CN116129409B - 一种基于运动分析的驾驶员监测方法及*** - Google Patents

一种基于运动分析的驾驶员监测方法及*** Download PDF

Info

Publication number
CN116129409B
CN116129409B CN202310377803.8A CN202310377803A CN116129409B CN 116129409 B CN116129409 B CN 116129409B CN 202310377803 A CN202310377803 A CN 202310377803A CN 116129409 B CN116129409 B CN 116129409B
Authority
CN
China
Prior art keywords
driver
motion data
autonomous
time
horizontal
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
Application number
CN202310377803.8A
Other languages
English (en)
Other versions
CN116129409A (zh
Inventor
董亮
邹定远
王勇
罗浩菱
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Junjie Technology Beijing Co ltd
Original Assignee
Junjie Intelligent Shenzhen Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Junjie Intelligent Shenzhen Co ltd filed Critical Junjie Intelligent Shenzhen Co ltd
Priority to CN202310377803.8A priority Critical patent/CN116129409B/zh
Publication of CN116129409A publication Critical patent/CN116129409A/zh
Application granted granted Critical
Publication of CN116129409B publication Critical patent/CN116129409B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
    • G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0841—Registering performance data

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明提出了一种基于运动分析的驾驶员监测方法及***，通过固定安装在汽车的驾驶位前方摄像装置实时获取驾驶员的头部图像，对所述头部图像进行分析得到所述驾驶员的头部与所述汽车的实时相对运动数据，通过固定安装在所述汽车的驾驶位上或临近驾驶位处的加速度传感器实时获取所述汽车的综合运动数据，根据所述综合运动数据将所述驾驶员的所述实时相对运动数据的水平分量分解为水平方向的非自主运动数据和水平方向的自主运动数据，根据所述非自主运动数据以及所述自主运动数据辅助分析所述驾驶员的疲劳度，能够根据驾驶员的头部运动特征准确识别驾驶员的疲劳驾驶行为。

