CN106710145A - 一种引导式驾驶员困倦预防方法 - Google Patents
一种引导式驾驶员困倦预防方法 Download PDFInfo
- Publication number
- CN106710145A CN106710145A CN201611241422.3A CN201611241422A CN106710145A CN 106710145 A CN106710145 A CN 106710145A CN 201611241422 A CN201611241422 A CN 201611241422A CN 106710145 A CN106710145 A CN 106710145A
- Authority
- CN
- China
- Prior art keywords
- driver
- image
- vehicle
- acceleration
- prevention method
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/06—Alarms for ensuring the safety of persons indicating a condition of sleep, e.g. anti-dozing alarms
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Emergency Alarm Devices (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种引导式驾驶员困倦预防方法,包括:当车辆处于运动状态时,选取采集的图像中驾驶员大致区域为目标,对图像进行二值化处理,以当前图像为基准与前N帧图像作差并求和以表征图像移动状态,当检测到图像变化后,使用算法寻找驾驶员,并使用边框回归精确获取驾驶员区域,通过判断驾驶员区域变化判断是否有较大幅动作;依次寻找手臂、头、嘴巴,若均未检测到明显动作,再判断是否有加减速行为,若未检测到加减速行为,判定为无肌肉控制动作;当检测到一定时间内驾驶员无肌肉控制动作后,通过预警装置进行预警提示。本方法监控大脑对肌肉控制情况,在开车时,当检测到无明显肌肉控制时进行报警,可以阻止睡眠抑制的扩散至人体运动系统。
Description
技术领域
本发明属于驾驶员疲劳状态检测技术领域,具体地涉及一种引导式驾驶员困倦预防方法。
背景技术
随着汽车数量的日益增多和高速公路的不断延伸,道路交通安全形势日益严峻,汽车交通事故随之增多,不仅造成了大量人员伤亡和巨额的经济损失,而且导致了诸多社会问题。调查显示,疲劳驾驶是交通安全最重要的隐患之一,驾驶员在疲劳/困倦时,对周围环境的感知能力和对车辆的操控能力都大幅度降低,很容易发生交通事故。随着人们安全意识的增强和科学技术的进步,驾驶员疲劳/困倦判别或预防技术已成为汽车安全技术领域的一个主要发展方向,研究开发高性能的疲劳/困倦判别或预防技术,对改善我国交通安全状况意义重大。
驾驶员疲劳状态的检测目前有较多研究的方法,按检测的类别可大致分为基于驾驶人生理信号的检测、基于驾驶员生理反应特征的检测、基于驾驶操作行为的检测三大类。
1.基于生理信号(脑电信号、心电信号等)判别疲劳驾驶
基于生理信号对疲劳判断的准确性较高,但接触式的测量方式,给驾驶人疲劳检测的实际应用带来很多不便和局限性,也难以被驾驶员接受。
2.基于驾驶人生理反应特征判别疲劳驾驶
基于驾驶人生理反应特征的判别方法是指利用驾驶人的眼睛特性、嘴部运动特征等推断驾驶人的疲劳状态,这些信息被认为是反映疲劳的重要特征,但由于不同的驾驶员的习惯和特征存在一定的差异,检测算法难度较高,通过单个面部表情特征来判断驾驶员状态的鲁棒性不高。
3.基于驾驶操作行为判别疲劳驾驶
驾驶操作行为如方向盘操作也与疲劳状态密切相关,且在数据采集和分析上难度较小,已经成为重要的疲劳检测方法之一,但是目前对方向盘操作参数的筛选比较模糊,也没有针对此类参数进行疲劳分析的有效算法,因此,基于驾驶操作行为判别疲劳驾驶的方法仍无显著成效。
当前疲劳驾驶的研究集中于疲劳/困倦现象的事后检测模式,当检测到驾驶员疲劳/困倦后,发出报警使驾驶员清醒。然而,驾驶员处于疲劳/困倦态时,在提示之后难以快速进入正常清醒状态,依然存在对车辆控制力低的问题,在情况紧急时的有效性难以保证。另外,对于基于驾驶员的眼部特征、嘴部运动特征的疲劳检测系统,存在较严重的因个体差异性、环境干扰导致的漏报和误报现象,且在进入睡眠状态之前,眼睛和嘴部运动特征和疲劳之间的关系并不明确。
疲劳的过程即清醒态到睡眠态的转换。巴甫洛夫的睡眠理论表明,睡眠的本质是大脑皮层起源的广泛扩散的内抑制;这种抑制在皮层中和向皮层下脑结构扩散过程中存在一定的时相,构成从清醒到完全睡眠的过渡。睡眠时不能保持直立的姿势,肌肉张力大大降低,抑制过程波及到中脑以下运动系统的功能。
在巴甫洛夫睡眠理论的基础上,疲劳/困倦检测有两种直接相关的方法,一是内在表现为人体生理电信号或激素水平的变化,二是外在表现为对肌肉控制能力的降低。本发明因此而来。
发明内容
针对上述存在的技术问题,本发明提供了一种引导式驾驶员困倦预防方法,本发明不同于现有的疲劳/困倦事后检测预警,本方法监控大脑对肌肉控制情况,在开车的过程中,当系统检测到一定时间内无明显外在肌肉控制时,即发出报警,驾驶员听到报警后强化对肌肉的控制,从而阻断睡眠抑制扩散的过程,若在发出报警后驾驶员无响应,会改变报警内容、报警频率及音量。可以阻止睡眠抑制的扩散至人体运动系统。
本发明的技术方案是:
一种引导式驾驶员困倦预防方法,包括以下步骤:
S01:检测车辆运行状态;
S02:当车辆处于运动状态时,获取采集的图像,选取图像中驾驶员大致区域为目标,对图像进行二值化处理,以当前图像为基准与前N帧图像作差并求和以表征图像移动状态,当检测到图像变化后,进行下一级操作;
S03:使用adaboost算法寻找驾驶员,并使用边框回归精确获取驾驶员区域,通过判断驾驶员区域变化判断是否有较大幅动作;
S04:依次寻找手臂、头、嘴巴,检测到动作后终止后续检测,若均未检测到明显动作,执行下一步骤;
S05:通过加速度传感器判断是否有加减速行为,映射至脚部和腿部动作,若未检测到加减速行为,判定为无肌肉控制动作;
S06:当检测到一定时间内驾驶员无肌肉控制动作后,通过预警装置进行预警提示。
优选的,所述步骤S01中,当车辆处于运动状态时,进一步判断车辆处于城市道路状态还是郊区道路状态。
优选的,设定静止/运动的判定时间窗较为t1,城市道路状态/郊区道路状态判定时间窗为t2,所述t2大于t1;在不同车辆、不同驾驶员驾驶下采集大量有标注的三轴加速度传感器数据,使用t1和t2时间窗分组,并采用支持向量机算法训练,使用训练完成后的模型检测车辆运行状态。
优选的,所述步骤S02中,当车辆运动一定时间后,进行肌肉控制动作判断。
优选的,所述步骤S06中,若在发出报警后驾驶员无响应,改变报警内容、报警频率及音量。
与现有技术相比,本发明的优点是:
1、本发明不同于现有的疲劳/困倦事后检测预警,本方法监控大脑对肌肉控制情况,在开车的过程中,当系统检测到一定时间内无明显外在肌肉控制时,即发出报警,驾驶员听到报警后强化对肌肉的控制,从而阻断睡眠抑制扩散的过程,若在发出报警后驾驶员无响应,会改变报警内容、报警频率及音量。可以阻止睡眠抑制的扩散至人体运动系统,阻断驾驶员从困倦至睡眠现象的发生,提高驾驶安全性。
2、本发明提出的方法处理速度快,准确率高,基本不受个体差异及环境因素的影响,适用于所有驾驶人,可以安装在各种车辆上,尤其适用于长途客运、长途货运、以及特种运输业的职业驾驶人。该系统的普及应用对保障驾驶人、乘员及车载货物的安全,大幅降低我国交通事故,特别是恶性事故的发生率,具有重大的现实意义,与此同时将会产生巨大的社会效益和经济效益。
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为本发明引导式驾驶员困倦预防方法的流程图。
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:
下面结合附图,对本发明的较佳实施例作进一步说明。
如图1所示,一种引导式驾驶员困倦预防方法,主要包括车辆运行状态判断、驾驶员肌肉控制检测和引导式防睡眠抑制扩散策略三个关键步骤:
车辆运行状态判断:在本方法中,车辆运行状态是指车辆处于运动或静止状态;在运动状态中,又细分为城市道路状态和郊区道路状态。为了降低实施成本,简化设计,使用单一三轴加速度传感器配合支持向量机算法实现运行状态的判别。静止/运动的判定时间窗较短,设为t1,城市道路状态/郊区道路状态判定时间窗较长,设为t2。实施时,首先在不同车辆、不同驾驶员驾驶下采集大量有标注的三轴加速度传感器数据,使用t1和t2时间窗分组,并采用支持向量机算法训练,训练完成后的模型即可用于车辆运行状态的检测。
通过实时采集安装于车辆上的三轴加速度传感器的数据,按照不同的时间窗t1和t2分组,将分组后的数据输入使用大量数据训练的支持向量机模型中,判断车辆处于运动或静止状态;如处于运动状态中,进一步依据加速度变化曲线判断处于城市道路状态或郊区道路状态。在城市道路状态下,考虑到低速、红灯等因素的影响,会延长无肌肉控制判断的时间。
驾驶员肌肉控制检测:大脑对肌肉控制的外在表现主要为对加速踏板和刹车踏板的操作、嘴部主动动作、头部运动、手臂动作四个方面。对嘴部、头部和手臂动作采用装配在驾驶员正前方挡风玻璃上的广角摄像头结合图像检测算法实现。传统图像检测方法的思路是逐个对嘴巴、头、手臂进行多尺度扫描,然后判断其位置及状态,效率较低。为了提高检测速度,提出一种三级检测方法。第一级时,取摄像头图像中驾驶员大致区域为目标,采用自适应二值化进行图像处理,以当前图像为基准,和前面N帧图像作差,并求和以表征图像移动状态;当第一级检测到图像明显变化后,不进行后两级操作,认为驾驶员有肌肉控制行为;第二级时,使用adaboost算法寻找驾驶员,并使用边框回归精确获取驾驶员区域,通过判断驾驶员区域变化判断是否有较大幅动作;第三级时,寻找手臂、头、嘴巴,但三者优先级依次降低,通过物体跟踪算法判断手臂、头、嘴巴是否有明显移动,检测到动作后终止后续检测,若均为检测到明显动作,判定为无明显肌肉控制。腿和脚部动作无法通过摄像头检测,本方法通过引入加速度传感器判断是否有加减速行为,映射至脚部和腿部动作,若均为检测到明显动作,判定为无肌肉控制动作。
引导式防睡眠抑制扩散策略:在车辆运动后的前半个小时内,不进行困倦预防提示。之后,当检测到一定时间内驾驶员无肌肉控制动作后,通过扬声器发出提示,驾驶员强迫自己进行一定的动作,延缓睡眠抑制扩散。若在发出报警后驾驶员无响应,改变报警内容、报警频率及音量。综合驾驶员无肌肉控制频率、持续时间和车辆运行状态,扬声器会调整其提示内容。
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 (5)
1.一种引导式驾驶员困倦预防方法,其特征在于,包括以下步骤:
S01:检测车辆运行状态;
S02:当车辆处于运动状态时,获取采集的图像,选取图像中驾驶员大致区域为目标,对图像进行二值化处理,以当前图像为基准与前N帧图像作差并求和以表征图像移动状态,当检测到图像变化后,进行下一级操作;
S03:使用adaboost算法寻找驾驶员,并使用边框回归精确获取驾驶员区域,通过判断驾驶员区域变化判断是否有较大幅动作;
S04:依次寻找手臂、头、嘴巴,检测到动作后终止后续检测,若均未检测到明显动作,执行下一步骤;
S05:通过加速度传感器判断是否有加减速行为,映射至脚部和腿部动作,若未检测到加减速行为,则判定为无肌肉控制动作;
S06:当检测到一定时间内驾驶员无肌肉控制动作后,通过预警装置进行预警提示。
2.根据权利要求1所述的引导式驾驶员困倦预防方法,其特征在于,所述步骤S01中,当车辆处于运动状态时,依据加速度变化曲线进一步判断车辆处于城市道路状态还是郊区道路状态,在城市道路状态下,延长无肌肉控制动作判断的时间。
3.根据权利要求2所述的引导式驾驶员困倦预防方法,其特征在于,设定静止/运动的判定时间窗较为t1,城市道路状态/郊区道路状态判定时间窗为t2,所述t2大于t1;在不同车辆、不同驾驶员驾驶下采集大量有标注的三轴加速度传感器数据,使用t1和t2时间窗分组,并采用支持向量机算法训练,使用训练完成后的模型检测车辆运行状态。
4.根据权利要求1所述的引导式驾驶员困倦预防方法,其特征在于,所述步骤S02中,当车辆运动一定时间后,进行肌肉控制动作判断。
5.根据权利要求1所述的引导式驾驶员困倦预防方法,其特征在于,所述步骤S06中,若在发出报警后驾驶员无响应,改变报警内容、报警频率及音量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611241422.3A CN106710145B (zh) | 2016-12-29 | 2016-12-29 | 一种引导式驾驶员困倦预防方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611241422.3A CN106710145B (zh) | 2016-12-29 | 2016-12-29 | 一种引导式驾驶员困倦预防方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106710145A true CN106710145A (zh) | 2017-05-24 |
CN106710145B CN106710145B (zh) | 2019-10-25 |
Family
ID=58905904
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611241422.3A Active CN106710145B (zh) | 2016-12-29 | 2016-12-29 | 一种引导式驾驶员困倦预防方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106710145B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112406881A (zh) * | 2019-08-21 | 2021-02-26 | 美光科技公司 | 用于车辆控制的疲劳驾驶检测 |
CN112829767A (zh) * | 2021-02-22 | 2021-05-25 | 清华大学苏州汽车研究院(相城) | 一种基于监测驾驶员误操作的自动驾驶控制系统及方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4706072A (en) * | 1983-11-30 | 1987-11-10 | Aisin Seiki Kabushiki Kaisha | Human condition monitoring and security controlling apparatus on a road-vehicle |
JPH0944676A (ja) * | 1995-08-01 | 1997-02-14 | Toyota Motor Corp | 顔面検出装置 |
US20050185243A1 (en) * | 2004-02-20 | 2005-08-25 | Wenstrand John S. | Wavelength selectivity enabling subject monitoring outside the subject's field of view |
CN1769107A (zh) * | 2004-11-03 | 2006-05-10 | 上海杰得微电子有限公司 | 一种基于人脸认证技术的汽车防盗方法 |
CN101491443A (zh) * | 2009-03-06 | 2009-07-29 | 北京理工大学 | 驾驶人疲劳与车辆行驶轨迹的关系模型 |
CN102167041A (zh) * | 2011-01-07 | 2011-08-31 | 深圳市航天星网通讯有限公司 | 一种基于加速度传感器的车辆行驶状态的判定方法 |
CN102254403A (zh) * | 2011-04-07 | 2011-11-23 | 江苏科技大学 | 汽车疲劳驾驶预警方法 |
US20130009761A1 (en) * | 2011-07-05 | 2013-01-10 | Saudi Arabian Oil Company | Systems, Computer Medium and Computer-Implemented Methods for Monitoring Health and Ergonomic Status of Drivers of Vehicles |
CN103818327A (zh) * | 2013-11-22 | 2014-05-28 | 深圳先进技术研究院 | 一种分析驾驶行为的方法和装置 |
CN104401249A (zh) * | 2014-11-18 | 2015-03-11 | 柳州市金旭节能科技有限公司 | 安全驾驶预警系统 |
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 |
CN105096528A (zh) * | 2015-08-05 | 2015-11-25 | 广州云从信息科技有限公司 | 一种疲劳驾驶检测方法及系统 |
CN105488957A (zh) * | 2015-12-15 | 2016-04-13 | 小米科技有限责任公司 | 疲劳驾驶检测方法及装置 |
CN105551182A (zh) * | 2015-11-26 | 2016-05-04 | 吉林大学 | 基于Kinect人体姿势识别的驾驶状态监测系统 |
CN105788250A (zh) * | 2014-12-24 | 2016-07-20 | 中国电信股份有限公司 | 车辆驾驶行为处理方法和装置 |
-
2016
- 2016-12-29 CN CN201611241422.3A patent/CN106710145B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4706072A (en) * | 1983-11-30 | 1987-11-10 | Aisin Seiki Kabushiki Kaisha | Human condition monitoring and security controlling apparatus on a road-vehicle |
JPH0944676A (ja) * | 1995-08-01 | 1997-02-14 | Toyota Motor Corp | 顔面検出装置 |
US20050185243A1 (en) * | 2004-02-20 | 2005-08-25 | Wenstrand John S. | Wavelength selectivity enabling subject monitoring outside the subject's field of view |
CN1769107A (zh) * | 2004-11-03 | 2006-05-10 | 上海杰得微电子有限公司 | 一种基于人脸认证技术的汽车防盗方法 |
CN101491443A (zh) * | 2009-03-06 | 2009-07-29 | 北京理工大学 | 驾驶人疲劳与车辆行驶轨迹的关系模型 |
CN102167041A (zh) * | 2011-01-07 | 2011-08-31 | 深圳市航天星网通讯有限公司 | 一种基于加速度传感器的车辆行驶状态的判定方法 |
CN102254403A (zh) * | 2011-04-07 | 2011-11-23 | 江苏科技大学 | 汽车疲劳驾驶预警方法 |
US20130009761A1 (en) * | 2011-07-05 | 2013-01-10 | Saudi Arabian Oil Company | Systems, Computer Medium and Computer-Implemented Methods for Monitoring Health and Ergonomic Status of Drivers of Vehicles |
CN103818327A (zh) * | 2013-11-22 | 2014-05-28 | 深圳先进技术研究院 | 一种分析驾驶行为的方法和装置 |
CN104401249A (zh) * | 2014-11-18 | 2015-03-11 | 柳州市金旭节能科技有限公司 | 安全驾驶预警系统 |
CN105788250A (zh) * | 2014-12-24 | 2016-07-20 | 中国电信股份有限公司 | 车辆驾驶行为处理方法和装置 |
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 |
CN105096528A (zh) * | 2015-08-05 | 2015-11-25 | 广州云从信息科技有限公司 | 一种疲劳驾驶检测方法及系统 |
CN105551182A (zh) * | 2015-11-26 | 2016-05-04 | 吉林大学 | 基于Kinect人体姿势识别的驾驶状态监测系统 |
CN105488957A (zh) * | 2015-12-15 | 2016-04-13 | 小米科技有限责任公司 | 疲劳驾驶检测方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112406881A (zh) * | 2019-08-21 | 2021-02-26 | 美光科技公司 | 用于车辆控制的疲劳驾驶检测 |
CN112829767A (zh) * | 2021-02-22 | 2021-05-25 | 清华大学苏州汽车研究院(相城) | 一种基于监测驾驶员误操作的自动驾驶控制系统及方法 |
CN112829767B (zh) * | 2021-02-22 | 2024-05-17 | 清华大学苏州汽车研究院(相城) | 一种基于监测驾驶员误操作的自动驾驶控制系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106710145B (zh) | 2019-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10723365B2 (en) | Driving assistance device | |
US10679078B2 (en) | Helmet wearing determination method, helmet wearing determination system, helmet wearing determination apparatus, and program | |
US10875536B2 (en) | Coordinated vehicle response system and method for driver behavior | |
Kang | Various approaches for driver and driving behavior monitoring: A review | |
CN106515742B (zh) | 一种车道偏离预警方法及系统 | |
AU2012218054B2 (en) | System and method for responding to driver behavior | |
CN110532976A (zh) | 基于机器学习和多特征融合的疲劳驾驶检测方法及系统 | |
WO2014149657A1 (en) | Coordinated vehicle response system and method for driver behavior | |
JP2016502165A (ja) | 運転者注意力検出方法および装置 | |
CN106467057A (zh) | 车道偏离预警的方法、装置及系统 | |
CN107374603B (zh) | 一种安全驾驶判定系统和判定方法 | |
CN111583609A (zh) | 一种预警策略差异化设置方法 | |
CN109367540A (zh) | 一种基于风险预警的驾驶员响应识别系统 | |
CN106710145A (zh) | 一种引导式驾驶员困倦预防方法 | |
CN104376685A (zh) | 一种防疲劳驾驶的车辆控制方法 | |
Gupta et al. | Road accident prevention system using driver’s drowsiness detection by combining eye closure and yawning | |
US10945651B2 (en) | Arousal level determination device | |
CN114056235A (zh) | 一种基于刹车灯识别的鬼探头预警系统及方法 | |
CN114267169A (zh) | 一种基于机器视觉的预防疲劳驾驶限速控制方法 | |
CN113345127A (zh) | 一种基于行车安全事件累计频次的疲劳预警系统 | |
Hammoud et al. | On driver eye closure recognition for commercial vehicles | |
Stephen et al. | Actual Moment Driver Lethargy Experience Based on Driver’s Face Picture with the SRS System | |
Haller et al. | The vehicle driver safety prediction system | |
CN106828310A (zh) | 一种预警提示方法和预警提示装置 | |
CN114523979A (zh) | 一种疲劳驾驶检测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |