CN106448265A - 司机驾驶行为数据的采集方法及装置 - Google Patents

Abstract

本发明公开了一种司机驾驶行为数据的采集方法及装置，方法包括：采集车内司机或/和车外的图像，对其进行灰度和二值化处理形成多幅灰度图片；对灰度图片进行傅里叶变换、正交变换和图像分割操作，提取目标信息；采用模糊模式识别和统计模式识别法识别出车辆、道路线、行人和交通标识牌信息；根据设置好的报警级别进行报警判定，将分析结果最终通过网络传送到服务器，服务器进行分类和汇总，把车辆运行状态和司机的驾驶行为进行整合，作为第三方分析司机驾驶行为的依据，或者发送给司机或保险公司。本发明能提供全面的动态信息、能为保险公司、汽车相关的O2O和交通管理等行业提供完整的数据、能很好地利用大数据优化交通、提高安全性。

Description

司机驾驶行为数据的采集方法及装置

技术领域

本发明涉及交通领域，特别涉及一种司机驾驶行为数据的采集方法及装置。

背景技术

保险公司、汽车相关的O2O和交通管理等行业，需要获得车辆在道路上行驶过程和路况环境的各种数据；目前存在多种方法获得环境信息，比如道路的长度、位置和周围的固定障碍物等等。保险公司、汽车相关的O2O和交通管理等行业关心的行驶数据，不但需要车辆本身的物理指标，更为重要的是需要反映司机驾驶能力和风格等的指标。目前存在多种方法获得行驶过程中车辆本身的机械和电气等状况，比如汽车的速度和油耗等等；但是，对于司机在驾驶过程中的动作和行为，目前没有方法获得。也就是说，目前只能记录上传车辆的机械和电器信息，不能记录上传本车周围的其他车辆和行人等因素相关的信息，比如：本车的百公里变线次数或本车与前车之间的距离等信息。这样就不能提供全面的动态信息，不能为保险公司、汽车相关的O2O和交通管理等行业提供完整的数据，所以不能很好地利用大数据优化交通，不能提高安全性。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种能提供全面的动态信息、能为保险公司、汽车相关的O2O和交通管理等行业提供完整的数据、能很好地利用大数据优化交通、提高安全性的司机驾驶行为数据的采集方法及装置。

本发明解决其技术问题所采用的技术方案是：构造一种司机驾驶行为数据的采集方法，其特征在于，包括如下步骤：

A)采用一个或多个摄像头采集车内司机或/和车外的图像，并将采集的图像信息传送到图像处理设备；所述摄像头安装在车辆前方的挡风玻璃上；

B)在所述图像处理设备中对所述图像信息依次进行灰度处理和二值化处理后形成多幅灰度图片；

C)在所述图像处理设备中对所述灰度图片依次进行傅里叶变换、正交变换和图像分割操作后，从所述灰度图片中提取目标信息；

D)在所述图像处理设备中对所述目标信息采用模糊模式识别和统计模式识别法，根据车辆尾部特征、道路线的特征、行人的特征和标识牌的特征，识别出所述图像信息中的车辆、道路线、行人和交通标识牌信息；

E)所述图像处理设备根据设置好的报警级别对所述车辆、道路线、行人和交通标识牌信息进行报警判定，并将分析结果发送到传送设备；所述分析结果包括车辆状态信息、前方碰撞报警和道路线偏离报警信息；

F)在网络连接的状态下，所述传送设备将所述分析结果通过网络传送到服务器，所述服务器对所述分析结果进行分类和汇总，并把车辆运行状态和司机的驾驶行为进行整合，将整合后的信息作为第三方分析司机驾驶行为的依据，或者发送给司机或保险公司。

在本发明所述的司机驾驶行为数据的采集方法中，所述步骤E)进一步包括：

E1)当所述车辆的车速达到第一车速阈值时，所述车辆的车速比前车快，根据所述车辆的车速、前车的车速以及所述车辆与前车的距离计算碰撞时间；

E2)判断所述碰撞时间是否在设定时间内，如是，则启动前方防碰撞报警；否则，不启动报警。

在本发明所述的司机驾驶行为数据的采集方法中，所述步骤E)进一步包括：

E1′)当所述车辆的车速达到第二车速阈值时，判断所述车辆的横向偏移车速是否小于设定偏移速度，如是，执行步骤E2′)；否则，执行步骤E2′)；

E2′)判断所述车辆的前轮距离车道线是否大于设定距离，如是，不启动报警；否则，启动车道偏离报警。

在本发明所述的司机驾驶行为数据的采集方法中，所述步骤E)进一步包括：

E1〞)通过对司机的眼睑眼球的几何特征和动作特征、眼睛的凝视角度和动态变化以及头部位置和方向的变化，进行实时检测和测量，建立所述司机的眼部头部特征与疲劳状态的关系模型；

E1〞)通过检测所述司机的瞳孔直径、注目凝视、眼球陕速转送和眼睛闭合时间，来测量眼睛的闭合程度，根据所述眼睛的闭合程度确定所述司机的疲劳程度，并将分析结果发送到所述传送设备。

在本发明所述的司机驾驶行为数据的采集方法中，所述第一车速阈值为50km/h，所述第二车速阈值为50km/h，所述设定时间为2秒，所述设定偏移速度为5km/h，所述设定距离为100mm，所述图像处理设备为专用图像处理装置或手机，所述传送设备为专用的传送装置或手机。

本发明还涉及一种实现上述司机驾驶行为数据的采集方法的装置，包括：

图像采集传送单元：用于采用一个或多个摄像头采集车内司机或/和车外的图像，并将采集的图像信息传送到图像处理设备；所述摄像头安装在车辆前方的挡风玻璃上；

灰度图片获取单元：用于在所述图像处理设备中对所述图像信息依次进行灰度处理和二值化处理后形成多幅灰度图片；

目标信息提取单元：用于在所述图像处理设备中对所述灰度图片依次进行傅里叶变换、正交变换和图像分割操作后，从所述灰度图片中提取目标信息；

识别单元：用于在所述图像处理设备中对所述目标信息采用模糊模式识别和统计模式识别法，根据车辆尾部特征、道路线的特征、行人的特征和标识牌的特征，识别出所述图像信息中的车辆、道路线、行人和交通标识牌信息；

报警判定单元：用于使所述图像处理设备根据设置好的报警级别对所述车辆、道路线、行人和交通标识牌信息进行报警判定，并将分析结果发送到传送设备；所述分析结果包括车辆状态信息、前方碰撞报警和道路线偏离报警信息；

分析汇总单元：用于在网络连接的状态下，所述传送设备将所述分析结果通过网络传送到服务器，所述服务器对所述分析结果进行分类和汇总，并把车辆运行状态和司机的驾驶行为进行整合，将整合后的信息作为第三方分析司机驾驶行为的依据，或者发送给司机或保险公司。

在本发明所述的装置中，所述报警判定单元进一步包括：

碰撞事件计算模块：用于当所述车辆的车速达到第一车速阈值时，所述车辆的车速比前车快，根据所述车辆的车速、前车的车速以及所述车辆与前车的距离计算碰撞时间；

时间判断模块：用于判断所述碰撞时间是否在设定时间内，如是，则启动前方防碰撞报警；否则，不启动报警。

在本发明所述的装置中，所述报警判定单元进一步包括：

横向偏移车速判断模块：用于当所述车辆的车速达到第二车速阈值时，判断所述车辆的横向偏移车速是否小于设定偏移速度；

距离判断模块：用于判断所述车辆的前轮距离车道线是否大于设定距离，如是，不启动报警；否则，启动车道偏离报警。

在本发明所述的装置中，所述报警判定单元进一步包括：

模型建立模块：用于通过对司机的眼睑眼球的几何特征和动作特征、眼睛的凝视角度和动态变化以及头部位置和方向的变化，进行实时检测和测量，建立所述司机的眼部头部特征与疲劳状态的关系模型；

疲劳程度检测模块：用于通过检测所述司机的瞳孔直径、注目凝视、眼球陕速转送和眼睛闭合时间，来测量眼睛的闭合程度，根据所述眼睛的闭合程度确定所述司机的疲劳程度，并将分析结果发送到所述传送设备。

在本发明所述的装置中，所述第一车速阈值为50km/h，所述第二车速阈值为50km/h，所述设定时间为2秒，所述设定偏移速度为5km/h，所述设定距离为100mm，所述图像处理设备为专用图像处理装置或手机，所述传送设备为专用的传送装置或手机。

实施本发明的司机驾驶行为数据的采集方法及装置，具有以下有益效果：由于采集车内司机或/和车外的图像，并将采集的图像信息发送到图像处理设备，图像处理设备将其处理成多幅灰度图片，并提取目标信息，对目标信息采用模糊模式识别和统计模式识别法，根据车辆尾部特征、道路线的特征、行人的特征和标识牌的特征，识别出所述图像信息中的车辆、道路线、行人和交通标识牌信息；根据设置好的报警级别进行报警判定，将分析结果最终上传到服务器进行分类和汇总，这样就有利于第三方分析司机驾驶行为，其数据就会比较全面，所以能提供全面的动态信息、能为保险公司、汽车相关的O2O和交通管理等行业提供完整的数据、能很好地利用大数据优化交通、提高安全性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，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地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明司机驾驶行为数据的采集方法及装置一个实施例中方法的流程图；

图2为所述实施例中进行前方防碰撞报警判断的具体流程图；

图3为所述实施例中进行车道偏离报警判断的具体流程图；

图4为所述实施例中进行司机疲劳程度检测的具体流程图；

图5为所述实施例中装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明司机驾驶行为数据的采集方法及装置实施例中，该司机驾驶行为数据的采集方法的流程图如图1所示。图1中，该司机驾驶行为数据的采集方法包括如下步骤：

步骤S01采用一个或多个摄像头采集车内司机或/和车外的图像，并将采集的图像信息传送到图像处理设备：本步骤中，采用一个或多个摄像头采集车内的司机或/和车外的图像，并将采集的图像信息传送到图像处理设备。摄像头安装在车辆前方的挡风玻璃上。

步骤S02在图像处理设备中对图像信息依次进行灰度处理和二值化处理后形成多幅灰度图片：本步骤中，在图像处理设备中对采集到的道路上的图像信息依次进行灰度处理贺二值化处理后形成多幅灰度图片。本实施例中的图像处理设备可以是专用图像处理装置或手机等。

步骤S03在图像处理设备中对灰度图片依次进行傅里叶变换、正交变换和图像分割操作后，从灰度图片中提取目标信息：本步骤中，在图像处理设备中对上述灰度图片依次进行傅里叶变换、正交变换和图像分割操作后，从灰度图片中提取目标信息。

步骤S04在图像处理设备中对目标信息采用模糊模式识别和统计模式识别法，根据车辆尾部特征、道路线的特征、行人的特征和标识牌的特征，识别出图像信息中的车辆、道路线、行人和交通标识牌信息：本步骤中，对于上述目标信息，在图像处理设备中采用糊模式识别和统计模式识别法，根据车辆尾部特征、道路线的特征、行人的特征和标识牌的特征(例如：道路线的特征是一条白色线段，也就是说，当图像中有一段白色线段时，则将该白色线段认为是道路线)，识别出上述图像信息中的车辆、道路线、行人和交通标识牌信息。值得一提的是，本实施例中，在对上述车辆、道路线、行人和交通标识牌信息进行识别时，其识别的方法是一种带有一定学习功能的匹配算法。在实际运行时，识别算法会通过多幅图片，从中选出几个稳定的特征进行相应的匹配。

步骤S05图像处理设备根据设置好的报警级别对车辆、道路线、行人和交通标识牌信息进行报警判定，并将分析结果发送到传送设备：识别出各类目标信息后，本步骤中，图像处理设备根据设置好的报警级别对车辆、道路线、行人和交通标识牌信息进行报警判定，并将分析结果发送到传送设备。上述分析结果包括车辆状态信息、前方碰撞报警和道路线偏离报警信息等。传送设备为专用的传送装置或手机等。

步骤S06在网络连接的状态下，传送设备将分析结果通过网络传送到服务器，服务器对分析结果进行分类和汇总，并把车辆运行状态和司机的驾驶行为进行整合，将整合后的信息作为第三方分析司机驾驶行为的依据，或者发送给司机或保险公司：本步骤中，在网络连接的状态下，传送设备将分析结果通过网络传送到服务器，也即将车辆状态信息、前方防碰撞报警和道路线偏离报警信息传送到服务器，服务器对上述分析结果进行分类和汇总，并把车辆运行状态和司机的驾驶行为进行整合，将整合后的信息作为第三方分析司机驾驶行为的依据，也可以将整合后的信息和分析结果发送司机或保险公司等任何第三方。值得一提的是，当没有连接上网络时，分析结果可以存储在图像处理设备或者传送设备中，待网络连接后，再由传送设备传送到服务器。本发明能提供更为全面的动态信息，从而为保险公司、汽车相关的O2O和交通管理等行业提供更完整的数据，能很好地利用大数据优化交通、提高安全性。

对于本实施例而言，上述步骤S05还可进一步细化，其细化后的流程图如图2所示。图2中，上述步骤S05进一步包括:

步骤S51当车辆的车速达到第一车速阈值时，车辆的车速比前车快，根据车辆的车速、前车的车速以及车辆与前车的距离计算碰撞时间：本步骤中，当车辆的车速达到第一车速阈值时，车辆的车速比前车快，根据车辆的车速、前车的车速以及车辆与前车的距离计算碰撞时间。当车速达到或超过第一车速阈值时，系统才会启动有关的计算和报警。对于碰撞时间，其计算公式为t＝D/(Vs-Vo)；其中，t是碰撞时间，D是车辆与前车的距离，Vs是车辆的车速，Vp是前车的车速。本实施例中，第一车速阈值为50km/h。当然，在本实施例的一些情况下，可以根据具体需要将第一车速阈值设置为其他值。

步骤S52判断碰撞时间是否在设定时间内：本步骤中，判断碰撞时间是否在设定时间内，如果判断的结果为是，则执行步骤S53；否则，执行步骤S54。本实施例中，设定时间为2秒。当然，在本实施例的一些情况下，可以根据具体需要将设定时间设置为其他值。

步骤S53则启动前方防碰撞报警：如果上述步骤S52的判断结果为是，也就是车辆的车速达到50km/h，且计算出的碰撞时间在2秒内时，也就是练车可能在2秒内撞上时，则执行本步骤。本步骤中，则启动前方防碰撞报警。

步骤S54不启动报警：如果上述步骤S52的判断结果为否，则执行本步骤。本步骤中，不启动报警。

本实施例中，当进行车道偏离报警判断时，其具体流程图如图3所示。图3中，上述步骤S05进一步包括：

步骤S51′当车辆的车速达到第二车速阈值时，判断车辆的横向偏移车速是否小于设定偏移速度：本步骤中，当车辆的车速达到第二车速阈值时，判断车辆的横向偏移车速是否小于设定偏移速度，如果判断的结果为是，则执行步骤S52′，否则，执行步骤S52′。本实施例中，第二车速阈值为50km/h，设定偏移速度为5km/h。当然，在本实施例的一些情况下，可以根据具体需要将第二车速阈值设置为其他值。

步骤S52′判断车辆的前轮距离车道线是否大于设定距离：本步骤中，判断车辆的前轮距离车道线是否大于设定距离，如果判断的结果为是，则执行步骤S53′；否则，执行步骤S54′。本实施例中，设定距离为100mm。当然，在本实施例的一些情况下，可以根据具体需要将设定距离设置为其他值。

步骤S53′不启动报警：如果上述步骤S52′的判断结果为是，则执行本步骤。本步骤中，不启动报警。

步骤S54′启动车道偏离报警：如果上述步骤S52′的判断结果为否，即车速达到30km/h，横向偏移车速小于5km/h，前轮距离车道线100mm，且司机没有进行相应的转向操作，则执行本步骤。本步骤中，启动车道偏离报警。

本实施例中，当进行司机疲劳程度检测时，其具体流程图如图4所示。图4中，上述步骤S05进一步包括：

步骤S51〞通过对司机的眼睑眼球的几何特征和动作特征、眼睛的凝视角度和动态变化以及头部位置和方向的变化，进行实时检测和测量，建立司机的眼部头部特征与疲劳状态的关系模型：本步骤中，通过对司机的眼睑眼球的几何特征和动作特征、眼睛的凝视角度和动态变化以及头部位置和方向的变化等进行检测和测量，建立司机的眼部头部特征与疲劳状态的关系模型。

步骤S52〞通过检测司机的瞳孔直径、注目凝视、眼球陕速转送和眼睛闭合时间，来测量眼睛的闭合程度，根据眼睛的闭合程度确定司机的疲劳程度，并将分析结果发送到传送设备：本步骤中，通过检测司机的瞳孔直径、注目凝视、眼球陕速转送和眼睛闭合时间，来测量眼睛的闭合程度，根据眼睛的闭合程度确定司机的疲劳程度，并将分析结果发送到传送设备。

本实施例中，疲劳程度划分为3级：不疲劳、中度疲劳和严重疲劳。由于人种不同，瞳孔大小也不一样，所以瞳孔直径是一个相对值，当瞳孔遮蔽为80％时，就认为人眼闭合。人眼闭合程度的公式为c＝1-m1/m2；其中，c为闭合程度，m1为人眼当前睁开的高度，m2为人眼睁开的最大高度。当c大于0.4时，为严重疲劳；当c位于0.1-0.4之间时，为中度疲劳；当c为0.1以下时，为不疲劳。对于疲劳检测，主要是依赖于瞳孔来计算闭合程度，从而决定司机的疲劳程度。注目凝视和眼球陕速转动都是对瞳孔检测一个辅助。本发明通过获取驾驶过程中司机的行为信息，并加以分析，能够更好地利用大数据优化交通、提高安全。

本实施例还涉及一种实现上述司机驾驶行为数据的采集方法的装置，其结构示意图如图5所示。图5中，该装置包括图像采集传送单元1、灰度图片获取单元2、目标信息提取单元3、识别单元4、报警判定单元5和分析汇总单元6；其中，图像采集传送单元1用于采用一个或多个摄像头采集车内司机或/和车外的图像，并将采集的图像信息传送到图像处理设备；摄像头安装在车辆前方的挡风玻璃上；灰度图片获取单元2用于在图像处理设备中对图像信息依次进行灰度处理和二值化处理后形成多幅灰度图片；目标信息提取单元3用于在图像处理设备中对灰度图片依次进行傅里叶变换、正交变换和图像分割操作后，从灰度图片中提取目标信息；识别单元4用于在图像处理设备中对目标信息采用模糊模式识别和统计模式识别法，根据车辆尾部特征、道路线的特征、行人的特征和标识牌的特征，识别出图像信息中的车辆、道路线、行人和交通标识牌信息。上述图像处理设备为专用图像处理装置或手机等。

报警判定单元5用于使图像处理设备根据设置好的报警级别对车辆、道路线、行人和交通标识牌信息进行报警判定，并将分析结果发送到传送设备；上述分析结果包括车辆状态信息、前方碰撞报警和道路线偏离报警信息；上述传送设备为专用的传送装置或手机。分析汇总单元6用于在网络连接的状态下，传送设备将所述分析结果通过网络传送到服务器，服务器对上述分析结果进行分类和汇总，并把车辆运行状态和司机的驾驶行为进行整合，将整合后的信息作为第三方分析司机驾驶行为的依据，或者发送给司机或保险公司。本发明能提供更为全面的动态信息，从而为保险公司、汽车相关的O2O和交通管理等行业提供更完整的数据，能很好地利用大数据优化交通、提高安全性。

本实施例中，报警判定单元5进一步包括碰撞事件计算模块51和时间判断模块52；其中，碰撞事件计算模块51用于当车辆的车速达到第一车速阈值时，车辆的车速比前车快，根据车辆的车速、前车的车速以及车辆与前车的距离计算碰撞时间；时间判断模块52用于判断碰撞时间是否在设定时间内，如是，则启动前方防碰撞报警；否则，不启动报警。

本实施例中，报警判定单元5进一步包括横向偏移车速判断模块51′和距离判断模块52′；其中，横向偏移车速判断模块51′用于当车辆的车速达到第二车速阈值时，判断车辆的横向偏移车速是否小于设定偏移速度；距离判断模块52′用于判断车辆的前轮距离车道线是否大于设定距离，如是，不启动报警；否则，启动车道偏离报警。

本实施例中，报警判定单元5进一步包括模型建立模块51〞和疲劳程度检测模块52〞；其中，模型建立模块51〞用于通过对司机的眼睑眼球的几何特征和动作特征、眼睛的凝视角度和动态变化以及头部位置和方向的变化，进行实时检测和测量，建立所述司机的眼部头部特征与疲劳状态的关系模型；疲劳程度检测模块52〞用于通过检测所述司机的瞳孔直径、注目凝视、眼球陕速转送和眼睛闭合时间，来测量眼睛的闭合程度，根据眼睛的闭合程度确定司机的疲劳程度，并将分析结果发送到传送设备。

本实施例的装置中，上述第一车速阈值为50km/h，第二车速阈值为50km/h，设定时间为2秒，设定偏移速度为5km/h，设定距离为100mm，在本实施例的一些情况下，当然也可以根据具体需求设置为其他值。

总之，本发明在原有功能(总里程数，车况数据，剩余油量，行驶期间平均速度，急加速时间记录：时间、地点、速度差、时序时间，停车事件(防止疲劳驾驶)：时间、地点，超速时间记录：时间、地点、速度、持续时间)的基础上，又增加了一些功能，例如：行驶路线上时间、地点、当时速度以及与前车的距离，急刹车时间记录：时间、地点、速度差、持续时间、原因编码和照片，变线时间记录：时间、地点和速度等。其能获取驾驶过程中司机的行为信息，并加以分析，能够更好地利用大数据优化交通、提高安全。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种司机驾驶行为数据的采集方法，其特征在于，包括如下步骤：

A)采用一个或多个摄像头采集车内司机或/和车外的图像，并将采集的图像信息传送到图像处理设备；所述摄像头安装在车辆前方的挡风玻璃上；

B)在所述图像处理设备中对所述图像信息依次进行灰度处理和二值化处理后形成多幅灰度图片；

C)在所述图像处理设备中对所述灰度图片依次进行傅里叶变换、正交变换和图像分割操作后，从所述灰度图片中提取目标信息；

D)在所述图像处理设备中对所述目标信息采用模糊模式识别和统计模式识别法，根据车辆尾部特征、道路线的特征、行人的特征和标识牌的特征，识别出所述图像信息中的车辆、道路线、行人和交通标识牌信息；

E)所述图像处理设备根据设置好的报警级别对所述车辆、道路线、行人和交通标识牌信息进行报警判定，并将分析结果发送到传送设备；所述分析结果包括车辆状态信息、前方碰撞报警和道路线偏离报警信息；

F)在网络连接的状态下，所述传送设备将所述分析结果通过网络传送到服务器，所述服务器对所述分析结果进行分类和汇总，并把车辆运行状态和司机的驾驶行为进行整合，将整合后的信息作为第三方分析司机驾驶行为的依据，或者发送给司机或保险公司。

2.根据权利要求1所述的司机驾驶行为数据的采集方法，其特征在于，所述步骤E)进一步包括：

E1)当所述车辆的车速达到第一车速阈值时，所述车辆的车速比前车快，根据所述车辆的车速、前车的车速以及所述车辆与前车的距离计算碰撞时间；

E2)判断所述碰撞时间是否在设定时间内，如是，则启动前方防碰撞报警；否则，不启动报警。

3.根据权利要求2所述的司机驾驶行为数据的采集方法，其特征在于，所述步骤E)进一步包括：

E1′)当所述车辆的车速达到第二车速阈值时，判断所述车辆的横向偏移车速是否小于设定偏移速度，如是，执行步骤E2′)；否则，执行步骤E2′)；

E2′)判断所述车辆的前轮距离车道线是否大于设定距离，如是，不启动报警；否则，启动车道偏离报警。

4.根据权利要求3所述的司机驾驶行为数据的采集方法，其特征在于，所述步骤E)进一步包括：

E1〞)通过对司机的眼睑眼球的几何特征和动作特征、眼睛的凝视角度和动态变化以及头部位置和方向的变化，进行实时检测和测量，建立所述司机的眼部头部特征与疲劳状态的关系模型；

E1〞)通过检测所述司机的瞳孔直径、注目凝视、眼球陕速转送和眼睛闭合时间，来测量眼睛的闭合程度，根据所述眼睛的闭合程度确定所述司机的疲劳程度，并将分析结果发送到所述传送设备。

5.根据权利要求2所述的司机驾驶行为数据的采集方法，其特征在于，所述第一车速阈值为50km/h，所述第二车速阈值为50km/h，所述设定时间为2秒，所述设定偏移速度为5km/h，所述设定距离为100mm，所述图像处理设备为专用图像处理装置或手机，所述传送设备为专用的传送装置或手机。

6.一种实现如权利要求1所述的司机驾驶行为数据的采集方法的装置，其特征在于，包括：

图像采集传送单元：用于采用一个或多个摄像头采集车内司机或/和车外的图像，并将采集的图像信息传送到图像处理设备；所述摄像头安装在车辆前方的挡风玻璃上；

灰度图片获取单元：用于在所述图像处理设备中对所述图像信息依次进行灰度处理和二值化处理后形成多幅灰度图片；

目标信息提取单元：用于在所述图像处理设备中对所述灰度图片依次进行傅里叶变换、正交变换和图像分割操作后，从所述灰度图片中提取目标信息；

识别单元：用于在所述图像处理设备中对所述目标信息采用模糊模式识别和统计模式识别法，根据车辆尾部特征、道路线的特征、行人的特征和标识牌的特征，识别出所述图像信息中的车辆、道路线、行人和交通标识牌信息；

报警判定单元：用于使所述图像处理设备根据设置好的报警级别对所述车辆、道路线、行人和交通标识牌信息进行报警判定，并将分析结果发送到传送设备；所述分析结果包括车辆状态信息、前方碰撞报警和道路线偏离报警信息；

分析汇总单元：用于在网络连接的状态下，所述传送设备将所述分析结果通过网络传送到服务器，所述服务器对所述分析结果进行分类和汇总，并把车辆运行状态和司机的驾驶行为进行整合，将整合后的信息作为第三方分析司机驾驶行为的依据，或者发送给司机或保险公司。

7.根据权利要求6所述的实现如权利要求1所述的司机驾驶行为数据的采集方法的装置，其特征在于，所述报警判定单元进一步包括：

碰撞事件计算模块：用于当所述车辆的车速达到第一车速阈值时，所述车辆的车速比前车快，根据所述车辆的车速、前车的车速以及所述车辆与前车的距离计算碰撞时间；

时间判断模块：用于判断所述碰撞时间是否在设定时间内，如是，则启动前方防碰撞报警；否则，不启动报警。

8.根据权利要求7所述的实现如权利要求1所述的司机驾驶行为数据的采集方法的装置，其特征在于，所述报警判定单元进一步包括：

横向偏移车速判断模块：用于当所述车辆的车速达到第二车速阈值时，判断所述车辆的横向偏移车速是否小于设定偏移速度；

距离判断模块：用于判断所述车辆的前轮距离车道线是否大于设定距离，如是，不启动报警；否则，启动车道偏离报警。

9.根据权利要求8所述的实现如权利要求1所述的司机驾驶行为数据的采集方法的装置，其特征在于，所述报警判定单元进一步包括：

模型建立模块：用于通过对司机的眼睑眼球的几何特征和动作特征、眼睛的凝视角度和动态变化以及头部位置和方向的变化，进行实时检测和测量，建立所述司机的眼部头部特征与疲劳状态的关系模型；

疲劳程度检测模块：用于通过检测所述司机的瞳孔直径、注目凝视、眼球陕速转送和眼睛闭合时间，来测量眼睛的闭合程度，根据所述眼睛的闭合程度确定所述司机的疲劳程度，并将分析结果发送到所述传送设备。

10.根据权利要求7所述的实现如权利要求1所述的司机驾驶行为数据的采集方法的装置，其特征在于，所述第一车速阈值为50km/h，所述第二车速阈值为50km/h，所述设定时间为2秒，所述设定偏移速度为5km/h，所述设定距离为100mm，所述图像处理设备为专用图像处理装置或手机，所述传送设备为专用的传送装置或手机。