Description

一种基于运动分析的驾驶员监测方法及***
技术领域
本发明涉及驾驶员监测技术领域，特别涉及一种基于运动分析的驾驶员监测方法及***。
背景技术
随着驾驶员监测技术的发展和成熟，越来越多的汽车特别是大型汽车如大型货车、大型客车等，以及一些高端的中小型汽车开始配备驾驶员监测***，为行车安全提供进一步的保障。疲劳驾驶行为是驾驶员监测***重点监测的危险驾驶行为之一，由于疲劳驾驶行为具有隐蔽性强、危害性大的特点，近些年来人们研究出大量用于识别疲劳驾驶行为的技术，例如通过驾驶员佩戴的脉搏监测装置获取驾驶员的脉搏数据以分析驾驶员的脉搏特征、通过摄像装置拍摄驾驶员的脸部图像以分析驾驶员的表情特征、眼动特征或者头部运动特征或者根据驾驶员持续驾驶车辆的时长等来判断是否存在疲劳驾驶行为。其中通过监测驾驶员脉搏特征的方式来判断是否存在疲劳驾驶行为虽然准确率高，但其依赖于驾驶员身上佩戴的脉搏监测装置，使用较为麻烦；根据驾驶员持续驾驶车辆的时长来判断是否存在疲劳驾驶行为准确率较低，每个驾驶员的身体状况差异较大，同时驾驶时的疲劳状态与驾驶员驾车前的休息情况具有较强的关联性，使用统一的驾驶时长来评价不同驾驶员或者同一驾驶员不同状态下驾车的疲劳度并不合理。因此目前较为广泛应用的方案是通过摄像装置拍摄驾驶员的脸部图像对驾驶员的表情特征、眼动特征以及头部运动特征进行综合分析来判断是否存在疲劳驾驶行为，然而受到行车过程中车辆运动的影响，往往难以准确提取头部的运动特征，从而影响识别驾驶员疲劳驾驶行为的准确率。
发明内容
本发明正是基于上述问题，提出了一种基于运动分析的驾驶员监测方法及***，能够根据驾驶员的头部运动特征准确识别驾驶员的疲劳驾驶行为。
有鉴于此，本发明的第一方面提出了一种基于运动分析的驾驶员监测方法，包括：
通过固定安装在汽车的驾驶位前方摄像装置实时获取驾驶员的头部图像；
对所述头部图像进行分析得到所述驾驶员的头部与所述汽车的实时相对运动数据，所述实时相对运动数据包括水平方向的相对位移
Figure SMS_1
，所述水平方向为与所述汽车的车头朝向以及重力方向垂直的方向，所述实时相对运动数据还包括根据所述水平方向的相对位移计算得到的水平方向的相对速度：
Figure SMS_2
，
以及水平方向的相对加速度：
Figure SMS_3
；
通过固定安装在所述汽车的驾驶位上或临近驾驶位处的加速度传感器实时获取所述汽车的综合运动数据，所述综合运动数据包括所述汽车的综合加速度
Figure SMS_4
，所述综合运动数据还包括根据所述综合加速度计算得到的综合运动速度：
Figure SMS_5
；
根据所述综合运动数据将所述驾驶员的所述实时相对运动数据的水平分量分解为水平方向的非自主运动数据和水平方向的自主运动数据，所述水平方向的非自主运动数据包括非自主运动加速度：
Figure SMS_6
；
以及非自主运动速度：
Figure SMS_7
，
其中
Figure SMS_8
为所述综合加速度/>
Figure SMS_9
与重力方向的夹角，/>
Figure SMS_10
为所述综合加速度/>
Figure SMS_11
与车头朝向的夹角；
根据所述非自主运动数据以及所述自主运动数据辅助分析所述驾驶员的疲劳度。
进一步的，在上述的基于运动分析的驾驶员监测方法中，在根据所述非自主运动数据以及所述自主运动数据辅助分析所述驾驶员的疲劳度的步骤之前，还包括：
在所述头部图像上的所述驾驶员的脸部区域确定水平位移监测点，所述水平位移监测点为在所述驾驶员的头部相对于所述汽车发生相对运动时用于确定所述驾驶员的头部在水平方向上的相对位移
Figure SMS_12
的监测点；
在所述摄像装置的视场区域中确定所述水平位移监测点的标准位置，所述标准位置为在所述驾驶员的头部相对于所述汽车发生相对运动时用于计算所述水平方向上的相对位移
Figure SMS_13
的基准点。
进一步的，在上述的基于运动分析的驾驶员监测方法中，在所述摄像装置的视场区域中确定所述水平位移监测点的标准位置的步骤具体包括：
通过所述汽车的行车运动数据监测所述汽车的行车运动状态，所述汽车的行车运动数据包括从所述汽车的车载计算机***读取得到的所述汽车的行车加速度
Figure SMS_14
以及行车速度/>
Figure SMS_15
；
当监测到所述汽车从静止状态变为行车状态的汽车起步事件时，将所述汽车起步事件的起始时刻确定为起步时刻；
获取所述起步时刻所述驾驶员的头部图像；
将所述头部图像上所述水平位移监测点的位置确定为所述标准位置；
以所述标准位置为原点计算所述水平位移监测点在水平方向上的相对位移
Figure SMS_16
。
进一步的，在上述的基于运动分析的驾驶员监测方法中，在根据所述非自主运动数据以及所述自主运动数据辅助分析所述驾驶员的疲劳度的步骤之前，还包括：
通过所述驾驶员的头部图像实时监测所述水平位移监测点的位置；
当所述非自主运动加速度
Figure SMS_17
小于预设的第一阈值且所述水平方向的相对位移
Figure SMS_18
的最大变化幅度小于预设的第二阈值的时间大于预设时长时，记录所述非自主运动加速度/>
Figure SMS_19
小于预设的第一阈值且所述水平方向的相对位移/>
Figure SMS_20
的最大变化幅度小于预设的第二阈值的保持时间；
将在所述保持时间内所述水平位移监测点的平均位置确定为临时停留位置。
进一步的，在上述的基于运动分析的驾驶员监测方法中，在将在所述保持时间内所述水平位移监测点的平均位置确定为临时停留位置的步骤之后，还包括：
当所述非自主运动加速度
Figure SMS_21
大于预设的第一阈值且所述水平方向的相对位移
Figure SMS_22
的最大变化幅度大于预设的第二阈值时，将所述水平位移监测点与所述临时停留位置在水平方向上的最大距离确定为第一水平偏移幅度/>
Figure SMS_23
。
进一步的，在上述的基于运动分析的驾驶员监测方法中，所述水平方向的非自主运动数据还包括非自主运动速度，根据所述非自主运动数据以及所述自主运动数据辅助分析所述驾驶员的疲劳度的步骤具体包括：
获取所述水平位移监测点从所述临时停留位置开始到所述第一水平偏移幅度为
Figure SMS_24
所经历的偏移时间/>
Figure SMS_25
；
计算在所述偏移时间
Figure SMS_26
时间段内的非自主偏移幅度：
Figure SMS_27
；
当所述第一水平偏移幅度
Figure SMS_28
小于所述非自主偏移幅度/>
Figure SMS_29
时，计算两者之间的距离偏差：
Figure SMS_30
；
将所述距离偏差
Figure SMS_31
确定为计算所述驾驶员的疲劳度系数的计算参数之一，所述距离偏差/>
Figure SMS_32
越小，所述疲劳度系数越大，所述疲劳度系数与所述驾驶员的疲劳度成正比。
进一步的，在上述的基于运动分析的驾驶员监测方法中，所述水平方向的非自主运动数据还包括非自主运动速度，根据所述非自主运动数据以及所述自主运动数据辅助分析所述驾驶员的疲劳度的步骤具体包括：
根据所述非自主运动加速度计算所述非自主运动速度：
Figure SMS_33
，
获取在所述偏移时间
Figure SMS_34
时间段内的所述非自主运动速度数据
Figure SMS_35
以及所述驾驶员的头部在水平方向上的相对速度数据
Figure SMS_36
；
计算在所述偏移时间
Figure SMS_37
时间段内所述非自主运动速度以及所述相对速度的速度差：
Figure SMS_38
；
将所述速度差
Figure SMS_39
的平均值确定为计算所述驾驶员的疲劳度系数的计算参数之一，所述速度差/>
Figure SMS_40
的平均值越小，所述疲劳度系数越大。
进一步的，在上述的基于运动分析的驾驶员监测方法中，计算在所述偏移时间
Figure SMS_41
时间段内所述非自主运动速度以及所述相对速度的速度差的步骤之后，还包括：
获取预设的速度差波动阈值；
在所述偏移时间
Figure SMS_42
时间段内确定所述速度差/>
Figure SMS_43
大于所述速度差波动阈值的最小时间/>
Figure SMS_44
；
将所述最小时间
Figure SMS_45
确定为计算所述驾驶员的疲劳度系数的计算参数之一，所述最小时间/>
Figure SMS_46
越大，所述疲劳度系数越大。
进一步的，在上述的基于运动分析的驾驶员监测方法中，在将在所述保持时间内所述水平位移监测点的平均位置确定为临时停留位置的步骤之后，还包括：
获取所述水平位移监测点从所述第一水平偏移幅度为
Figure SMS_47
开始恢复到与所述临时停留位置的距离小于预设的第三阈值所经历的复位时间/>
Figure SMS_48
；
将所述复位时间
Figure SMS_49
确定为计算所述驾驶员的疲劳度系数的计算参数之一，所述复位时间/>
Figure SMS_50
越小，所述疲劳度系数越大。
本发明的第二方面提出了一种基于运动分析的驾驶员监测***，包括：
头部图像获取模块，用于通过固定安装在汽车的驾驶位前方摄像装置实时获取驾驶员的头部图像；
实时相对运动数据获取模块，用于对所述头部图像进行分析得到所述驾驶员的头部与所述汽车的实时相对运动数据，所述实时相对运动数据包括水平方向的相对位移
Figure SMS_51
，所述水平方向为与所述汽车的车头朝向以及重力方向垂直的方向，所述实时相对运动数据还包括根据所述水平方向的相对位移计算得到的水平方向的相对速度：
Figure SMS_52
，
以及水平方向的相对加速度：
Figure SMS_53
；
综合运动数据获取模块，用于通过固定安装在所述汽车的驾驶位上或临近驾驶位处的加速度传感器实时获取所述汽车的综合运动数据，所述综合运动数据包括所述汽车的综合加速度
Figure SMS_54
，所述综合运动数据还包括根据所述综合加速度计算得到的综合运动速度：
Figure SMS_55
；
相对运动数据分解模块，用于根据所述综合运动数据将所述驾驶员的所述实时相对运动数据的水平分量分解为水平方向的非自主运动数据和水平方向的自主运动数据，所述水平方向的非自主运动数据包括非自主运动加速度：
Figure SMS_56
；
以及非自主运动速度：
Figure SMS_57
，
其中
Figure SMS_58
为所述综合加速度/>
Figure SMS_59
与重力方向的夹角，/>
Figure SMS_60
为所述综合加速度/>
Figure SMS_61
与车头朝向的夹角；
疲劳度分析模块，用于根据所述非自主运动数据以及所述自主运动数据辅助分析所述驾驶员的疲劳度。
进一步的，在上述的基于运动分析的驾驶员监测***中，还包括：
水平位移监测点确定模块，用于在所述头部图像上的所述驾驶员的脸部区域确定水平位移监测点，所述水平位移监测点为在所述驾驶员的头部相对于所述汽车发生相对运动时用于确定所述驾驶员的头部在水平方向上的相对位移
Figure SMS_62
的监测点；
标准位置确定模块，用于在所述摄像装置的视场区域中确定所述水平位移监测点的标准位置，所述标准位置为在所述驾驶员的头部相对于所述汽车发生相对运动时用于计算所述水平方向上的相对位移
Figure SMS_63
的基准点。
进一步的，在上述的基于运动分析的驾驶员监测***中，所述标准位置确定模块包括：
行车运动状态监测模块，用于通过所述汽车的行车运动数据监测所述汽车的行车运动状态，所述汽车的行车运动数据包括从所述汽车的车载计算机***读取得到的所述汽车的行车加速度
Figure SMS_64
以及行车速度/>
Figure SMS_65
；
起步时刻确定模块，用于当监测到所述汽车从静止状态变为行车状态的汽车起步事件时，将所述汽车起步事件的起始时刻确定为起步时刻，所述头部图像获取模块还用于获取所述起步时刻所述驾驶员的头部图像；
标准位置确定模块，用于将所述头部图像上所述水平位移监测点的位置确定为所述标准位置；
相对位移计算模块，用于以所述标准位置为原点计算所述水平位移监测点在水平方向上的相对位移
Figure SMS_66
。
进一步的，在上述的基于运动分析的驾驶员监测***中，还包括：
水平位移监测点监测模块，用于通过所述驾驶员的头部图像实时监测所述水平位移监测点的位置；
保持时间记录模块，用于当所述非自主运动加速度
Figure SMS_67
小于预设的第一阈值且所述水平方向的相对位移/>
Figure SMS_68
的最大变化幅度小于预设的第二阈值的时间大于预设时长时，记录所述非自主运动加速度/>
Figure SMS_69
小于预设的第一阈值且所述水平方向的相对位移
Figure SMS_70
的最大变化幅度小于预设的第二阈值的保持时间；
临时停留位置确定模块，用于将在所述保持时间内所述水平位移监测点的平均位置确定为临时停留位置。
进一步的，在上述的基于运动分析的驾驶员监测***中，还包括：
第一水平偏移幅度确定模块，用于当所述非自主运动加速度
Figure SMS_71
大于预设的第一阈值且所述水平方向的相对位移/>
Figure SMS_72
的最大变化幅度大于预设的第二阈值时，将所述水平位移监测点与所述临时停留位置在水平方向上的最大距离确定为第一水平偏移幅度
Figure SMS_73
。
进一步的，在上述的基于运动分析的驾驶员监测***中，所述疲劳度分析模块包括：
偏移时间获取模块，用于获取所述水平位移监测点从所述临时停留位置开始到所述第一水平偏移幅度为
Figure SMS_74
所经历的偏移时间所经历的偏移时间/>
Figure SMS_75
；
非自主偏移幅度计算模块，用于计算在所述偏移时间
Figure SMS_76
时间段内的非自主偏移幅度：
Figure SMS_77
；
当所述第一水平偏移幅度
Figure SMS_78
小于所述非自主偏移幅度/>
Figure SMS_79
时，计算两者之间的距离偏差：
Figure SMS_80
；
疲劳度系数确定模块，用于将所述距离偏差
Figure SMS_81
确定为计算所述驾驶员的疲劳度系数的计算参数之一，所述距离偏差/>
Figure SMS_82
越小，所述疲劳度系数越大，所述疲劳度系数与所述驾驶员的疲劳度成正比。
进一步的，在上述的基于运动分析的驾驶员监测***中，所述水平方向的非自主运动数据还包括非自主运动速度，所述疲劳度分析模块还包括：
非自主运动速度计算模块，用于根据所述非自主运动加速度计算所述非自主运动速度：
Figure SMS_83
，
速度数获取模块，用于获取在所述偏移时间
Figure SMS_84
时间段内的所述非自主运动速度数据/>
Figure SMS_85
以及所述驾驶员的头部在水平方向上的相对速度数据
Figure SMS_86
；
速度差计算模块，用于计算在所述偏移时间
Figure SMS_87
时间段内所述非自主运动速度以及所述相对速度的速度差：
Figure SMS_88
；
所述疲劳度系数确定模块还用于将所述速度差
Figure SMS_89
的平均值确定为计算所述驾驶员的疲劳度系数的计算参数之一，所述速度差/>
Figure SMS_90
的平均值越小，所述疲劳度系数越大。
进一步的，在上述的基于运动分析的驾驶员监测***中，所述疲劳度分析模块还包括：
速度差波动阈值获取模块，用于获取预设的速度差波动阈值；
最小时间确定模块，用于在所述偏移时间
Figure SMS_91
时间段内确定所述速度差/>
Figure SMS_92
大于所述速度差波动阈值的最小时间/>
Figure SMS_93
；
所述最小时间
Figure SMS_94
确定为计算所述驾驶员的疲劳度系数的计算参数之一，所述最小时间/>
Figure SMS_95
越大，所述疲劳度系数越大。
进一步的，在上述的基于运动分析的驾驶员监测***中，所述疲劳度分析模块还包括：
复位时间获取模块，用于获取所述水平位移监测点从所述第一水平偏移幅度为
Figure SMS_96
开始恢复到与所述临时停留位置的距离小于预设的第三阈值所经历的复位时间/>
Figure SMS_97
；
所述疲劳度系数确定模块还用于将所述复位时间
Figure SMS_98
确定为计算所述驾驶员的疲劳度系数的计算参数之一，所述复位时间/>
Figure SMS_99
越小，所述疲劳度系数越大。
本发明提出了一种基于运动分析的驾驶员监测方法及***，通过固定安装在汽车的驾驶位前方摄像装置实时获取驾驶员的头部图像，对所述头部图像进行分析得到所述驾驶员的头部与所述汽车的实时相对运动数据，通过固定安装在所述汽车的驾驶位上或临近驾驶位处的加速度传感器实时获取所述汽车的综合运动数据，根据所述综合运动数据将所述驾驶员的所述实时相对运动数据的水平分量分解为水平方向的非自主运动数据和水平方向的自主运动数据，根据所述非自主运动数据以及所述自主运动数据辅助分析所述驾驶员的疲劳度，能够根据驾驶员的头部运动特征准确识别驾驶员的疲劳驾驶行为。
附图说明
图1是本发明一个实施例提供的一种基于运动分析的驾驶员监测方法的流程图；
图2是本发明一个实施例提供的一种基于运动分析的驾驶员监测***的结构框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
在本发明的描述中，术语“多个”则指两个或两个以上，除非另有明确的限定，术语“上”、“下”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发明和简化描述，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发明的限制。术语“连接”、“安装”、“固定”等均应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连。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。此外，术语“第一”、“第二”等仅用于描述目的，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”等的特征可 以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个” 的含义是两个或两个以上。
在本说明书的描述中，术语“一个实施例”、“一些实施方式”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
下面参照附图来描述根据本发明一些实施方式提供的一种基于运动分析的驾驶员监测方法及***。
如图1所示，本发明的第一方面提出了一种基于运动分析的驾驶员监测方法，包括：
通过固定安装在汽车的驾驶位前方摄像装置实时获取驾驶员的头部图像；
对所述头部图像进行分析得到所述驾驶员的头部与所述汽车的实时相对运动数据，所述实时相对运动数据包括水平方向的相对位移
Figure SMS_100
，所述水平方向为与所述汽车的车头朝向以及重力方向垂直的方向，所述实时相对运动数据还包括根据所述水平方向的相对位移计算得到的水平方向的相对速度：
Figure SMS_101
，
以及水平方向的相对加速度：
Figure SMS_102
；
通过固定安装在所述汽车的驾驶位上或临近驾驶位处的加速度传感器实时获取所述汽车的综合运动数据，所述综合运动数据包括所述汽车的综合加速度
Figure SMS_103
，所述综合运动数据还包括根据所述综合加速度计算得到的综合运动速度：
Figure SMS_104
；
根据所述综合运动数据将所述驾驶员的所述实时相对运动数据的水平分量分解为水平方向的非自主运动数据和水平方向的自主运动数据，所述水平方向的非自主运动数据包括非自主运动加速度：
Figure SMS_105
；
以及非自主运动速度：
Figure SMS_106
，
其中
Figure SMS_107
为所述综合加速度/>
Figure SMS_108
与重力方向的夹角，/>
Figure SMS_109
为所述综合加速度/>
Figure SMS_110
与车头朝向的夹角；
根据所述非自主运动数据以及所述自主运动数据辅助分析所述驾驶员的疲劳度。
进一步的，在上述的基于运动分析的驾驶员监测方法中，在根据所述非自主运动数据以及所述自主运动数据辅助分析所述驾驶员的疲劳度的步骤之前，还包括：
在所述头部图像上的所述驾驶员的脸部区域确定水平位移监测点，所述水平位移监测点为在所述驾驶员的头部相对于所述汽车发生相对运动时用于确定所述驾驶员的头部在水平方向上的相对位移
Figure SMS_111
的监测点；
在所述摄像装置的视场区域中确定所述水平位移监测点的标准位置，所述标准位置为在所述驾驶员的头部相对于所述汽车发生相对运动时用于计算所述水平方向上的相对位移
Figure SMS_112
的基准点。
进一步的，在上述的基于运动分析的驾驶员监测方法中，在所述摄像装置的视场区域中确定所述水平位移监测点的标准位置的步骤具体包括：
通过所述汽车的行车运动数据监测所述汽车的行车运动状态，所述汽车的行车运动数据包括从所述汽车的车载计算机***读取得到的所述汽车的行车加速度
Figure SMS_113
以及行车速度/>
Figure SMS_114
；
当监测到所述汽车从静止状态变为行车状态的汽车起步事件时，将所述汽车起步事件的起始时刻确定为起步时刻；
获取所述起步时刻所述驾驶员的头部图像；
将所述头部图像上所述水平位移监测点的位置确定为所述标准位置；
以所述标准位置为原点计算所述水平位移监测点在水平方向上的相对位移
Figure SMS_115
。
进一步的，在上述的基于运动分析的驾驶员监测方法中，将所述驾驶员的眉心、鼻尖、眼眶中心、眼角或者嘴角中的一个或多个位置确定为所述水平位移监测点，或者将所述驾驶员的眉心、鼻尖、眼眶中心、眼角或者嘴角中的两个或两个以上确定为用于计算所述水平位移监测点坐标的定位基点，通过两个或两个以上的所述定位基点的坐标计算所述水平位移监测点的坐标。
进一步的，在上述的基于运动分析的驾驶员监测方法中，在根据所述非自主运动数据以及所述自主运动数据辅助分析所述驾驶员的疲劳度的步骤之前，还包括：
通过所述驾驶员的头部图像实时监测所述水平位移监测点的位置；
当所述非自主运动加速度
Figure SMS_116
小于预设的第一阈值且所述水平方向的相对位移
Figure SMS_117
的最大变化幅度小于预设的第二阈值的时间大于预设时长时，记录所述非自主运动加速度/>
Figure SMS_118
小于预设的第一阈值且所述水平方向的相对位移/>
Figure SMS_119
的最大变化幅度小于预设的第二阈值的保持时间；
将在所述保持时间内所述水平位移监测点的平均位置确定为临时停留位置。
进一步的，在上述的基于运动分析的驾驶员监测方法中，在将在所述保持时间内所述水平位移监测点的平均位置确定为临时停留位置的步骤之后，还包括：
当所述非自主运动加速度
Figure SMS_120
大于预设的第一阈值且所述水平方向的相对位移
Figure SMS_121
的最大变化幅度大于预设的第二阈值时，将所述水平位移监测点与所述临时停留位置在水平方向上的最大距离确定为第一水平偏移幅度/>
Figure SMS_122
。
进一步的，在上述的基于运动分析的驾驶员监测方法中，所述水平方向的非自主运动数据还包括非自主运动速度，根据所述非自主运动数据以及所述自主运动数据辅助分析所述驾驶员的疲劳度的步骤具体包括：
获取所述水平位移监测点从所述临时停留位置开始到所述第一水平偏移幅度为
Figure SMS_123
所经历的偏移时间/>
Figure SMS_124
；
计算在所述偏移时间
Figure SMS_125
时间段内的非自主偏移幅度：
Figure SMS_126
；
当所述第一水平偏移幅度
Figure SMS_127
小于所述非自主偏移幅度/>
Figure SMS_128
时，计算两者之间的距离偏差：
Figure SMS_129
；
将所述距离偏差
Figure SMS_130
确定为计算所述驾驶员的疲劳度系数的计算参数之一，所述距离偏差/>
Figure SMS_131
越小，所述疲劳度系数越大，所述疲劳度系数与所述驾驶员的疲劳度成正比。
进一步的，在上述的基于运动分析的驾驶员监测方法中，所述水平方向的非自主运动数据还包括非自主运动速度，根据所述非自主运动数据以及所述自主运动数据辅助分析所述驾驶员的疲劳度的步骤具体包括：
根据所述非自主运动加速度计算所述非自主运动速度：
Figure SMS_132
，
获取在所述偏移时间
Figure SMS_133
时间段内的所述非自主运动速度数据
Figure SMS_134
以及所述驾驶员的头部在水平方向上的相对速度数据
Figure SMS_135
；
计算在所述偏移时间
Figure SMS_136
时间段内所述非自主运动速度以及所述相对速度的速度差：
Figure SMS_137
；
将所述速度差
Figure SMS_138
的平均值确定为计算所述驾驶员的疲劳度系数的计算参数之一，所述速度差/>
Figure SMS_139
的平均值越小，所述疲劳度系数越大。
进一步的，在上述的基于运动分析的驾驶员监测方法中，计算在所述偏移时间
Figure SMS_140
时间段内所述非自主运动速度以及所述相对速度的速度差的步骤之后，还包括：
获取预设的速度差波动阈值；
在所述偏移时间
Figure SMS_141
时间段内确定所述速度差/>
Figure SMS_142
大于所述速度差波动阈值的最小时间/>
Figure SMS_143
；
将所述最小时间
Figure SMS_144
确定为计算所述驾驶员的疲劳度系数的计算参数之一，所述最小时间/>
Figure SMS_145
越大，所述疲劳度系数越大。
进一步的，在上述的基于运动分析的驾驶员监测方法中，在将在所述保持时间内所述水平位移监测点的平均位置确定为临时停留位置的步骤之后，还包括：
获取所述水平位移监测点从所述第一水平偏移幅度为
Figure SMS_146
开始恢复到与所述临时停留位置的距离小于预设的第三阈值所经历的复位时间/>
Figure SMS_147
；
将所述复位时间
Figure SMS_148
确定为计算所述驾驶员的疲劳度系数的计算参数之一，所述复位时间/>
Figure SMS_149
越小，所述疲劳度系数越大。
进一步的，在上述的基于运动分析的驾驶员监测方法中，在获取所述水平位移监测点从所述第一水平偏移幅度为
Figure SMS_150
开始恢复到与所述临时停留位置的距离小于预设的第三阈值所经历的复位时间/>
Figure SMS_151
的步骤之后，还包括：
当所述水平位移监测点从所述第一水平偏移幅度为
Figure SMS_152
开始往所述临时停留位置的运动，在越过所述临时停留位置后继续往背离所述临时停留位置的方向运动时，将所述水平位移监测点当次背离运动过程中与所述临时停留位置在水平方向上的最大距离确定为第二水平偏移幅度/>
Figure SMS_153
；
将所述第二水平偏移幅度
Figure SMS_154
确定为计算所述驾驶员的疲劳度系数的计算参数之一，所述第二水平偏移幅度/>
Figure SMS_155
越大，所述疲劳度系数越大。
进一步的，在上述的基于运动分析的驾驶员监测方法中，还包括：
根据所述综合运动数据和所述行车运动数据计算得到所述汽车的震动运动数据，所述震动运动数据包括所述汽车在外力作用下或者行驶经过不平坦路面引起的车辆震动的震动加速度：
Figure SMS_156
，
以及震动速度：
Figure SMS_157
。
进一步的，在上述的基于运动分析的驾驶员监测方法中，所述自主动运运数据包括自主运动加速度：
Figure SMS_158
；
以及自主运动速度：
Figure SMS_159
。
如图2所示，本发明的第二方面提出了一种基于运动分析的驾驶员监测***，包括：
头部图像获取模块，用于通过固定安装在汽车的驾驶位前方摄像装置实时获取驾驶员的头部图像；
实时相对运动数据获取模块，用于对所述头部图像进行分析得到所述驾驶员的头部与所述汽车的实时相对运动数据，所述实时相对运动数据包括水平方向的相对位移
Figure SMS_160
，所述水平方向为与所述汽车的车头朝向以及重力方向垂直的方向，所述实时相对运动数据还包括根据所述水平方向的相对位移计算得到的水平方向的相对速度：/>
Figure SMS_161
，
以及水平方向的相对加速度：
Figure SMS_162
；
综合运动数据获取模块，用于通过固定安装在所述汽车的驾驶位上或临近驾驶位处的加速度传感器实时获取所述汽车的综合运动数据，所述综合运动数据包括所述汽车的综合加速度
Figure SMS_163
，所述综合运动数据还包括根据所述综合加速度计算得到的综合运动速度：
Figure SMS_164
；
相对运动数据分解模块，用于根据所述综合运动数据将所述驾驶员的所述实时相对运动数据的水平分量分解为水平方向的非自主运动数据和水平方向的自主运动数据，所述水平方向的非自主运动数据包括非自主运动加速度：
Figure SMS_165
；
以及非自主运动速度：
Figure SMS_166
，
其中
Figure SMS_167
为所述综合加速度/>
Figure SMS_168
与重力方向的夹角，/>
Figure SMS_169
为所述综合加速度/>
Figure SMS_170
与车头朝向的夹角；
疲劳度分析模块，用于根据所述非自主运动数据以及所述自主运动数据辅助分析所述驾驶员的疲劳度。
进一步的，在上述的基于运动分析的驾驶员监测***中，还包括：
水平位移监测点确定模块，用于在所述头部图像上的所述驾驶员的脸部区域确定水平位移监测点，所述水平位移监测点为在所述驾驶员的头部相对于所述汽车发生相对运动时用于确定所述驾驶员的头部在水平方向上的相对位移
Figure SMS_171
的监测点；
标准位置确定模块，用于在所述摄像装置的视场区域中确定所述水平位移监测点的标准位置，所述标准位置为在所述驾驶员的头部相对于所述汽车发生相对运动时用于计算所述水平方向上的相对位移
Figure SMS_172
的基准点。
进一步的，在上述的基于运动分析的驾驶员监测***中，所述标准位置确定模块包括：
行车运动状态监测模块，用于通过所述汽车的行车运动数据监测所述汽车的行车运动状态，所述汽车的行车运动数据包括从所述汽车的车载计算机***读取得到的所述汽车的行车加速度
Figure SMS_173
以及行车速度/>
Figure SMS_174
；
起步时刻确定模块，用于当监测到所述汽车从静止状态变为行车状态的汽车起步事件时，将所述汽车起步事件的起始时刻确定为起步时刻，所述头部图像获取模块还用于获取所述起步时刻所述驾驶员的头部图像；
标准位置确定模块，用于将所述头部图像上所述水平位移监测点的位置确定为所述标准位置；
相对位移计算模块，用于以所述标准位置为原点计算所述水平位移监测点在水平方向上的相对位移
Figure SMS_175
。
进一步的，在上述的基于运动分析的驾驶员监测***中，所述水平位移监测点确定模块还用于将所述驾驶员的眉心、鼻尖、眼眶中心、眼角或者嘴角中的一个或多个位置确定为所述水平位移监测点，或者将所述驾驶员的眉心、鼻尖、眼眶中心、眼角或者嘴角中的两个或两个以上确定为用于计算所述水平位移监测点坐标的定位基点，通过两个或两个以上的所述定位基点的坐标计算所述水平位移监测点的坐标。
进一步的，在上述的基于运动分析的驾驶员监测***中，还包括：
水平位移监测点监测模块，用于通过所述驾驶员的头部图像实时监测所述水平位移监测点的位置；
保持时间记录模块，用于当所述非自主运动加速度
Figure SMS_176
小于预设的第一阈值且所述水平方向的相对位移/>
Figure SMS_177
的最大变化幅度小于预设的第二阈值的时间大于预设时长时，记录所述非自主运动加速度/>
Figure SMS_178
小于预设的第一阈值且所述水平方向的相对位移
Figure SMS_179
的最大变化幅度小于预设的第二阈值的保持时间；
临时停留位置确定模块，用于将在所述保持时间内所述水平位移监测点的平均位置确定为临时停留位置。
进一步的，在上述的基于运动分析的驾驶员监测***中，还包括：
第一水平偏移幅度确定模块，用于当所述非自主运动加速度
Figure SMS_180
大于预设的第一阈值且所述水平方向的相对位移/>
Figure SMS_181
的最大变化幅度大于预设的第二阈值时，将所述水平位移监测点与所述临时停留位置在水平方向上的最大距离确定为第一水平偏移幅度
Figure SMS_182
。
进一步的，在上述的基于运动分析的驾驶员监测***中，所述疲劳度分析模块包括：
偏移时间获取模块，用于获取所述水平位移监测点从所述临时停留位置开始到所述第一水平偏移幅度为
Figure SMS_183
所经历的偏移时间所经历的偏移时间/>
Figure SMS_184
；
非自主偏移幅度计算模块，用于计算在所述偏移时间
Figure SMS_185
时间段内的非自主偏移幅度：
Figure SMS_186
；
当所述第一水平偏移幅度
Figure SMS_187
小于所述非自主偏移幅度/>
Figure SMS_188
时，计算两者之间的距离偏差：
Figure SMS_189
；
疲劳度系数确定模块，用于将所述距离偏差
Figure SMS_190
确定为计算所述驾驶员的疲劳度系数的计算参数之一，所述距离偏差/>
Figure SMS_191
越小，所述疲劳度系数越大，所述疲劳度系数与所述驾驶员的疲劳度成正比。
进一步的，在上述的基于运动分析的驾驶员监测***中，所述水平方向的非自主运动数据还包括非自主运动速度，所述疲劳度分析模块还包括：
非自主运动速度计算模块，用于根据所述非自主运动加速度计算所述非自主运动速度：
Figure SMS_192
，
速度数获取模块，用于获取在所述偏移时间
Figure SMS_193
时间段内的所述非自主运动速度数据/>
Figure SMS_194
以及所述驾驶员的头部在水平方向上的相对速度数据
Figure SMS_195
；
速度差计算模块，用于计算在所述偏移时间
Figure SMS_196
时间段内所述非自主运动速度以及所述相对速度的速度差：
Figure SMS_197
；
所述疲劳度系数确定模块还用于将所述速度差
Figure SMS_198
的平均值确定为计算所述驾驶员的疲劳度系数的计算参数之一，所述速度差/>
Figure SMS_199
的平均值越小，所述疲劳度系数越大。
进一步的，在上述的基于运动分析的驾驶员监测***中，所述疲劳度分析模块还包括：
速度差波动阈值获取模块，用于获取预设的速度差波动阈值；
最小时间确定模块，用于在所述偏移时间
Figure SMS_200
时间段内确定所述速度差/>
Figure SMS_201
大于所述速度差波动阈值的最小时间/>
Figure SMS_202
；
所述最小时间
Figure SMS_203
确定为计算所述驾驶员的疲劳度系数的计算参数之一，所述最小时间/>
Figure SMS_204
越大，所述疲劳度系数越大。
进一步的，在上述的基于运动分析的驾驶员监测***中，所述疲劳度分析模块还包括：
复位时间获取模块，用于获取所述水平位移监测点从所述第一水平偏移幅度为
Figure SMS_205
开始恢复到与所述临时停留位置的距离小于预设的第三阈值所经历的复位时间/>
Figure SMS_206
；
所述疲劳度系数确定模块还用于将所述复位时间
Figure SMS_207
确定为计算所述驾驶员的疲劳度系数的计算参数之一，所述复位时间/>
Figure SMS_208
越小，所述疲劳度系数越大。
进一步的，在上述的基于运动分析的驾驶员监测***中，所述疲劳度分析模块还包括：
第二水平偏移幅度确定模块，用于当所述水平位移监测点从所述第一水平偏移幅度为
Figure SMS_209
开始往所述临时停留位置的运动，在越过所述临时停留位置后继续往背离所述临时停留位置的方向运动时，将所述水平位移监测点当次背离运动过程中与所述临时停留位置在水平方向上的最大距离确定为第二水平偏移幅度/>
Figure SMS_210
；
所述疲劳度系数确定模块还用于将所述第二水平偏移幅度
Figure SMS_211
确定为计算所述驾驶员的疲劳度系数的计算参数之一，所述第二水平偏移幅度/>
Figure SMS_212
越大，所述疲劳度系数越大。
进一步的，在上述的基于运动分析的驾驶员监测***中，还包括：
震动运动数据计算模块，用于根据所述综合运动数据和所述行车运动数据计算得到所述汽车的震动运动数据，所述震动运动数据包括所述汽车在外力作用下或者行驶经过不平坦路面引起的车辆震动的震动加速度：
Figure SMS_213
，
以及震动速度：
Figure SMS_214
。
进一步的，在上述的基于运动分析的驾驶员监测方法中，所述自主动运运数据包括自主运动加速度：
Figure SMS_215
；
以及自主运动速度：
Figure SMS_216
。
应当说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物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、物品或者设备中还存在另外的相同要素。
依照本发明的实施例如上文所述，这些实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施例。显然，根据以上描述，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地利用本发明以及在本发明基础上的修改使用。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (10)

