CN108926352B - 一种驾驶疲劳检测方法及系统 - Google Patents
一种驾驶疲劳检测方法及系统 Download PDFInfo
- Publication number
- CN108926352B CN108926352B CN201710362885.3A CN201710362885A CN108926352B CN 108926352 B CN108926352 B CN 108926352B CN 201710362885 A CN201710362885 A CN 201710362885A CN 108926352 B CN108926352 B CN 108926352B
- Authority
- CN
- China
- Prior art keywords
- fatigue
- driver
- phase space
- index
- driving
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/18—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state for vehicle drivers or machine operators
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/168—Evaluating attention deficit, hyperactivity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7405—Details of notification to user or communication with user or patient ; user input means using sound
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/20—Workers
- A61B2503/22—Motor vehicles operators, e.g. drivers, pilots, captains
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Psychiatry (AREA)
- Developmental Disabilities (AREA)
- Psychology (AREA)
- Child & Adolescent Psychology (AREA)
- Physiology (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Social Psychology (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Traffic Control Systems (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明公开了一种驾驶疲劳检测方法及系统,该驾驶疲劳检测系统首先采集驾驶员在驾驶过程中的安全带和驾驶座椅底部的加速度信号,通过进行相空间重构并完成去噪处理,得到加速度信号所对应的高维相空间吸引子;之后通过相空间预测方法获得在行驶过程中驾驶员与汽车加速度数据相空间的耦合指数,构建形成实时耦合指数矩阵C={Cij},并将矩阵C的迹作为实时驾驶员疲劳程度指数,将实时驾驶员疲劳指数与清醒期的疲劳程度指数进行比较,如果超过预设阈值,进行疲劳程度提示,并将该驾驶员的驾驶过程中的疲劳程度指数存入数据库。本发明可以解决现有的疲劳驾驶检测识别率低、误判率高的技术难题。
Description
技术领域
本发明属于疲劳驾驶检测技术领域,尤其涉及一种基于数据驱动个性化评价驾驶员的疲劳程度的方法。
背景技术
疲劳驾驶是交通事故的最常见的原因。如何快速、准确的检测到驾驶员的疲劳状况,给予提醒,在严重的时候采取强制措施降低车速,对减少因疲劳驾驶而产生的事故有重大的意义。
现有的驾驶检测技术主要分为三类,一类是生理指标检测,这种方法根据驾驶员电信号、肌电信号、心电信号进行监测。另一类是对驾驶员的信息进行监测,特征包括图像识别,眼部运动特征,反馈机制,据视频信息提取司机的眼部特征、嘴部特征、头部晃动特征信息来判断司机是否疲劳驾驶。最后一类是对车辆参数的监测,包括车辆速度,车辆侧向位移,方向盘的转动,驾驶员任务响应时间。
上述三类方法都基于对某种特征进行检测,如果该特征的指标过人群统计阈值时,则判定司机为疲劳驾驶。但是由于不同驾驶员之间有明显的个体差异性,上述三类方法都缺乏基于不同个体的数据驱动个性化评价指标,因此在使用过程中识别率低、误判率高。
发明内容
本发明目的在于提供一种驾驶疲劳检测方法及系统,以解决现有的疲劳驾驶检测方法的识别率低、误判率高的技术问题。
本发明是这样实现的,一种驾驶疲劳检测系统,包括:信号采集模块(1),信号预处理模块(2),数据分析模块(3),驾驶员疲劳预警模块(4);
