CN108275156A - 驾驶行为检测方法、存储介质、设备及车辆 - Google Patents

驾驶行为检测方法、存储介质、设备及车辆 Download PDF

Info

Publication number
CN108275156A
CN108275156A CN201810260525.7A CN201810260525A CN108275156A CN 108275156 A CN108275156 A CN 108275156A CN 201810260525 A CN201810260525 A CN 201810260525A CN 108275156 A CN108275156 A CN 108275156A
Authority
CN
China
Prior art keywords
driving behavior
front wheel
driver
time threshold
image
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.)
Pending
Application number
CN201810260525.7A
Other languages
English (en)
Inventor
蒋慧涛
刘洪鑫
吴颖谦
张燕昆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zebra Network Technology Co Ltd
Original Assignee
Zebra Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zebra Network Technology Co Ltd filed Critical Zebra Network Technology Co Ltd
Priority to CN201810260525.7A priority Critical patent/CN108275156A/zh
Publication of CN108275156A publication Critical patent/CN108275156A/zh
Pending legal-status Critical Current

Links

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
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R11/00—Arrangements for holding or mounting articles, not otherwise provided for
    • B60R11/04—Mounting of cameras operative during drive; Arrangement of controls thereof relative to the vehicle
    • 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
    • B60W40/09—Driving style or behaviour
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R11/00—Arrangements for holding or mounting articles, not otherwise provided for
    • B60R2011/0001—Arrangements for holding or mounting articles, not otherwise provided for characterised by position
    • B60R2011/0003—Arrangements for holding or mounting articles, not otherwise provided for characterised by position inside the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R11/00—Arrangements for holding or mounting articles, not otherwise provided for
    • B60R2011/0001—Arrangements for holding or mounting articles, not otherwise provided for characterised by position
    • B60R2011/004—Arrangements for holding or mounting articles, not otherwise provided for characterised by position outside the vehicle
    • 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
    • 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
    • B60W2040/0836—Inactivity or incapacity of driver due to alcohol
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B60W2050/143—Alarm means

Abstract

本发明提供一种驾驶行为检测方法、存储介质、设备及车辆。其中，上述的方法包括：获取车辆内部驾驶员的面部图像；获取车辆在车辆行驶方向上的外部图像；根据面部图像与预设的面部标定数据确定驾驶员当前的面部行为；根据外部图像与预设的行驶标定数据确定驾驶员当前的驾驶行为。本发明提供的一种驾驶行为检测方法、存储介质、设备及车辆，实现了对驾驶员生理状态以及驾驶行为进行实时检测，为驾驶员的安全驾驶提供了保障。