1.一种基于运动分析的驾驶员监测方法，其特征在于，包括：
通过固定安装在汽车的驾驶位前方摄像装置实时获取驾驶员的头部图像；
对所述头部图像进行分析得到所述驾驶员的头部与所述汽车的实时相对运动数据，所述实时相对运动数据包括水平方向的相对位移
Figure QLYQS_1
，所述水平方向为与所述汽车的车头朝向以及重力方向垂直的方向，所述实时相对运动数据还包括根据所述水平方向的相对位移计算得到的水平方向的相对速度：
Figure QLYQS_2
，
以及水平方向的相对加速度：
Figure QLYQS_3
；
通过固定安装在所述汽车的驾驶位上或临近驾驶位处的加速度传感器实时获取所述汽车的综合运动数据，所述综合运动数据包括所述汽车的综合加速度
Figure QLYQS_4
，所述综合运动数据还包括根据所述综合加速度计算得到的综合运动速度：
Figure QLYQS_5
；
根据所述综合运动数据将所述驾驶员的所述实时相对运动数据的水平分量分解为水平方向的非自主运动数据和水平方向的自主运动数据，所述水平方向的非自主运动数据包括非自主运动加速度：
Figure QLYQS_6
；
以及非自主运动速度：
Figure QLYQS_7
，
其中
Figure QLYQS_8
为所述综合加速度/>
Figure QLYQS_9
与重力方向的夹角，/>
Figure QLYQS_10
为所述综合加速度/>
Figure QLYQS_11
与车头朝向的夹角；
根据所述非自主运动数据以及所述自主运动数据辅助分析所述驾驶员的疲劳度。
2.根据权利要求1所述的基于运动分析的驾驶员监测方法，其特征在于，在根据所述非自主运动数据以及所述自主运动数据辅助分析所述驾驶员的疲劳度的步骤之前，还包括：
在所述头部图像上的所述驾驶员的脸部区域确定水平位移监测点，所述水平位移监测点为在所述驾驶员的头部相对于所述汽车发生相对运动时用于确定所述驾驶员的头部在水平方向上的相对位移
Figure QLYQS_12
的监测点；
在所述摄像装置的视场区域中确定所述水平位移监测点的标准位置，所述标准位置为在所述驾驶员的头部相对于所述汽车发生相对运动时用于计算所述水平方向上的相对位移
Figure QLYQS_13
的基准点。
3.根据权利要求2所述的基于运动分析的驾驶员监测方法，其特征在于，在所述摄像装置的视场区域中确定所述水平位移监测点的标准位置的步骤具体包括：
通过所述汽车的行车运动数据监测所述汽车的行车运动状态，所述汽车的行车运动数据包括从所述汽车的车载计算机***读取得到的所述汽车的行车加速度
Figure QLYQS_14
以及行车速度/>
Figure QLYQS_15
；
当监测到所述汽车从静止状态变为行车状态的汽车起步事件时，将所述汽车起步事件的起始时刻确定为起步时刻；
获取所述起步时刻所述驾驶员的头部图像；
将所述头部图像上所述水平位移监测点的位置确定为所述标准位置；
以所述标准位置为原点计算所述水平位移监测点在水平方向上的相对位移
Figure QLYQS_16
。
4.根据权利要求2-3任一项所述的基于运动分析的驾驶员监测方法，其特征在于，在根据所述非自主运动数据以及所述自主运动数据辅助分析所述驾驶员的疲劳度的步骤之前，还包括：
通过所述驾驶员的头部图像实时监测所述水平位移监测点的位置；
当所述非自主运动加速度
Figure QLYQS_17
小于预设的第一阈值且所述水平方向的相对位移
Figure QLYQS_18
的最大变化幅度小于预设的第二阈值的时间大于预设时长时，记录所述非自主运动加速度/>
Figure QLYQS_19
小于预设的第一阈值且所述水平方向的相对位移/>
Figure QLYQS_20
的最大变化幅度小于预设的第二阈值的保持时间；
将在所述保持时间内所述水平位移监测点的平均位置确定为临时停留位置。
5.根据权利要求4所述的基于运动分析的驾驶员监测方法，其特征在于，在将在所述保持时间内所述水平位移监测点的平均位置确定为临时停留位置的步骤之后，还包括：
当所述非自主运动加速度
Figure QLYQS_21
大于预设的第一阈值且所述水平方向的相对位移
Figure QLYQS_22
的最大变化幅度大于预设的第二阈值时，将所述水平位移监测点与所述临时停留位置在水平方向上的最大距离确定为第一水平偏移幅度/>
Figure QLYQS_23
。
6.根据权利要求5所述的基于运动分析的驾驶员监测方法，其特征在于，所述水平方向的非自主运动数据还包括非自主运动速度，根据所述非自主运动数据以及所述自主运动数据辅助分析所述驾驶员的疲劳度的步骤具体包括：
获取所述水平位移监测点从所述临时停留位置开始到所述第一水平偏移幅度为
Figure QLYQS_24
所经历的偏移时间/>
Figure QLYQS_25
；
计算在所述偏移时间
Figure QLYQS_26
时间段内的非自主偏移幅度：
Figure QLYQS_27
；
当所述第一水平偏移幅度
Figure QLYQS_28
小于所述非自主偏移幅度/>
Figure QLYQS_29
时，计算两者之间的距离偏差：
Figure QLYQS_30
；
将所述距离偏差
Figure QLYQS_31
确定为计算所述驾驶员的疲劳度系数的计算参数之一，所述距离偏差/>
Figure QLYQS_32
越小，所述疲劳度系数越大，所述疲劳度系数与所述驾驶员的疲劳度成正比。
7.根据权利要求6所述的基于运动分析的驾驶员监测方法，其特征在于，所述水平方向的非自主运动数据还包括非自主运动速度，根据所述非自主运动数据以及所述自主运动数据辅助分析所述驾驶员的疲劳度的步骤具体包括：
根据所述非自主运动加速度计算所述非自主运动速度：
Figure QLYQS_33
，
获取在所述偏移时间
Figure QLYQS_34
时间段内的所述非自主运动速度数据
Figure QLYQS_35
以及所述驾驶员的头部在水平方向上的相对速度数据
Figure QLYQS_36
；
计算在所述偏移时间
Figure QLYQS_37
时间段内所述非自主运动速度以及所述相对速度的速度差：
Figure QLYQS_38
；
将所述速度差
Figure QLYQS_39
的平均值确定为计算所述驾驶员的疲劳度系数的计算参数之一，所述速度差/>
Figure QLYQS_40
的平均值越小，所述疲劳度系数越大。
8.根据权利要求7所述的基于运动分析的驾驶员监测方法，其特征在于，计算在所述偏移时间
Figure QLYQS_41
时间段内所述非自主运动速度以及所述相对速度的速度差的步骤之后，还包括：
获取预设的速度差波动阈值；
在所述偏移时间
Figure QLYQS_42
时间段内确定所述速度差/>
Figure QLYQS_43
大于所述速度差波动阈值的最小时间/>
Figure QLYQS_44
；
将所述最小时间
Figure QLYQS_45
确定为计算所述驾驶员的疲劳度系数的计算参数之一，所述最小时间/>
Figure QLYQS_46
越大，所述疲劳度系数越大。
9.根据权利要求8所述的基于运动分析的驾驶员监测方法，其特征在于，在将在所述保持时间内所述水平位移监测点的平均位置确定为临时停留位置的步骤之后，还包括：
获取所述水平位移监测点从所述第一水平偏移幅度为
Figure QLYQS_47
开始恢复到与所述临时停留位置的距离小于预设的第三阈值所经历的复位时间/>
Figure QLYQS_48
；
将所述复位时间
Figure QLYQS_49
确定为计算所述驾驶员的疲劳度系数的计算参数之一，所述复位时间/>
Figure QLYQS_50
越小，所述疲劳度系数越大。
10.一种基于运动分析的驾驶员监测***，其特征在于，包括：
头部图像获取模块，用于通过固定安装在汽车的驾驶位前方摄像装置实时获取驾驶员的头部图像；
实时相对运动数据获取模块，用于对所述头部图像进行分析得到所述驾驶员的头部与所述汽车的实时相对运动数据，所述实时相对运动数据包括水平方向的相对位移
Figure QLYQS_51
，所述水平方向为与所述汽车的车头朝向以及重力方向垂直的方向，所述实时相对运动数据还包括根据所述水平方向的相对位移计算得到的水平方向的相对速度：
Figure QLYQS_52
，
以及水平方向的相对加速度：
Figure QLYQS_53
；
综合运动数据获取模块，用于通过固定安装在所述汽车的驾驶位上或临近驾驶位处的加速度传感器实时获取所述汽车的综合运动数据，所述综合运动数据包括所述汽车的综合加速度
Figure QLYQS_54
，所述综合运动数据还包括根据所述综合加速度计算得到的综合运动速度：
Figure QLYQS_55
；
相对运动数据分解模块，用于根据所述综合运动数据将所述驾驶员的所述实时相对运动数据的水平分量分解为水平方向的非自主运动数据和水平方向的自主运动数据，所述水平方向的非自主运动数据包括非自主运动加速度：
Figure QLYQS_56
；
以及非自主运动速度：
Figure QLYQS_57
，
其中
Figure QLYQS_58
为所述综合加速度/>
Figure QLYQS_59
与重力方向的夹角，/>
Figure QLYQS_60
为所述综合加速度/>
Figure QLYQS_61
与车头朝向的夹角；
疲劳度分析模块，用于根据所述非自主运动数据以及所述自主运动数据辅助分析所述驾驶员的疲劳度。
CN202310377803.8A 2023-04-11 2023-04-11 一种基于运动分析的驾驶员监测方法及*** Active CN116129409B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310377803.8A CN116129409B (zh) 2023-04-11 2023-04-11 一种基于运动分析的驾驶员监测方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310377803.8A CN116129409B (zh) 2023-04-11 2023-04-11 一种基于运动分析的驾驶员监测方法及***