信号采集模块(1)中,还包括:采集模块放置在驾驶员的安全带至少3处不同位置以及驾驶座椅底部1处安置有加速度传感器,记录驾驶员在驾驶过程中的安全带和驾驶座椅底部的n(n为自然数,n>4)路加速度信号,形成n路时间序列Si(i=1,2,3,…,n);
进一步地,所述采集模块放置在以下四个区域:驾驶员的安全带内置三个可调节位置的六轴加速度传感器,驾驶座椅底部安置有1个六轴加速度传感器,与驾驶座椅刚性连接;
进一步地,所述安全带内三个六轴加速度传感器分别放置在驾驶员左侧锁骨下方1cm~5cm范围,剑突下方1cm~5cm范围以及右侧髂嵴1cm~5cm范围;
进一步地,所述的采集模块内所有六轴加速度传感器为100Hz到300Hz。
信号预处理模块(2)中,还包括:该模块负责将每分钟的n路加速度信号分别进行相空间重构并完成去噪处理,得到驾驶员在驾驶过程中的n路加速度信号所对应的n个高维相空间吸引子Ai(i=1,2,3…n)
进一步地,所述相空间重构采用Takens相空间重建方法,其中嵌入维数m和延迟时间τ是通过关联维数和互信息方法确定;
进一步地,所述去噪处理采用局部流形投影方法或基于相空间辛几何的主成分分析完成相空间去噪。
数据分析模块(3)中,还包括:该模块通过将在行驶过程中的实时耦合指数得到实时驾驶员疲劳程度指数;
进一步地,所述实时耦合指数是指,根据其中一个相空间Ai的局部流形特征结构对另一个相空间Aj(i≠j)分别进行预测得到Aij,进一步通过Aij和Aj相空间对应的时间序列之间的相关系数Cij。构建形成实时耦合指数矩阵C={Cij},并将矩阵C的迹作为实时驾驶员疲劳程度指数;驾驶员当前时刻的疲劳程度指数是由当前时刻的前1-2分钟内的疲劳指数均值确定。
驾驶员疲劳预警模块(4)中,还包括:该模块将分析得到该驾驶员实时疲劳指数与清醒期的个性化疲劳程度指数进行比较,如果超过预设阈值,则进行疲劳程度提示,并将该驾驶员的驾驶过程中的疲劳程度指数存入数据库。
进一步地,所述数据库是指:驾驶员疲劳预警模块设有驾驶员疲劳程度指数的历史数据库,存有驾驶员每次驾驶过程的疲劳程度指数的时间序列数据;每次驾驶过程疲劳程度指数的个性化历史数据进行数据库更新;
进一步地,所述疲劳程度指数是指:将驾驶员的疲劳水平分为5个等级,其中第1级为清醒、第2级为轻度疲劳、第3级为中度疲劳、第4级为重度疲劳、第5级过度疲劳;
进一步地,所述个性化评价指数是:驾驶员在正常驾驶汽车的起初10-20分钟设为该驾驶员本次驾驶的清醒水平,在这段清醒期的相应实时疲劳程度的平均值作为个性化疲劳程度参考;将该驾驶员历史记录中最高的疲劳程度指数的80%作为重度疲劳水平阈值;将该驾驶员历史记录中最高的疲劳程度指数的60%作为中度疲劳水平阈值;将该驾驶员历史记录中最高的疲劳程度指数的40%作为轻度疲劳水平阈值;将超过该驾驶员历史记录中最高的疲劳程度指数作为过度疲劳水平;重度疲劳水平的初始阈值为该驾驶员连续驾驶四小时的疲劳程度指数;
进一步地,所述疲劳程度提示指的是:驾驶员疲劳预警模块根据当前驾驶员的疲劳指数实时显示疲劳水平,连续3-5分钟以上达到轻度、中度、重度疲劳水平,进行相应的语音和视觉提示。
本发明具有以下有益效果:
本专利首先对汽车以及驾驶员车辆加速度信号进行Takens相空间重建,通过非线性动力学分析的方法获得两者相空间之间的耦合度,进而根据个体数据的耦合度变化趋势以及与人群中比对,得到个性化的疲劳指数。
综上所述,本专利新颖和创造性体现在:1)使用非线性动力学方法通过驾驶员安全带和车辆的加速度信号的相空间耦合度反映驾驶员的疲劳程度,2)基于数据驱动的个性化疲劳指数;
本发明进一步公开了驾驶员疲劳检测装置,该装置有望能显著降低由疲劳驾驶引起的交通事故。通过驾驶员个性化的疲劳指数,该系统能实时监控驾驶状态、有效地检测疲劳驾驶并提醒驾驶员、预防疲劳驾驶事故。同时,本发明的系统可应用于各种车辆类型、不受驾驶员驾驶习惯以及车辆规格尺寸的限制,适应性广。
附图说明
图1为本发明实施例的系统结构示意图;
图2为本发明中的采集模块放置位置示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参见图1,一种汽车驾驶员疲劳检测系统,包括:信号采集模块(1),信号预处理模块(2),数据分析模块(3),驾驶员疲劳预警模块(4);
驾驶员开车前,应调整好座椅并系好安全带。开车前先打开驾驶员疲劳检测系统,调整安全带的三个采集模块位置,确保其分别在驾驶员左侧锁骨(图2所示位置1),剑突(图2所示位置2),以及右侧髂嵴(图2所示位置3),其大致范围为在所述区域1~5cm范围内。驾驶座椅底部安置有1个六轴加速度传感器,与驾驶座椅刚性连接(图2所示位置4)。
之后选择初始化校准,以确保设备正常运行和信号准确采集。在本实施例中,校准时间是5s~10s,校准成功后系统会出现提示,便可启动汽车正常行驶。若出现异常,如采集模块位置放置有误则需对模块进行调整。在本实施例中采样率为200Hz。
