CN104183091B - 一种自适应调整疲劳驾驶预警系统灵敏度的系统 - Google Patents
一种自适应调整疲劳驾驶预警系统灵敏度的系统 Download PDFInfo
- Publication number
- CN104183091B CN104183091B CN201410398955.7A CN201410398955A CN104183091B CN 104183091 B CN104183091 B CN 104183091B CN 201410398955 A CN201410398955 A CN 201410398955A CN 104183091 B CN104183091 B CN 104183091B
- Authority
- CN
- China
- Prior art keywords
- fatigue
- driver
- driving
- pattern
- module
- 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
- 230000035945 sensitivity Effects 0.000 title claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 11
- 230000010365 information processing Effects 0.000 claims abstract description 5
- 230000001815 facial effect Effects 0.000 claims description 24
- 238000001514 detection method Methods 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 7
- 230000002045 lasting effect Effects 0.000 claims description 4
- 230000002123 temporal effect Effects 0.000 claims description 3
- 230000004399 eye closure Effects 0.000 claims 2
- 206010016256 fatigue Diseases 0.000 description 85
- 238000005516 engineering process Methods 0.000 description 14
- 230000004069 differentiation Effects 0.000 description 7
- 238000007689 inspection Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 210000000744 eyelid Anatomy 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- ZWIBGKZDAWNIFC-UHFFFAOYSA-N disuccinimidyl suberate Chemical compound O=C1CCC(=O)N1OC(=O)CCCCCCC(=O)ON1C(=O)CCC1=O ZWIBGKZDAWNIFC-UHFFFAOYSA-N 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Emergency Alarm Devices (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种自适应调整疲劳驾驶预警系统灵敏度的系统，包括信息采集模块、信息处理模块和预警装置模块；信息采集模块，用于采集驾驶人面部图像序列；信息处理模块，用于对采集到的驾驶人面部图像序列进行处理分析，得到驾驶员的表情特征信息，根据初始驾驶时段及持续开车时长自动开启相应的疲劳预警灵敏度模式，根据该模式预先设定的疲劳判断参数，判定驾驶员是否处于疲劳驾驶状态；预警装置模块，用于当驾驶员处于疲劳驾驶时，根据疲劳等级以语音方式对驾驶员进行预警提示。
Description
技术领域
本发明涉及于智能交通技术领域，具体涉及一种自适应调整疲劳驾驶预警系统灵敏度的系统。
背景技术