Publications (2)

Publication Number Publication Date
CN116129409A CN116129409A (zh) 2023-05-16
CN116129409B true CN116129409B (zh) 2023-06-27

Family

ID=86312101

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310377803.8A Active CN116129409B (zh) 2023-04-11 2023-04-11 一种基于运动分析的驾驶员监测方法及***

Country Status (1)

Country Link
CN (1) CN116129409B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210101604A1 (en) * 2017-03-28 2021-04-08 Kyushu Institute Of Technology Driver state detection device
JP7226938B2 (ja) * 2018-07-30 2023-02-21 本田技研工業株式会社 運転評価システム、運転評価方法、プログラム、及び媒体
CN109291794A (zh) * 2018-09-28 2019-02-01 上汽通用五菱汽车股份有限公司 驾驶员状态监测方法、汽车以及存储介质
CN110796207B (zh) * 2019-11-08 2023-05-30 中南大学 一种疲劳驾驶检测方法及***
CN114670844A (zh) * 2021-04-21 2022-06-28 北京新能源汽车股份有限公司 疲劳驾驶监测方法、装置及电动汽车
CN113223270B (zh) * 2021-04-26 2023-02-28 西安建筑科技大学 基于计算机视觉技术的疲劳驾驶监测提醒预警方法及***
CN115665609A (zh) * 2022-10-17 2023-01-31 深圳市冠旭电子股份有限公司 一种车辆安全驾驶预警方法、***及耳机终端

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Also Published As

Publication number Publication date
CN116129409A (zh) 2023-05-16

Similar Documents

Publication Publication Date Title
CN108860162B (zh) 电子装置、基于用户驾驶行为的安全预警方法及存储介质
JP3593502B2 (ja) 車両の運転技術診断システム及びその構成用品、運転技術診断方法
JP5411284B2 (ja) 実際の軌道を進行している車両の横方向のずれを、推定された仮想道路に基づいて決定し、横方向のずれに基づき運転者の横方向制御能力を決定するための方法、システム及びコンピュータプログラム製品
US8593288B2 (en) Method and device for driver state detection
JP5045374B2 (ja) 運転状態判定装置
JP3592602B2 (ja) 移動体の運行管理方法、システム及びその構成装置
US20160159217A1 (en) System and method for determining drowsy state of driver
US20050203685A1 (en) Driver assistance system for a road vehicle
US20120245758A1 (en) Driving behavior detecting method and apparatus
US20140342790A1 (en) Apparatus and method for safe drive inducing game
JP6451959B2 (ja) 運行管理システム
JP2004318912A (ja) 移動体の運行管理方法、システム及びその構成装置
JP2008507721A (ja) 運転モニタシステム及び方法
US20180286153A1 (en) Vehicle state monitoring apparatus, vehicle state monitoring system, and vehicle state monitoring method
KR19980017991A (ko) 드라이빙 레코더, 차량의 운행해석장치 및 기억매체
JP6313589B2 (ja) 運行情報管理システム
JP6142338B2 (ja) 運行管理システム
CN110920539A (zh) 车辆驾驶分析方法和装置、电子设备和计算机存储介质
WO2019207882A1 (ja) 予兆診断装置及び方法
JP5535665B2 (ja) ドライブレコーダ
CN116129409B (zh) 一种基于运动分析的驾驶员监测方法及***
US20090299595A1 (en) Driving evaluating apparatus, driving evaluating method, and computer program for driving evaluation
DE102019109491A1 (de) Datenverarbeitungsvorrichtung, überwachungssystem, wecksystem, datenverarbeitungsverfahren und datenverarbeitungsprogramm
JP5743580B2 (ja) ドライブレコーダ装置
JP6431261B2 (ja) 運行情報管理システム

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
TR01 Transfer of patent right

Effective date of registration: 20240117

Address after: Room 603, Unit 1, Building 1, Yard 1, Longyu Middle Street, Huilongguan Town, Changping District, Beijing 102200

Patentee after: JUNJIE TECHNOLOGY (BEIJING) Co.,Ltd.

Address before: 518000 West 02, 4th Floor, Building 3, Next to the Factory, Nantai Industrial Park, No. 2, Nantai Road, Gushu Community, Xixiang Street, Baoan District, Shenzhen, Guangdong Province

Patentee before: JUNJIE INTELLIGENT (SHENZHEN) Co.,Ltd.

TR01 Transfer of patent right