Description

驾驶行为检测方法、存储介质、设备及车辆
技术领域
本发明涉及汽车和智能交通控制和统计技术领域，尤其涉及一种驾驶行为检测方法、存储介质、设备及车辆。
背景技术
近几年，随着汽车产业的飞速发展，每年汽车的销售量均超过2000万辆，截止2016年，国内汽车的保有量就已经达到19440万辆。
其中，汽车给人们工作生活所带来的便利不言而喻，但是，人们在享受汽车带来的便利的同时，交通事故发生率也不断上升，每年的道路交通事故导致的120万人死亡和5000多万人受伤，除去不可抗的外因，事故的诱因主要是驾驶员自身疲劳以及不良的驾驶行为习惯。
可见，在车辆的行驶过程中如何实现驾驶员生理状态以及驾驶行为的检测至关重要。
发明内容
本发明提供一种驾驶行为检测方法、存储介质、设备及车辆，以实现对驾驶员生理状态以及驾驶行为进行实时检测。
第一方面，本发明提供一种驾驶行为检测方法，包括：
获取车辆内部驾驶员的面部图像；
获取所述车辆在所述车辆行驶方向上的外部图像；
根据所述面部图像与预设的面部标定数据确定所述驾驶员当前的面部行为；
根据所述外部图像与预设的行驶标定数据确定所述驾驶员当前的驾驶行为。
在一种可能的设计中，所述根据所述面部图像与预设的面部标定数据确定所述驾驶员当前的面部行为，具体包括：
根据所述面部图像计算当前所述驾驶员的面部法向量；
计算所述面部法向量与预设面部法向量之间的偏离夹角；
判断所述偏离夹角是否大于预设偏离夹角阈值；
若判断结果为是，则所述驾驶员处于注意力不集中状态；若判断结果为否，则所述驾驶员处于注意力集中状态。
在一种可能的设计中，在所述计算所述面部法向量与预设面部法向量之间的偏离夹角之后，还包括：
根据所述偏离夹角取值范围的最大值对当前所述偏离夹角进行归一处理得到偏离夹角系数，其中，所述偏离夹角取值范围为[-90°，90°]。
在一种可能的设计中，所述根据所述面部图像与预设的面部标定数据确定所述驾驶员当前的面部行为，具体包括：
根据所述面部图像提取所述驾驶员眼部的上轮廓特征点与下轮廓特征点；
计算所述上轮廓特征点与所述下轮廓特征点之间的眼廓距离；
在预设的第一时长内统计所述眼廓距离处于小于预设眼眶距离阈值状态下的第二时长；
判断所述第二时长是否大于预设的第三时长；
若判断结果为是，则所述驾驶员处于疲劳驾驶状态；若判断结果为否，则所述驾驶员处于非疲劳驾驶状态。
在一种可能的设计中，在所述在预设的第一时长内统计所述眼廓距离处于小于预设眼眶距离阈值状态下的第二时长之后，还包括：
根据所述第一时长与所述第二时长计算疲劳系数。
在一种可能的设计中，所述根据所述外部图像与预设的行驶标定数据确定所述驾驶员当前的驾驶行为，具体包括：
根据预设的目标距离标定数据以及相隔第四时长所获取的两张所述外部图像，计算所述车辆在所述第四时长内与行驶方向上最近障碍物之间的车距变化值，以及当前所述车辆与所述最近障碍物之间的第一距离值；
根据所述车距变化值、所述第四时以及所述第一距离值计算碰撞时间；
判断所述碰撞时间是否大于所述碰撞时间阈值；
若判断结果为是，则所述驾驶行为安全驾驶行为；若判断结果为否，则所述驾驶行为为非安全驾驶行为。
在一种可能的设计中，在所述判断所述碰撞时间是否大于所述碰撞时间阈值之前，还包括：
根据碰撞时间阈值训练模型确定所述碰撞时间阈值，其中，所述碰撞时间阈值训练模型的输出变量为所述碰撞时间阈值，所述碰撞时间阈值训练模型的训练输入参数为所述偏离夹角系数以及所述疲劳系数。
在一种可能的设计中，当输入所述碰撞时间阈值训练模型的所述偏离夹角系数小于预设偏离夹角系数和所述疲劳系数小于预设疲劳系数时，所述碰撞时间阈值训练模型输出的所述碰撞时间阈值属于第一区间；
当输入所述碰撞时间阈值训练模型的所述偏离夹角系数大于所述预设偏离夹角系数和/或所述疲劳系数大于所述预设疲劳系数时，所述碰撞时间阈值训练模型输出的所述碰撞时间阈值在第二区间；
其中，所述第一区间的最大值小于所述第二区间的最小值，并且所述碰撞时间阈值与所述偏离夹角系数以及所述疲劳系数呈正相关。
在一种可能的设计中，所述根据所述外部图像与预设的行驶标定数据确定所述驾驶员当前的驾驶行为，具体包括：
根据所述外部图像计算左车道线延长线与前轮轴线的第一交点在预设坐标系下的第一横坐标，根据所述外部图像计算右车道线延长线与前轮轴线的第二交点在所述预设坐标系下的第二横坐标，其中，所述前轮轴线为所述车辆的左前轮中心与右前轮中心的连线，并且所述预设坐标系的横坐标与所述前轮轴线相平行；
根据车辆预设的车轮位置标定数据确定当前所述左前轮中心的第三横坐标以及所述右前轮中心的第四横坐标；
根据所述第一横坐标、所述第二横坐标、所述第三横坐标以及所述第四横坐标判断所述车辆是否压线；
若判断结果为是，则所述驾驶行为为非安全驾驶行为。
在一种可能的设计中，若根据所述第一横坐标、所述第二横坐标、所述第三横坐标以及所述第四横坐标判断所述车辆未压线，还包括：
根据所述第一横坐标和所述第三横坐标计算所述左前轮中心与所述左车道线延长线的左前轮距离；
根据所述第二横坐标和所述第四横坐标计算所述右前轮中心与所述右车道线延长线的右前轮距离；
根据相隔第五时长所获取的两张所述外部图像，分别计算左前轮距离差值和右前轮距离差值，其中，所述左前轮距离差值为当前时刻下所述左前轮距离减去所述第五时长之前时所述左前轮距离，所述右前轮距离差值为当前时刻下所述右前轮距离减去所述第五时长之前时所述右前轮距离；
根据所述左前轮距离差值、所述第五时长以及当前所述左前轮距离计算左前轮预计压线时间；
根据所述右前轮距离差值、所述第五时长以及当前所述右前轮距离计算右前轮预计压线时间；
判断所述左前轮预计压线时间和所述右前轮预计压线时间是否大于预计压线时间阈值；
若判断结果为是，则所述驾驶行为安全驾驶行为；若判断结果为否，则所述驾驶行为为非安全驾驶行为。
在一种可能的设计中，在所述判断所述左前轮预计压线时间以及所述右前轮预计压线时间是否大于预设预计压线时间之前，还包括：
根据预计压线时间阈值训练模型确定所述预计压线时间阈值，其中，所述压线时间阈值训练模型的输出变量为所述预计压线时间阈值，所述预计压线时间阈值训练模型的训练输入参数为所述偏离夹角系数以及所述疲劳系数。
在一种可能的设计中，当输入所述预计压线时间阈值训练模型的所述偏离夹角系数小于预设偏离夹角系数和所述疲劳系数小于预设疲劳系数时，所述预计压线时间阈值训练模型输出的所述预计压线时间阈值属于第三区间；
当输入所述预计压线时间阈值训练模型的所述偏离夹角系数大于所述预设偏离夹角系数和/或所述疲劳系数大于所述预设疲劳系数时，所述预计压线时间阈值训练模型输出的所述预计压线时间阈值在第四区间；
其中，所述第三区间的最大值小于所述第四区间的最小值，并且所述预计压线时间阈值与所述偏离夹角系数以及所述疲劳系数呈正相关。
在一种可能的设计中，在所述根据车辆预设的车轮位置标定数据确定当前所述左前轮中心的第三横坐标以及所述右前轮中心的第四横坐标之前，还包括：
根据所获取到的第一图像确定第一参数，所述第一图像为标准棋盘格在第一位置上的图像；
根据所获取到的第二图像确定所述标准棋盘格上的至少一个棋盘格角点的世界坐标，以及所述棋盘格角点在预设棋盘格坐标系下的图像坐标，其中，所述第二图像为标准棋盘格在第二位置上的图像；
根据所述第一参数、所述世界坐标以及所述图像坐标确定第二参数；
根据所述第一参数以及所述第二参数确定所述预设的车轮位置标定数据。
在一种可能的设计中，在所述判断所述驾驶行为为非安全驾驶行为之后，还包括：
提醒所述驾驶员所述驾驶行为为非安全驾驶行为。
在一种可能的设计中，在提醒所述驾驶员所述驾驶行为为非安全驾驶行为之后，还包括：
分别统计所述注意力不集中状态发生的第一次数、所述疲劳驾驶状态发生的第二次数以及所述非安全驾驶行为发生的第三次数，其中，所述第一次数、所述第二次数以及所述第三次数都是在所述驾驶员在所述车辆发动机的一个启动周期内触发的；
根据所述第一次数与第一惩罚分值、所述第二次数与第二惩罚分值、所述第三次数与第三惩罚分值对所述驾驶员的驾驶行为进行评分。
第二方面，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面中任意一种可能的驾驶行为检测方法。
第三方面，本发明还提供一种驾驶行为检测设备，包括：
数据采集模块，用于获取车辆内部驾驶员的面部图像；
所述数据采集模块，还用于获取所述车辆在所述车辆行驶方向上的外部图像；
驾驶行为检测模块，用于根据所述面部图像与预设的面部标定数据确定所述驾驶员当前的面部行为；
所述驾驶行为检测模块，还用于根据所述外部图像与预设的行驶标定数据确定所述驾驶员当前的驾驶行为。
在一种可能的设计中，所述驾驶行为检测模块，具体用于：
根据所述面部图像计算当前所述驾驶员的面部法向量；
计算所述面部法向量与预设面部法向量之间的偏离夹角；
判断所述偏离夹角是否大于预设偏离夹角阈值；
若判断结果为是，则所述驾驶员处于注意力不集中状态；若判断结果为否，则所述驾驶员处于注意力集中状态。
在一种可能的设计中，所述的驾驶行为检测设备，还包括：
计算模块，用于根据所述偏离夹角取值范围的最大值对当前所述偏离夹角进行归一处理得到偏离夹角系数，其中，所述偏离夹角取值范围为[-90°，90°]。
在一种可能的设计中，所述驾驶行为检测模块，具体用于：
根据所述面部图像提取所述驾驶员眼部的上轮廓特征点与下轮廓特征点；
计算所述上轮廓特征点与所述下轮廓特征点之间的眼廓距离；
在预设的第一时长内统计所述眼廓距离处于小于预设眼眶距离阈值状态下的第二时长；
判断所述第二时长是否大于预设的第三时长；
若判断结果为是，则所述驾驶员处于疲劳驾驶状态；若判断结果为否，则所述驾驶员处于非疲劳驾驶状态。
在一种可能的设计中，所述计算模块，还用于根据所述第一时长与所述第二时长计算疲劳系数。
在一种可能的设计中，所述驾驶行为检测模块，具体用于：
根据预设的目标距离标定数据以及相隔第四时长所获取的两张所述外部图像，计算所述车辆在所述第四时长内与行驶方向上最近障碍物之间的车距变化值，以及当前所述车辆与所述最近障碍物之间的第一距离值；
根据所述车距变化值、所述第四时以及所述第一距离值计算碰撞时间；
判断所述碰撞时间是否大于所述碰撞时间阈值；
若判断结果为是，则所述驾驶行为安全驾驶行为；若判断结果为否，则所述驾驶行为为非安全驾驶行为。
在一种可能的设计中，所述驾驶行为检测设备，还包括：
模型训练模块，用于根据碰撞时间阈值训练模型确定所述碰撞时间阈值，其中，所述碰撞时间阈值训练模型的输出变量为所述碰撞时间阈值，所述碰撞时间阈值训练模型的训练输入参数为所述偏离夹角系数以及所述疲劳系数。
在一种可能的设计中，当输入所述碰撞时间阈值训练模型的所述偏离夹角系数小于预设偏离夹角系数和所述疲劳系数小于预设疲劳系数时，所述碰撞时间阈值训练模型输出的所述碰撞时间阈值属于第一区间；
当输入所述碰撞时间阈值训练模型的所述偏离夹角系数大于所述预设偏离夹角系数和/或所述疲劳系数大于所述预设疲劳系数时，所述碰撞时间阈值训练模型输出的所述碰撞时间阈值在第二区间；
其中，所述第一区间的最大值小于所述第二区间的最小值，并且所述碰撞时间阈值与所述偏离夹角系数以及所述疲劳系数呈正相关。
在一种可能的设计中，所述驾驶行为检测模块，具体用于：
根据所述外部图像计算左车道线延长线与前轮轴线的第一交点在预设坐标系下的第一横坐标，根据所述外部图像计算右车道线延长线与前轮轴线的第二交点在所述预设坐标系下的第二横坐标，其中，所述前轮轴线为所述车辆的左前轮中心与右前轮中心的连线，并且所述预设坐标系的横坐标与所述前轮轴线相平行；
根据车辆预设的车轮位置标定数据确定当前所述左前轮中心的第三横坐标以及所述右前轮中心的第四横坐标；
根据所述第一横坐标、所述第二横坐标、所述第三横坐标以及所述第四横坐标判断所述车辆是否压线；
若判断结果为是，则所述驾驶行为为非安全驾驶行为。
在一种可能的设计中，所述计算模块，还用于：
根据所述第一横坐标和所述第三横坐标计算所述左前轮中心与所述左车道线延长线的左前轮距离；
根据所述第二横坐标和所述第四横坐标计算所述右前轮中心与所述右车道线延长线的右前轮距离；
根据相隔第五时长所获取的两张所述外部图像，分别计算左前轮距离差值和右前轮距离差值，其中，所述左前轮距离差值为当前时刻下所述左前轮距离减去所述第五时长之前时所述左前轮距离，所述右前轮距离差值为当前时刻下所述右前轮距离减去所述第五时长之前时所述右前轮距离；
根据所述左前轮距离差值、所述第五时长以及当前所述左前轮距离计算左前轮预计压线时间；
根据所述右前轮距离差值、所述第五时长以及当前所述右前轮距离计算右前轮预计压线时间；
判断所述左前轮预计压线时间和所述右前轮预计压线时间是否大于预计压线时间阈值；
若判断结果为是，则所述驾驶行为安全驾驶行为；若判断结果为否，则所述驾驶行为为非安全驾驶行为。
在一种可能的设计中，所述模型训练模块，还用于：
根据预计压线时间阈值训练模型确定所述预计压线时间阈值，其中，所述压线时间阈值训练模型的输出变量为所述预计压线时间阈值，所述预计压线时间阈值训练模型的训练输入参数为所述偏离夹角系数以及所述疲劳系数。
在一种可能的设计中，当输入所述预计压线时间阈值训练模型的所述偏离夹角系数小于预设偏离夹角系数和所述疲劳系数小于预设疲劳系数时，所述预计压线时间阈值训练模型输出的所述预计压线时间阈值属于第三区间；
当输入所述预计压线时间阈值训练模型的所述偏离夹角系数大于所述预设偏离夹角系数和/或所述疲劳系数大于所述预设疲劳系数时，所述预计压线时间阈值训练模型输出的所述预计压线时间阈值在第四区间；
其中，所述第三区间的最大值小于所述第四区间的最小值，并且所述预计压线时间阈值与所述偏离夹角系数以及所述疲劳系数呈正相关。
在一种可能的设计中，所述计算模块，还用于：
根据所获取到的第一图像确定第一参数，所述第一图像为标准棋盘格在第一位置上的图像；
根据所获取到的第二图像确定所述标准棋盘格上的至少一个棋盘格角点的世界坐标，以及所述棋盘格角点在预设棋盘格坐标系下的图像坐标，其中，所述第二图像为标准棋盘格在第二位置上的图像；
根据所述第一参数、所述世界坐标以及所述图像坐标确定第二参数；
根据所述第一参数以及所述第二参数确定所述预设的车轮位置标定数据。
在一种可能的设计中，所述驾驶行为检测设备，还包括：
提醒模块，用于提醒所述驾驶员所述驾驶行为为非安全驾驶行为。
在一种可能的设计中，所述计算模块，还用于：
分别统计所述注意力不集中状态发生的第一次数、所述疲劳驾驶状态发生的第二次数以及所述非安全驾驶行为发生的第三次数，其中，所述第一次数、所述第二次数以及所述第三次数都是在所述驾驶员在所述车辆发动机的一个启动周期内触发的；
根据所述第一次数与第一惩罚分值、所述第二次数与第二惩罚分值、所述第三次数与第三惩罚分值对所述驾驶员的驾驶行为进行评分。
第四方面，本发明还提供一种驾驶行为检测设备，包括：
内摄像头、外摄像头、存储器以及处理器；
所述内摄像头、所述外摄像头分别与所述处理器连接；
所述内摄像头，用于获取车辆内部驾驶员的面部图像；
所述外摄像头，用于获取所述车辆在所述车辆行驶方向上的外部图像；
所述处理器，用于根据所述面部图像与预设的面部标定数据确定所述驾驶员当前的面部行为；
所述处理器，还用于根据所述外部图像与预设的行驶标定数据确定所述驾驶员当前的驾驶行为；
所述存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行第一方面提供的任一种可能的驾驶行为检测方法。
第五方面，本发明还提供一种车辆，包括：如第四方面中所述的驾驶行为检测设备；
所述内摄像头设置在所述车辆内侧，所述外摄像头设置在所述车辆的外侧。
本发明提供一种驾驶行为检测方法、存储介质、设备及车辆，通过获取车辆内部驾驶员的面部图像结合预设的面部标定数据确定驾驶员当前的面部行为，以及通过获取车辆在车辆结合行驶方向上的外部图像预设的行驶标定数据确定驾驶员当前的驾驶行为，以实现对驾驶员生理状态以及驾驶行为进行实时检测，为驾驶员的安全驾驶提供了保障。
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一简单地介绍，显而易见地，下面描述中的附图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为本发明根据一示例性实施例示出的驾驶行为检测方法流程图；
图2-图3均为图1所示实施例中的车辆压线状态判断示意图；
图4为本发明根据又一示例性实施例示出的驾驶行为检测方法流程图；
图5为本发明根据一示例性实施例示出的驾驶行为检测设备结构示意图；
图6为本发明根据又一示例性实施例示出的驾驶行为检测设备结构示意图；
图7为本发明根据再一示例性实施例示出的驾驶行为检测设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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作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。
图1为本发明根据一示例性实施例示出的驾驶行为检测方法流程图。如图1所示，本实施例提供的驾驶行为检测方法，包括：
步骤101、获取车辆内部驾驶员的面部图像。
具体地，在车辆中通常设置有内部图像采集装置，例如设置在内后视镜驾驶仓一侧上的内摄像头，其中内摄像头的焦距对准驾驶座上驾驶员的人脸部分，并且该摄像头可以根据不同的驾驶员以及驾驶员的坐姿进行动态对焦。值得说明地，在本实施例中并不对内部图像采集装置的形式以及设置的位置进行具体的限定，只需保证该内部图像采集装置能够获取到驾驶员的面部的清晰图像即可。
步骤102、获取车辆在车辆行驶方向上的外部图像。
此外，在车辆中还通常设置有外部图像采集装置，例如设置在内后视镜前侧上的外摄像头，其中外摄像头的焦距对准车辆前进的方向，并且该摄像头可以根据车辆前进方向上的物体位置变化进行动态调焦距。值得说明地，在本实施例中并不对外部图像采集装置的形式以及设置的位置进行具体的限定，只需保证该外部图像采集装置能够获取到车辆前进方向上的物体图像即可。
步骤103、根据面部图像与预设的面部标定数据确定驾驶员当前的面部行为。
具体地，上述的面部行为可以是驾驶员情绪信息、驾驶员专注度信息还可以是驾驶员疲劳程度信息，利用车辆标定时在系统内设置的预设的面部标定数据以及获取到的实时的驾驶员面部图像数据，从而判断出当前驾驶员的面部行为。
考虑到驾驶员的专注度直接会影响行车安全，因此可以通过获取到的驾驶员面部图像数据来判断当前驾驶员的专注度。具体地，可以根据获取到的面部图像计算当前驾驶员的面部法向量，再计算面部法向量与预设面部法向量之间的偏离夹角。在通过判断偏离夹角是否大于预设偏离夹角阈值来确定该驾驶员是否专注驾驶。其中，若偏离夹角大于预设偏离夹角阈值，则表示驾驶员的面部朝向没有正视车辆前进方向，可能是边驾驶边低头玩手机，也可能是转头和其他座位上的乘客聊天，则此时，将该行为判断为驾驶员处于注意力不集中状态；但是若偏离夹角不大于预设偏离夹角阈值，则表示驾驶员的面部朝向与车辆前进方向基本一致，进而可以判定为驾驶员处于注意力集中状态。
此外，疲劳驾驶也是导致车辆事故的高发原因，进而还可以通过获取驾驶员面部图像来判断驾驶员当前是否处于疲劳驾驶状态。具体地，可以先根据面部图像提取驾驶员眼部的上轮廓特征点与下轮廓特征点，其中该上轮廓特征点和下轮廓特征点的具体位置的选取可以是通过大量人体样本采集获得的，在本实施例中并不对二者的位置进行具体的限定，只需保证该上轮廓特征点和下轮廓特征点可以各自用于表征驾驶员的上眼皮以及下眼皮位置即可。然后计算上轮廓特征点与下轮廓特征点之间的眼廓距离，并且在预设的第一时长内统计眼廓距离处于小于预设眼眶距离阈值状态下的第二时长，再通过判断第二时长是否大于预设的第三时长来判断该驾驶员是否处于疲劳驾驶状态。其中，上述的第一时长可以是5秒，可以是10秒，也可以是20秒，具体的时长选择可以根据实际判断的精度以及标定的需求进行选取。例如，如果选择的第一时长为20秒的话，非疲劳状态下的驾驶员的眨眼间隔大约为4秒，而每次眨眼的时间为大概为0.5秒左右，可见，在该20秒的周期内，驾驶员大致眨眼在5次左右，计算该第二时长就约为2.5秒，而当驾驶员处于疲劳状态下时，上眼皮和下眼皮之间的距离会自然地接近，而此时统计的第二时长可能就为10秒，甚至更长，通过设置第三时长，例如可以是10秒，从而来确定驾驶员是否处于疲劳驾驶状态。若统计得到的第二时长大于预设的第三时长，则该驾驶员处于疲劳驾驶状态，而若统计得到的第二时长不大于预设的第三时长，则认为该驾驶员处于非疲劳驾驶状态。
步骤104、根据外部图像与预设的行驶标定数据确定驾驶员当前的驾驶行为。
具体地，上述的驾驶行为可以是跟车距离过短、压线驾驶还可以是非法变道等，利用车辆标定时在系统内设置的预设的行驶标定数据以及获取到的实时的外部图像，从而判断出驾驶员当前的驾驶行为是否安全。
可以通过计算碰撞时间来确定当前驾驶员是否跟车过近或者车速过高而可能导致与前车碰撞发生事故。具体地，可以先根据预设的目标距离标定数据以及相隔第四时长所获取的两张外部图像，计算车辆在第四时长内与行驶方向上最近障碍物之间的车距变化值，以及当前车辆与最近障碍物之间的第一距离值，再根据车距变化值、第四时长以及第一距离值计算碰撞时间，通过判断碰撞时间是否大于碰撞时间阈值来确定该驾驶员当前的驾驶行为是否为安全驾驶行为。在实际的车辆标定过程中，上述的第四时长可以根据实际的行车情况进行确定，例如可以综合考虑当前车速、车辆的制动性能以及驾驶员的反应时间等因素来综合确定。在某一时刻下，通过在该时刻下获取到的外部图像确定此时车辆与前车的之间的距离为A1，然后在第四时长t1之后，重新获取外部图像并确定此时车辆与前车的之间的距离为A2，则可知，车辆在第四时长t内的平均速度V＝(A1-A2)/t1，进而可以进一步地计算出碰撞时间ttc＝A2/V。当计算得到的碰撞时间ttc大于碰撞时间阈值时，则此时驾驶员的驾驶行为为安全驾驶行为，否则，则可以判定为驾驶员的驾驶行为为非安全驾驶行为，存在碰撞风险。
此外，对于车辆是否压线驾驶同样可也可以通过获取到的实时的外部图像进行计算获得。图2-图3均为图1所示实施例中的车辆压线状态判断示意图，如图2所示，根据外部图像计算左车道线延长线与前轮轴线的第一交点在预设坐标系下的第一横坐标X1，根据外部图像计算右车道线延长线与前轮轴线的第二交点在预设坐标系下的第二横坐标X2，其中，前轮轴线为车辆的左前轮中心与右前轮中心的连线，并且预设坐标系的横坐标与前轮轴线相平行，然后再根据车辆预设的车轮位置标定数据确定当前左前轮中心的第三横坐标X3以及右前轮中心的第四横坐标X4，最后根据第一横坐标X1、第二横坐标X2、第三横坐标X3以及第四横坐标X4判断车辆是否压线。
继续参照图2，当X1>X3和/或X4>X2时，则当前车辆越线行驶，则当前驾驶行为为非安全驾驶行为。但是，考虑到驾驶员越线还可能是正常的变道行驶，因为在进行判断时还可以结合转向灯信号进行判断，例如当左转向灯触发的时候，左前轮越线进行变道则属于正常安全驾驶行为，而当左转向灯未被触发的时候，左前轮越线进行变道则属于非安全驾驶行为，对于右转向灯和右前轮是否越线之间的关系同理可得。
继续参照图3，当X1<X3且X4<X2时，则当前车辆行驶在左车道线和右车道线中间，但是这并不能就直接确定驾驶员的当前驾驶行为为安全驾驶行为，例如还可能是对于一些车道线很宽的路段，车辆虽然行驶在车道线之间，但是行驶方向并不能始终保持稳定，因此，该车辆随时都有可能压线或者跨线，尤其是对于一些新手司机或者是疲劳驾驶的司机，甚至是酒驾的司机。为了进一步地判断车辆在车道中间行驶的方向稳定性，还可以根据第一横坐标X1和第三横坐标X3计算左前轮中心与左车道线延长线的左前轮距离dl，以及根据第二横坐标X2和第四横坐标X4计算右前轮中心与右车道线延长线的右前轮距离dr，再根据相隔第五时长t2所获取的两张外部图像，分别计算左前轮距离差值和右前轮距离差值，其中，左前轮距离差值为当前时刻下左前轮距离减去第五时长之前时左前轮距离，右前轮距离差值为当前时刻下右前轮距离减去第五时长之前时右前轮距离，然后再根据左前轮距离差值、第五时长以及当前左前轮距离计算左前轮预计压线时间tsl，同时根据右前轮距离差值、第五时长以及当前右前轮距离计算右前轮预计压线时间tsr，最后判断左前轮预计压线时间tsl和右前轮预计压线时间tsr是否大于预计压线时间阈值。若判断结果为是，则表示当前车辆处于稳定行驶在车道线之间的状态，进而可以判定当前驾驶员的驾驶行为安全驾驶行为；而若判断结果为否，则表示当前车辆虽然处于在车道线之间行驶，但是行驶方向不稳定，随时都可能存在压线甚至跨线行驶的风险，进而可以判定当前驾驶员的驾驶行为为非安全驾驶行为。
在实际的车辆行驶过程中，在某一时刻下，通过在该时刻下获取到的外部图像确定此时左前轮中心与左车道线延长线的左前轮距离dl1，右前轮中心与右车道线延长线的右前轮距离dr1，然后在第五时长t2之后，重新获取外部图像并确定此时车辆左前轮中心与左车道线延长线的左前轮距离dl2，右前轮中心与右车道线延长线的右前轮距离dr2，根据上述获取的参数，可见，此时左前轮预计压线时间tsl＝dl2*t2/(dl1-dl2)，同理可得，右前轮预计压线时间tsr＝dr2*t2/(dr1-dr2)。通过将tsl与tsr与预计压线时间阈值进行对比从而判断当前驾驶员的驾驶行为是否为安全驾驶行为。
在本实施例中，通过获取车辆内部驾驶员的面部图像结合预设的面部标定数据确定驾驶员当前的面部行为，以及通过获取车辆在车辆结合行驶方向上的外部图像预设的行驶标定数据确定驾驶员当前的驾驶行为，以实现对驾驶员生理状态以及驾驶行为进行实时检测，为驾驶员的安全驾驶提供了保障。
在上述实施例的基础上，图4为本发明根据又一示例性实施例示出的驾驶行为检测方法流程图。如图4所示，本实施例提供的驾驶行为检测方法，包括：
步骤201、获取车辆内部驾驶员的面部图像。
步骤202、获取车辆在车辆行驶方向上的外部图像。
步骤203、根据面部图像与预设的面部标定数据确定驾驶员当前的面部行为。
值得说明地，本实施例中的步骤201-203的具体实现方式参照图1所示实施例中步骤101-103的描述，这里不再赘述。
步骤204、根据训练模型确定碰撞时间阈值。
由于车辆行驶状态和驾驶员行驶的状态都属于一个动态变化的过程，因此，如果只是采用固定的判定准则，则势必会给驾驶员的行车操作带来困扰，同时也会导致一些驾驶状态的误判。因此，需要对驾驶行为判断的判定准则所涉及的相关参数进行动态地调整，以适应不同的驾驶状况，例如当驾驶员的注意力高度集中且处于非疲劳状态下时，驾驶员的反应时间就会大大缩短，即驾驶员可以在更短的时间内完成相对应的驾驶操作，因此就可以动态地降低碰撞时间阈值或者是预计压线时间阈值，从而减少系统对驾驶员驾驶行为的误判，同理可知，当驾驶员的注意力高度不集中且处于极度疲劳状态下时，驾驶员的反应时间就会大大增长，即驾驶员需要在更长的时间内才能完成相对应的驾驶操作，因此就可以动态地提高碰撞时间阈值或者是预计压线时间阈值，从而进一步地提高驾驶员的驾驶安全性。
具体地，在计算面部法向量与预设面部法向量之间的偏离夹角之后，还可以根据偏离夹角取值范围的最大值对当前偏离夹角进行归一处理得到偏离夹角系数，其中，偏离夹角取值范围为[-90°，90°]。对于上述的归一处理，可以是通过获取当前偏离夹角与偏离夹角取值范围最大值之间的比值来实现，从而变换为无量纲的参数，进而更加准确地表征驾驶员面部朝向的特性。
此外，在在预设的第一时长内统计眼廓距离处于小于预设眼眶距离阈值状态下的第二时长之后，还需要根据第一时长与第二时长计算疲劳系数，其中疲劳系数可以是第二时长与第一时长之间的比值。
在进行判断碰撞时间是否大于碰撞时间阈值之前，还需根据碰撞时间阈值训练模型确定碰撞时间阈值，其中，碰撞时间阈值训练模型的输出变量为碰撞时间阈值，碰撞时间阈值训练模型的训练输入参数为偏离夹角系数以及疲劳系数。当输入碰撞时间阈值训练模型的偏离夹角系数小于预设偏离夹角系数和疲劳系数小于预设疲劳系数时，碰撞时间阈值训练模型输出的碰撞时间阈值属于第一区间；当输入碰撞时间阈值训练模型的偏离夹角系数大于预设偏离夹角系数和/或疲劳系数大于预设疲劳系数时，碰撞时间阈值训练模型输出的碰撞时间阈值在第二区间；其中，第一区间的最大值小于第二区间的最小值，并且碰撞时间阈值与偏离夹角系数以及疲劳系数呈正相关。
在实际的模型建立中，可以设定碰撞时间阈值的最大阈值为T_ttc_max，碰撞时间阈值的最小阈值为T_ttc_min，并且将该模型设定为：Y＝W1*X+B1。对于该模型的输入：
训练样本为Xi＝(偏离夹角系数，疲劳系数)，Yi∈(T_ttc_min，T_ttc_max)
对于较小Xi(偏离夹角系数或疲劳系数很小时)，给出较大的Yi；
对于较大Xi(偏离夹角系数或疲劳系数很大时)，给出较小的Yi。
按照以上逻辑生成碰撞时间阈值训练模型F_ttc(W1，B1)，其中W1，B1是训练得到的系数。
步骤205、根据预计压线时间阈值训练模型确定预计压线时间阈值。
具体地，在判断左前轮预计压线时间以及右前轮预计压线时间是否大于预设预计压线时间之前，还可以根据预计压线时间阈值训练模型确定预计压线时间阈值，其中，压线时间阈值训练模型的输出变量为预计压线时间阈值，预计压线时间阈值训练模型的训练输入参数为偏离夹角系数以及疲劳系数。当输入预计压线时间阈值训练模型的偏离夹角系数小于预设偏离夹角系数和疲劳系数小于预设疲劳系数时，预计压线时间阈值训练模型输出的预计压线时间阈值属于第三区间；当输入预计压线时间阈值训练模型的偏离夹角系数大于预设偏离夹角系数和/或疲劳系数大于预设疲劳系数时，预计压线时间阈值训练模型输出的预计压线时间阈值在第四区间；其中，第三区间的最大值小于第四区间的最小值，并且预计压线时间阈值与偏离夹角系数以及疲劳系数呈正相关。
在实际的模型建立中，可以设定预计压线时间阈值的最大阈值为T_ts_max，预计压线时间阈值的最小阈值为T_ts_min，并且将该模型设定为：Y＝W2*X+B2。对于该模型的输入：
训练样本为Xi＝(偏离夹角系数，疲劳系数)，Yi∈(T_ts_min，T_ts_max)
对于较小Xi(偏离夹角系数或疲劳系数很小时)，给出较大的Yi；
对于较大Xi(偏离夹角系数或疲劳系数很大时)，给出较小的Yi。
按照以上逻辑生成预计压线时间阈值训练模型F_ts(W2，B2)，其中W2，B2是训练得到的系数。
此外，现有技术中都是通过在地面铺设标定物，来对图像获取装置的外参数进行标定的，到那时该传统的标定方法在实际的标定过程中如果使用的标定物太大，则会影响标定效率，而如果使用的标定物太小，则获取装置又很难获取标定物上的特征点。因此，本申请在确定预设的车轮位置标定数据时，先是根据所获取到的第一图像确定第一参数，第一图像为标准棋盘格在第一位置上的图像；然后再根据所获取到的第二图像确定标准棋盘格上的至少一个棋盘格角点的世界坐标，以及棋盘格角点在预设棋盘格坐标系下的图像坐标，其中，第二图像为标准棋盘格在第二位置上的图像；进而根据第一参数、世界坐标以及图像坐标确定第二参数；最后根据第一参数以及第二参数确定预设的车轮位置标定数据。
步骤206、根据外部图像与预设的行驶标定数据确定驾驶员当前的驾驶行为。
值得说明地，本实施例中的步骤206的具体实现方式参照图1所示实施例中步骤104的描述，这里不再赘述。
此外，为了在检测驾驶员驾驶行为之后，对于不安全的驾驶行为能够实时提醒驾驶员，从而改善驾驶员的驾驶习惯，还可以在判断当前驾驶行为为非安全驾驶行为之后，提醒驾驶员当前驾驶行为为非安全驾驶行为，该提醒方式可以是通过蜂鸣器发声进行提醒，也可以是通过座椅或者是方向盘震动来进行提醒，值得说明的，在本实施例并不对提醒的方式进行具体地限定。
对于驾驶员的非安全驾驶行为，除了进行相应的提醒之外，还可以通过对每次驾驶过程进行一个整体的评分，从而进一步地提醒驾驶员的安全意识，此外该数据也可以作为车辆保险的定额依据。具体地，可以分别统计驾驶员注意力不集中状态发生的第一次数、疲劳驾驶状态发生的第二次数以及非安全驾驶行为发生的第三次数，其中，第一次数、第二次数以及第三次数都是在驾驶员在车辆发动机的一个启动周期内触发的；然后再根据第一次数与第一惩罚分值、第二次数与第二惩罚分值、第三次数与第三惩罚分值对驾驶员的驾驶行为进行评分。
图5为本发明根据一示例性实施例示出的驾驶行为检测设备结构示意图。如图5所示，本实施例提供的驾驶行为检测设备，包括：
数据采集模块301，用于获取车辆内部驾驶员的面部图像；
所述数据采集模块301，还用于获取所述车辆在所述车辆行驶方向上的外部图像；
驾驶行为检测模块302，用于根据所述面部图像与预设的面部标定数据确定所述驾驶员当前的面部行为；
所述驾驶行为检测模块302，还用于根据所述外部图像与预设的行驶标定数据确定所述驾驶员当前的驾驶行为。
在一种可能的设计中，所述驾驶行为检测模块302，具体用于：
根据所述面部图像计算当前所述驾驶员的面部法向量；
计算所述面部法向量与预设面部法向量之间的偏离夹角；
判断所述偏离夹角是否大于预设偏离夹角阈值；
若判断结果为是，则所述驾驶员处于注意力不集中状态；若判断结果为否，则所述驾驶员处于注意力集中状态。
在图5所示的实施例的基础上，图6为本发明根据又一示例性实施例示出的驾驶行为检测设备结构示意图。如图6所示，所述的驾驶行为检测设备，还包括：
计算模块303，用于根据所述偏离夹角取值范围的最大值对当前所述偏离夹角进行归一处理得到偏离夹角系数，其中，所述偏离夹角取值范围为[-90°，90°]。
在一种可能的设计中，所述驾驶行为检测模块302，具体用于：
根据所述面部图像提取所述驾驶员眼部的上轮廓特征点与下轮廓特征点；
计算所述上轮廓特征点与所述下轮廓特征点之间的眼廓距离；
在预设的第一时长内统计所述眼廓距离处于小于预设眼眶距离阈值状态下的第二时长；
判断所述第二时长是否大于预设的第三时长；
若判断结果为是，则所述驾驶员处于疲劳驾驶状态；若判断结果为否，则所述驾驶员处于非疲劳驾驶状态。
在一种可能的设计中，所述计算模块303，还用于根据所述第一时长与所述第二时长计算疲劳系数。
在一种可能的设计中，所述驾驶行为检测模块302，具体用于：
根据预设的目标距离标定数据以及相隔第四时长所获取的两张所述外部图像，计算所述车辆在所述第四时长内与行驶方向上最近障碍物之间的车距变化值，以及当前所述车辆与所述最近障碍物之间的第一距离值；
根据所述车距变化值、所述第四时以及所述第一距离值计算碰撞时间；
判断所述碰撞时间是否大于所述碰撞时间阈值；
若判断结果为是，则所述驾驶行为安全驾驶行为；若判断结果为否，则所述驾驶行为为非安全驾驶行为。
在一种可能的设计中，所述驾驶行为检测设备，还包括：
模型训练模块304，用于根据碰撞时间阈值训练模型确定所述碰撞时间阈值，其中，所述碰撞时间阈值训练模型的输出变量为所述碰撞时间阈值，所述碰撞时间阈值训练模型的训练输入参数为所述偏离夹角系数以及所述疲劳系数。
在一种可能的设计中，当输入所述碰撞时间阈值训练模型的所述偏离夹角系数小于预设偏离夹角系数和所述疲劳系数小于预设疲劳系数时，所述碰撞时间阈值训练模型输出的所述碰撞时间阈值属于第一区间；
当输入所述碰撞时间阈值训练模型的所述偏离夹角系数大于所述预设偏离夹角系数和/或所述疲劳系数大于所述预设疲劳系数时，所述碰撞时间阈值训练模型输出的所述碰撞时间阈值在第二区间；
其中，所述第一区间的最大值小于所述第二区间的最小值，并且所述碰撞时间阈值与所述偏离夹角系数以及所述疲劳系数呈正相关。
在一种可能的设计中，所述驾驶行为检测模块302，具体用于：
根据所述外部图像计算左车道线延长线与前轮轴线的第一交点在预设坐标系下的第一横坐标，根据所述外部图像计算右车道线延长线与前轮轴线的第二交点在所述预设坐标系下的第二横坐标，其中，所述前轮轴线为所述车辆的左前轮中心与右前轮中心的连线，并且所述预设坐标系的横坐标与所述前轮轴线相平行；
根据车辆预设的车轮位置标定数据确定当前所述左前轮中心的第三横坐标以及所述右前轮中心的第四横坐标；
根据所述第一横坐标、所述第二横坐标、所述第三横坐标以及所述第四横坐标判断所述车辆是否压线；
若判断结果为是，则所述驾驶行为为非安全驾驶行为。
在一种可能的设计中，所述计算模块303，还用于：
根据所述第一横坐标和所述第三横坐标计算所述左前轮中心与所述左车道线延长线的左前轮距离；
根据所述第二横坐标和所述第四横坐标计算所述右前轮中心与所述右车道线延长线的右前轮距离；
根据相隔第五时长所获取的两张所述外部图像，分别计算左前轮距离差值和右前轮距离差值，其中，所述左前轮距离差值为当前时刻下所述左前轮距离减去所述第五时长之前时所述左前轮距离，所述右前轮距离差值为当前时刻下所述右前轮距离减去所述第五时长之前时所述右前轮距离；
根据所述左前轮距离差值、所述第五时长以及当前所述左前轮距离计算左前轮预计压线时间；
根据所述右前轮距离差值、所述第五时长以及当前所述右前轮距离计算右前轮预计压线时间；
判断所述左前轮预计压线时间和所述右前轮预计压线时间是否大于预计压线时间阈值；
若判断结果为是，则所述驾驶行为安全驾驶行为；若判断结果为否，则所述驾驶行为为非安全驾驶行为。
在一种可能的设计中，所述模型训练模块304，还用于：
根据预计压线时间阈值训练模型确定所述预计压线时间阈值，其中，所述压线时间阈值训练模型的输出变量为所述预计压线时间阈值，所述预计压线时间阈值训练模型的训练输入参数为所述偏离夹角系数以及所述疲劳系数。
在一种可能的设计中，当输入所述预计压线时间阈值训练模型的所述偏离夹角系数小于预设偏离夹角系数和所述疲劳系数小于预设疲劳系数时，所述预计压线时间阈值训练模型输出的所述预计压线时间阈值属于第三区间；
当输入所述预计压线时间阈值训练模型的所述偏离夹角系数大于所述预设偏离夹角系数和/或所述疲劳系数大于所述预设疲劳系数时，所述预计压线时间阈值训练模型输出的所述预计压线时间阈值在第四区间；
其中，所述第三区间的最大值小于所述第四区间的最小值，并且所述预计压线时间阈值与所述偏离夹角系数以及所述疲劳系数呈正相关。
在一种可能的设计中，所述计算模块303，还用于：
根据所获取到的第一图像确定第一参数，所述第一图像为标准棋盘格在第一位置上的图像；
根据所获取到的第二图像确定所述标准棋盘格上的至少一个棋盘格角点的世界坐标，以及所述棋盘格角点在预设棋盘格坐标系下的图像坐标，其中，所述第二图像为标准棋盘格在第二位置上的图像；
根据所述第一参数、所述世界坐标以及所述图像坐标确定第二参数；
根据所述第一参数以及所述第二参数确定所述预设的车轮位置标定数据。
在一种可能的设计中，所述驾驶行为检测设备，还包括：
提醒模块305，用于提醒所述驾驶员所述驾驶行为为非安全驾驶行为。
在一种可能的设计中，所述计算模块303，还用于：
分别统计所述注意力不集中状态发生的第一次数、所述疲劳驾驶状态发生的第二次数以及所述非安全驾驶行为发生的第三次数，其中，所述第一次数、所述第二次数以及所述第三次数都是在所述驾驶员在所述车辆发动机的一个启动周期内触发的；
根据所述第一次数与第一惩罚分值、所述第二次数与第二惩罚分值、所述第三次数与第三惩罚分值对所述驾驶员的驾驶行为进行评分。
图5-图6所示的实施例提供的驾驶行为检测设备，可用于执行上述图1与图4所示的实施例提供的方法，具体实现方式和技术效果类似，这里不再赘述。
本实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前述任一项方法实施例所述的技术方案，其实现原理和技术效果类似，此处不再赘述。
图7为本发明根据再一示例性实施例示出的驾驶行为检测设备结构示意图。如图7所示，本实施例提供的驾驶行为检测设备，包括：
内摄像头401、外摄像头402、存储器404以及处理器403；
所述内摄像头401、所述外摄像头402分别与所述处理器403连接；
所述内摄像头401，用于获取车辆内部驾驶员的面部图像；
所述外摄像头402，用于获取所述车辆在所述车辆行驶方向上的外部图像；
所述处理器403，用于根据所述面部图像与预设的面部标定数据确定所述驾驶员当前的面部行为；
所述处理器404，还用于根据所述外部图像与预设的行驶标定数据确定所述驾驶员当前的驾驶行为；
所述存储器404，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行前述任一项方法实施例所述的技术方案，其实现原理和技术效果类似，此处不再赘述。
上述设备中的各模块的功能可以通过处理器403实现。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、SRAM、DRAM、FLASH、磁碟或者光盘等各种可以存储程序代码的介质。
此外，本发明还提供一种车辆，包括：上述实施例中所述的驾驶行为检测设备；所述内摄像头设置在所述车辆内侧，所述外摄像头设置在所述车辆的外侧。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (19)

1.一种驾驶行为检测方法，其特征在于，包括：
获取车辆内部驾驶员的面部图像；
获取所述车辆在所述车辆行驶方向上的外部图像；
根据所述面部图像与预设的面部标定数据确定所述驾驶员当前的面部行为；
根据所述外部图像与预设的行驶标定数据确定所述驾驶员当前的驾驶行为。
2.根据权利要求1所述的方法，其特征在于，所述根据所述面部图像与预设的面部标定数据确定所述驾驶员当前的面部行为，具体包括：
根据所述面部图像计算当前所述驾驶员的面部法向量；
计算所述面部法向量与预设面部法向量之间的偏离夹角；
判断所述偏离夹角是否大于预设偏离夹角阈值；
若判断结果为是，则所述驾驶员处于注意力不集中状态；若判断结果为否，则所述驾驶员处于注意力集中状态。
3.根据权利要求2所述的方法，其特征在于，在所述计算所述面部法向量与预设面部法向量之间的偏离夹角之后，还包括：
根据所述偏离夹角取值范围的最大值对当前所述偏离夹角进行归一处理得到偏离夹角系数，其中，所述偏离夹角取值范围为[-90°，90°]。
4.根据权利要求3所述的方法，其特征在于，所述根据所述面部图像与预设的面部标定数据确定所述驾驶员当前的面部行为，具体包括：
根据所述面部图像提取所述驾驶员眼部的上轮廓特征点与下轮廓特征点；
计算所述上轮廓特征点与所述下轮廓特征点之间的眼廓距离；
在预设的第一时长内统计所述眼廓距离处于小于预设眼眶距离阈值状态下的第二时长；
判断所述第二时长是否大于预设的第三时长；
若判断结果为是，则所述驾驶员处于疲劳驾驶状态；若判断结果为否，则所述驾驶员处于非疲劳驾驶状态。
5.根据权利要求4所述的方法，其特征在于，在所述在预设的第一时长内统计所述眼廓距离处于小于预设眼眶距离阈值状态下的第二时长之后，还包括：
根据所述第一时长与所述第二时长计算疲劳系数。
6.根据权利要求4所述的方法，其特征在于，所述根据所述外部图像与预设的行驶标定数据确定所述驾驶员当前的驾驶行为，具体包括：
根据预设的目标距离标定数据以及相隔第四时长所获取的两张所述外部图像，计算所述车辆在所述第四时长内与行驶方向上最近障碍物之间的车距变化值，以及当前所述车辆与所述最近障碍物之间的第一距离值；
根据所述车距变化值、所述第四时长以及所述第一距离值计算碰撞时间；
判断所述碰撞时间是否大于所述碰撞时间阈值；
若判断结果为是，则所述驾驶行为为安全驾驶行为；若判断结果为否，则所述驾驶行为为非安全驾驶行为。
7.根据权利要求6所述的方法，其特征在于，在所述判断所述碰撞时间是否大于所述碰撞时间阈值之前，还包括：
根据碰撞时间阈值训练模型确定所述碰撞时间阈值，其中，所述碰撞时间阈值训练模型的输出变量为所述碰撞时间阈值，所述碰撞时间阈值训练模型的训练输入参数为所述偏离夹角系数以及所述疲劳系数。
8.根据权利要求7所述的方法，其特征在于，当输入所述碰撞时间阈值训练模型的所述偏离夹角系数小于预设偏离夹角系数和所述疲劳系数小于预设疲劳系数时，所述碰撞时间阈值训练模型输出的所述碰撞时间阈值属于第一区间；
当输入所述碰撞时间阈值训练模型的所述偏离夹角系数大于所述预设偏离夹角系数和/或所述疲劳系数大于所述预设疲劳系数时，所述碰撞时间阈值训练模型输出的所述碰撞时间阈值在第二区间；
其中，所述第一区间的最大值小于所述第二区间的最小值，并且所述碰撞时间阈值与所述偏离夹角系数以及所述疲劳系数呈正相关。
9.根据权利要求4所述的方法，其特征在于，所述根据所述外部图像与预设的行驶标定数据确定所述驾驶员当前的驾驶行为，具体包括：
根据所述外部图像计算左车道线延长线与前轮轴线的第一交点在预设坐标系下的第一横坐标，根据所述外部图像计算右车道线延长线与前轮轴线的第二交点在所述预设坐标系下的第二横坐标，其中，所述前轮轴线为所述车辆的左前轮中心与右前轮中心的连线，并且所述预设坐标系的横坐标与所述前轮轴线相平行；
根据车辆预设的车轮位置标定数据确定当前所述左前轮中心的第三横坐标以及所述右前轮中心的第四横坐标；
根据所述第一横坐标、所述第二横坐标、所述第三横坐标以及所述第四横坐标判断所述车辆是否压线；
若判断结果为是，则所述驾驶行为为非安全驾驶行为。
10.根据权利要求9所述的方法，其特征在于，若根据所述第一横坐标、所述第二横坐标、所述第三横坐标以及所述第四横坐标判断所述车辆未压线，还包括：
根据所述第一横坐标和所述第三横坐标计算所述左前轮中心与所述左车道线延长线的左前轮距离；
根据所述第二横坐标和所述第四横坐标计算所述右前轮中心与所述右车道线延长线的右前轮距离；
根据相隔第五时长所获取的两张所述外部图像，分别计算左前轮距离差值和右前轮距离差值，其中，所述左前轮距离差值为当前时刻下所述左前轮距离减去所述第五时长之前时所述左前轮距离，所述右前轮距离差值为当前时刻下所述右前轮距离减去所述第五时长之前时所述右前轮距离；
根据所述左前轮距离差值、所述第五时长以及当前所述左前轮距离计算左前轮预计压线时间；
根据所述右前轮距离差值、所述第五时长以及当前所述右前轮距离计算右前轮预计压线时间；
判断所述左前轮预计压线时间和所述右前轮预计压线时间是否大于预计压线时间阈值；
若判断结果为是，则所述驾驶行为安全驾驶行为；若判断结果为否，则所述驾驶行为为非安全驾驶行为。
11.根据权利要求10所述的方法，其特征在于，在所述判断所述左前轮预计压线时间以及所述右前轮预计压线时间是否大于预设预计压线时间之前，还包括：
根据预计压线时间阈值训练模型确定所述预计压线时间阈值，其中，所述压线时间阈值训练模型的输出变量为所述预计压线时间阈值，所述预计压线时间阈值训练模型的训练输入参数为所述偏离夹角系数以及所述疲劳系数。
12.根据权利要求11所述的方法，其特征在于，当输入所述预计压线时间阈值训练模型的所述偏离夹角系数小于预设偏离夹角系数和所述疲劳系数小于预设疲劳系数时，所述预计压线时间阈值训练模型输出的所述预计压线时间阈值属于第三区间；
当输入所述预计压线时间阈值训练模型的所述偏离夹角系数大于所述预设偏离夹角系数和/或所述疲劳系数大于所述预设疲劳系数时，所述预计压线时间阈值训练模型输出的所述预计压线时间阈值在第四区间；
其中，所述第三区间的最大值小于所述第四区间的最小值，并且所述预计压线时间阈值与所述偏离夹角系数以及所述疲劳系数呈正相关。
13.根据权利要求9所述的方法，其特征在于，在所述根据车辆预设的车轮位置标定数据确定当前所述左前轮中心的第三横坐标以及所述右前轮中心的第四横坐标之前，还包括：
根据所获取到的第一图像确定第一参数，所述第一图像为标准棋盘格在第一位置上的图像；
根据所获取到的第二图像确定所述标准棋盘格上的至少一个棋盘格角点的世界坐标，以及所述棋盘格角点在预设棋盘格坐标系下的图像坐标，其中，所述第二图像为标准棋盘格在第二位置上的图像；
根据所述第一参数、所述世界坐标以及所述图像坐标确定第二参数；
根据所述第一参数以及所述第二参数确定所述预设的车轮位置标定数据。
14.根据权利要求6或9所述的方法，其特征在于，在所述判断所述驾驶行为为非安全驾驶行为之后，还包括：
提醒所述驾驶员所述驾驶行为为非安全驾驶行为。
15.根据权利要求14所述的方法，其特征在于，在提醒所述驾驶员所述驾驶行为为非安全驾驶行为之后，还包括：
分别统计所述注意力不集中状态发生的第一次数、所述疲劳驾驶状态发生的第二次数以及所述非安全驾驶行为发生的第三次数，其中，所述第一次数、所述第二次数以及所述第三次数都是在所述驾驶员在所述车辆发动机的一个启动周期内触发的；
根据所述第一次数与第一惩罚分值、所述第二次数与第二惩罚分值、所述第三次数与第三惩罚分值对所述驾驶员的驾驶行为进行评分。
16.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-15任一项所述的驾驶行为检测方法。
17.一种驾驶行为检测设备，其特征在于，包括：
数据采集模块，用于获取车辆内部驾驶员的面部图像；
所述数据采集模块，还用于获取所述车辆在所述车辆行驶方向上的外部图像；
驾驶行为检测模块，用于根据所述面部图像与预设的面部标定数据确定所述驾驶员当前的面部行为；
所述驾驶行为检测模块，还用于根据所述外部图像与预设的行驶标定数据确定所述驾驶员当前的驾驶行为。
18.一种驾驶行为检测设备，其特征在于，包括：
内摄像头、外摄像头、存储器以及处理器；
所述内摄像头、所述外摄像头分别与所述处理器连接；
所述内摄像头，用于获取车辆内部驾驶员的面部图像；
所述外摄像头，用于获取所述车辆在所述车辆行驶方向上的外部图像；
所述处理器，用于根据所述面部图像与预设的面部标定数据确定所述驾驶员当前的面部行为；
所述处理器，还用于根据所述外部图像与预设的行驶标定数据确定所述驾驶员当前的驾驶行为；
所述存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-15任一项所述的驾驶行为检测方法。
19.一种车辆，其特征在于，包括：如权利要求18中所述的驾驶行为检测设备；
所述内摄像头设置在所述车辆内侧，所述外摄像头设置在所述车辆的外侧。
CN201810260525.7A 2018-03-27 2018-03-27 驾驶行为检测方法、存储介质、设备及车辆 Pending CN108275156A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810260525.7A CN108275156A (zh) 2018-03-27 2018-03-27 驾驶行为检测方法、存储介质、设备及车辆

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810260525.7A CN108275156A (zh) 2018-03-27 2018-03-27 驾驶行为检测方法、存储介质、设备及车辆

Publications (1)

Publication Number Publication Date
CN108275156A true CN108275156A (zh) 2018-07-13

Family

ID=62810677

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810260525.7A Pending CN108275156A (zh) 2018-03-27 2018-03-27 驾驶行为检测方法、存储介质、设备及车辆

Country Status (1)

Country Link
CN (1) CN108275156A (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109461461A (zh) * 2018-09-29 2019-03-12 北京小米移动软件有限公司 音频播放方法、装置、电子设备及储存介质
CN109606260A (zh) * 2018-12-26 2019-04-12 北京蓦然认知科技有限公司 一种车外声音提示的方法及装置
CN109733280A (zh) * 2018-12-05 2019-05-10 江苏大学 基于驾驶员面部特征的车辆安全装置及其控制方法
CN109747535A (zh) * 2018-12-20 2019-05-14 铜陵有色金属集团铜冠物流有限公司 一种基于大数据的视联网信息管理系统
CN110210363A (zh) * 2019-05-27 2019-09-06 中国科学技术大学 一种基于车载图像的目标车辆压线检测方法
CN110909718A (zh) * 2019-12-11 2020-03-24 深圳市锐明技术股份有限公司 驾驶状态识别方法、装置及车辆
CN111169483A (zh) * 2018-11-12 2020-05-19 奇酷互联网络科技（深圳）有限公司 一种辅助驾驶方法、电子设备和具有存储功能的装置
CN111688694A (zh) * 2019-03-11 2020-09-22 现代摩比斯株式会社 车辆车道改变控制设备及方法
CN111862680A (zh) * 2019-04-25 2020-10-30 通用汽车环球科技运作有限责任公司 动态前向碰撞警报系统
CN112141119A (zh) * 2020-09-23 2020-12-29 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
CN113538034A (zh) * 2020-04-17 2021-10-22 丰田自动车株式会社 信息处理装置、信息处理方法以及非临时性存储介质
CN113591812A (zh) * 2021-09-29 2021-11-02 武汉未来幻影科技有限公司 一种驾驶员查看动作的识别方法、装置以及处理设备
CN115148050A (zh) * 2022-06-27 2022-10-04 中国第一汽车股份有限公司 碰撞预警方法、装置、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104794856A (zh) * 2014-01-22 2015-07-22 径卫视觉科技（上海）有限公司 驾驶员注意力综合测评系统
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
JP2016207176A (ja) * 2015-04-28 2016-12-08 いすゞ自動車株式会社 車両の安全運転促進方法及び車両の安全運転促進装置
KR20170059224A (ko) * 2015-11-20 2017-05-30 현대모비스 주식회사 운전자 시선 기반 안전운전 정보 제공 시스템 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104794856A (zh) * 2014-01-22 2015-07-22 径卫视觉科技（上海）有限公司 驾驶员注意力综合测评系统
JP2016207176A (ja) * 2015-04-28 2016-12-08 いすゞ自動車株式会社 車両の安全運転促進方法及び車両の安全運転促進装置
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
KR20170059224A (ko) * 2015-11-20 2017-05-30 현대모비스 주식회사 운전자 시선 기반 안전운전 정보 제공 시스템 및 방법
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

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109461461A (zh) * 2018-09-29 2019-03-12 北京小米移动软件有限公司 音频播放方法、装置、电子设备及储存介质
CN111169483A (zh) * 2018-11-12 2020-05-19 奇酷互联网络科技（深圳）有限公司 一种辅助驾驶方法、电子设备和具有存储功能的装置
CN109733280A (zh) * 2018-12-05 2019-05-10 江苏大学 基于驾驶员面部特征的车辆安全装置及其控制方法
CN109733280B (zh) * 2018-12-05 2021-07-20 江苏大学 基于驾驶员面部特征的车辆安全装置及其控制方法
CN109747535A (zh) * 2018-12-20 2019-05-14 铜陵有色金属集团铜冠物流有限公司 一种基于大数据的视联网信息管理系统
CN109606260B (zh) * 2018-12-26 2020-12-11 北京蓦然认知科技有限公司 一种车外声音提示的方法及装置
CN109606260A (zh) * 2018-12-26 2019-04-12 北京蓦然认知科技有限公司 一种车外声音提示的方法及装置
CN111688694A (zh) * 2019-03-11 2020-09-22 现代摩比斯株式会社 车辆车道改变控制设备及方法
CN111862680A (zh) * 2019-04-25 2020-10-30 通用汽车环球科技运作有限责任公司 动态前向碰撞警报系统
CN110210363A (zh) * 2019-05-27 2019-09-06 中国科学技术大学 一种基于车载图像的目标车辆压线检测方法
CN110210363B (zh) * 2019-05-27 2022-09-06 中国科学技术大学 一种基于车载图像的目标车辆压线检测方法
CN110909718A (zh) * 2019-12-11 2020-03-24 深圳市锐明技术股份有限公司 驾驶状态识别方法、装置及车辆
CN110909718B (zh) * 2019-12-11 2024-04-19 深圳市锐明技术股份有限公司 驾驶状态识别方法、装置及车辆
CN113538034A (zh) * 2020-04-17 2021-10-22 丰田自动车株式会社 信息处理装置、信息处理方法以及非临时性存储介质
CN112141119A (zh) * 2020-09-23 2020-12-29 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
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
CN113591812A (zh) * 2021-09-29 2021-11-02 武汉未来幻影科技有限公司 一种驾驶员查看动作的识别方法、装置以及处理设备
CN115148050A (zh) * 2022-06-27 2022-10-04 中国第一汽车股份有限公司 碰撞预警方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN108275156A (zh) 驾驶行为检测方法、存储介质、设备及车辆
CN104756173B (zh) 用于将基于背景的指导消息提供给汽车驾驶员的方法
CN105197011B (zh) 车辆用驾驶员危险指数管理系统及其方法
JP6998564B2 (ja) 覚醒度推定装置及び覚醒度推定方法
CN110136254B (zh) 基于动态概率驾驶地图的驾驶辅助信息显示方法
CN109976340B (zh) 一种基于深度增强学习的人机协同动态避障方法及系统
JP5543501B2 (ja) 車両制御装置
EP2625079B1 (en) System and method for predicting behaviors of detected objects
CN104641406B (zh) 用于向车辆驾驶员提供指导消息的方法和系统
US10346697B2 (en) Driver state monitoring using corneal reflection detection
CN107972671A (zh) 一种驾驶行为分析系统
CN108241371A (zh) 自动驾驶系统
JP2019021229A (ja) 車両制御装置および車両制御方法
JP6627811B2 (ja) 集中度判定装置、集中度判定方法及び集中度判定のためのプログラム
JP2010128649A (ja) 覚醒状態判断装置及び覚醒状態判断方法
US20180275652A1 (en) Driving assistance device
KR101999079B1 (ko) 표시 장치의 제어 방법 및 표시 장치
JPWO2009107210A1 (ja) 車両の運転評価装置、方法、及びコンピュータプログラム
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
CN110262521A (zh) 一种自动驾驶控制方法
CA3165782A1 (en) System and method for controlling vehicle functions based on evaluated driving team composition
US20180148048A1 (en) Apparatus and method for controlling stop of vehicle
KR101500016B1 (ko) 차선 이탈 경보 방법
WO2023230740A1 (zh) 一种异常驾驶行为识别的方法、装置和交通工具
TWI535601B (zh) 滑動模式之行駛路徑投票策略模組及其駕駛控制系統與方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180713