随着汽车保有量增多和高速公路的不端延伸，汽车交通事故随之增多，道路交通安全形势日益严峻，造成了大量人员伤亡和巨额的经济损失，社会问题层出不穷。调查显示，在诸多事故发生原因中，疲劳驾驶是主要诱因之一，造成人身伤害甚至死亡的事故中20％以上是由疲劳驾驶导致的。驾驶人在疲劳时，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大幅度降低，极容易发生交通事故。随着人们安全意识的增强和科学技术的进步，驾驶人疲劳驾驶判别技术已成为汽车安全技术领域的一个重要发展方向，研究开发高性能的疲劳驾驶判别及预警技术，对改善我国交通安全状况意义重大。
目前检测驾驶人疲劳状态的方法较多，按检测的类别可大致分为：基于驾驶人生理信号(脑电信号、心电信号等)的检测、基于驾驶人操作行为(如方向盘操作等)的检测、基于车辆状态信息(行驶轨迹、车道线等)的检测和基于驾驶人生理反应特征(眼睛特性、嘴部运动特征)等的检测等方法。这些方法中，通过图像处理的方法将眼睑、瞳孔、表情等面部特征结合起来，检测驾驶员疲劳状态，实现疲劳驾驶判别的算法在用户接受性、可靠性、准确性方面具有较高的综合优势。国内已经有少量利用这种方法的疲劳驾驶预警产品或样品，如南京远驱科技有限公司的安乃达平安行、美保驭汽车智能科技有限公司的保平安DDS-201、上海博威思视讯科技有限公司的DSIS平安星等，这些产品虽然具备了疲劳检测的功能，但是检测参数单一、更没有根据在不同时段及持续驾驶时间的长短，驾驶员精神状态的差异自动调整预警的灵敏度，从而出现灵敏度较高时误检、灵敏度较低时漏检的问题，影响了疲劳驾驶检测的精度，根据驾驶时段与时长自适应调整疲劳驾驶预警系统的灵敏度是提高疲劳驾驶检测技术水平的关键要素。
申请号为201310731567.1的中国专利公开了基于图像处理通过心率特征与表情特征融合实现疲劳驾驶判别的系统，包括信息采集装置、信息处理装置和预警装置，其特征在于所述信息采集装置用于采集驾驶人面部图像序列，并提供给信息处理装置；所述信息处理装置用于对采集到的驾驶人面部图像序列进行处理分析，得到驾驶员的表情特征信息及心率特征信息，并将表情特征和心率特征进行信息融合，用以判别驾驶员是否处于疲劳状态；预警装置，用于当驾驶员出现疲劳驾驶时，根据预警策略和疲劳等级向预警提示器发送指令，向驾驶员提示预警。其中并没有将不同时段及持续驾驶时间的长短不同引起的驾驶员精神状态差异性作为疲劳参数设置的重要考量因素，因此需要一种对疲劳检测更加全面和先进的系统。
发明内容
针对目前疲劳驾驶检测技术中不同时段判断疲劳发生的参数阈值单一而出现误检、漏检的问题，本发明提出一种自适应调整疲劳驾驶预警系统灵敏度的系统，根据一天中不同时段与驾驶时间长短，驾驶员精神状态的差异导致发生疲劳驾驶概率的不同，自适应调整疲劳驾驶预警系统的灵敏度，设置不同的疲劳判断参数阈值，改变现有产品与技术中笼统的参数阈值设置方法，减少误检、漏检等问题发生。
本发明的技术方案是：一种自适应调整疲劳驾驶预警系统灵敏度的系统，包括信息采集模块、信息处理模块和预警装置模块；
信息采集模块，用于采集驾驶人面部图像序列；
信息处理模块，用于对采集到的驾驶人面部图像序列进行处理分析，得到驾驶员的表情特征信息，根据初始驾驶时段及持续开车时长自动开启相应的疲劳预警灵敏度模式，根据该模式预先设定的疲劳判断参数，判定驾驶员是否处于疲劳驾驶状态；
预警装置模块，用于当驾驶员处于疲劳驾驶时，以语音方式对驾驶员进行预警提示。
进一步的，所述的信息采集模块包括从摄像头读取视频图像信息的图像采集模块。
进一步的，所述的信息处理模块包括：
人脸定位识别模块，提供一种在车辆车体振动、室外光线变化、驾驶员面部姿态变化条件下定位与识别驾驶员人脸图像的算法；
面部姿态估计模块，检测到驾驶员人脸图像后，估计人脸面部姿态角度；
眼睛睁闭检测模块，在检测到的驾驶员人脸图像上检测人眼图像，得到眼睛睁闭状态信息；
参数设置分类模块，通过区分不同驾驶时段及持续开车时长人精神状态的差异，设置不同的疲劳判断参数阈值；
疲劳驾驶判别模块，根据初始驾驶时段及持续驾驶时长自动开启相应的疲劳预警灵敏度模式，根据该模式预先设定的疲劳判断参数，判定驾驶员是否处于疲劳驾驶状态。
进一步的，所述的信息处理模块还包括用于实时获取车辆的动态位置信息的GPS模块。
进一步的，所述的信息处理模块还包括数据库模块，所述数据库模块用于存储驾驶员人脸识别结果信息、处于疲劳状态的时间信息和车辆位置信息。
本发明还提供了一种自适应调整疲劳驾驶预警系统灵敏度的方法，包括如下步骤：
(1)采集驾驶人面部图像序列并进行处理分析，得到驾驶员的表情特征信息；
(2)对驾驶员面部特征信息进行综合识别，根据初始驾驶时段及持续开车时长自动开启相应的疲劳预警灵敏度模式，根据该模式预先设定的疲劳判断参数，判定驾驶员是否处于疲劳驾驶状态；
(3)当驾驶员处于疲劳驾驶时，以语音方式对驾驶员进行预警提示。
本发明的优点是：
1.针对现有疲劳检测技术对驾驶时段及驾驶时间长短驾驶员精神状态差异性大的这一考虑的缺失，本发明提出一种自适应调整疲劳驾驶预警系统灵敏度的方法，根据一天中不同时段与驾驶时间长短，驾驶员精神状态的差异导致发生疲劳驾驶的可能性的不同，自适应调整疲劳驾驶预警系统的灵敏度，动态设置疲劳判断参数阈值，改变了现有产品与技术中笼统的参数设置方法，能减少误检、漏检等问题发生的可能性，在极大程度上提高疲劳检测技术的精准性。
2.现有的疲劳驾驶判别系统大都基于单一指标判断，其结果易受室外光照变化、驾驶员个体差异性等因素的影响，难以保证系统判别的准确性和鲁棒性。本发明提供一种基于图像处理通过表情特征与不同时段人体基本精神状态融合，实现疲劳驾驶判别的系统，实现疲劳驾驶判别的算法及车载装置，提高了疲劳驾驶判别系统的精确度、鲁棒性和可靠性。
3.本发明装配简单，易于操作，使用方便，具有很高的推广应用价值和广阔的市场前景。
附图说明
下面结合附图及实施例对本发明作进一步描述：
图1为本发明中一种自适应调整疲劳驾驶预警系统的结构框图；
图2为本发明中一种自适应调整疲劳驾驶预警系统的工作流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
实施例：
如图1所示，本发明的一种自适应调整疲劳驾驶预警系统包括硬件系统和软件系统两部分，其中硬件系统包括信息采集、信息处理、预警装置三个模块。
信息采集模块，用于采集驾驶人面部图像序列；
信息处理模块，用于对采集到的驾驶人面部图像序列进行处理分析，得到驾驶员的表情特征信息，根据初始驾驶时段及持续开车时长自动开启相应的疲劳预警灵敏度模式，根据该模式预先设定的疲劳判断参数，判定驾驶员是否处于疲劳驾驶状态；
预警装置模块，当驾驶员出现疲劳驾驶时，以语音方式对驾驶员进行提示，实现预警。
软件系统包括图像采集、GPS、人脸定位识别、面部姿态估计、眼睛睁闭检测、参数设置分类、疲劳驾驶判别、数据库、预警等模块。
图像采集模块，从摄像头读取视频图像信息；
GPS模块，用于实时获取车辆的动态位置信息；
人脸定位识别模块，研究在车辆车体振动、室外光线变化、驾驶员面部姿态变化等复杂条件下定位与识别驾驶员人脸图像的算法；
面部姿态估计模块，检测到驾驶员人脸图像后，估计人脸面部姿态角度；
眼睛睁闭检测模块，在检测到的驾驶员人脸图像上检测人眼图像，得到眼睛睁闭状态信息；
参数设置分类模块，通过区分不同驾驶时段及持续开车时长人精神状态的差异，设置不同的疲劳判断参数阈值；
根据一天中不同时段与驾驶时间长短，驾驶员精神状态的差异导致发生疲劳驾驶的可能性的不同，如一天中易疲劳时段：0:00-5:59、12:00-13:59，疲劳发生的可能性大；而相对不易疲劳时段：6:00-11:59、14:00-23:59，疲劳发生的可能性相对较小。驾驶时长2h以内、2-3h、3-4h、4h以上，疲劳发生的可能性也随之增大。通过区分不同驾驶时段(0:00-5:59、12:00-13:59、6:00-11:59、14:00-23:59)及持续开车时长(2h以内、2-3h、3-4h、4h以上)人精神状态的差异，设置不同的检测灵敏度模式，对应不同的疲劳判断参数值。如当驾驶员在0:00开始驾驶，系统将启动高灵敏疲劳检测模式，其疲劳发生的参数值是该驾驶员眼睛闭合时间占总时间百分比达到(PERCLOS)10％以上或最长眨眼时间(MCD)达到0.8s以上；当开车时长在4小时以上时，系统为强制报警模式；
其他情况见下表：其中，PERCLOS(PERcentage of eyelid CLOSure，眼睛闭合百分比，简称PERCLOS)，MCD(Maximum Close Duration，最长眨眼时间，简称MCD)。
疲劳驾驶判别模块，通过大量实验，分别为上述多种特征信息确定合适的权值，然后将其融合起来，根据建立的疲劳驾驶判别模型，判定驾驶员是否处于疲劳驾驶状态；
数据库模块，用于存储驾驶员人脸识别结果信息、处于疲劳状态的时间信息、位置信息；
预警模块，当判定驾驶员处于疲劳驾驶状态时，根据疲劳等级以语音方式进行预警提示。
如图2所示，本发明的一种自适应调整疲劳驾驶预警系统的工作流程如下：
1.经过多次试验，得到不同车辆、不同光照、不同驾驶员的人脸图像，进行预处理并归一化为24×24大小的人脸样本后，采用常用的haar特征与Adaboost相结合的方法训练人脸检测分类器；
2.将疲劳驾驶检测与预警装置安装在车辆仪表盘上方，以摄像头能拍摄到驾驶员面对车辆前方时的面部图像为准，当并通过GPS模块实时获取车辆的动态位置信息，夜晚通过带有红外LED灯的摄像头保持系统正常工作。当车速达到40km/h及以上时，持续开车时长在4小时以内时，系统依据驾驶初始时间及时长选择不同的灵敏度模式进行疲劳检测；当开车时长达到4小时及以上时，无论车速及开始驾驶时间为多少，系统强制报警；
3.在采集到的图片序列中，使用训练好的人脸分类器，结合人脸跟踪进行人脸定位，获取驾驶员人脸图像；
4.检测到人脸图像后，先使用ASM(Active Shape Model，主动形状模型)方法得到人眼位置并分析眼部特征，同时进行面部姿态的估计，然后将面部特征、眼部特征进行信息融合，得到表情特征信息；
6.得到驾驶员的表情特征后，通过大量实验，分别为各种信息特征确定合适的权值，将其融合起来，得到驾驶员疲劳状态信息；
7.根据本发明提出的自适应调整疲劳驾驶预警系统灵敏度的方法，依据当前情况下驾驶员所处的时段及驾驶时长,自动选择不同的参数模型类型及对应的疲劳参数指标，当融合后的疲劳状态信息超过设定的阈值，或某一种特征信息达到了最大极限值时，就判定为疲劳驾驶；
8.将驾驶员人脸识别结果、处于疲劳状态的时间、地点等信息存储至数据库中；
9.当判定驾驶员处于疲劳驾驶状态时，根据疲劳等级以语音方式对驾驶员进行预警提示。
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (6)
1.一种自适应调整疲劳驾驶预警系统灵敏度的系统，包括信息采集模块、信息处理模块和预警装置模块，其特征在于，
信息采集模块，用于采集驾驶人面部图像序列；
信息处理模块，用于对采集到的驾驶人面部图像序列进行处理分析，得到驾驶员的表情特征信息，根据初始驾驶时段及持续开车时长自动开启相应的疲劳预警灵敏度模式，根据该模式预先设定的疲劳判断参数，判定驾驶员是否处于疲劳驾驶状态；
所述疲劳预警灵敏度模式为：
（1）初始驾驶时段为6:00-11:59，速度大于40km/h，驾驶时长T为0<T<2h，设置为低灵敏度模式，设定该模式的疲劳判断参数为：眼睛闭合百分比PERCLOS≥18%，或最长眨眼时间MCD≥1.2S；
（2）初始驾驶时段为6:00-11:59，速度大于40km/h，驾驶时长T为2≤T<3h，设置为较高灵敏度模式，设定该模式的疲劳判断参数为：PERCLOS≥15%或MCD≥1.0S；
（3）初始驾驶时段为14:00-23:59，速度大于40km/h，驾驶时长T为3≤T<4h，设置为高灵敏度模式，设定该模式的疲劳判断参数为：PERCLOS≥10%或MCD≥0.8S；
（4）初始驾驶时段为0:00-5:59或者12:00-13:59，速度大于40km/h，驾驶时长T为0<T<4h，设置为高灵敏度模式，设定该模式的疲劳判断参数为：PERCLOS≥10%或MCD≥0.8S；
预警装置模块，用于当驾驶员处于疲劳驾驶时，以语音方式对驾驶员进行预警提示。
2.根据权利要求1所述的自适应调整疲劳驾驶预警系统灵敏度的系统，其特征在于，所述的信息采集模块包括从摄像头读取视频图像信息的图像采集模块。
3.根据权利要求1所述的自适应调整疲劳驾驶预警系统灵敏度的系统，其特征在于，所述的信息处理模块包括：
人脸定位识别模块，提供一种在车辆车体振动、室外光线变化、驾驶员面部姿态变化条件下定位与识别驾驶员人脸图像的算法；
面部姿态估计模块，检测到驾驶员人脸图像后，估计人脸面部姿态角度；
眼睛睁闭检测模块，在检测到的驾驶员人脸图像上检测人眼图像，得到眼睛睁闭状态信息；
参数设置分类模块，通过区分不同驾驶时段及持续开车时长人精神状态的差异，设置不同的疲劳判断参数阈值；
疲劳驾驶判别模块，根据初始驾驶时段及持续驾驶时长自动开启相应的疲劳预警灵敏度模式，根据该模式预先设定的疲劳判断参数，判定驾驶员是否处于疲劳驾驶状态。
4.根据权利要求1或3所述的自适应调整疲劳驾驶预警系统灵敏度的系统，其特征在于，所述的信息处理模块还包括用于实时获取车辆的动态位置信息的GPS模块。
5.根据权利要求4所述的自适应调整疲劳驾驶预警系统灵敏度的系统，其特征在于，所述的信息处理模块还包括数据库模块，所述数据库模块用于存储驾驶员人脸识别结果信息、处于疲劳状态的时间信息和车辆位置信息。
6.一种自适应调整疲劳驾驶预警系统灵敏度的方法，其特征在于，包括如下步骤：
（1）采集驾驶人面部图像序列并进行处理分析，得到驾驶员的表情特征信息；
（2）对驾驶员面部特征信息进行综合识别，根据初始驾驶时段及持续开车时长自动开启相应的疲劳预警灵敏度模式，根据该模式预先设定的疲劳判断参数，判定驾驶员是否处于疲劳驾驶状态；
所述疲劳预警灵敏度模式为：
1）初始驾驶时段为6:00-11:59，速度大于40km/h，驾驶时长T为0<T<2h，设置为低灵敏度模式，设定该模式的疲劳判断参数为：眼睛闭合百分比PERCLOS≥18%，或最长眨眼时间MCD≥1.2S；
2）初始驾驶时段为6:00-11:59，速度大于40km/h，驾驶时长T为2≤T<3h，设置为较高灵敏度模式，设定该模式的疲劳判断参数为：PERCLOS≥15%或MCD≥1.0S；
3）初始驾驶时段为14:00-23:59，速度大于40km/h，驾驶时长T为3≤T<4h，设置为高灵敏度模式，设定该模式的疲劳判断参数为：PERCLOS≥10%或MCD≥0.8S；
4）初始驾驶时段为0:00-5:59或者12:00-13:59，速度大于40km/h，驾驶时长T为0<T<4h，设置为高灵敏度模式，设定该模式的疲劳判断参数为：PERCLOS≥10%或MCD≥0.8S；
（3）当驾驶员处于疲劳驾驶时，以语音方式对驾驶员进行预警提示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410398955.7A CN104183091B (zh) | 2014-08-14 | 2014-08-14 | 一种自适应调整疲劳驾驶预警系统灵敏度的系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410398955.7A CN104183091B (zh) | 2014-08-14 | 2014-08-14 | 一种自适应调整疲劳驾驶预警系统灵敏度的系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104183091A CN104183091A (zh) | 2014-12-03 |
| CN104183091B true CN104183091B (zh) | 2017-02-08 |
Family
ID=51964096
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410398955.7A Active CN104183091B (zh) | 2014-08-14 | 2014-08-14 | 一种自适应调整疲劳驾驶预警系统灵敏度的系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104183091B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108256307A (zh) * | 2018-01-12 | 2018-07-06 | 重庆邮电大学 | 一种智能商务旅居房车的混合增强智能认知方法 |
| CN109727427A (zh) * | 2019-02-28 | 2019-05-07 | 重庆睿驰智能科技有限公司 | Dms驾驶员疲劳预警系统 |
Families Citing this family (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6467966B2 (ja) * | 2015-02-13 | 2019-02-13 | オムロン株式会社 | 健康管理補助装置及び健康管理補助方法 |
| CN104698937B (zh) * | 2015-03-06 | 2017-12-05 | 南京欧泰物联网科技有限公司 | 三维冲击记录仪及其记录方法 |
| CN106558121A (zh) * | 2015-09-30 | 2017-04-05 | 中兴通讯股份有限公司 | 摄像的方法及装置 |
| 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 |
| CN106080194A (zh) * | 2016-06-14 | 2016-11-09 | 李英德 | 防疲劳驾驶的预警方法和系统 |
| US10449968B2 (en) | 2016-09-23 | 2019-10-22 | Ford Motor Company | Methods and apparatus for adaptively assisting developmentally disabled or cognitively impaired drivers |
| CN106353886A (zh) * | 2016-10-12 | 2017-01-25 | 惠州市华阳多媒体电子有限公司 | 一种汽车智能抬头显示器 |
| CN106504476A (zh) * | 2016-10-31 | 2017-03-15 | 上海理工大学 | 一种提醒制止疲劳驾驶的装置 |
| CN106934368A (zh) * | 2017-03-13 | 2017-07-07 | 长安大学 | 一种基于眼动指标数据的驾驶疲劳检测系统及识别方法 |
| WO2019056259A1 (zh) * | 2017-09-21 | 2019-03-28 | 深圳传音制造有限公司 | 疲劳驾驶预警的方法和终端 |
| CN107697069B (zh) * | 2017-10-31 | 2020-07-28 | 上海汽车集团股份有限公司 | 汽车驾驶员疲劳驾驶智能控制方法 |
| CN107909037B (zh) * | 2017-11-16 | 2021-06-29 | 百度在线网络技术（北京）有限公司 | 信息输出方法和装置 |
| CN107832721B (zh) * | 2017-11-16 | 2021-12-07 | 百度在线网络技术（北京）有限公司 | 用于输出信息的方法和装置 |
| CN108819836A (zh) * | 2018-05-28 | 2018-11-16 | 无锡职业技术学院 | 一种用于汽车仪表盘的防疲劳灯光控制系统及方法 |
| 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 |
| 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 |
| CN108694813B (zh) * | 2018-07-11 | 2020-08-14 | 中国医学科学院生物医学工程研究所 | 基于驾驶行为判定疲劳驾驶的方法及装置 |
| CN111434553B (zh) * | 2019-01-15 | 2021-12-24 | 魔门塔(苏州)科技有限公司 | 制动系统、方法、装置、疲劳驾驶模型的训练方法和装置 |
| CN109920212A (zh) * | 2019-04-19 | 2019-06-21 | 上海伟世通汽车电子系统有限公司 | 基于仪表的驾驶员疲劳状态显示提醒方法 |
| CN110310015A (zh) * | 2019-06-10 | 2019-10-08 | 广州思创科技发展有限公司 | 一种预防公交车司机疲劳驾驶的排班方法及系统 |
| 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 |
| CN110969808B (zh) * | 2019-11-29 | 2021-07-09 | 深圳市顺禾电器科技有限公司 | 一种基于加速度传感器的疲劳驾驶监测方法和系统 |
| CN111738126B (zh) * | 2020-06-16 | 2023-04-07 | 湖南警察学院 | 基于贝叶斯网络和hmm的驾驶员疲劳检测方法和装置 |
| CN111797784B (zh) * | 2020-07-09 | 2024-03-05 | 斑马网络技术有限公司 | 驾驶行为监测方法、装置、电子设备及存储介质 |
| CN113723339A (zh) * | 2021-09-08 | 2021-11-30 | 西安联乘智能科技有限公司 | 疲劳驾驶检测方法、存储介质以及电子设备 |
| CN113987006A (zh) * | 2021-10-09 | 2022-01-28 | 中汽创智科技有限公司 | 一种疲劳驾驶检测方法、装置、电子设备及存储介质 |
| CN115147821A (zh) * | 2022-07-29 | 2022-10-04 | 阿波罗智联(北京)科技有限公司 | 确定对象状态的方法、装置、电子设备和存储介质 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100617777B1 (ko) * | 2004-01-26 | 2006-08-28 | 삼성전자주식회사 | 졸음운전 경고 장치에서 운전자의 눈 영상 검출 장치 및 방법 |
| CN101599207A (zh) * | 2009-05-06 | 2009-12-09 | 深圳市汉华安道科技有限责任公司 | 一种疲劳驾驶检测装置及汽车 |
| CN102509418B (zh) * | 2011-10-11 | 2013-11-13 | 东华大学 | 一种多传感信息融合的疲劳驾驶评估预警方法及装置 |
| CN102426757A (zh) * | 2011-12-02 | 2012-04-25 | 上海大学 | 基于模式识别的安全驾驶监控系统和方法 |
| CN103310590A (zh) * | 2012-03-06 | 2013-09-18 | 上海骏聿数码科技有限公司 | 一种驾驶员疲劳度分析及预警系统及方法 |
| CN103714659B (zh) * | 2013-12-26 | 2017-02-01 | 苏州清研微视电子科技有限公司 | 基于双光谱融合的疲劳驾驶识别系统 |
-
2014
- 2014-08-14 CN CN201410398955.7A patent/CN104183091B/zh active Active
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108256307A (zh) * | 2018-01-12 | 2018-07-06 | 重庆邮电大学 | 一种智能商务旅居房车的混合增强智能认知方法 |
| CN108256307B (zh) * | 2018-01-12 | 2021-04-02 | 重庆邮电大学 | 一种智能商务旅居房车的混合增强智能认知方法 |
| CN109727427A (zh) * | 2019-02-28 | 2019-05-07 | 重庆睿驰智能科技有限公司 | Dms驾驶员疲劳预警系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104183091A (zh) | 2014-12-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104183091B (zh) | 一种自适应调整疲劳驾驶预警系统灵敏度的系统 | |
| CN101639894B (zh) | 在线检测列车驾驶员行为和疲劳状态的方法及其检测系统 | |
| CN108446600A (zh) | 一种车辆驾驶员疲劳监测预警系统及方法 | |
| CN106709420B (zh) | 一种监测营运车辆驾驶人员驾驶行为的方法 | |
| CN101593425B (zh) | 一种基于机器视觉的疲劳驾驶监控方法及系统 | |
| CN101470951B (zh) | 汽车安全驾驶监控系统 | |
| CN104637246B (zh) | 一种驾驶员多种行为预警系统及危险评估方法 | |
| CN108021875A (zh) | 一种车辆驾驶员个性化疲劳监测及预警方法 | |
| CN105719431A (zh) | 一种疲劳驾驶检测系统 | |
| CN208498370U (zh) | 基于方向盘的疲劳驾驶检测预警装置 | |
| CN108230619A (zh) | 基于多特征融合的疲劳驾驶检测方法 | |
| CN101950355A (zh) | 基于数字视频的驾驶员疲劳状态检测方法 | |
| CN103909826A (zh) | 一种协同感知驾驶员违规行为的优化处理方法 | |
| CN101169873A (zh) | 一种异常驾驶智能检测系统及其检测方法 | |
| CN103049740A (zh) | 基于视频图像的疲劳状态检测方法及装置 | |
| Charniya et al. | Drunk driving and drowsiness detection | |
| CN104068868A (zh) | 一种基于机器视觉的驾驶人疲劳监测方法及装置 | |
| Anjali et al. | Real-time nonintrusive monitoring and detection of eye blinking in view of accident prevention due to drowsiness | |
| CN106157537A (zh) | 防疲劳驾驶系统 | |
| CN106408877A (zh) | 一种轨道交通驾驶员疲劳状态监测方法 | |
| CN103700220A (zh) | 一种疲劳驾驶监控装置 | |
| CN110427830A (zh) | 驾驶员异常驾驶状态实时检测系统及方法 | |
| CN109543577A (zh) | 一种基于面部表情特征的疲劳驾驶检测预警方法 | |
| CN112528843A (zh) | 一种融合面部特征的机动车驾驶人疲劳检测方法 | |
| CN107585026A (zh) | 一种防疲劳驾驶系统 |
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 | ||
| PP01 | Preservation of patent right |
Effective date of registration: 20240705 Granted publication date: 20170208 |
|
| PP01 | Preservation of patent right |