或者更多个该特征。而且,术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请实施例能够以除了在这里图示或描述以外的顺序实施。此外,术语“包括”和“具有”/“为”以及他们/其的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元/模块的过程、方法、***/装置、产品或设备不必限于清楚地列出的那些步骤或单元/模块,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元/模块。
请参阅图1,图1是本申请实施例提供的一种应用场景的示意图,包括车辆101,车辆101包括疲劳驾驶检测模块1011。
具体地,在本申请的应用场景中,疲劳驾驶检测模块1011可以获取用户的生物特征信息,例如可以通过车辆101和用户的视觉交互或者触觉交互获取用户的人脸、指纹、掌纹、声纹等生物特征信息。
具体地,疲劳驾驶检测模块1011可以获取用户的生理指标信息,生理指标信息可以包括面部指标信息和肢体指标信息,面部指标信息和肢体指标信息可以用于表征用户的外形疲劳程度;面部指标信息可以包括眨眼频率、打哈欠频率,肢体指标信息可以包括身体前倾角度、转头频率。具体地,可以通过影像传感器获取生理指标信息。
具体地,疲劳驾驶检测模块1011可以基于车辆101的行车记录确定用户的驾驶时长和历史行驶速度。
在本申请实施例中,疲劳驾驶检测模块1011可以基于预设周期持续地确定用户的生物特征信息、驾驶时长、生理指标信息和历史行驶速度。若基于用户的生物特征信息确定用户身份发生变化,则疲劳驾驶检测模块1011可以将旧用户的信息清零,并基于新用户重新获取生物特征信息、驾驶时长、生理指标信息和历史行驶速度等信息,在此基础上,确定用户处于疲劳驾驶状态并控制车辆报警。
下面介绍本申请提供的一种疲劳驾驶检测方法的示例性流程。在本申请的方法实施例中,执行主语可以是车辆或者和疲劳驾驶检测模块。图2是本申请实施例提供的一种疲劳驾驶检测方法的第一流程示意图,本说明书提供了如实施例或流程图所示的方法或者流程操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多执行顺序中的一种方式,不代表唯一的执行顺序,在实际执行时,可以按照实施例或者附图所示的方法或者流程顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图2所示,该方法包括:
S201:基于生物特征信息,确定用户的身份信息。
在一种具体的实施方式中,可以基于预设周期,持续地执行步骤S201,以不断确认用户的身份信息。具体地,若基于用户的身份信息,确定用户的身份变化,可以重新基于新用户的信息或者指标数据确定用户的疲劳驾驶状态。
S202:基于用户的驾驶时长,确定驾驶时长评分。
在一种具体的实施方式中,用户的驾驶时长和驾驶时长评分可以是函数或者映射的关系,也就是说,可以通过预设的映射规则或者函数,基于用户的驾驶时长,确定驾驶时长评分。具体地,驾驶时长评分可以是以0至100间的实数,越长的驾驶时长,对应于越低的驾驶时长评分。具体地,4小时的驾驶时长可以对应于80分的驾驶时长评分,8小时的驾驶时长可以对应于60分的驾驶时长评分。
S203:若驾驶时长评分大于或者等于第一时长评分阈值,基于用户的生理指标信息,确定用户的生理指标评分。
在一种具体的实施方式中,第一时长评分阈值可以是60分,生理指标评分可以是0至100间的实数。
具体地,生理指标信息表征用户的外形越疲惫,对应的生理指标评分越低。可以基于预设的映射规则或者函数,基于用户的生理指标信息,确定用户的生理指标评分。生理指标信息可以包括面部指标信息和肢体指标信息,面部指标信息可以包括眼动频率、眨眼频率、哈欠频率中的一个或者多个,肢体指标信息可以包括人体前倾角度、摇头频率、点头频率中的一个或者多个。
具体地,在本申请实施例提供的疲劳驾驶检测方法中,若驾驶时长评分小于第一时长评分阈值,则直接确定用户处于疲劳驾驶状态,控制车辆报警。也就是说,如果驾驶时长足够长,则无论用户的生理指标反应用户的外形疲劳程度如何,或者无论用户的历史平均车速如何,都确定用户处于疲劳驾驶状态。如以此来,可以避免由于用户的外形的特殊性或者环境的光线过暗等因素导致疲劳驾驶状态的判断不准。例如,可以将8小时驾驶时长对应的驾驶时长评分设置为第一时长评分阈值,由于此驾驶时长情况下用户的疲劳概率相当高,此时直接进行疲劳的判断以及报警,不仅可以防止外界因素导致的疲劳驾驶误判,还可以节约不必要的计算资源。
S204:若基于生理指标评分,或者基于生理指标评分和预设时间段的平均速度,确定用户处于疲劳驾驶状态,控制车辆报警。
在一种具体的实施方式中,可以在用户的外形足够疲惫时,可以仅基于生理指标评分,确定用户处于疲劳驾驶状态,控制车辆报警;此时对应的生理指标评分的分数足够低。而在用户的外形处于有些疲惫的状态时,可以基于生理指标评分和预设时间段的平均速度,确定用户处于疲劳驾驶状态,控制车辆报警;此时生理指标评分位于适中的评分区间时。
下面基于图3进一步阐述步骤S204。
图3是本申请实施例提供的一种疲劳驾驶检测方法的第二流程示意图。
其中,步骤S301为图2中图示的步骤S204的示例性流程。在本申请实施例提供的该示例性流程中,可以在生理指标评分满足第一预设条件的情况下,基于生理指标评分,确定用户处于疲劳驾驶状态,控制车辆报警。具体地如图3所示,该方法包括:
S301:若生理指标评分小于第一生理评分阈值,确定用户处于疲劳驾驶状态,控制车辆报警。
具体地,第一生理评分阈值可以是60分,对应于生理指标信息表征用户的外形十分疲惫。此时用户的疲劳的概率非常高,可以直接确定用户处于疲劳驾驶状态,并控制车辆报警,避免执行复杂的判定步骤而浪费计算资源。
下面基于图4进一步阐述步骤S204。
图4是本申请实施例提供的一种疲劳驾驶检测方法的第三流程示意图。
其中,步骤S401为图2中图示的步骤S204的另一示例性流程。在本申请实施例提供的该示例性流程中,可以在生理指标评分满足第二预设条件的情况下,基于生理指标评分和预设时间段的平均速度,确定用户处于疲劳驾驶状态,控制车辆报警。该第二预设条件可以和上文中基于图3阐述的实施例中的第一预设条件不相重叠。具体地如图4所示,该方法包括:
S401:若生理指标评分小于第二生理评分阈值且大于或者等于第一生理评分阈值,基于预设时间段的平均速度,确定易疲劳程度评分。
下面基于图5进一步阐述步骤S401。
图5是本申请实施例提供的一种疲劳驾驶检测方法的第四流程示意图。
其中,步骤S501-S502为图2中图示的步骤S401的示例性流程。在本申请实施例提供的该示例性流程中,可以在驾驶时长评分满足第三预设条件的情况下,基于模型确定易疲劳程度评分。具体地如图5所示,该方法包括:
S501:若生理指标评分小于第二生理评分阈值且大于或者等于第一生理评分阈值,并且驾驶时长评分大于或者等于第一时长评分阈值并小于第二时长评分阈值,则利用第一参考速度模型,基于第一时间段的平均速度、第二时间段的平均速度和第三时间段的平均速度确定第一参考速度。
具体地,第一生理评分阈值可以是60分,第二生理评分阈值可以是80分,第一时长评分阈值可以是60分,第二时长评分阈值可以是80分。预设时间段的速度可以包括第一时间段的平均速度、第二时间段的平均速度和第三时间段的平均速度。第一时间段、第二时间段和第三时间段可以相连,并且与当下时刻的时差依次递增。第一时间段可以是现在至10分钟前,第二时间段可以是10分钟前至20分钟前,第三时间段可以是20分钟前至30分钟前。
具体地,第一参考速度模型中,第一时间段的平均速度、第二时间段的平均速度和第三时间段的平均速度的权重可以依次递减。
S502:基于第一参考速度,确定易疲劳程度评分。
具体地,越快的第一参考速度可以对应于越高的易疲劳程度评分,易疲劳程度评分可以是0至100之间的实数。可以基于预设的映射规则或者函数,基于第一参考速度,确定易疲劳程度评分。
通常,在平均车速慢的场景中用户不易疲劳,如山路、堵车的场景中;而在车速较快的场景中用户易疲劳,如高速公路。在本申请实施例中,通过将预设时间段的平均速度作为判断因子,可以在节约成本的同时,准确地判断用户或者司机在最近一段时间的行驶体验中的易疲劳程度。
下面基于图6进一步阐述步骤S401。
图6是本申请实施例提供的一种疲劳驾驶检测方法的第五流程示意图。
其中,步骤S601-S602为图2中图示的步骤S401的另一示例性流程。在本申请实施例提供的该示例性流程中,可以在驾驶时长评分满足第四预设条件的情况下,基于模型确定易疲劳程度评分。该第四预设条件可以和上文中基于图5阐述的实施例中的第三预设条件不相重叠。具体地如图6所示,该方法包括:
S601:若生理指标评分小于第二生理评分阈值且大于或者等于第一生理评分阈值,并且驾驶时长评分大于或者等于第二时长评分阈值,并且第四时间段的平均速度大于第一平均速度阈值,则利用第一参考速度模型,基于第一时间段的平均速度、第二时间段的平均速度和第三时间段的平均速度确定第二参考速度。
具体地,第二时长评分阈值可以是80分,第二生理评分阈值可以是80分。预设时间段的速度包括第一时间段的平均速度、第二时间段的平均速度、第三时间段的平均速度和第四时间段的平均速度;其中,第四时间段由第一时间段、第二时间段和第三时间段组成。第一时间段、第二时间段和第三时间段相连,并且与当下时刻的时差依次递增。第一时间段可以是现在至10分钟前,第二时间段可以是10分钟前至20分钟前,第三时间段可以是20分钟前至30分钟前,第四时间段可以是现在至30分钟前。
具体地,第一参考速度模型中,第一时间段的平均速度、第二时间段的平均速度和第三时间段的平均速度的权重可以依次递减。
S602:基于第二参考速度,确定易疲劳程度评分。
具体地,越快的第二参考速度可以对应于越高的易疲劳程度评分,反应用户过去的行驶路况或者行驶体验越易疲劳;易疲劳程度评分可以是0至100之间的实数。可以基于预设的映射规则或者函数,基于第二参考速度,确定易疲劳程度评分。
通常,在行驶时长较短,且行驶速度较慢的场景中,用户处于疲劳驾驶状态的概率较低。本申请实施例在驾驶时长评分大于或者等于第二时长评分阈值的情况下,将第四时间段的平均速度作为判断因子加入,可以对于上述场景直接作出用户不处于疲劳驾驶状态的判断;也就是说,可以在第四时间段的平均速度小于或者等于第一平均速度阈值的情况下,直接确定用户不处于疲劳驾驶状态,避免浪费不必要的计算资源。
另外,即使行驶时长较短,在行驶速度适中或者较快的场景中,用户依然可能处于疲劳驾驶状态。在本申请实施例中,通过将预设时间段的平均速度作为判断因子,可以在节约成本的同时,准确地判断用户或者司机在最近一段时间的行驶体验中的易疲劳程度。
虽然对用户的疲劳驾驶状态造成最大影响的是当前时刻往前的一个时间段,例如,过去30分钟,但是仅仅根据一个时间段去判断易疲劳程度是不够全面的。如果时间段的时长太长,则无法体现过程中路况的变化,例如无法体现路况时好时坏的情况。因此,本申请利用第一时间段、第二时间段和第三时间段的平均速度,并根据越靠近当下对用户疲劳的影响越大的原则,设置第一参考速度模型中第一时间段的平均速度、第二时间段的平均速度和第三时间段的平均速度的权重可以依次递减,基于第一参考速度模型确定第二参考速度,并基于第二参考速度确定易疲劳程度评分,可以更准确地判断预设时间段驾驶过程的易疲劳程度。
下面继续基于图4阐述。如图4所图示,方法还包括:
S402:若基于易疲劳程度评分,确定用户处于疲劳驾驶状态,控制车辆报警。
具体地,若易疲劳程度评分小于第一易疲劳评分阈值,确定用户处于疲劳驾驶状态,控制车辆报警。具体地,第一易疲劳评分阈值可以是60分。
本申请实施例通过多源信息确定疲劳驾驶状态并报警,可以避免多种复杂情况导致疲劳驾驶状态识别不准。例如,驾驶人员由于外界环境因素或者个人因素导致的面部生理特征识别不准,或者擅长驾驶者不受易疲劳路况影响,或者非驾驶因素导致的用户快速疲劳等。对用户的疲劳驾驶状态判断更准确,可以避免交通事故的发生,保护人身和财产的安全。
相应地,本申请提供一种疲劳驾驶检测装置。图7是本申请实施例所提供的一种疲劳驾驶检测装置的结构示意图。如图7所图示,疲劳驾驶检测装置700包括:
身份确定模块701,用于基于生物特征信息,确定用户的身份信息。
时长评分模块702,用于基于用户的驾驶时长,确定驾驶时长评分。
生理评分模块703,用于若驾驶时长评分大于或者等于第一时长评分阈值,基于用户的生理指标信息,确定用户的生理指标评分。
疲劳报警模块704,用于若基于生理指标评分,或者基于生理指标评分和预设时间段的平均速度,确定用户处于疲劳驾驶状态,控制车辆报警。
具体地,疲劳报警模块704用于若生理指标评分小于第一生理评分阈值,确定用户处于疲劳驾驶状态,控制车辆报警;或者;若生理指标评分小于第二生理评分阈值且大于或者等于第一生理评分阈值,基于预设时间段的平均速度,确定易疲劳程度评分;若基于易疲劳程度评分,确定用户处于疲劳驾驶状态,控制车辆报警。
具体地,预设时间段的速度包括第一时间段的平均速度、第二时间段的平均速度和第三时间段的平均速度;疲劳报警模块704用于若生理指标评分小于第二生理评分阈值且大于或者等于第一生理评分阈值,并且驾驶时长评分大于或者等于第一时长评分阈值并小于第二时长评分阈值,则利用第一参考速度模型,基于第一时间段的平均速度、第二时间段的平均速度和第三时间段的平均速度确定第一参考速度;基于第一参考速度,确定易疲劳程度评分。
具体地,预设时间段的速度包括第一时间段的平均速度、第二时间段的平均速度、第三时间段的平均速度和第四时间段的平均速度;其中,第四时间段由第一时间段、第二时间段和第三时间段组成;疲劳报警模块704用于若生理指标评分小于第二生理评分阈值且大于或者等于第一生理评分阈值,并且驾驶时长评分大于或者等于第二时长评分阈值,并且第四时间段的平均速度大于第一平均速度阈值,则利用第一参考速度模型,基于第一时间段的平均速度、第二时间段的平均速度和第三时间段的平均速度确定第二参考速度;基于第二参考速度,确定易疲劳程度评分。
具体地,疲劳报警模块704用于若基于易疲劳程度评分,确定用户处于疲劳驾驶状态,控制车辆报警,包括:若易疲劳程度评分小于第一易疲劳评分阈值,确定用户处于疲劳驾驶状态,控制车辆报警。
具体地,第一时间段、第二时间段和第三时间段相连,并且与当下时刻的时差依次递增。
具体地,第一参考速度模型中,第一时间段的平均速度、第二时间段的平均速度和第三时间段的平均速度的权重依次递减。
本申请实施例中的装置与方法实施例基于同样的申请构思。
本申请实施例所提供的方法实施例可以在计算机终端、服务器或者类似的运算装置中执行。以运行在服务器上为例,图8是本申请实施例提供的疲劳驾驶检测方法的服务器的硬件结构框图。如图8所示,该服务器800可因配置或性能不同而产生比较大的差异,可以包括一个或一个以***处理器(Central Processing Units,CPU)810(中央处理器810可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器830,一个或一个以上存储应用程序823或数据822的存储介质820(例如一个或一个以上海量存储设备)。其中,存储器830和存储介质820可以是短暂存储或持久存储。存储在存储介质820的程序可以包括一个或一个以上模块,每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器810可以设置为与存储介质820通信,在服务器800上执行存储介质820中的一系列指令操作。服务器800还可以包括一个或一个以上电源860,一个或一个以上有线或无线网络接口850,一个或一个以上输入输出接口840,和/或,一个或一个以上操作***821,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
输入输出接口840可以用于经由一个网络接收或者发送数据。上述的网络具体实例可包括服务器800的通信供应商提供的无线网络。在一个实例中,输入输出接口840包括一个网络适配器(Network InterfaceController,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,输入输出接口840可以为射频(RadioFrequency,RF)模块,其用于通过无线方式与互联网进行通讯。
本领域普通技术人员可以理解,图8所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,服务器800还可包括比图8中所示更多或者更少的组件,或者具有与图8所示不同的配置。
本申请实施例还提供一种电子设备,包括处理器和存储器,存储器中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述的疲劳驾驶检测方法。
本申请实施提供一种存储介质,存储介质可设置于服务器之中以保存用于实现方法实施例中疲劳驾驶检测方法相关的至少一条指令、至少一段程序、代码集或指令集,该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现上述疲劳驾驶检测方法。
具体地,在本实施例中,上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地,在本实施例中,上述存储介质可以包括但不限于包括:U盘、只读存储器(ROM,Read-only Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明中,除非另有明确的规定和限定,术语“相连”、“连接”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的相连或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
需要说明的是:上述本申请实施例的先后顺序仅仅为了描述,不代表实施例的优劣,且上述本说明书对特定的实施例进行了描述,其他实施例也在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或者步骤可以按照不同的实施例中的顺序来执行并且能够实现预期的结果。另外,在附图中描绘的过程不一定要求示出特定顺序或者而连接顺序才能够实现期望的结果,在某些实施方式中,多任务并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的均为与其他实施例的不同之处。尤其,对于装置/***的实施例而言,由于其基于相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种疲劳驾驶检测方法,其特征在于,所述方法包括:
基于生物特征信息,确定用户的身份信息;
基于所述用户的驾驶时长,确定驾驶时长评分;
若所述驾驶时长评分大于或者等于所述第一时长评分阈值,基于所述用户的生理指标信息,确定所述用户的生理指标评分;
若基于所述生理指标评分,或者基于所述生理指标评分和预设时间段的平均速度,确定所述用户处于疲劳驾驶状态,控制所述车辆报警。
2.根据权利要求1所述的疲劳驾驶检测方法,其特征在于,所述若基于所述生理指标评分,或者基于所述生理指标评分和预设时间段的平均速度,确定所述用户处于疲劳驾驶状态,控制所述车辆报警,包括:
若所述生理指标评分小于第一生理评分阈值,确定所述用户处于疲劳驾驶状态,控制所述车辆报警;或者;
若所述生理指标评分小于第二生理评分阈值且大于或者等于所述第一生理评分阈值,基于所述预设时间段的平均速度,确定易疲劳程度评分;若基于所述易疲劳程度评分,确定所述用户处于疲劳驾驶状态,控制所述车辆报警。
3.根据权利要求2所述的疲劳驾驶检测方法,其特征在于,所述预设时间段的速度包括第一时间段的平均速度、第二时间段的平均速度和第三时间段的平均速度;
所述若所述生理指标评分小于第二生理评分阈值且大于或者等于所述第一生理评分阈值,基于所述预设时间段的平均速度,确定易疲劳程度评分,包括:
若所述生理指标评分小于第二生理评分阈值且大于或者等于所述第一生理评分阈值,并且所述驾驶时长评分大于或者等于所述第一时长评分阈值并小于第二时长评分阈值,则利用第一参考速度模型,基于所述第一时间段的平均速度、所述第二时间段的平均速度和所述第三时间段的平均速度确定第一参考速度;
基于所述第一参考速度,确定易疲劳程度评分。
4.根据权利要求2所述的疲劳驾驶检测方法,其特征在于,所述预设时间段的速度包括第一时间段的平均速度、第二时间段的平均速度、第三时间段的平均速度和第四时间段的平均速度;其中,所述第四时间段由所述第一时间段、所述第二时间段和所述第三时间段组成;
所述若所述生理指标评分小于第二生理评分阈值且大于或者等于所述第一生理评分阈值,基于所述预设时间段的平均速度,确定易疲劳程度评分,包括:
若所述生理指标评分小于第二生理评分阈值且大于或者等于第一生理评分阈值,并且所述驾驶时长评分大于或者等于所述第二时长评分阈值,并且所述第四时间段的平均速度大于第一平均速度阈值,则利用第一参考速度模型,基于所述第一时间段的平均速度、所述第二时间段的平均速度和所述第三时间段的平均速度确定第二参考速度;
基于所述第二参考速度,确定易疲劳程度评分。
5.根据权利要求3或4中任一项所述的疲劳驾驶检测方法,其特征在于,所述若基于所述易疲劳程度评分,确定所述用户处于疲劳驾驶状态,控制所述车辆报警,包括:
若所述易疲劳程度评分小于第一易疲劳评分阈值,确定所述用户处于疲劳驾驶状态,控制所述车辆报警。
6.根据权利要求3或4中任一项所述的疲劳驾驶检测方法,其特征在于,所述第一时间段、所述第二时间段和所述第三时间段相连,并且与当下时刻的时差依次递增。
7.根据权利要求6所述的疲劳驾驶检测方法,其特征在于,所述第一参考速度模型中,所述第一时间段的平均速度、所述第二时间段的平均速度和所述第三时间段的平均速度的权重依次递减。
8.一种疲劳驾驶检测装置,其特征在于,所述装置包括:
身份确定模块,用于基于生物特征信息,确定用户的身份信息;
时长评分模块,用于基于所述用户的驾驶时长,确定驾驶时长评分;
生理评分模块,用于若所述驾驶时长评分大于或者等于所述第一时长评分阈值,基于所述用户的生理指标信息,确定所述用户的生理指标评分;
疲劳报警模块,用于若基于所述生理指标评分,或者基于所述生理指标评分和预设时间段的平均速度,确定所述用户处于疲劳驾驶状态,控制所述车辆报警。
9.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现权利要求1-7任意一项所述的疲劳驾驶检测方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1-7任意一项所述的疲劳驾驶检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111179771.8A CN113987006A (zh) | 2021-10-09 | 2021-10-09 | 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 |
---|---|---|---|
CN202111179771.8A CN113987006A (zh) | 2021-10-09 | 2021-10-09 | 一种疲劳驾驶检测方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113987006A true CN113987006A (zh) | 2022-01-28 |
Family
ID=79738043
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111179771.8A Pending CN113987006A (zh) | 2021-10-09 | 2021-10-09 | 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) | CN113987006A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104183091A (zh) * | 2014-08-14 | 2014-12-03 | 苏州清研微视电子科技有限公司 | 一种自适应调整疲劳驾驶预警***灵敏度的*** |
CN105957310A (zh) * | 2016-05-24 | 2016-09-21 | 北京小米移动软件有限公司 | 驾驶过程中的休息提醒方法、装置和设备 |
CN108694814A (zh) * | 2018-07-11 | 2018-10-23 | 中国医学科学院生物医学工程研究所 | 疲劳驾驶预警方法、装置、设备及存储介质 |
DE102018208060B3 (de) * | 2018-05-23 | 2019-07-04 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Erkennen einer Müdigkeit eines Fahrers eines Fahrzeugs in einem Mobilgerät |
CN111439270A (zh) * | 2020-04-20 | 2020-07-24 | 南京天擎汽车电子有限公司 | 疲劳驾驶状态检测方法、装置、计算机设备和存储介质 |
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 |
CN112528919A (zh) * | 2020-12-21 | 2021-03-19 | 苏州中科华影健康科技有限公司 | 一种疲劳驾驶检测方法及装置、计算机可读介质 |
CN113071512A (zh) * | 2021-04-25 | 2021-07-06 | 东风柳州汽车有限公司 | 安全驾驶提醒方法、装置、设备及存储介质 |
CN115465286A (zh) * | 2022-10-28 | 2022-12-13 | 重庆长安汽车股份有限公司 | 疲劳驾驶的提醒方法、装置、车辆及存储介质 |
-
2021
- 2021-10-09 CN CN202111179771.8A patent/CN113987006A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104183091A (zh) * | 2014-08-14 | 2014-12-03 | 苏州清研微视电子科技有限公司 | 一种自适应调整疲劳驾驶预警***灵敏度的*** |
CN105957310A (zh) * | 2016-05-24 | 2016-09-21 | 北京小米移动软件有限公司 | 驾驶过程中的休息提醒方法、装置和设备 |
DE102018208060B3 (de) * | 2018-05-23 | 2019-07-04 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Erkennen einer Müdigkeit eines Fahrers eines Fahrzeugs in einem Mobilgerät |
CN108694814A (zh) * | 2018-07-11 | 2018-10-23 | 中国医学科学院生物医学工程研究所 | 疲劳驾驶预警方法、装置、设备及存储介质 |
CN111439270A (zh) * | 2020-04-20 | 2020-07-24 | 南京天擎汽车电子有限公司 | 疲劳驾驶状态检测方法、装置、计算机设备和存储介质 |
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 |
CN112528919A (zh) * | 2020-12-21 | 2021-03-19 | 苏州中科华影健康科技有限公司 | 一种疲劳驾驶检测方法及装置、计算机可读介质 |
CN113071512A (zh) * | 2021-04-25 | 2021-07-06 | 东风柳州汽车有限公司 | 安全驾驶提醒方法、装置、设备及存储介质 |
CN115465286A (zh) * | 2022-10-28 | 2022-12-13 | 重庆长安汽车股份有限公司 | 疲劳驾驶的提醒方法、装置、车辆及存储介质 |
Non-Patent Citations (1)
Title |
---|
王政: ""不同姿态下基于多特征融合的疲劳状态检测方法"", 《重庆工商大学学报》, 10 September 2021 (2021-09-10) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102399720B1 (ko) | 패턴 정보에 기초하여 사용자 특성에 따른 배터리 수명을 추정하는 장치 및 방법 | |
CN111274881B (zh) | 驾驶安全的监控方法、装置、计算机设备及存储介质 | |
CN108694813B (zh) | 基于驾驶行为判定疲劳驾驶的方法及装置 | |
US9878663B1 (en) | Cognitive dialog system for driving safety | |
US20200156654A1 (en) | Dual-test operator assessment | |
US7839292B2 (en) | Real-time driving danger level prediction | |
CN108909718B (zh) | 疲劳驾驶预警方法、装置、设备及存储介质 | |
US11749117B1 (en) | Facial recognition technology for improving driver safety | |
CN113386786B (zh) | 信息提示方法、装置、设备、介质、云控平台和车辆 | |
US10832148B2 (en) | Cognitive dialog system for driving safety | |
CN112829759B (zh) | 一种驾驶员脱手检测方法、***、计算机设备及存储介质 | |
CN109664894A (zh) | 基于多源异构数据感知的疲劳驾驶安全预警*** | |
JP2017086678A (ja) | 生体状態認識装置 | |
US20230393619A1 (en) | System and method for assessing device usage | |
Martin et al. | Gaze fixations and dynamics for behavior modeling and prediction of on-road driving maneuvers | |
Ouyang et al. | Multiwave: A novel vehicle steering pattern detection method based on smartphones | |
CN110155069A (zh) | 驾驶员精神状态监测方法、装置、存储介质及终端设备 | |
EP4134271A1 (en) | Seat adjustment method, device and system | |
CN109984762B (zh) | 一种基于可穿戴设备的疲劳驾驶判断方法 | |
CN114943956A (zh) | 多场景下的驾驶分心识别方法、***及车辆 | |
CN113987006A (zh) | 一种疲劳驾驶检测方法、装置、电子设备及存储介质 | |
Lashkov et al. | Ontology-based approach and implementation of ADAS system for mobile device use while driving | |
Ponomarev et al. | Adaptation and personalization in driver assistance systems | |
CN113674234A (zh) | 一种压力性损伤检测方法及*** | |
US20210033637A1 (en) | Situational Awareness Trainer |
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 |