CN102509418B - 一种多传感信息融合的疲劳驾驶评估预警方法及装置 - Google Patents
一种多传感信息融合的疲劳驾驶评估预警方法及装置 Download PDFInfo
- Publication number
- CN102509418B CN102509418B CN2011103070021A CN201110307002A CN102509418B CN 102509418 B CN102509418 B CN 102509418B CN 2011103070021 A CN2011103070021 A CN 2011103070021A CN 201110307002 A CN201110307002 A CN 201110307002A CN 102509418 B CN102509418 B CN 102509418B
- Authority
- CN
- China
- Prior art keywords
- driver
- vehicle
- fatigue
- image information
- early warning
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种多传感信息融合的疲劳驾驶评估预警方法和装置,其中,方法包括检测驾驶员面部及眼睛状态,从而得到驾驶员面部图像信息,采集车道图像信息;根据得到的驾驶员面部图像信息对驾驶员进行疲劳评估;根据车道图像信息建立数学模型,判断车辆是否压线;根据车道图像信息建立数学模型,判断车辆是否发生大角度偏离;根据上述步骤得到的信息评估驾驶安全等级;根据所述驾驶安全等级作出决策及预警。装置包括第一图像采集单元、驾驶员疲劳评估单元、第二图像采集单元、压线判断单元、偏离判断单元、驾驶评估单元和中央处理单元。本发明能够有效减少因疲劳驾驶引起的交通事故。
Description
技术领域
本发明涉及车辆安全驾驶技术领域,特别是涉及一种多传感信息融合的疲劳驾驶评估预警方法及装置。
背景技术
疲劳驾驶是当今交通安全的重要隐患之一。驾驶员在疲劳时,其对周围环境的感知能力、形势判断能力和对车辆的操控能力都有不同程度的下降,因此很容易发生交通事故。全世界每年因交通事故而导致的死亡人数达60万,直接经济损失约125亿美元,这些事故中57%的灾难性事故与驾驶员疲劳驾驶有关。在2007年至2008年我国直接由疲劳驾驶导致的死亡人数分别占机动车驾驶员交通肇事总死亡人数的11.35%、10.91%和12.5%,大约每年有9000人死于疲劳驾驶。
现有的驾驶员疲劳状态监测方法大都基于某一单项指标,虽然在限定条件下能够达到一定的精度,但在实际复杂多变的行车环境下,其准确性和可靠性上还存在问题,难以达到预期要求。
研究发现,驾驶员的疲劳状态受多种因素影响,到目前为止,国内外还没有发现非常有效的指标或模型能够对疲劳等级进行精确的评价。现有的大多数检测方法因其检测条件的限制和复杂环境的影响,不能准确完整地提取驾驶员的疲劳信息,导致目前开发的疲劳驾驶预警系统往往不能快速对疲劳状态作出判断与响应检测灵敏度低,可靠性差。
发明内容
本发明所要解决的技术问题是提供一种多传感信息融合的疲劳驾驶评估预警方法及装置,有效减少因疲劳驾驶引起的交通事故。
本发明解决其技术问题所采用的技术方案是:提供一种多传感信息融合的疲劳驾驶评估预警方法,包括以下步骤:
(1)检测驾驶员面部及眼睛状态,从而得到驾驶员面部图像信息;采集车道图像信息;
(2)根据得到的驾驶员面部图像信息对驾驶员进行疲劳评估;
(3)根据车道图像信息建立数学模型,判断车辆是否压线;
(4)根据车道图像信息建立数学模型,判断车辆是否发生大角度偏离;
(5)根据上述步骤得到的信息评估驾驶安全等级;
(6)根据所述驾驶安全等级作出决策及预警。
所述步骤(2)和步骤(4)之间还包括根据车速和行驶时间改变疲劳评估的灵敏度的步骤。
所述步骤(1)中的驾驶员面部图像信息包括睁眼信息、闭眼信息和转头信息。
所述步骤(2)采用PERCLOS方法对驾驶员进行疲劳度评估。
所述步骤(3)还包括以下子步骤:
(31)建立极坐标系,并将车道图像信息坐标系中的直线模型对应到所述的极坐标系中;
(32)建立数学模型得到X=|cosθ|·m,其中,X为车道图像中心点到车道线的距离;θ为偏离角,即车辆实际导航方向和车道线指引方向夹角;m为车头中心点距车道线的水平距离;
(33)若X≤车身的一半长度时,判定车辆压线;否则车辆不压线。
所述步骤(1)前还包括判断所述车速是否大于门限值,若大于门限值则进入步骤(1);否则保持对车速的检测。
本发明解决其技术问题所采用的技术方案是:还提供一种多传感信息融合的疲劳驾驶评估预警装置,包括:第一图像采集单元,用于采集驾驶员面部及眼睛状态;驾驶员疲劳评估单元,用于根据驾驶员面部及眼睛状态评估驾驶员的疲劳度;第二图像采集单元,用于采集车道图像信息;压线判断单元,用于根据车道图像信息判断车辆是否压线;偏离判断单元,用于根据车道图像信息判断车辆是否发生大角度偏离;驾驶评估单元,用于根据驾驶员疲劳评估单元、压线判断单元和偏离判断单元的结果,对驾驶安全等级进行评估;中央处理单元,用于驾驶安全等级根据作出决策及预警。
所述多传感信息融合的疲劳驾驶评估预警装置还包括:车辆行驶检测单元,用于检测车辆的车速和行驶时间;灵敏度单元,用于根据车辆的车速和行驶时间改变所述驾驶员疲劳评估单元的驾驶员的疲劳度。
所述多传感信息融合的疲劳驾驶评估预警装置还包括:还包括:启动单元,用于将车辆的车速与门限值进行比较,若车辆的车速大于门限值则启动所述第一图像采集单元和第二图像采集单元采集图像。
有益效果
由于采用了上述的技术方案,本发明与现有技术相比,具有以下的优点和积极效果:本发明通过检测驾驶员面部及眼睛状态、车速及行车时间和车道线信息等多种传感信息,并融合多种传感信息,准确完整地提取驾驶员的疲劳信息,从而对疲劳驾驶进行评估及预警,有效减少因疲劳驾驶引起的交通事故。利用PERCLOS算法将驾驶员疲劳程度分为四个等级,因此可根据不同的情况对驾驶员及车辆做出不同的预警及控制动作。
附图说明
图1是本发明的疲劳驾驶评估预警流程图;
图2a是车辆到右边线距离示意图;
图2b是图2a中的直线模型对应的极坐标示意图;
图3a是车辆到左边线距离示意图;
图3b是图3a中的直线模型对应的极坐标示意图;
图4a是车辆到左边线示意图;
图4b是图4a中的直线模型对应的极坐标示意图;
图5是车辆压线示意图;
图6是车辆大角度偏离车道示意图;
图7是疲劳驾驶评估及预警装置结构示意图。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
以下结合图1,即疲劳驾驶评估预警流程图,分步说明具体的评估预警方法。
1)检测驾驶员面部及眼睛状态
本发明将驾驶员的面部及眼睛分为三种状态,“睁眼”、“闭眼”、“转头”。
三种状态的定义方法如下:面部各变量的取值及含义如表1所示。
表1面部各变量取值及含义
实际检测时,首先检测眼睛状态,若检测到ey=1(检测到睁开的眼睛),则定义为“睁眼”状态。若检测到ey=0(未检测到睁开的眼睛),再去检测脸部状态。此时,若fc=1(检测到正面人脸),则定义为“闭眼”状态。反之,若fc=0(未检测到正面人脸),则定义为“转头”状态。
2)根据PERCLOS方法对驾驶员进行疲劳度评估
本发明用PERCLOS的方法将驾驶员疲劳程度分为“未出现疲劳特征”,“出现轻微疲劳特征”,“驾驶不专心、转头过久”,“出现明显疲劳特征”四个等级。PERCLOS是指眼睛闭合时间占一定时间(本实例选取30秒)的百分率。
本示例检测面部图像的频率大概为50ms一次。以30秒为一个时间单位,统计30秒内检测到的“闭眼”次数,占总检测次数的百分比,作为PERCLOS值。每1秒统计一次前30秒的PERCLOS值。
同时,每1秒统计一次在这1秒钟内检测到“转头”次数占总检测次数的百分比。
根据以上计算结果,本系统选取疲劳阈值为36%,即当闭眼时间占总时间(30秒)超过35%(PERCLOS>35%)时,判定为驾驶员出现明显疲劳特征,即Ⅳ级疲劳。当30%<PERCLOS≤35%时,判定驾驶员出现轻微疲劳特征,即II级疲劳。当PERCLOS≤30%时,判定驾驶员未出现疲劳特征,即I级疲劳(不疲劳)。
若连续6秒检测到驾驶员“转头”次数占总检测次数的百分比超过90%,则判定驾驶员驾驶不专心,即III级疲劳。指标对比如表2。
表2疲劳度划分指标
3)根据车速及行车时间,改变疲劳度评估的灵敏度
灵敏度与车速和司机驾驶时间有关,主要作用于高速公路和非高速公路这两种行驶状态。灵敏度设定如表3。
表3灵敏度设定
对于不同的灵敏度,判定驾驶员疲劳度的指标不同,表3所示指标为中灵敏度情况下的指标。对于其他灵敏度,需将指标PERLOCS的阈值及“转头”时间阈值(中灵敏度:6秒)乘以灵敏度系数。本实例将灵敏度系数设定如下:
将中灵敏度(灵敏度B)的系数设为1,则,
低灵敏度系数Ka=1.18。
高灵敏度系数Kc=0.95。
4)根据车道线信息判断车辆是否压线
一般情况下,车道线画面中会出现实现和虚线两条线。判断车辆压线,先判断车辆压的是当前车道的哪一条线。
当车道有两个条同时出现时,需要通过以下方法判断车辆离左右两根车道线中的哪一根比较近。图2a为车辆到右边线的距离示意图。图3a和图4a均为车辆到左边线的距离示意图。
摄像头2监测得到的车道画面,经过一系列图像处理步骤,最终得到当前车道在图像坐标系中的直线模型对应的极坐标参数(ρ,θ)。
其中:
ρ为计算机测得的原点到车道线的距离;
A为图像中心点;
X为图像中心点到车道线的距离;
θ为偏离角;
a为原点到中心点连线的长度;
b为车道线与x轴的交点和中心点连线的长度;
c为车道线与x轴的交点和原点的连线的长度。
通过图2b、图3b和图4b,可以计算出X1和X2的值,即图像中心点到左车道线的距离和到右车道线的距离。
通过以上计算,比较X1,X2的大小:
当X1>X2时,车辆离右边线比较近;当X1<X2时,车辆离左边线比较近。
下面给出判定车辆压线的指标,图5为车辆压线示意图。
由图5可知,X=|cosθ|·m
其中,其中,X为车道图像中心点到车道线的距离;θ为偏离角,即车辆实际导航方向和车道线指引方向夹角;m为车头中心点距车道线的水平距离。
当计算出的X≤半车身长度时,判定车辆压线。
5)根据车道线信息判断车辆是否发生大角度偏离
通过分析车道图像可得α值,如图6所示,并规定,当α≥45°时,车辆发生了大角度偏离车道线。
6)结合多传感信息,评估驾驶安全等级
本发明根据上述多传感信息,将驾驶安全等级分为“安全”,“轻度危险”,“危险”,“非常危险”四个等级。
本实例装置在车速大于20km/h时启动。
首先,将驾驶员面部疲劳度分为I度,II度,III度,Ⅳ度4个等级,分别描述如表4。
表4驾驶员面部疲劳度等级描述
疲劳等级 | 驾驶员面部疲劳度描述 |
I | 未出现疲劳特征 |
II | 出现轻微疲劳特征 |
III | 驾驶不专心,视线偏离路面过久等 |
IV | 出现明显疲劳特征 |
将车道线状况(即车辆行驶状况)分为A、B、C、D四种情况,分别描述如表5:
表5路面车道线状况分类
车辆行驶状况 | 车道线画面描述 |
A | 车辆正常行驶 |
B | 车辆压车道线(虚线) |
C | 车辆大角度偏离车道线 |
D | 车辆压车道线(实线) |
结合上述驾驶员疲劳程度与车道线状况,将驾驶安全等级分为安全、轻度危险、危险、非常危险四级,如表6所示。
另外,出现以下任何一种情况都视为非常危险:
a)PSD红外测距仪发出对前方障碍物的报警信号。
b)驾驶员连续驾驶时间超过8小时。
c)车速超过150km/h。
表6驾驶员疲劳度等级划分
7)中央处理器作出决策及预警
结合前面划分的疲劳等级,根据不同的情况对驾驶员及车辆做出不同的预警及控制动作,具体操作如表7。
表7疲劳预警决策方案
表7中的语音及控制方案如下:
语音提醒1:“为了行车安全,请勿压线。”
语音提醒2:“您可能需要休息。”
语音提醒3:“请注意车道变更。”
语音提醒4:“为了您的安全,请专心开车。”
语音提醒5:“危险。”
语音提醒6:“为了您的安全,请休息后再行驶车辆。”
控制方案1:车辆以每秒5km/h的速度减速,直至速度减为20km/h。
控制方案2:车辆以每秒15km/h的速度减速,直至速度减为20km/h。
需要说明的是,在采集驾驶员面部及眼睛状态的同时还可以对车道信息进行采集,车道信息的采集也可以先于驾驶员面部及眼睛状态的采集。
本发明的第二实施例涉及一种多传感信息融合的疲劳驾驶评估预警装置,包括:第一图像采集单元,用于采集驾驶员面部及眼睛状态;驾驶员疲劳评估单元,用于根据驾驶员面部及眼睛状态评估驾驶员的疲劳度;第二图像采集单元,用于采集车道图像信息;压线判断单元,用于根据车道图像信息判断车辆是否压线;偏离判断单元,用于根据车道图像信息判断车辆是否发生大角度偏离;驾驶评估单元,用于根据驾驶员疲劳评估单元、压线判断单元和偏离判断单元的结果,对驾驶安全等级进行评估;中央处理单元,用于驾驶安全等级根据作出决策及预警。所述多传感信息融合的疲劳驾驶评估预警装置还包括:车辆行驶检测单元,用于检测车辆的车速和行驶时间;灵敏度单元,用于根据车辆的车速和行驶时间改变所述驾驶员疲劳评估单元的驾驶员的疲劳度。所述多传感信息融合的疲劳驾驶评估预警装置还包括:还包括:启动单元,用于将车辆的车速与门限值进行比较,若车辆的车速大于门限值则启动所述第一图像采集单元和第二图像采集单元采集图像。
其中各个主要单元的安装位置如图7所示,为本发明疲劳驾驶评估及预警装置的一个实施例的示意图。包括驾驶员面部图像采集模块a,即摄像头1;道路图像信息采集模块b,即摄像头2;PSD红外测距仪c;车辆测速装置d;车载中央处理器e。
驾驶员面部图像采集模块a、道路图像信息采集模块b、PSD红外测距仪c、车辆测速装置d将采集到的传感信息发送给中央处理器e,中央处理器e将所有信息分析处理,做出疲劳驾驶的评估及预警。具体的评估预警方法,以软件的形式运行在中央处理器e中。
Claims (5)
1.一种多传感信息融合的疲劳驾驶评估预警方法,其特征在于,包括以下步骤:
(1)检测驾驶员面部及眼睛状态,从而得到驾驶员面部图像信息;采集车道图像信息;
(2)根据得到的驾驶员面部图像信息对驾驶员进行疲劳评估;
(3)根据车道图像信息建立数学模型,判断车辆是否压线,所述步骤(3)还包括以下子步骤;
(31)建立极坐标系,并将车道图像信息坐标系中的直线模型对应到所述的极坐标系中;
(32)建立数学模型得到X=|cosθ|·m,其中,X为车道图像中心点到车道线的距离;θ为偏离角,即车辆实际导航方向和车道线指引方向夹角;m为车头中心点距车道线的水平距离;
(33)若X≤车身的一半长度时,判定车辆压线;否则车辆不压线;
(4)根据车道图像信息建立数学模型,判断车辆是否发生大角度偏离;
(5)根据上述步骤得到的信息评估驾驶安全等级;
(6)根据所述驾驶安全等级作出决策及预警。
2.根据权利要求1所述的多传感信息融合的疲劳驾驶评估预警方法,其特征在于,所述步骤(2)和步骤(4)之间还包括根据车速和行驶时间改变疲劳评估的灵敏度的步骤。
3.根据权利要求1所述的多传感信息融合的疲劳驾驶评估预警方法,其特征在于,所述步骤(1)中的驾驶员面部图像信息包括睁眼信息、闭眼信息和转头信息。
4.根据权利要求1所述的多传感信息融合的疲劳驾驶评估预警方法,其特征在于,所述步骤(2)采用PERCLOS方法对驾驶员进行疲劳度评估。
5.根据权利要求1所述的多传感信息融合的疲劳驾驶评估预警方法,其特征在于,所述步骤(1)前还包括判断车速是否大于门限值,若大于门限值则进入步骤(1);否则保持对车速的检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011103070021A CN102509418B (zh) | 2011-10-11 | 2011-10-11 | 一种多传感信息融合的疲劳驾驶评估预警方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011103070021A CN102509418B (zh) | 2011-10-11 | 2011-10-11 | 一种多传感信息融合的疲劳驾驶评估预警方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102509418A CN102509418A (zh) | 2012-06-20 |
CN102509418B true CN102509418B (zh) | 2013-11-13 |
Family
ID=46221494
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011103070021A Expired - Fee Related CN102509418B (zh) | 2011-10-11 | 2011-10-11 | 一种多传感信息融合的疲劳驾驶评估预警方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102509418B (zh) |
Families Citing this family (59)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102717765B (zh) * | 2012-07-09 | 2015-02-11 | 湖南赛格导航技术研究有限公司 | 疲劳驾驶检测方法及防疲劳驾驶辅助装置 |
CN103661095B (zh) * | 2012-09-11 | 2015-12-02 | 财团法人车辆研究测试中心 | 驾驶状态的侦测系统 |
US9351019B2 (en) | 2012-12-27 | 2016-05-24 | Automotive Research & Testing Center | System for detecting vehicle driving state |
CN104385984B (zh) * | 2013-06-08 | 2016-08-24 | 嘉兴市瑞曼汽车电子科技有限公司 | 汽车驾驶员疲劳状态预判系统 |
CN103700220A (zh) * | 2013-12-13 | 2014-04-02 | 杭州电子科技大学 | 一种疲劳驾驶监控装置 |
CN104794855B (zh) * | 2014-01-22 | 2018-06-22 | 径卫视觉科技(上海)有限公司 | 驾驶员注意力综合评估装置 |
CN104794856B (zh) * | 2014-01-22 | 2018-06-22 | 径卫视觉科技(上海)有限公司 | 驾驶员注意力综合测评系统 |
CN104021370B (zh) * | 2014-05-16 | 2018-01-23 | 浙江传媒学院 | 一种基于视觉信息融合的驾驶员状态监测方法及系统 |
CN105270258A (zh) * | 2014-06-12 | 2016-01-27 | 陕西重型汽车有限公司 | 一种汽车转向安全辅助系统 |
CN104183091B (zh) * | 2014-08-14 | 2017-02-08 | 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系统灵敏度的系统 |
DE102014220759B4 (de) * | 2014-10-14 | 2019-06-19 | Audi Ag | Überwachung eines Aufmerksamkeitsgrads eines Fahrers eines Fahrzeugs |
CN104442659A (zh) * | 2014-10-31 | 2015-03-25 | 成都众易通科技有限公司 | 一种汽车安全系统 |
CN104408879B (zh) * | 2014-11-19 | 2017-02-01 | 湖南工学院 | 疲劳驾驶预警处理方法、装置及系统 |
CN104464194A (zh) * | 2014-12-15 | 2015-03-25 | 宇龙计算机通信科技(深圳)有限公司 | 报警提示方法、报警提示系统、终端和可穿戴设备 |
CN104574817A (zh) * | 2014-12-25 | 2015-04-29 | 清华大学苏州汽车研究院(吴江) | 一种适用于智能手机的基于机器视觉疲劳驾驶预警系统 |
CN104952209A (zh) * | 2015-04-30 | 2015-09-30 | 广州视声光电有限公司 | 一种驾驶预警方法及装置 |
CN105034804A (zh) * | 2015-05-11 | 2015-11-11 | 南京理工大学 | 车辆主动安全控制方法与系统 |
CN104952210B (zh) * | 2015-05-15 | 2018-01-05 | 南京邮电大学 | 一种基于决策级数据融合的疲劳驾驶状态检测系统和方法 |
CN105035074A (zh) * | 2015-06-23 | 2015-11-11 | 南京理工大学 | 基于便携式智能设备的车辆主动安全控制方法 |
CN106467057B (zh) * | 2015-08-21 | 2019-01-08 | 腾讯科技(深圳)有限公司 | 车道偏离预警的方法、装置及系统 |
CN105303830A (zh) * | 2015-09-15 | 2016-02-03 | 成都通甲优博科技有限责任公司 | 一种驾驶行为分析系统及分析方法 |
CN105740847A (zh) * | 2016-03-02 | 2016-07-06 | 同济大学 | 一种基于驾驶员眼部识别和车辆行驶轨迹的疲劳等级判别算法 |
CN105912984A (zh) * | 2016-03-31 | 2016-08-31 | 大连楼兰科技股份有限公司 | 一种融合多态信息的辅助驾驶方法 |
CN106228755A (zh) * | 2016-08-12 | 2016-12-14 | 深圳市元征科技股份有限公司 | 疲劳驾驶预警方法及云端服务器 |
CN106205054A (zh) * | 2016-09-13 | 2016-12-07 | 深圳市几米软件有限公司 | 安全驾驶智能预警方法、车载设备及服务器 |
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 |
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 |
CN110291478B (zh) * | 2016-12-22 | 2023-09-29 | 斯坦福国际研究院 | 驾驶员监视和响应系统 |
KR102287315B1 (ko) * | 2017-04-14 | 2021-08-09 | 현대자동차주식회사 | 피로도 기반 차량 제어 장치 및 방법 |
CN107492232A (zh) * | 2017-04-27 | 2017-12-19 | 安徽华脉科技发展有限公司 | 一种基于信息融合的疲劳驾驶检测系统 |
DE102017216875A1 (de) * | 2017-09-25 | 2019-03-28 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Vorrichtung zur Beurteilung eines Müdigkeitsgrads eines Fahrzeuginsassen eines Fahrzeugs |
CN107826116A (zh) * | 2017-10-31 | 2018-03-23 | 安徽融合智能科技有限公司 | 基于移动终端的汽车主动安全驾驶辅助系统的操作方法 |
CN107742399B (zh) * | 2017-11-16 | 2022-02-22 | 百度在线网络技术(北京)有限公司 | 用于发出告警信号的方法及装置 |
CN108928294B (zh) * | 2018-06-04 | 2021-02-12 | Oppo(重庆)智能科技有限公司 | 行车危险的提醒方法、装置、终端及计算机可读存储介质 |
CN108944670A (zh) * | 2018-07-11 | 2018-12-07 | 钧捷智能(深圳)有限公司 | 一种汽车用自适应疲劳驾驶系统 |
CN109035718A (zh) * | 2018-07-31 | 2018-12-18 | 苏州清研微视电子科技有限公司 | 多因素融合的危险驾驶行为分级预警方法 |
CN109446878A (zh) * | 2018-09-04 | 2019-03-08 | 四川文轩教育科技有限公司 | 一种基于机器学习的视觉疲劳度检测方法 |
CN110909574B (zh) * | 2018-09-17 | 2024-02-27 | 厦门歌乐电子企业有限公司 | 一种车载疲劳检测设备及方法 |
CN109243144A (zh) * | 2018-10-16 | 2019-01-18 | 南京伊斯特机械设备有限公司 | 一种针对疲劳驾驶的人脸识别警告系统及其方法 |
CN109552337B (zh) * | 2018-11-23 | 2020-04-21 | 重庆睿驰智能科技有限公司 | 车辆无人驾驶主动干预系统 |
CN109781131A (zh) * | 2019-03-14 | 2019-05-21 | 百度在线网络技术(北京)有限公司 | 导航诱导方法、装置、导航仪及可读存储介质 |
CN110077398B (zh) * | 2019-05-20 | 2021-05-07 | 上海域驾智能科技有限公司 | 一种用于智能驾驶的危险处理方法 |
CN110371133A (zh) * | 2019-06-28 | 2019-10-25 | 神龙汽车有限公司 | 汽车驾驶员疲劳检测系统和方法 |
CN110525456B (zh) * | 2019-08-07 | 2020-11-24 | 北京全路通信信号研究设计院集团有限公司 | 一种列车安全驾驶监测系统及方法 |
CN110648075A (zh) * | 2019-09-27 | 2020-01-03 | 重庆大学 | 驾驶安全评估方法及装置 |
CN110901650B (zh) * | 2019-11-02 | 2021-11-26 | 芜湖职业技术学院 | 一种车辆压实线自调整系统和方法 |
CN110969807A (zh) * | 2019-11-21 | 2020-04-07 | 中国第一汽车股份有限公司 | 驾驶员状态监控系统的报警灵敏度确定方法及装置 |
CN112277940A (zh) * | 2019-12-05 | 2021-01-29 | 马园 | 基于图像信息的司机状态控制系统 |
CN111397627A (zh) * | 2020-03-30 | 2020-07-10 | 深圳市凯立德科技股份有限公司 | Ar导航方法及装置 |
CN113470314A (zh) * | 2020-03-31 | 2021-10-01 | 北京新能源汽车股份有限公司 | 一种疲劳预警控制方法、装置、设备及汽车 |
CN112141119B (zh) * | 2020-09-23 | 2022-03-11 | 上海商汤临港智能科技有限公司 | 智能驾驶控制方法及装置、车辆、电子设备和存储介质 |
CN112590799B (zh) * | 2020-10-10 | 2022-03-01 | 禾多科技(北京)有限公司 | 用于控制目标车辆的方法、装置、电子设备和介质 |
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 |
CN112124307B (zh) * | 2020-11-24 | 2021-03-26 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种车辆危险行为的防控方法、装置、系统及存储介质 |
CN114267169A (zh) * | 2021-09-15 | 2022-04-01 | 赣南师范大学 | 一种基于机器视觉的预防疲劳驾驶限速控制方法 |
CN114228733A (zh) * | 2021-12-13 | 2022-03-25 | 浙江自由家居用品制造有限公司 | 一种具有防疲劳驾驶功能的枕垫 |
CN115496978B (zh) * | 2022-09-14 | 2023-04-07 | 北京化工大学 | 一种图像和车速信息融合的驾驶行为分类方法及装置 |
CN117351648A (zh) * | 2023-10-08 | 2024-01-05 | 海南大学 | 一种驾驶员疲劳监测预警方法及系统 |
CN117911992A (zh) * | 2023-12-12 | 2024-04-19 | 广州市启宏普浩企业管理服务有限公司 | 一种驾驶员的驾驶异常行为数据分析方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101746269B (zh) * | 2010-01-08 | 2013-04-03 | 东南大学 | 基于软计算的疲劳驾驶融合检测方法 |
CN101894271B (zh) * | 2010-07-28 | 2012-11-07 | 重庆大学 | 汽车偏离车道线角度和距离的视觉计算及预警方法 |
-
2011
- 2011-10-11 CN CN2011103070021A patent/CN102509418B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN102509418A (zh) | 2012-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102509418B (zh) | 一种多传感信息融合的疲劳驾驶评估预警方法及装置 | |
CN107826118B (zh) | 一种判别异常驾驶行为的方法及装置 | |
CN102310771B (zh) | 基于驾驶员面部识别的机动车安全控制方法及系统 | |
CN105303830A (zh) | 一种驾驶行为分析系统及分析方法 | |
KR101405679B1 (ko) | 차량 위치 정보 기반 비정상 운전 판정 및 경보 시스템 | |
CN104794855A (zh) | 驾驶员注意力综合评估装置 | |
CN102717765B (zh) | 疲劳驾驶检测方法及防疲劳驾驶辅助装置 | |
CN103042922B (zh) | 确定基于车辆驾驶状态信息的驾驶集中度的系统和方法 | |
CN104002809B (zh) | 一种车辆岔口路段检测装置及检测方法 | |
CN104794856A (zh) | 驾驶员注意力综合测评系统 | |
CN107972671A (zh) | 一种驾驶行为分析系统 | |
CN106530831A (zh) | 一种高威胁车辆监测预警系统及方法 | |
US20160159217A1 (en) | System and method for determining drowsy state of driver | |
CN108230619A (zh) | 基于多特征融合的疲劳驾驶检测方法 | |
CN103895512B (zh) | 一种行车安全警示方法及其系统 | |
CN106448265A (zh) | 司机驾驶行为数据的采集方法及装置 | |
CN105931430A (zh) | 用于驾驶员状态预警系统的报警灵敏度检测方法及装置 | |
CN105551282A (zh) | 一种超车提示方法和装置 | |
CN108346316A (zh) | 一种基于车道线检测的智能违章防控系统 | |
CN104408878A (zh) | 一种车队疲劳驾驶预警监控系统及方法 | |
CN104424808B (zh) | 一种导航提示方法及装置、导航系统 | |
CN103507809A (zh) | 一种控制车辆行驶的方法和装置 | |
CN106627575B (zh) | 一种车辆偏航预警方法及系统 | |
CN108010269A (zh) | 一种基于车联网的驾驶分心监测、预警系统及方法 | |
CN204701532U (zh) | 一种基于车辆碰撞预警系统的防误报警装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20131113 Termination date: 20161011 |
|
CF01 | Termination of patent right due to non-payment of annual fee |