CN107697069B - 汽车驾驶员疲劳驾驶智能控制方法 - Google Patents
汽车驾驶员疲劳驾驶智能控制方法 Download PDFInfo
- Publication number
- CN107697069B CN107697069B CN201711043515.XA CN201711043515A CN107697069B CN 107697069 B CN107697069 B CN 107697069B CN 201711043515 A CN201711043515 A CN 201711043515A CN 107697069 B CN107697069 B CN 107697069B
- Authority
- CN
- China
- Prior art keywords
- driver
- driving
- key points
- intelligent control
- dangerous
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000009471 action Effects 0.000 claims abstract description 44
- 230000008569 process Effects 0.000 claims abstract description 9
- 238000001514 detection method Methods 0.000 claims abstract description 6
- 238000013528 artificial neural network Methods 0.000 claims abstract description 5
- 230000002457 bidirectional effect Effects 0.000 claims abstract description 4
- 238000004088 simulation Methods 0.000 claims abstract description 4
- 238000012549 training Methods 0.000 claims abstract description 4
- 230000033001 locomotion Effects 0.000 claims description 12
- 241001282135 Poromitra oscitans Species 0.000 claims description 9
- 206010048232 Yawning Diseases 0.000 claims description 9
- 230000000391 smoking effect Effects 0.000 claims description 8
- 230000008921 facial expression Effects 0.000 claims description 4
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 claims description 3
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 claims description 3
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 claims description 3
- 230000002146 bilateral effect Effects 0.000 claims description 3
- 230000001815 facial effect Effects 0.000 claims description 3
- 210000003128 head Anatomy 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 239000011521 glass Substances 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006461 physiological response Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
- B60K28/00—Safety devices for propulsion-unit control, specially adapted for, or arranged in, vehicles, e.g. preventing fuel supply or ignition in the event of potentially dangerous conditions
- B60K28/02—Safety devices for propulsion-unit control, specially adapted for, or arranged in, vehicles, e.g. preventing fuel supply or ignition in the event of potentially dangerous conditions responsive to conditions relating to the driver
- B60K28/06—Safety devices for propulsion-unit control, specially adapted for, or arranged in, vehicles, e.g. preventing fuel supply or ignition in the event of potentially dangerous conditions responsive to conditions relating to the driver responsive to incapacity of driver
- B60K28/066—Safety devices for propulsion-unit control, specially adapted for, or arranged in, vehicles, e.g. preventing fuel supply or ignition in the event of potentially dangerous conditions responsive to conditions relating to the driver responsive to incapacity of driver actuating a signalling device
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W2040/0809—Driver authorisation; Driver identity check
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W2040/0818—Inactivity or incapacity of driver
- B60W2040/0827—Inactivity or incapacity of driver due to sleepiness
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及车辆安全驾驶领域，尤其涉及一种疲劳驾驶智能控制方法。一种汽车驾驶员疲劳驾驶智能控制方法，包括在驾驶员面部、躯干和四肢各设置若干关键点进行标注；通过车载近红外图像传感器对所有关键点进行跟踪，通过模拟检测和深度双向LSTM神经网络，训练出对动作识别的模型，基于动作识别的模型设定危险动作；识别当前驾驶员；在车辆行驶过程中进行匹配，如匹配出危险动作，报警器开始报警，提醒驾驶员注意安全驾驶或休息。本发明通过在全身和面部设置关键点后，对关键点进行建模，避免了车辆行进中来回震动造成的后续判断失误，再通过动作识别的模型匹配出各个等级的危险动作，预防危险事故发生，为驾驶员安全出行提供保护，减少生命财产的损失。
Description
技术领域
本发明涉及车辆安全驾驶领域，尤其涉及一种疲劳驾驶智能控制方法。
背景技术
疲劳驾驶预警系统(Driver Fatigue Monitor System) 是一种基于驾驶员生理反应特征的驾驶人疲劳监测预警产品，目前全世界只有美国的Attention Technologies公司推出的DD850，瑞典的SmartEye公司推出的AntiSleep系统已经商用，奔驰、沃尔沃的高端车系以及日本丰田公司在日本销售的13代皇冠也都标配瞌睡报警系统。
另外一些汽车装备的疲劳监测系统被称为“疲劳识别系统”，它从驾驶开始时便对驾驶员的操作行为进行记录，并能够通过识别长途旅行中驾驶操作的变化对驾驶员的疲劳程度进行判断。驾驶员转向操作频率变低，并伴随轻微但急骤的转向动作以保持行驶方向是驾驶精力不集中的典型表现。根据以上动作的出现频率，并综合诸如旅途长度、转向灯使用情况、驾驶时间等其他参数，系统对驾驶员的疲劳程度进行计算和鉴别，如果计算结果超过某一定值，仪表盘上就会闪烁一个咖啡杯的图案，提示驾驶员需要休息。驾驶员疲劳识别系统将驾驶员注意力集中程度作为衡量驾驶员驾驶状态的重要考虑因素，以致力于道路安全的提高。此外，只要打开疲劳识别系统，无论系统是否进行监测，系统每隔4小时都会提醒驾驶员需要休息了；但是现有的此类系统检测准确性不高，因此有时会干扰到驾驶员的正常驾驶，需要一种检测结果更加准确的控制方法。
发明内容
本发明所要解决的技术问题是提供一种汽车驾驶员疲劳驾驶智能控制方法，该控制方法通过在全身和面部设置关键点后，对关键点进行建模，避免了车辆行进中来回震动造成的后续判断失误，再通过动作识别的模型匹配出各个等级的危险动作后进行相应的报警操作，预防危险事故发生，为驾驶员安全出行提供保护，减少生命财产的损失。
本发明是这样实现的：一种汽车驾驶员疲劳驾驶智能控制方法，疲劳驾驶智能控制系统基于车载近红外图像传感器对驾驶员动作和面部表情进行识别，包括以下步骤：
S1.在驾驶员面部、躯干和四肢各设置若干关键点进行标注；
S2.通过车载近红外图像传感器对所有关键点进行跟踪，通过模拟检测和深度双向LSTM神经网络，训练出对动作识别的模型，基于动作识别的模型设定危险动作；
S3.通过人脸识别确认驾驶员身份，并储存为当前驾驶员；
S4.在车辆行驶过程中实时获取的视频图像提取出关键点的信息后与危险动作进行匹配，如匹配出危险动作，则疲劳驾驶智能控制系统的报警器开始报警，提醒驾驶员注意安全驾驶或休息，并从正常行驶状态变更为危险驾驶控制状态。
所述步骤S4中，如报警器开始报警，则同时进行人脸识别确认驾驶员身份，直到驾驶员身份与步骤S3中储存的当前驾驶员不相同，疲劳驾驶智能控制系统解除报警状态，车辆恢复为正常行驶状态。
所述危险驾驶控制状态采取的报警和控制方式包括，将危险驾驶控制状态分为若干等级，报警器针对每个等级配合不同的报警音量和音调；当处于最高等级的危险驾驶控制状态时，疲劳驾驶智能控制系统会通过CAN网络发信号给车身ECU，当车身ECU收到此信号后会主动减速，配合ADAS系统靠边停车熄火。
所述步骤S2中的危险动作包括抽烟、打电话、打瞌睡、打哈欠、间歇性睁闭眼。
所述抽烟、打电话的动作识别方式为，提取位于躯干上半身、手掌和胳膊的关键点，通过双边LSTM动作识别匹配得到抽烟、打电话的动作。
所述打瞌睡的动作识别方式为，提取面部的关键点，建立驾驶员视线的正常观测区域和点头频率阈值；然后根据面部关键点建立头部3D姿态，根据3D姿态判断点头动作的频率并判断视线是否偏离正常观测区域，如偏离正常观测区域的点头动作的频率超过了点头频率阈值，则认为驾驶员处于打瞌睡的状态。
所述打哈欠的动作识别方式为，设定嘴唇张开阈值，提取面部的关键点并对驾驶员的嘴唇进行定位，计算嘴唇张开程度，构造SVM分类器后根据嘴唇张开阈值判断是否打哈欠。
所述间歇性睁闭眼的动作识别方式为，提取面部的关键点并对驾驶员眼部进行定位，然后提取出眼部特征，通过构造SVM分类器判断睁闭眼状态。
本发明汽车驾驶员疲劳驾驶智能控制方法通过在全身和面部设置关键点后，对关键点进行建模，避免了车辆行进中来回震动造成的后续判断失误，再通过动作识别的模型匹配出各个等级的危险动作后进行相应的报警操作，预防危险事故发生，为驾驶员安全出行提供保护，减少生命财产的损失。
附图说明
图1为本发明汽车驾驶员疲劳驾驶智能控制方法的流程框图。
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，在阅读了本发明表述的内容之后，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。
实施例1
如图1，一种汽车驾驶员疲劳驾驶智能控制方法，疲劳驾驶智能控制系统基于车载近红外图像传感器对驾驶员动作和面部表情进行识别，其特征是，包括以下步骤：
S1.在驾驶员面部、躯干和四肢各设置若干关键点进行标注；
S2.通过车载近红外图像传感器对所有关键点进行跟踪，通过模拟检测和深度双向LSTM神经网络，训练出对动作识别的模型，基于动作识别的模型设定危险动作；在本实施例中，所述步骤S2中的危险动作包括抽烟、打电话、打瞌睡、打哈欠、间歇性睁闭眼等等其他可能干扰驾驶员注意力的动作和状态；
S3.通过人脸识别确认驾驶员身份，并储存为当前驾驶员；
S4.在车辆行驶过程中实时获取的视频图像提取出关键点的信息后与危险动作进行匹配，如匹配出危险动作，则疲劳驾驶智能控制系统的报警器开始报警，提醒驾驶员注意安全驾驶或休息，并从正常行驶状态变更为危险驾驶控制状态；
在本发明中，考虑到随车可能有多个驾驶人员，可以换开的情况，所述步骤S4中，如报警器开始报警，则同时进行人脸识别确认驾驶员身份，直到驾驶员身份与步骤S3中储存的当前驾驶员不相同，疲劳驾驶智能控制系统解除报警状态，车辆恢复为正常行驶状态。
本发明可以进一步描述为，在进行安全报警时，所述危险驾驶控制状态采取的报警和控制方式包括，将危险驾驶控制状态分为若干等级；例如：疲劳驾驶可以分为四个等级：轻微疲劳、疲劳、严重疲劳、特别严重疲劳，每个等级针对各自的动作识别的模型，针对不同等级通过不同频率的声音进行报警提示，例如，声音节奏由轻缓变重、再变急促、最终特别严重疲劳时音量变大而特别急促。
另外，当系统侦测到驾驶员处于特别严重疲劳状态时，会通过CAN网络发信号给车身ECU，当车身收到此信号后会主动减速，配合ADAS系统靠边停车熄火，防止驾驶员因疲劳发生交通事故。
为了能够清楚的识别人脸部表情并保证嵌入式应用的大小需求，本发明另外一个重要的发明点是通过多层神经网络，构造出1:N的人脸识别算法，利用谷歌开源的MobilNet网络进行修改，通过调整各层的参数，并对网络模型进行了进一步压缩，压缩后的模型仅有不到5M，可以放到嵌入式中实时运行，并保证了人脸的识别率，可以准确地识别出驾驶员的身份信息，准确率达到99.2%。
在本发明中，进行识别时，具体方式为，所述抽烟、打电话的动作识别方式为，提取位于躯干上半身、手掌和胳膊的关键点，通过双边LSTM动作识别匹配得到抽烟、打电话的动作；
所述打瞌睡的动作识别方式为，提取面部的关键点，建立驾驶员视线的正常观测区域和点头频率阈值；然后根据面部关键点建立头部3D姿态，根据3D姿态判断点头动作的频率并判断视线是否偏离正常观测区域，如偏离正常观测区域的点头动作的频率超过了点头频率阈值，则认为驾驶员处于打瞌睡的状态。
所述打哈欠的动作识别方式为，设定嘴唇张开阈值，提取面部的关键点并对驾驶员的嘴唇进行定位，计算嘴唇张开程度，构造SVM分类器后根据嘴唇张开阈值判断是否打哈欠。
所述间歇性睁闭眼的动作识别方式为，提取面部的关键点并对驾驶员眼部进行定位，然后提取出眼部特征，通过构造SVM分类器判断睁闭眼状态。
另外，在以上的状态判定时，因为车辆在行进过程中车身一直在震动，所以一般的图像处理方法对人眼等关键部位的定位算法在车辆行进中都会来回震动，造成后续判断失误，本发明主要依靠紧贴面部的68个关键点结合独自创造的图像处理技术可以比较稳定的定位出人眼、嘴唇等部位的位置，为后续判断疲劳状况打下坚实的基础。主要因为两点：1、舍弃直接对人脸进行跟踪，转向对68个关键点进行跟踪，这样可以保证关键点的粘合性，且对面部左右大姿态变化的有足够的鲁棒性。2、构造卷积神经网络，对68个关键点进行二次校准及判断，消除错误的关键点，这样可以更加准确的定位关键点位置。
最后考虑到驾驶员可能会带眼镜，造成对眼镜识别困难的情况，在本发明中，通过收集大量带有眼镜的数据，然后提取眼镜框位置所在的图像，通过构建HAAR特征，结合Adaboost分类器，对戴有眼镜的图像进行判断，并准确定位出眼镜框所在位置，系统在得到眼镜框的位置后，会对眼镜框内图像进行二次人眼定位，这样利用由粗到细的过程，可以准确定位出人眼的位置，从而消除眼镜框的部分遮挡对算法的影响。
Claims (4)
1.一种汽车驾驶员疲劳驾驶智能控制方法，疲劳驾驶智能控制系统基于车载近红外图像传感器对驾驶员动作和面部表情进行识别，其特征是，包括以下步骤：
S1.在驾驶员面部、躯干和四肢各设置若干关键点进行标注；
S2.通过车载近红外图像传感器对所有关键点进行跟踪，通过模拟检测和深度双向LSTM神经网络，训练出对动作识别的模型，基于动作识别的模型设定危险动作；
所述危险动作包括抽烟、打电话、打瞌睡、打哈欠、间歇性睁闭眼；
所述打瞌睡的动作识别方式为，提取面部的关键点，建立驾驶员视线的正常观测区域和点头频率阈值；然后根据面部关键点建立头部3D姿态，根据3D姿态判断点头动作的频率并判断视线是否偏离正常观测区域，如偏离正常观测区域的点头动作的频率超过了点头频率阈值，则认为驾驶员处于打瞌睡的状态；
S3.通过人脸识别确认驾驶员身份，并储存为当前驾驶员；
S4.在车辆行驶过程中实时获取的视频图像提取出关键点的信息后与危险动作进行匹配，如匹配出危险动作，则疲劳驾驶智能控制系统的报警器开始报警，提醒驾驶员注意安全驾驶或休息，并从正常行驶状态变更为危险驾驶控制状态；
所述步骤S4中，如报警器开始报警，则同时进行人脸识别确认驾驶员身份，直到驾驶员身份与步骤S3中储存的当前驾驶员不相同，疲劳驾驶智能控制系统解除报警状态，车辆恢复为正常行驶状态；
所述危险驾驶控制状态采取的报警和控制方式包括，将危险驾驶控制状态分为若干等级，报警器针对每个等级配合不同的报警音量和音调；当处于最高等级的危险驾驶控制状态时，疲劳驾驶智能控制系统会通过CAN网络发信号给车身ECU，当车身ECU收到此信号后会主动减速，配合ADAS系统靠边停车熄火。
2.如权利要求1所述的汽车驾驶员疲劳驾驶智能控制方法，其特征是：所述抽烟、打电话的动作识别方式为，提取位于躯干上半身、手掌和胳膊的关键点，通过双边LSTM动作识别匹配得到抽烟、打电话的动作。
3.如权利要求1所述的汽车驾驶员疲劳驾驶智能控制方法，其特征是：所述打哈欠的动作识别方式为，设定嘴唇张开阈值，提取面部的关键点并对驾驶员的嘴唇进行定位，计算嘴唇张开程度，构造SVM分类器后根据嘴唇张开阈值判断是否打哈欠。
4.如权利要求1所述的汽车驾驶员疲劳驾驶智能控制方法，其特征是：所述间歇性睁闭眼的动作识别方式为，提取面部的关键点并对驾驶员眼部进行定位，然后提取出眼部特征，通过构造SVM分类器判断睁闭眼状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711043515.XA CN107697069B (zh) | 2017-10-31 | 2017-10-31 | 汽车驾驶员疲劳驾驶智能控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711043515.XA CN107697069B (zh) | 2017-10-31 | 2017-10-31 | 汽车驾驶员疲劳驾驶智能控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107697069A CN107697069A (zh) | 2018-02-16 |
| CN107697069B true CN107697069B (zh) | 2020-07-28 |
Family
ID=61177299
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711043515.XA Active CN107697069B (zh) | 2017-10-31 | 2017-10-31 | 汽车驾驶员疲劳驾驶智能控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107697069B (zh) |
Families Citing this family (42)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108725448B (zh) * | 2018-03-30 | 2020-05-08 | 东风商用车有限公司 | 一种基于驾驶员状态监控的主动控车方法和系统 |
| CN108790816A (zh) * | 2018-05-24 | 2018-11-13 | 安徽中科中涣防务装备技术有限公司 | 一种公交车驾驶区安全综合电子围栏系统 |
| CN108960065B (zh) * | 2018-06-01 | 2020-11-17 | 浙江零跑科技有限公司 | 一种基于视觉的驾驶行为检测方法 |
| CN108805085A (zh) * | 2018-06-14 | 2018-11-13 | 北京理工大学 | 基于人眼识别的智能睡眠检测方法及系统 |
| CN108839561A (zh) * | 2018-06-27 | 2018-11-20 | 重庆长安汽车股份有限公司 | 防疲劳驾驶系统及其控制方法 |
| CN109165552B (zh) * | 2018-07-14 | 2021-02-26 | 深圳神目信息技术有限公司 | 一种基于人体关键点的姿态识别方法、系统及存储器 |
| CN109165578A (zh) * | 2018-08-08 | 2019-01-08 | 盎锐（上海）信息科技有限公司 | 基于拍摄装置的表情检测装置及数据处理方法 |
| CN109124625B (zh) * | 2018-09-04 | 2021-07-20 | 大连理工大学 | 一种驾驶员疲劳状态水平分级方法 |
| BR112021004647B1 (pt) * | 2018-09-12 | 2024-01-16 | Beijing DIDI Infinity Technology and Development Co., Ltd | Sistemas e métodos para detecção de sonolência |
| CN109376665B (zh) * | 2018-10-29 | 2021-10-22 | 重庆科技学院 | 基于群智感知的出租车驾驶员的驾驶行为评估系统 |
| CN109367539A (zh) * | 2018-11-01 | 2019-02-22 | 哈尔滨理工大学 | 一种检测疲劳驾驶的智能系统 |
| CN109543655A (zh) * | 2018-12-14 | 2019-03-29 | 深圳壹账通智能科技有限公司 | 疲劳驾驶检测方法、装置、计算机设备和存储介质 |
| CN109685026B (zh) * | 2018-12-28 | 2023-04-18 | 南通大学 | 一种驾驶员手持手机通话的实时监测方法 |
| CN111382642A (zh) * | 2018-12-29 | 2020-07-07 | 北京市商汤科技开发有限公司 | 人脸属性识别方法及装置、电子设备和存储介质 |
| CN109583174A (zh) * | 2019-01-26 | 2019-04-05 | 南京云计趟信息技术有限公司 | 一种驾驶员人脸识别离线身份验证系统及方法 |
| CN111563401A (zh) * | 2019-02-14 | 2020-08-21 | 上海汽车集团股份有限公司 | 一种车载手势识别方法、系统、存储介质及电子设备 |
| CN111723596B (zh) * | 2019-03-18 | 2024-03-22 | 北京市商汤科技开发有限公司 | 注视区域检测及神经网络的训练方法、装置和设备 |
| CN110046560B (zh) * | 2019-03-28 | 2021-11-23 | 青岛小鸟看看科技有限公司 | 一种危险驾驶行为检测方法和相机 |
| CN110020632A (zh) * | 2019-04-12 | 2019-07-16 | 李守斌 | 一种基于深度学习的人脸识别用于检测疲劳驾驶的方法 |
| CN110155069A (zh) * | 2019-04-12 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 驾驶员精神状态监测方法、装置、存储介质及终端设备 |
| CN110399793A (zh) * | 2019-06-19 | 2019-11-01 | 深圳壹账通智能科技有限公司 | 基于图像识别的驾驶行为预警方法、装置和计算机设备 |
| CN110427850B (zh) * | 2019-07-24 | 2022-03-08 | 中国科学院自动化研究所 | 驾驶员高速道路换道意图预测方法、系统、装置 |
| CN110509872A (zh) * | 2019-09-25 | 2019-11-29 | 宝能汽车有限公司 | 车辆控制方法及车辆 |
| CN110738190A (zh) * | 2019-10-28 | 2020-01-31 | 北京经纬恒润科技有限公司 | 一种疲劳驾驶的判断方法、装置及设备 |
| CN110696834B (zh) * | 2019-11-20 | 2022-01-14 | 东风小康汽车有限公司重庆分公司 | 驾驶员状态监测方法、装置、系统和控制器 |
| CN112277940B (zh) * | 2019-12-05 | 2024-06-18 | 北京宏诚伟信人力资源管理服务有限公司 | 基于图像信息的司机状态控制系统 |
| CN111145496A (zh) * | 2020-01-03 | 2020-05-12 | 建德市公安局交通警察大队 | 一种驾驶员行为分析预警系统 |
| CN111243235A (zh) * | 2020-01-13 | 2020-06-05 | 惠龙易通国际物流股份有限公司 | 驾驶辅助方法及装置 |
| CN113491520A (zh) * | 2020-04-07 | 2021-10-12 | 广州汽车集团股份有限公司 | 一种驾驶疲劳检测方法及装置 |
| CN111626101A (zh) * | 2020-04-13 | 2020-09-04 | 惠州市德赛西威汽车电子股份有限公司 | 一种基于adas的吸烟监测方法及系统 |
| CN112109730A (zh) * | 2020-06-10 | 2020-12-22 | 上汽通用五菱汽车股份有限公司 | 基于交互数据的提醒方法、车辆及可读存储介质 |
| CN111626272A (zh) * | 2020-07-28 | 2020-09-04 | 长沙超创电子科技有限公司 | 一种基于深度学习的驾驶员疲劳监测系统 |
| CN112258813A (zh) * | 2020-09-03 | 2021-01-22 | 北京蜂云科创信息技术有限公司 | 一种车辆主动安全控制方法和设备 |
| CN112590801B (zh) * | 2020-12-24 | 2021-11-09 | 吉林大学 | 一种基于驾驶员疲劳程度的前方碰撞预警控制方法 |
| CN112782090B (zh) * | 2020-12-28 | 2022-01-28 | 中国科学院长春光学精密机械与物理研究所 | 一种酒驾自动监测系统及检测方法 |
| CN112690794B (zh) * | 2020-12-30 | 2022-08-30 | 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院) | 驾驶员状态检测方法、系统和装置 |
| CN112950900A (zh) * | 2021-01-27 | 2021-06-11 | 吉林云帆智能工程有限公司 | 一种司机行为监控检测方法 |
| CN113096401A (zh) * | 2021-04-08 | 2021-07-09 | 重庆交通职业学院 | 一种交通事故预警系统和方法 |
| CN113156475B (zh) * | 2021-04-30 | 2022-12-02 | 中国人民解放军66072部队 | 一种动态指挥监控方法和装置 |
| CN113212448A (zh) * | 2021-04-30 | 2021-08-06 | 恒大新能源汽车投资控股集团有限公司 | 一种智能交互方法和装置 |
| CN114023039A (zh) * | 2021-11-09 | 2022-02-08 | 科大讯飞股份有限公司 | 一种路怒症警示方法、装置、系统、车辆和存储介质 |
| CN117227740B (zh) * | 2023-09-14 | 2024-03-19 | 南京项尚车联网技术有限公司 | 一种智能驾驶车辆的多模态感知系统及方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102436715B (zh) * | 2011-11-25 | 2013-12-11 | 大连海创高科信息技术有限公司 | 疲劳驾驶检测方法 |
| 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 |
| CN103839379B (zh) * | 2014-02-27 | 2017-05-10 | 长城汽车股份有限公司 | 汽车及用于其的驾驶员疲劳预警检测方法和系统 |
| 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 |
| CN105096528B (zh) * | 2015-08-05 | 2017-07-11 | 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 |
| CN105261153A (zh) * | 2015-11-03 | 2016-01-20 | 北京奇虎科技有限公司 | 车辆行驶监控方法和装置 |
| CN106709420B (zh) * | 2016-11-21 | 2020-07-10 | 厦门瑞为信息技术有限公司 | 一种监测营运车辆驾驶人员驾驶行为的方法 |
| CN106448063A (zh) * | 2016-12-06 | 2017-02-22 | 苏州加特安汽车智能科技有限公司 | 交通安全监管方法、装置以及系统 |
-
2017
- 2017-10-31 CN CN201711043515.XA patent/CN107697069B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN107697069A (zh) | 2018-02-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107697069B (zh) | 汽车驾驶员疲劳驾驶智能控制方法 | |
| US10485468B2 (en) | System and method for assessing arousal level of driver of vehicle that can select manual driving mode or automated driving mode | |
| US10848913B2 (en) | Method for smartphone-based accident detection | |
| CN112389448B (zh) | 一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法 | |
| Kaplan et al. | Driver behavior analysis for safe driving: A survey | |
| CN104794855B (zh) | 驾驶员注意力综合评估装置 | |
| US9694680B2 (en) | System and method for determining drowsy state of driver | |
| CN104794856B (zh) | 驾驶员注意力综合测评系统 | |
| US10311698B2 (en) | Method and device for detecting a tiredness and/or sleeping state of a driver of a vehicle | |
| CN105303830A (zh) | 一种驾驶行为分析系统及分析方法 | |
| CN106571015A (zh) | 基于互联网络的驾驶行为数据采集方法 | |
| CN104269028A (zh) | 一种疲劳驾驶检测方法及系统 | |
| CN110448316A (zh) | 数据处理装置及方法、监测系统、唤醒系统以及记录介质 | |
| CN109435844A (zh) | 一种驾驶辅助及司机行为检测方法 | |
| CN109965889A (zh) | 一种利用智能手机扬声器和麦克风的疲劳驾驶检测方法 | |
| Guria et al. | Iot-enabled driver drowsiness detection using machine learning | |
| CN108898795B (zh) | 一种基于移动设备的行人状态实时分析方法及系统 | |
| US10945651B2 (en) | Arousal level determination device | |
| Qureshi et al. | An Effective IOT based Driver's Drowsiness Detection and Monitoring System to Avoid Real-Time Road Accidents | |
| US11893807B2 (en) | Method for determining a level of alertness of a driver | |
| CN114523979A (zh) | 一种疲劳驾驶检测方法及系统 | |
| Kaur et al. | Driver’s Drowsiness Detection System Using Machine Learning | |
| CN114529887A (zh) | 一种驾驶行为分析方法及装置 | |
| CN117765515A (zh) | 一种疲劳与不良行为监测预警方法及系统 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20190620 Address after: No. 2500, Yangpu District military road, Shanghai, Shanghai Applicant after: Saic Motor Corporation Limited Applicant after: Shanghai Automotive Industry Corporation (Group) Address before: No. 2500, Yangpu District military road, Shanghai, Shanghai Applicant before: Saic Motor Corporation Limited |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |