CN108583569A - 一种基于二重移动平均算法的碰撞预警装置 - Google Patents
一种基于二重移动平均算法的碰撞预警装置 Download PDFInfo
- Publication number
- CN108583569A CN108583569A CN201810249505.XA CN201810249505A CN108583569A CN 108583569 A CN108583569 A CN 108583569A CN 201810249505 A CN201810249505 A CN 201810249505A CN 108583569 A CN108583569 A CN 108583569A
- Authority
- CN
- China
- Prior art keywords
- central processing
- module
- processing unit
- data
- 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
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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
- B60Q9/00—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling
- B60Q9/008—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling for anti-collision purposes
Abstract
本发明请求保护一种基于二重移动平均算法的碰撞预警装置,其包括图像采集模块、数据获取模块、中央处理器、虚拟现实体验单元及报警模块,所述中央处理器分别与图像采集模块、数据获取模块相连接,所述中央处理器与虚拟现实体验单元相连接;其中所述中央处理器包括图像处理模块、碰撞风险计算单元及存储器,所述图像采集模块用于获取包括车周围环境图像、驾车者脸部信息、副驾驶人员脸部在内的信息,并采用光流法特征提取算法提取驾驶者眼部、副驾驶眼部的特征信息,传输给第二中央处理器。本方法处理数据能力强、管理快捷、决策准确方便。
Description
技术领域
本发明属于汽车技术领域,尤其涉及一种基于二重移动平均算法的碰撞预警装置。
背景技术
现有的电动汽车是指以车载电源为动力,用电机驱动车轮行驶,符合道路交通、安全法规各项要求的车辆。它使用存储在电池中的电来发动。在驱动汽车时有时使用12或24块电池,有时则需要更多。电动汽车的组成包括:电力驱动及控制系统、驱动力传动等机械系统、完成既定任务的工作装置等。电力驱动及控制系统是电动汽车的核心,也是区别于内燃机汽车的最大不同点。电力驱动及控制系统由驱动电动机、电源和电动机的调速控制装置等组成。电动汽车的其他装置基本与内燃机汽车相同。
电动汽车设计不需要机械传动系统,并且不需要ABS刹车系统和机械联动的方向盘系统。这类电动汽车一般配备以下的系统:计算机控制系统,具有体积小、可靠性高、寿命长和造价低的优点;集成车轮系统,拥有动力及计算机远程控制的转向系统。因为使用了电子技术,可任意改动方向盘左右驾驶的位置,以适合不同国家的需要,也可以让司机把方向盘移动,面向后方,逆向驾驶。虚拟现实技术是一种可以创建和体验虚拟世界的计算机仿真系统,它利用计算机生成一种模拟环境,是一种多源信息融合的、交互式的三维动态视景和实体行为的系统仿真使用户沉浸到该环境中,模拟环境是由计算机生成的、实时动态的三维立体逼真图像。感知是指理想的VR应该具有一切人所具有的感知。除计算机图形技术所生成的视觉感知外,还有听觉、触觉、力觉、运动等感知,甚至还包括嗅觉和味觉等,也称为多感知。自然技能是指人的头部转动,眼睛、手势、或其他人体行为动作,由计算机来处理与参与者的动作相适应的数据,并对用户的输入作出实时响应,并分别反馈到用户的五官。传感设备是指三维交互设备。但是现有的车辆中并未采用结合了图像信息和数据信息的综合分析碰撞预警技术,且并没有相应的文献报道。
发明内容
本发明旨在解决以上现有技术的问题。提出了一种智能的、提高安全系数的基于二重移动平均算法的碰撞预警装置。
本发明的技术方案如下:
一种基于二重移动平均算法的碰撞预警装置,其包括图像采集模块、数据获取模块、中央处理器、虚拟现实体验单元及报警模块,所述中央处理器分别与图像采集模块、数据获取模块相连接,所述中央处理器与虚拟现实体验单元相连接;其中所述中央处理器包括图像处理模块、碰撞风险计算单元及存储器,所述图像采集模块用于获取包括车周围环境图像、驾车者脸部信息、副驾驶人员脸部在内的信息,并采用光流法特征提取算法提取驾驶者眼部、副驾驶眼部的特征信息,传输给第二中央处理器,光流法具体包括:光流法是反映动态图像中不同帧之间相应物体灰度变化的方法,首先采用连续帧之间的光流场和梯度场,分别表示图像的时空变化,实现每帧人脸图像的表情区域跟踪;然后通过特征区域运动方向的变化,表示人脸肌肉的运动,进而对应不同的表情;在综合了人脸生物学信息以后,使用改进的Ratio Template算法实现对人脸区域的检测;然后使用光流法计算人脸的多渠道灰度模型,完成对人脸区域的跟踪;最后用SVM算法实现了表情分类;数据获取模块,用于获取包括电动汽车的电池使用量数据、发动机温度数据、电池温度在内的数据,传输给中央处理器;虚拟现实体验单元,采用Web3D技术,通过提供一个简单的虚拟现实场景,通过中央处理器提供用户位移、十指键盘交互在内的功能;用于接收报警模块发送的警报指令;所述图像处理模块用于对图像采集模块获取的数据与存储模块存储的疲劳眼部特征信息进行匹配比对,若匹配结果为驾驶者疲劳驾驶则立即启动报警模块进行报警,并通知副驾驶人员;若副驾驶被匹配为休息状态则将信息传输给驾驶者,自动或者手动调整副驾驶人员的座椅;还用于将电动汽车的电池使用量数据、发动机温度数据、电池温度在内的数据,并传输给中央处理器;采用二重移动平均算法对这些数据进行预测处理,二重移动平均法是取一组单重平均数,然后用此组平均数来计算另一组移动平均数,预测模型如下:
At=2St-Ht
St+m=At+Bt·M
其中,St为预测值,其中St+1为时间为t+1的预测值;X1为时间为t的实际值;N为包含在平均数中的数值个数,M为未来期数;建立预测的数学模型,然后运用数学模型确定预测值,若预测结果超出设定的阈值则通知报警模块,并将报警结果传输给驾驶者;所述碰撞风险判断单元用于结合图像处理模块获取的车周围环境图像、驾车者脸部信息,判断碰撞风险,若判断为危险则发送给报警模块,通过分类器对风险类型进行分类评估,并通过报警模块发送给车轮胎抱紧装置进行制动,并进行显示,分类器采用支持向量机的分类算法。D1:使用数据样本输入Linear核函数,求解超平面ωTx+b=0,其中ω和x都是n维列向量,x为平面上的点,ω为平面上的法向量,决定超平面的方向,b是一个实数,代表超平面到原点的距离。且有
x=(x1,x2,…,xd)T
ω=(ω1,ω2,…,ωd)T
重复输入数据样本直到输出结果稳定且g(v)=ωv+b最大时,求得最佳超平面,分类算法训练完成;。
D2:用户实时动作风险输入;
D3:提取风险动作信息作为一组空间向量特征值;
D4:特征值作为分类算法的输入,输出分类算法的安全度。
D5:高于设定值则判定为风险待定,低于设定值则判定为危险。
进一步的,所述数据获取模块包含摄像头、速度加速度传感器、超声波雷达传感器、GPS定位传感器,用于获取电动汽车自身以及周围环境信息。
本发明的优点及有益效果如下:
本发明包括图像采集模块、数据获取模块、中央处理器、虚拟现实体验单元及报警模块,通过图像采集模块获取取包括车周围环境图像、驾车者脸部信息、副驾驶人员脸部在内的信息,并采用光流法特征提取算法提取驾驶者眼部、副驾驶眼部的特征信息,传输给第二中央处理器进行处理,中央处理器包括图像处理模块、碰撞风险计算单元及存储器,图像处理模块用于对图像采集模块获取的数据与存储模块存储的疲劳眼部特征信息进行匹配比对,若匹配结果为驾驶者疲劳驾驶则立即启动报警模块进行报警,并通知副驾驶人员;若副驾驶被匹配为休息状态则将信息传输给驾驶者,自动或者手动调整副驾驶人员的座椅;还用于将电动汽车的电池使用量数据、发动机温度数据、电池温度在内的数据,并传输给中央处理器,这样就结合了驾驶者的状态和发动机的参数进行风险预警;采用二重移动平均算法对这些数据进行预测处理,这样更准确,符合动态和实时的要求。二重移动平均法是取一组单重平均数,然后用此组平均数来计算另一组移动平均数,,这样提高了设备的安全系数、降低了故障率,即使在出现故障时也可以不受干扰。另外,本发明图像采集模块采用特征提取算法采用的是基于动态图像的光流法特征提取方法,光流法动态图像反映了人脸表情发生的过程,因此动态图像的表情特征主要表现在人脸的持续形变和面部不同区域的肌肉运动上,这样提取的驾驶者动态图像就比采用静态特征提取算法更准确,在综合了人脸生物学信息以后,使用改进的Ratio Template(比例模型)算法实现对人脸区域的检测,改进点在于:对比例采用由高到低进行排列,选择比例和实现设定的驾驶者相近的比例进行设置;对完成对人脸特征的分类与识别;采用二次指数平滑法对这些数据进行预测处理,而不是采用一次指数平滑法,是因为运用了二次指数平滑法对对一次指数平滑的再平滑。它适用于具线性趋势的时间数列的原理,预测更准确。
附图说明
图1是本发明提供优选实施例碰撞预警装置的结构示意图。
图2是本发明提供优选实施例中央处理器的结构框图。
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、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
本发明解决上述技术问题的技术方案是:
如图1-2所示为一种基于二重移动平均算法的碰撞预警装置,其包括图像采集模块、数据获取模块、中央处理器、虚拟现实体验单元及报警模块,所述中央处理器分别与图像采集模块、数据获取模块相连接,所述中央处理器与虚拟现实体验单元相连接;其中所述中央处理器包括图像处理模块、碰撞风险计算单元及存储器,所述图像采集模块用于获取包括车周围环境图像、驾车者脸部信息、副驾驶人员脸部在内的信息,并采用光流法特征提取算法提取驾驶者眼部、副驾驶眼部的特征信息,传输给第二中央处理器,光流法具体包括:光流法是反映动态图像中不同帧之间相应物体灰度变化的方法,首先采用连续帧之间的光流场和梯度场,分别表示图像的时空变化,实现每帧人脸图像的表情区域跟踪;然后通过特征区域运动方向的变化,表示人脸肌肉的运动,进而对应不同的表情;在综合了人脸生物学信息以后,使用改进的Ratio Template算法实现对人脸区域的检测;然后使用光流法计算人脸的多渠道灰度模型,完成对人脸区域的跟踪;最后用SVM算法实现了表情分类;数据获取模块,用于获取包括电动汽车的电池使用量数据、发动机温度数据、电池温度在内的数据,传输给中央处理器;虚拟现实体验单元,采用Web3D技术,通过提供一个简单的虚拟现实场景,通过中央处理器提供用户位移、十指键盘交互在内的功能;用于接收报警模块发送的警报指令;所述图像处理模块用于对图像采集模块获取的数据与存储模块存储的疲劳眼部特征信息进行匹配比对,若匹配结果为驾驶者疲劳驾驶则立即启动报警模块进行报警,并通知副驾驶人员;若副驾驶被匹配为休息状态则将信息传输给驾驶者,自动或者手动调整副驾驶人员的座椅;还用于将电动汽车的电池使用量数据、发动机温度数据、电池温度在内的数据,并传输给中央处理器;采用二重移动平均算法对这些数据进行预测处理,二重移动平均法是取一组单重平均数,然后用此组平均数来计算另一组移动平均数,预测模型如下:
At=2St-Ht
St+m=At+Bt·M
其中,St为预测值,其中St+1为时间为t+1的预测值;X1为时间为t的实际值;N为包含在平均数中的数值个数,M为未来期数;建立预测的数学模型,然后运用数学模型确定预测值,若预测结果超出设定的阈值则通知报警模块,并将报警结果传输给驾驶者;所述碰撞风险判断单元用于结合图像处理模块获取的车周围环境图像、驾车者脸部信息,判断碰撞风险,若判断为危险则发送给报警模块,通过分类器对风险类型进行分类评估,并通过报警模块发送给车轮胎抱紧装置进行制动,并进行显示,分类器采用支持向量机的分类算法。D1:使用数据样本输入Linear核函数,求解超平面ωTx+b=0,其中ω和x都是n维列向量,x为平面上的点,ω为平面上的法向量,决定超平面的方向,b是一个实数,代表超平面到原点的距离。且有
x=(x1,x2,…,xd)T
ω=(ω1,ω2,…,ωd)T
重复输入数据样本直到输出结果稳定且g(v)=ωv+b最大时,求得最佳超平面,分类算法训练完成;
D2:用户实时动作风险输入;
D3:提取风险动作信息作为一组空间向量特征值;
D4:特征值作为分类算法的输入,输出分类算法的安全度。
D5:高于设定值则判定为风险待定,低于设定值则判定为危险。
进一步的,所述数据获取模块包含摄像头、速度加速度传感器、超声波雷达传感器、GPS定位传感器,用于获取电动汽车自身以及周围环境信息。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (2)
1.一种基于二重移动平均算法的碰撞预警装置,其特征在于,包括图像采集模块、数据获取模块、中央处理器、虚拟现实体验单元及报警模块,所述中央处理器分别与图像采集模块、数据获取模块相连接,所述中央处理器与虚拟现实体验单元相连接;其中所述中央处理器包括图像处理模块、碰撞风险计算单元及存储器,所述图像采集模块用于获取包括车周围环境图像、驾车者脸部信息、副驾驶人员脸部在内的信息,并采用光流法特征提取算法提取驾驶者眼部、副驾驶眼部的特征信息,传输给第二中央处理器,光流法具体包括:光流法是反映动态图像中不同帧之间相应物体灰度变化的方法,首先采用连续帧之间的光流场和梯度场,分别表示图像的时空变化,实现每帧人脸图像的表情区域跟踪;然后通过特征区域运动方向的变化,表示人脸肌肉的运动,进而对应不同的表情;在综合了人脸生物学信息以后,使用改进的Ratio Template算法实现对人脸区域的检测;然后使用光流法计算人脸的多渠道灰度模型,完成对人脸区域的跟踪;最后用SVM算法实现了表情分类;数据获取模块,用于获取包括电动汽车的电池使用量数据、发动机温度数据、电池温度在内的数据,传输给中央处理器;虚拟现实体验单元,采用Web3D技术,通过提供一个简单的虚拟现实场景,通过中央处理器提供用户位移、十指键盘交互在内的功能;用于接收报警模块发送的警报指令;所述图像处理模块用于对图像采集模块获取的数据与存储模块存储的疲劳眼部特征信息进行匹配比对,若匹配结果为驾驶者疲劳驾驶则立即启动报警模块进行报警,并通知副驾驶人员;若副驾驶被匹配为休息状态则将信息传输给驾驶者,自动或者手动调整副驾驶人员的座椅;还用于将电动汽车的电池使用量数据、发动机温度数据、电池温度在内的数据,并传输给中央处理器;采用二重移动平均算法对这些数据进行预测处理,二重移动平均法是取一组单重平均数,然后用此组平均数来计算另一组移动平均数,预测模型如下:
At=2St-Ht
St+m=At+Bt·M
其中,St为预测值,其中St+1为时间为t+1的预测值;X1为时间为t的实际值;N为包含在平均数中的数值个数,M为未来期数;建立预测的数学模型,然后运用数学模型确定预测值,若预测结果超出设定的阈值则通知报警模块,并将报警结果传输给驾驶者;所述碰撞风险判断单元用于结合图像处理模块获取的车周围环境图像、驾车者脸部信息,判断碰撞风险,若判断为危险则发送给报警模块,通过分类器对风险类型进行分类评估,并通过报警模块发送给车轮胎抱紧装置进行制动,并进行显示,分类器采用支持向量机的分类算法,包括步骤:D1:使用数据样本输入Linear核函数,求解超平面ωTx+b=0,其中ω和x都是n维列向量,x为平面上的点,ω为平面上的法向量,决定超平面的方向,b是一个实数,代表超平面到原点的距离,且有
x=(x1,x2,...,xd)T
ω=(ω1,ω2,...,ωd)T
重复输入数据样本直到输出结果稳定且g(v)=ωv+b最大时,求得最佳超平面,分类算法训练完成;
D2:用户实时动作风险输入;
D3:提取风险动作信息作为一组空间向量特征值;
D4:特征值作为分类算法的输入,输出分类算法的安全度;
D5:高于设定值则判定为风险待定,低于设定值则判定为危险。
2.根据权利要求1所述的基于二重移动平均算法的碰撞预警装置,其特征在于,所述数据获取模块包含摄像头、速度加速度传感器、超声波雷达传感器、GPS定位传感器,用于获取电动汽车自身以及周围环境信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810249505.XA CN108583569A (zh) | 2018-03-26 | 2018-03-26 | 一种基于二重移动平均算法的碰撞预警装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810249505.XA CN108583569A (zh) | 2018-03-26 | 2018-03-26 | 一种基于二重移动平均算法的碰撞预警装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108583569A true CN108583569A (zh) | 2018-09-28 |
Family
ID=63623681
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810249505.XA Pending CN108583569A (zh) | 2018-03-26 | 2018-03-26 | 一种基于二重移动平均算法的碰撞预警装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108583569A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113672643A (zh) * | 2021-07-14 | 2021-11-19 | 北京掌行通信息技术有限公司 | 一种业务数字化的分析方法、装置、存储介质及终端 |
CN113705840A (zh) * | 2021-09-23 | 2021-11-26 | 重庆允成互联网科技有限公司 | 一种设备预测性维护方法、装置、计算机设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1794265A (zh) * | 2005-12-31 | 2006-06-28 | 北京中星微电子有限公司 | 基于视频的面部表情识别方法及装置 |
CN104973054A (zh) * | 2014-04-04 | 2015-10-14 | 现代自动车株式会社 | 用于基于驾驶员的疲劳控制车辆的驾驶的装置和方法 |
CN106778677A (zh) * | 2016-12-30 | 2017-05-31 | 东北农业大学 | 基于特征选择和面部多区域分类器集成的驾驶者疲劳状态识别方法与装置 |
CN107139928A (zh) * | 2017-05-24 | 2017-09-08 | 成都志博科技有限公司 | 用于预防疲劳驾驶的adas系统 |
-
2018
- 2018-03-26 CN CN201810249505.XA patent/CN108583569A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1794265A (zh) * | 2005-12-31 | 2006-06-28 | 北京中星微电子有限公司 | 基于视频的面部表情识别方法及装置 |
CN104973054A (zh) * | 2014-04-04 | 2015-10-14 | 现代自动车株式会社 | 用于基于驾驶员的疲劳控制车辆的驾驶的装置和方法 |
CN106778677A (zh) * | 2016-12-30 | 2017-05-31 | 东北农业大学 | 基于特征选择和面部多区域分类器集成的驾驶者疲劳状态识别方法与装置 |
CN107139928A (zh) * | 2017-05-24 | 2017-09-08 | 成都志博科技有限公司 | 用于预防疲劳驾驶的adas系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113672643A (zh) * | 2021-07-14 | 2021-11-19 | 北京掌行通信息技术有限公司 | 一种业务数字化的分析方法、装置、存储介质及终端 |
CN113672643B (zh) * | 2021-07-14 | 2022-08-16 | 北京千方科技股份有限公司 | 一种业务数字化的分析方法、装置、存储介质及终端 |
WO2023284689A1 (zh) * | 2021-07-14 | 2023-01-19 | 北京千方科技股份有限公司 | 一种业务数字化的分析方法、装置、存储介质及终端 |
CN113705840A (zh) * | 2021-09-23 | 2021-11-26 | 重庆允成互联网科技有限公司 | 一种设备预测性维护方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
You et al. | A real-time driving drowsiness detection algorithm with individual differences consideration | |
Tran et al. | Real‐time detection of distracted driving based on deep learning | |
US20220410830A1 (en) | In-cabin hazard prevention and safety control system for autonomous machine applications | |
CN111033512B (zh) | 用于基于简单的二维平面摄像装置与自主行驶车辆通信的动作控制装置 | |
Aksjonov et al. | Detection and evaluation of driver distraction using machine learning and fuzzy logic | |
Kaplan et al. | Driver behavior analysis for safe driving: A survey | |
Pakdamanian et al. | Deeptake: Prediction of driver takeover behavior using multimodal data | |
Deng et al. | Prediction performance of lane changing behaviors: a study of combining environmental and eye-tracking data in a driving simulator | |
CN113056390A (zh) | 情境驾驶员监控系统 | |
Kose et al. | Real-time driver state monitoring using a CNN based spatio-temporal approach | |
EP1529695A1 (en) | Driver adaptive collision warning system | |
CN110291479A (zh) | 基于瞬时自主操作情境执行回退操作 | |
CN107521501A (zh) | 基于博弈论的驾驶员辅助系统决策方法、系统及其他 | |
US20230252800A1 (en) | Systems and methods for identifying distracted driver behavior from video | |
Li et al. | Multi-sensor soft-computing system for driver drowsiness detection | |
CN110155072A (zh) | 防晕车方法和防晕车装置 | |
Fan et al. | Gazmon: Eye gazing enabled driving behavior monitoring and prediction | |
Wang et al. | Automobile driver posture monitoring systems: A review | |
CN111666307A (zh) | 根据场景观察进行直觉推断的无人驾驶安全判断系统 | |
CN108583569A (zh) | 一种基于二重移动平均算法的碰撞预警装置 | |
Rong et al. | Artificial intelligence methods in in-cabin use cases: a survey | |
CN115331205A (zh) | 一种云边协同的驾驶员疲劳检测系统 | |
CN108446644A (zh) | 一种用于新能源电动汽车的虚拟显示系统 | |
Qiu et al. | Incorporating gaze behavior using joint embedding with scene context for driver takeover detection | |
Lashkov et al. | A multimodal approach to psycho-emotional state detection of a vehicle driver |
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: 20180928 |