在本实施例中,启动汽车行驶的前5min采集的数据将与数据库中历史数据进行统计学比对,观察是否异常。如果无异常则此阶段数据将作为该驾驶员本次驾驶的清醒水平,在这段清醒期的相应实时疲劳程度的平均值作为个性化疲劳程度参考。如果有异常,通过与云端数据库中比对,初步判定出现异是什么原因(如“酒驾”或者“汽车故障”),同时会在驾驶员疲劳预警模块进行提示。
当驾驶员到达目的地或者中途休息时,解开安全带,采集模块将会自动会停止采集,系统会更新数据库并上传云端,进入待机状态。
采集模块每隔2分钟将4路加速度传感器所采集到的数据传送至预处理模块。预处理模块的作用是将采集到的信号进行去噪处理。
与传统去噪模式不同的是,本系统从相空间角度对信号进行去噪处理。首先会按照Takens相空间重建方法,对其进行相空间重建。相空间重建嵌入维数m是通过关联维数确定的,延迟时间τ是通过互信息方法确定的。
在本实施例中,将采用基于相空间辛几何的主成分分析完成相空间去噪,其具体方式是首先对原始相空间的相点进行标准化处理。之后计算相关系数矩阵,计算该矩阵的特征向量与特征值,在本实施例中是通过雅各比矩阵求出特征值。将特征值按照从大到小进行排列,同时获得排好序的特征值的特征向量,计算出主成分贡献率以及累计贡献率,在本实施例中选择出85%以上的特征值和特征向量作为相空间的主要成分。经过处理得到的主成分相空间将作为为去噪后的相空间。
预处理模块将去噪后的4路相空间数据传递给数据分析模块获得驾驶员疲劳程度指数。首先需要获得各路加速度相空间耦合指数,耦合指数是根据其中一个相空间Ai的局部流形特征结构对另一个相空间Aj(i≠j)分别进行预测得到Aij,进一步通过Aij和Aj相空间对应的时间序列之间的相关系数Cij,进而得到驾驶员与汽车在车辆行驶过程中的实时耦合指数;
相空间耦合指数Cij是通过以下方式具体实现的:
1,相空间A局部保流形结构:本实施例中预测方式采用局部保流形结构方法获得,首先对相空间A内所有点采用局部线性化处理,其中对任意相点相点xi周围欧式距离最近的3个点表示:
其中,Wip为相点xi邻域点群内相点xip的权重系数:
dip为离相点xi与xip欧式距离,di1为离相点xi与xip欧式距离最小值
2,获得预测相空间Aij:预测方法是将某个相空间Ai中的任一个相点xi根据自己的局部流形特征结构分别应用到其他的相空间Aj(i≠j),获得相应的预测相点:
遍历Ai中所有相点,所有的预测相点xj组成Ai对Aj的预测相空间Aij。
3,获得相空间Aj对相空间Ai耦合指数Cij
预测相空间Aij对应的时间序列Sij,与原始重建相空间Aj对应的加速度信号的时间序列Sj进行两两相关性分析,得到的相关系数Cij作为相空间Aj对相空间Ai耦合度。
最终构建形成驾驶员与汽车之间实时耦合指数矩阵C={Cij},并将矩阵C的迹作为实时驾驶员疲劳程度指数。驾驶员当前时刻的疲劳程度指数是由当前时刻的前1-2分钟内的疲劳指数均值确定。
该时刻的疲劳程度指数与该驾驶员每次驾驶过程的疲劳程度指数的时间序列数据进行比较并评定级别。
驾驶员的疲劳水平分为5个等级,其中第1级为清醒、第2级为轻度疲劳、第3级为中度疲劳、第4级为重度疲劳、第5级过度疲劳;将该驾驶员历史记录中最高的疲劳程度指数的80%作为重度疲劳水平阈值;将该驾驶员历史记录中最高的疲劳程度指数的60%作为中度疲劳水平阈值;将该驾驶员历史记录中最高的疲劳程度指数的40%作为轻度疲劳水平阈值;将超过该驾驶员历史记录中最高的疲劳程度指数作为过度疲劳水平。
如果该驾驶员是首次使用本预警系统,则初始阈值为该驾驶员连续驾驶四小时的疲劳程度指数。将每次驾驶过程疲劳程度指数的个性化历史数据进行数据库更新。
在本实施例中,疲劳预警模块包括一个显示器和音响。每次采集计算后,都能实时显示出目前疲劳状态。驾驶员疲劳预警模块根据当前驾驶员的疲劳指数实时显示疲劳水平。连续3-5分钟以上达到轻度、中度、重度疲劳水平,进行相应的语音和视觉提示。
虽然本发明已以较佳实施例披露如上,然而并非用以限定本发明。任何熟悉本领域的技术人员,在不脱离本发明技术方案范围情况下,都可利用上述揭示的方法和技术内容对本发明技术方案作出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (10)
1.一种驾驶疲劳检测方法,其步骤包括:
1)分别采集驾驶过程中驾驶员安全带和驾驶座椅的不同加速度信号,其中,驾驶员安全带至少3个不同位置以及驾驶座椅底部1处,共n路加速度信号,n≥4,并形成n路时间序列Si,i=1,2,3,…,n;
2)将每分钟的n路加速度信号分别进行相空间重构并完成去噪处理,得到在驾驶过程中的n路加速度信号所对应的高维相空间吸引子Ai,i=1,2,3…,n;
3)根据其中一个相空间Ai的局部流形特征结构对另一个相空间Aj,i≠j,分别进行预测得到相空间Aij,获得预测相空间Aij的方法是将某个相空间Ai中的任一个相点xi根据自己的局部流形特征结构分别应用到其他的相空间Aj,获得相应的预测相点:遍历Ai中所有预测相点组成Ai对Aj的预测相空间Aij;预测相空间Aij对应的时间序列Sij,与原始重建相空间Aj对应的加速度信号的时间序列Sj进行两两相关性分析,得到的相关系数Cij作为相空间Aj对相空间Ai的实时耦合指数;构建形成实时耦合指数矩阵C={Cij},并将矩阵C的迹作为实时驾驶员疲劳程度指数;
4)将实时驾驶员疲劳程度指数与清醒期的疲劳程度指数进行比较,如果超过预设阈值,则进行疲劳程度提示,并将该驾驶员的驾驶过程中的疲劳程度指数存入数据库。
2.如权利要求1所述的驾驶疲劳检测方法,其特征在于,步骤2)中所述相空间重构采用Takens相空间重建方法,其中嵌入维数m和延迟时间τ是通过关联维数和互信息方法确定。
3.如权利要求1所述的驾驶疲劳检测方法,其特征在于,步骤2)中所述去噪处理采用局部流形投影方法或基于相空间辛几何的主成分分析完成相空间去噪。
4.如权利要求1所述的驾驶疲劳检测方法,其特征在于,步骤3)中相关系数Cij是通过以下方式具体实现的:
a,首先对相空间A内所有点采用局部线性化处理;
b,将某个相空间Ai中的任一个相点xi根据自己的局部流形特征结构分别应用到其他的相空间Aj,i≠j,获得相应的预测相点;
c,预测相空间Aij对应的时间序列Sij,与原始重建相空间Aj对应的加速度信号的时间序列Sj进行两两相关性分析,得到的相关系数Cij作为相空间Aj对相空间Ai的实时耦合指数。
5.如权利要求1所述的驾驶疲劳检测方法,其特征在于,步骤4)中所述疲劳程度提示是:驾驶员疲劳预警模块根据当前驾驶员的疲劳指数实时显示驾驶员的疲劳水平,连续3分钟以上达到轻度、中度、重度疲劳水平,进行相应的语音和视觉提示。
6.如权利要求5所述的驾驶疲劳检测方法,其特征在于,所述驾驶员的疲劳水平具体是:驾驶员在正常驾驶汽车的起初10-20分钟设为该驾驶员本次驾驶的清醒水平,在这段清醒期的相应实时疲劳程度的平均值作为疲劳程度参考;将该驾驶员历史记录中最高的疲劳程度指数的80%作为重度疲劳水平阈值;将该驾驶员历史记录中最高的疲劳程度指数的60%作为中度疲劳水平阈值;将该驾驶员历史记录中最高的疲劳程度指数的40%作为轻度疲劳水平阈值;将超过该驾驶员历史记录中最高的疲劳程度指数作为过度疲劳水平。
7.一种驾驶疲劳检测系统,包括:信号采集模块、信号预处理模块、数据分析模块、驾驶员疲劳预警模块;
信号采集模块,用于采集驾驶员在驾驶过程中的安全带和驾驶座椅底部的加速度信号,并形成n路时间序列Si,i=1,2,3…,n;
信号预处理模块,用于将每分钟的加速度信号分别进行相空间重构并完成去噪处理,得到驾驶员每分钟在驾驶过程中的加速度信号所对应的高维相空间吸引子Ai,i=1,2,3…,n;
数据分析模块,根据其中一个相空间Ai的局部流形特征结构对另一个相空间Aj,i≠j进行预测得到Aij,获得预测相空间Aij的方法是将某个相空间Ai中的任一个相点xi根据自己的局部流形特征结构分别应用到其他的相空间Aj,获得相应的预测相点:遍历Ai中所有预测相点组成Ai对Aj的预测相空间Aij;预测相空间Aij对应的时间序列Sij,与原始重建相空间Aj对应的加速度信号的时间序列Sj进行两两相关性分析,得到的相关系数Cij作为相空间Aj对相空间Ai的实时耦合指数;通过Aij和Aj相空间对应的时间序列之间的相关系数Cij,构建实时耦合指数矩阵C={Cij},并将矩阵C的迹作为实时驾驶员疲劳程度指数;
驾驶员疲劳预警模块,用于将实时驾驶员疲劳指数与清醒期的疲劳程度指数进行比较,如果超过预设阈值,则进行疲劳程度提示,并将该驾驶员的驾驶过程中的疲劳程度指数存入数据库。
8.如权利要求7所述的驾驶疲劳检测系统,其特征在于,驾驶员的安全带内置三个可调节位置的六轴加速度传感器,驾驶座椅底部安置有1个六轴加速度传感器,与驾驶座椅刚性连接;所述安全带内三个六轴加速度传感器分别放置在驾驶员左侧锁骨下方1cm~5cm范围,剑突下方1cm~5cm范围以及右侧髂嵴1cm~5cm范围。
9.如权利要求8所述的驾驶疲劳检测系统,其特征在于,所述六轴加速度传感器为100Hz到300Hz。
10.如权利要求7所述的驾驶疲劳检测系统,其特征在于,所述驾驶员疲劳预警模块包括一个显示器和音响。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710362885.3A CN108926352B (zh) | 2017-05-22 | 2017-05-22 | 一种驾驶疲劳检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710362885.3A CN108926352B (zh) | 2017-05-22 | 2017-05-22 | 一种驾驶疲劳检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108926352A CN108926352A (zh) | 2018-12-04 |
CN108926352B true CN108926352B (zh) | 2020-10-09 |
Family
ID=64450829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710362885.3A Active CN108926352B (zh) | 2017-05-22 | 2017-05-22 | 一种驾驶疲劳检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108926352B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111354161A (zh) * | 2018-12-20 | 2020-06-30 | 奥迪股份公司 | 疲劳驾驶的提醒方法、装置、计算机设备和存储介质 |
CN109394248B (zh) * | 2018-12-22 | 2022-02-22 | 江西科技学院 | 驾驶疲劳检测方法及系统 |
CN112168176B (zh) * | 2019-06-12 | 2024-03-19 | 京东方科技集团股份有限公司 | 一种基于心电信号的身份识别方法、装置和设备 |
CN111803098A (zh) * | 2020-07-16 | 2020-10-23 | 北京敬一科技有限公司 | 一种基于大数据的疲劳监测仪及监测方法 |
CN114419841A (zh) * | 2022-01-28 | 2022-04-29 | 重庆长安汽车股份有限公司 | 驾驶员疲劳驾驶预警系统及方法 |
CN114376577B (zh) * | 2022-02-23 | 2022-07-29 | 北京中科智易科技有限公司 | 一种基于三轴加速度振动分析乘员疲劳度的方法 |
CN114771379A (zh) * | 2022-05-19 | 2022-07-22 | 一汽丰田汽车有限公司 | 一种座椅头枕、车辆和疲劳等级检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103234763A (zh) * | 2013-04-09 | 2013-08-07 | 北京理工大学 | 一种无人驾驶车辆定量评价系统及评价方法 |
EP2730448A1 (en) * | 2012-11-07 | 2014-05-14 | Universita' Degli Studi "G. D'annunzio" | Method and system for control of the residual efficiency of man-vehicle interaction |
CN104952210A (zh) * | 2015-05-15 | 2015-09-30 | 南京邮电大学 | 一种基于决策级数据融合的疲劳驾驶状态检测系统和方法 |
CN102198032B (zh) * | 2010-03-24 | 2016-03-16 | 派尼杰尔斯控制有限公司 | 用于机动车辆的控制器和控制方法 |
CN105745868A (zh) * | 2013-11-26 | 2016-07-06 | 瑞典爱立信有限公司 | 网络中异常检测的方法和装置 |
CN106570560A (zh) * | 2016-11-02 | 2017-04-19 | 温州大学 | 基于标准化驾驶行为和相空间重构的驾驶风格定量评价方法 |
-
2017
- 2017-05-22 CN CN201710362885.3A patent/CN108926352B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102198032B (zh) * | 2010-03-24 | 2016-03-16 | 派尼杰尔斯控制有限公司 | 用于机动车辆的控制器和控制方法 |
EP2730448A1 (en) * | 2012-11-07 | 2014-05-14 | Universita' Degli Studi "G. D'annunzio" | Method and system for control of the residual efficiency of man-vehicle interaction |
CN103234763A (zh) * | 2013-04-09 | 2013-08-07 | 北京理工大学 | 一种无人驾驶车辆定量评价系统及评价方法 |
CN105745868A (zh) * | 2013-11-26 | 2016-07-06 | 瑞典爱立信有限公司 | 网络中异常检测的方法和装置 |
CN104952210A (zh) * | 2015-05-15 | 2015-09-30 | 南京邮电大学 | 一种基于决策级数据融合的疲劳驾驶状态检测系统和方法 |
CN106570560A (zh) * | 2016-11-02 | 2017-04-19 | 温州大学 | 基于标准化驾驶行为和相空间重构的驾驶风格定量评价方法 |
Non-Patent Citations (3)
Title |
---|
李响等.一种应用语音多特征检测驾驶疲劳的方法.《仪器仪表学报》.2013, * |
李翊等.基于多疲劳信息融合的车载疲劳检测系统的研究和实现.《计算机测量与控制》.2016, * |
胡杰等.基于相空间重构的驾驶风格定量评估.《仪器仪表学报》.2017, * |
Also Published As
Publication number | Publication date |
---|---|
CN108926352A (zh) | 2018-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108926352B (zh) | 一种驾驶疲劳检测方法及系统 | |
US11783601B2 (en) | Driver fatigue detection method and system based on combining a pseudo-3D convolutional neural network and an attention mechanism | |
Peng et al. | Multi-parameter prediction of drivers' lane-changing behaviour with neural network model | |
CN105261151B (zh) | 基于操作行为特征的高等级公路驾驶人疲劳状态检测方法 | |
JP5045492B2 (ja) | 覚醒度推定装置 | |
Feng et al. | An on-board system for detecting driver drowsiness based on multi-sensor data fusion using Dempster-Shafer theory | |
US20130093888A1 (en) | System and method for determining vehicle driving status information-based driving concentration | |
CN103974656A (zh) | 瞌睡检测方法和设备 | |
CN110901385B (zh) | 一种基于驾驶员疲劳状态的主动限速方法 | |
CN111753674A (zh) | 一种基于深度学习的疲劳驾驶的检测识别方法 | |
CN113642522B (zh) | 基于音视频的疲劳状态检测方法和装置 | |
CN113743471B (zh) | 一种驾驶评估方法及其系统 | |
CN110781873A (zh) | 一种双模态特征融合的驾驶员疲劳等级识别方法 | |
JP5005492B2 (ja) | 安全運転支援システム | |
CN110781872A (zh) | 一种双模态特征融合的驾驶员疲劳等级识别系统 | |
CN111105594A (zh) | 车辆及驾驶员疲劳驾驶的识别方法、装置 | |
Ma et al. | Real time drowsiness detection based on lateral distance using wavelet transform and neural network | |
Baccour et al. | Camera-based driver drowsiness state classification using logistic regression models | |
CN110992709A (zh) | 一种基于驾驶员疲劳状态的主动限速系统 | |
Wathiq et al. | Optimized driver safety through driver fatigue detection methods | |
Chatterjee et al. | Driving fitness detection: A holistic approach for prevention of drowsy and drunk driving using computer vision techniques | |
CN109145684B (zh) | 基于区域最匹配特征点的头部状态监测方法 | |
Rusmin et al. | Design and implementation of driver drowsiness detection system on digitalized driver system | |
Luo et al. | Multi-model fusion on real-time drowsiness detection for telemetric robotics tracking applications | |
CN113421402A (zh) | 基于红外相机的乘客体温及疲劳驾驶行为检测系统及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |