CN109591825A - 一种驾驶疲劳检测方法、装置及车辆 - Google Patents
一种驾驶疲劳检测方法、装置及车辆 Download PDFInfo
- Publication number
- CN109591825A CN109591825A CN201811443093.XA CN201811443093A CN109591825A CN 109591825 A CN109591825 A CN 109591825A CN 201811443093 A CN201811443093 A CN 201811443093A CN 109591825 A CN109591825 A CN 109591825A
- Authority
- CN
- China
- Prior art keywords
- fatigue
- driving
- driver
- node
- model
- 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
- 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
- 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
-
- 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
- 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
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
- B60W2050/0029—Mathematical model of the driver
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供了一种驾驶疲劳检测方法、装置及车辆,涉及汽车技术领域。本发明实施例通过驾驶员对预设疲劳检测通用模型检测到疲劳驾驶时发出的疲劳驾驶警示信息的反馈操作,对预设疲劳检测通用模型进行训练,并获得训练后的疲劳检测模型,使得训练后的疲劳检测模型能够适应驾驶员的驾驶习惯,并能够通过训练后的疲劳检测模型对驾驶员是否处于疲劳驾驶进行有效的检测。
Description
技术领域
本发明涉及汽车技术领域,特别涉及一种驾驶疲劳检测方法、装置及车辆。
背景技术
疲劳驾驶一般指驾驶员在开车过程中由于身体机理出现疲劳变化而导致其操控能力失常的状况,严重危害道路交通安全,已成为全世界面临的严重问题。
在对驾驶员是否处于疲劳驾驶的状态进行检测的相关技术中,大多需要通过摄像头等图像采集装置对驾驶员进行人脸识别,从而根据获得的影像进行判断。在另一些相关技术中,基于方向盘4s不动理论初步判断驾驶员疲劳驾驶状态,并利用脉搏传感器采集驾驶员的脉搏时域值,基于脉率动态阈值检测出驾驶员生理状态。
以上方法大都需增加硬件,例如摄像头或脉搏传感器,生产成本高,且无法适应驾驶员的驾驶习惯,应对不同驾驶员会产生一定的误报率。
发明内容
本发明实施例要解决的技术问题是提供一种驾驶疲劳检测方法、装置及车辆,用以实现适应驾驶员的驾驶习惯,对驾驶员是否处于疲劳驾驶进行检测。
为解决上述技术问题,本发明实施例提供了一种驾驶疲劳检测方法,包括:
接收驾驶员在驾驶过程中对疲劳驾驶警示信息的反馈操作,其中所述疲劳驾驶警示信息为通过预设疲劳检测通用模型检测到疲劳驾驶时发出的;
根据所述反馈操作,对所述预设疲劳检测通用模型进行训练,并获得训练后的疲劳检测模型;
根据所述疲劳检测模型,对驾驶员的驾驶操作进行疲劳检测。
优选的,所述疲劳驾驶警示信息通过以下步骤发出:
获取驾驶操作数据,所述驾驶操作数据包括实时车速、实时方向盘转角、实时方向盘转速中的至少一个;
根据预设疲劳检测通用模型和所述驾驶操作数据,进行疲劳检测,并获得检测结果;
当检测结果表示驾驶员当前处于疲劳驾驶时,发出用于提示驾驶员的疲劳驾驶警示信息。
优选的,所述预设疲劳检测通用模型包括多个第一节点、表示当前处于疲劳驾驶的第二节点和表示当前未处于疲劳驾驶的第三节点,每一所述第一节点迁移至所述第二节点或所述第三节点均设有预设迁移成本;其中,每一所述第一节点与驾驶操作数据中的一个数据相对应。
优选的,根据所述反馈操作,对所述预设疲劳检测通用模型进行训练,并获得训练后的疲劳检测模型的步骤包括:
若接收到表示当前未处于疲劳驾驶的第一反馈操作,则对所述预设疲劳检测通用模型进行第一修正操作,使获得表示驾驶员当前处于疲劳驾驶的检测结果的第一节点与第二节点之间的迁移成本增加。
优选的,根据所述反馈操作,对所述预设疲劳检测通用模型进行训练,并获得训练后的疲劳检测模型的步骤还包括:
若未接收到所述第一反馈操作,则对所述预设疲劳检测通用模型进行第二修正操作,使获得表示驾驶员当前处于疲劳驾驶的检测结果的第一节点与第二节点之间的迁移成本减小。
根据本发明另一方面,本发明实施例还提供了一种驾驶疲劳检测装置,包括:
接收模块,用于接收驾驶员在驾驶过程中对疲劳驾驶警示信息的反馈操作,其中所述疲劳驾驶警示信息为通过预设疲劳检测通用模型检测到疲劳驾驶时发出的;
训练模块,用于根据所述反馈操作,对所述预设疲劳检测通用模型进行训练,并获得训练后的疲劳检测模型;
第一检测模块,用于根据所述疲劳检测模型,对驾驶员的驾驶操作进行疲劳检测。
优选的,所述的装置还包括:
获取模块,用于获取驾驶操作数据,所述驾驶操作数据包括实时车速、实时方向盘转角、实时方向盘转速中的至少一个;
第二检测模块,用于根据预设疲劳检测通用模型和所述驾驶操作数据,进行疲劳检测,并获得检测结果;
警示模块,用于当检测结果表示驾驶员当前处于疲劳驾驶时,发出用于提示驾驶员的疲劳驾驶警示信息。
优选的,所述预设疲劳检测通用模型包括多个第一节点、表示当前处于疲劳驾驶的第二节点和表示当前未处于疲劳驾驶的第三节点,每一所述第一节点迁移至所述第二节点或所述第三节点均设有预设迁移成本;其中,每一所述第一节点与驾驶操作数据中的一个数据相对应。
优选的,所述训练模块包括:
第一训练单元,用于若接收到表示当前未处于疲劳驾驶的第一反馈操作,则对所述预设疲劳检测通用模型进行第一修正操作,使获得表示驾驶员当前处于疲劳驾驶的检测结果的第一节点与第二节点之间的迁移成本增加。
优选的,根据所述反馈操作,所述训练模块还包括:
第二训练单元,用于若未接收到所述第一反馈操作,则对所述预设疲劳检测通用模型进行第二修正操作,使获得表示驾驶员当前处于疲劳驾驶的检测结果的第一节点与第二节点之间的迁移成本减小。
根据本发明另一方面,本发明实施例还提供了一种车辆,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上所述的驾驶疲劳检测方法的步骤。
根据本发明另一方面,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如上所述的驾驶疲劳检测方法的步骤。
与现有技术相比,本发明实施例提供的一种驾驶疲劳检测方法、装置及车辆,至少具有以下有益效果:本发明实施例通过驾驶员对预设疲劳检测通用模型检测到疲劳驾驶时发出的疲劳驾驶警示信息的反馈操作,对预设疲劳检测通用模型进行训练,并获得训练后的疲劳检测模型,使得训练后的疲劳检测模型能够适应驾驶员的驾驶习惯,并能够通过训练后的疲劳检测模型对驾驶员是否处于疲劳驾驶进行有效的检测。
附图说明
图1为本发明实施例的驾驶疲劳检测方法的流程示意图;
图2为本发明实施例的驾驶疲劳检测装置的结构示意图;
图3为本发明实施例的预设疲劳检测通用模型的示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。在下面的描述中,提供诸如具体的配置和组件的特定细节仅仅是为了帮助全面理解本发明的实施例。因此,本领域技术人员应该清楚,可以对这里描述的实施例进行各种改变和修改而不脱离本发明的范围和精神。另外,为了清楚和简洁,省略了对已知功能和构造的描述。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
在本发明的各种实施例中,应理解,下述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
应理解,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
在本申请所提供的实施例中,应理解,“与A相应的B”表示B与A相关联,根据A可以确定B。但还应理解,根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其它信息确定B。
参见图1,本发明实施例提供了一种驾驶疲劳检测方法,包括:
步骤101,接收驾驶员在驾驶过程中对疲劳驾驶警示信息的反馈操作,其中所述疲劳驾驶警示信息为通过预设疲劳检测通用模型检测到疲劳驾驶时发出的;
这里,可以在车辆上设置硬开关、复用其他硬开关或设置虚拟开关用于驾驶员发出反馈操作,该反馈操作表示驾驶员对当前预设疲劳检测通用模型的检测结果的反馈,可以是正向反馈,即表示当前预设疲劳检测通用模型的检测结果是正确的,也可以是负向反馈,即表示当前预设疲劳检测通用模型的检测结果是错误的,从而便于根据驾驶员的驾驶习惯对预设疲劳检测通用模型进行训练。
其中,所述疲劳驾驶警示信息可以通过以下步骤发出:
获取驾驶操作数据,所述驾驶操作数据包括实时车速、实时方向盘转角、实时方向盘转速中的至少一个;
根据预设疲劳检测通用模型和所述驾驶操作数据,进行疲劳检测,并获得检测结果;
当检测结果表示驾驶员当前处于疲劳驾驶时,发出用于提示驾驶员的疲劳驾驶警示信息。
步骤102,根据所述反馈操作,对所述预设疲劳检测通用模型进行训练,并获得训练后的疲劳检测模型;
这里,根据驾驶员开车的过程中驾驶员反馈信号,按照驾驶员的驾驶特性定制化的训练后的疲劳检测模型,从而形成符合特定驾驶员驾驶习惯的疲劳检测私人模型(即训练后的疲劳检测模型),使疲劳检测准确度高,大大降低误报率。
这里,由于一辆汽车可能存在多个经常使用的用户,故还可以将不同的预设疲劳检测通用模型与不同的用户相对应,从而根据当前的驾驶员执行步骤101,从而对与该驾驶员相对应的预设疲劳检测通用模型进行训练,形成与该驾驶员相对应的疲劳检测模型。这里,可以设置用户选项,从而便于用户进行切换,使得当前工作的疲劳检测模型或预设疲劳检测通用模型与当前驾驶的用户相匹配。也可以设置一身份识别装置,用于对驾驶员进行身份识别。
这里,当进行训练后的预设疲劳检测通用模型误报率小于阈值时,即可将该误报率小于阈值的预设疲劳检测通用模型确定为训练后的疲劳检测模型。
步骤103,根据所述疲劳检测模型,对驾驶员的驾驶操作进行疲劳检测。
这里,根据训练后的疲劳检测模型和实时获取的驾驶员驾驶操作数据,对驾驶员的驾驶操作进行疲劳检测,可以在检测到驾驶员当前处于疲劳驾驶时发出疲劳驾驶警示信息,从而警示用户,提高驾驶的安全性。
对于预设疲劳检测通用模型可以有多种设置方式,本发明提供如下一可选实施例。
参见图3,所述预设疲劳检测通用模型可以包括多个第一节点、表示当前处于疲劳驾驶的第二节点和表示当前未处于疲劳驾驶的第三节点,每一所述第一节点迁移至所述第二节点或所述第三节点均设有预设迁移成本;其中,每一所述第一节点与驾驶操作数据中的一个数据相对应。
这里,多个第一节点表示预设疲劳检测通用模型的输入层,第二节点和第三节点表示预设疲劳检测通用模型的输出层,通过将采集的驾驶操作数据输入预设疲劳检测通用模型的输入层,可以获得检测结果。
如图3所示的,这里,v、n、φ均为第一节点,1为第二节点,0为第三节点,v代表车速、n代表方向盘转速、φ代表方向盘转角,输出的1代表当前判断为驾驶员疲劳,0代表驾驶员未疲劳,这里的A、B、C、D代表模型算法中的节点,没有实际的物理意义。
这里,根据所述反馈操作,对所述预设疲劳检测通用模型进行训练,并获得训练后的疲劳检测模型的步骤可以包括:
若接收到表示当前未处于疲劳驾驶的第一反馈操作,则对所述预设疲劳检测通用模型进行第一修正操作,使获得表示驾驶员当前处于疲劳驾驶的检测结果的第一节点与第二节点之间的迁移成本增加。
根据所述反馈操作,对所述预设疲劳检测通用模型进行训练,并获得训练后的疲劳检测模型的步骤还可以包括:
若未接收到所述第一反馈操作,则对所述预设疲劳检测通用模型进行第二修正操作,使获得表示驾驶员当前处于疲劳驾驶的检测结果的第一节点与第二节点之间的迁移成本减小。
下面对预设疲劳检测通用模型的训练原理进行说明:输入一组v、n、φ会选择一条总体代价成本少的节点迁移路线;
假设:初始时预设疲劳检测通用模型中所有节点间之间均分别设置有迁移成本,每一节点间的迁移成本可以是相同的也可以是互不相同的,为了便于理解说明下面假设各节点间迁移成本均为5,收到正向反馈则迁移成本-1,收到负向反馈则迁移成本+1,输入一组v、n、φ,选择一条总体代价成本少的节点迁移路线,假设为v-A-1,n-B-1,φ-C-1(输出节点需为同一个),1与检测结果一致则为正向反馈,则以上选择的线路迁移成本都-1,经过根据反馈操作的训练每两个节点间的迁移成本会有变化,当基于当前的各节点迁移成本选择出正确的输出概率满足识别率要求时,则认为预设疲劳检测通用模型训练完成,形成的模型即为疲劳检测模型。
对于预设疲劳检测通用模型可以根据初始模型进行训练获得,该获得的方式为厂商所进行的,并不需要在实际产生出的车辆上进行,实际车辆上设置由初始模型进行训练获得的预设疲劳检测通用模型即可。下面对初始模型进行训练进行说明。例如,在车内安装驾驶员监控摄像头(摄像头仅做前期数据标注使用),采集驾驶员驾驶图像信息,并同步采集大量驾驶员驾驶时的行驶数据,采集场景覆盖城市道路、高速公路,车速范围覆盖0~120km/h,采集数据本车车速、方向盘转角、方向盘转速信号,并将这三个信号与驾驶员图像同步存储下来。
通过回放驾驶员驾驶图像信息,标注出驾驶员疲劳驾驶时的数据,将驾驶员正常驾驶时的本车车速、方向盘转角、方向盘转速信号与疲劳驾驶时的信号分类标注,用于之后的通用模型训练。
使用增强学习算法,搭建驾驶员疲劳检测模型,模型输入信息为车速、方向盘转角、方向盘转速信号,输出为驾驶员是否疲劳的判断,若输出的疲劳判断与数据标注的分类标注一致,则给予模型正向反馈,不一致则给予模型负向反馈,模型收到正反馈后将节点迁移代价成本减少,收到负反馈后将节点迁移代价成本增加。
在驾驶员行驶过程中,预设疲劳检测通用模型实时接收车速、方向盘转角、方向盘转速信号并做驾驶员疲劳判断。若驾驶员发现此时疲劳检测发生误报,则可发出第一反馈操作,例如按下报警取消按钮给疲劳检测模型予以反馈,模型未收到报警取消硬线信号则将节点迁移代价成本减少,收到报警取消硬线信号后将节点迁移代价成本增加,以此实现驾驶员在环的模型训练,形成训练后的疲劳检测模型。
参见图2,根据本发明另一方面,本发明实施例还提供了一种驾驶疲劳检测装置,包括:
接收模块201,用于接收驾驶员在驾驶过程中对疲劳驾驶警示信息的反馈操作,其中所述疲劳驾驶警示信息为通过预设疲劳检测通用模型检测到疲劳驾驶时发出的;
训练模块202,用于根据所述反馈操作,对所述预设疲劳检测通用模型进行训练,并获得训练后的疲劳检测模型;
第一检测模块203,用于根据所述疲劳检测模型,对驾驶员的驾驶操作进行疲劳检测。
本发明实施例的检测装置能够实现上述方法实施例中的各个过程,并具有相应的有益效果,为避免重复,这里不再赘述。
优选的,所述的装置还包括:
获取模块,用于获取驾驶操作数据,所述驾驶操作数据包括实时车速、实时方向盘转角、实时方向盘转速中的至少一个;
第二检测模块,用于根据预设疲劳检测通用模型和所述驾驶操作数据,进行疲劳检测,并获得检测结果;
警示模块,用于当检测结果表示驾驶员当前处于疲劳驾驶时,发出用于提示驾驶员的疲劳驾驶警示信息。
优选的,所述预设疲劳检测通用模型包括多个第一节点、表示当前处于疲劳驾驶的第二节点和表示当前未处于疲劳驾驶的第三节点,每一所述第一节点迁移至所述第二节点或所述第三节点均设有预设迁移成本;其中,每一所述第一节点与驾驶操作数据中的一个数据相对应。
优选的,所述训练模块包括:
第一训练单元,用于若接收到表示当前未处于疲劳驾驶的第一反馈操作,则对所述预设疲劳检测通用模型进行第一修正操作,使获得表示驾驶员当前处于疲劳驾驶的检测结果的第一节点与第二节点之间的迁移成本增加。
优选的,根据所述反馈操作,所述训练模块还包括:
第二训练单元,用于若未接收到所述第一反馈操作,则对所述预设疲劳检测通用模型进行第二修正操作,使获得表示驾驶员当前处于疲劳驾驶的检测结果的第一节点与第二节点之间的迁移成本减小。
根据本发明另一方面,本发明实施例还提供了一种车辆,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上所述的驾驶疲劳检测方法的步骤。
根据本发明另一方面,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如上所述的驾驶疲劳检测方法的步骤。
综上,本发明实施例通过驾驶员对预设疲劳检测通用模型检测到疲劳驾驶时发出的疲劳驾驶警示信息的反馈操作,对预设疲劳检测通用模型进行训练,并获得训练后的疲劳检测模型,使得训练后的疲劳检测模型能够适应驾驶员的驾驶习惯,并能够通过训练后的疲劳检测模型对驾驶员是否处于疲劳驾驶进行有效的检测。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含。
此外,本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施例和/或设置之间的关系。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (12)
1.一种驾驶疲劳检测方法,其特征在于,包括:
接收驾驶员在驾驶过程中对疲劳驾驶警示信息的反馈操作,其中所述疲劳驾驶警示信息为通过预设疲劳检测通用模型检测到疲劳驾驶时发出的;
根据所述反馈操作,对所述预设疲劳检测通用模型进行训练,并获得训练后的疲劳检测模型;
根据所述疲劳检测模型,对驾驶员的驾驶操作进行疲劳检测。
2.根据权利要求1所述的方法,其特征在于,所述疲劳驾驶警示信息通过以下步骤发出:
获取驾驶操作数据,所述驾驶操作数据包括实时车速、实时方向盘转角、实时方向盘转速中的至少一个;
根据预设疲劳检测通用模型和所述驾驶操作数据,进行疲劳检测,并获得检测结果;
当检测结果表示驾驶员当前处于疲劳驾驶时,发出用于提示驾驶员的疲劳驾驶警示信息。
3.根据权利要1或2所述的方法,其特征在于,所述预设疲劳检测通用模型包括多个第一节点、表示当前处于疲劳驾驶的第二节点和表示当前未处于疲劳驾驶的第三节点,每一所述第一节点迁移至所述第二节点或所述第三节点均设有预设迁移成本;其中,每一所述第一节点与驾驶操作数据中的一个数据相对应。
4.根据权利要求3所述的方法,其特征在于,根据所述反馈操作,对所述预设疲劳检测通用模型进行训练,并获得训练后的疲劳检测模型的步骤包括:
若接收到表示当前未处于疲劳驾驶的第一反馈操作,则对所述预设疲劳检测通用模型进行第一修正操作,使获得表示驾驶员当前处于疲劳驾驶的检测结果的第一节点与第二节点之间的迁移成本增加。
5.根据权利要求4所述的方法,其特征在于,根据所述反馈操作,对所述预设疲劳检测通用模型进行训练,并获得训练后的疲劳检测模型的步骤还包括:
若未接收到所述第一反馈操作,则对所述预设疲劳检测通用模型进行第二修正操作,使获得表示驾驶员当前处于疲劳驾驶的检测结果的第一节点与第二节点之间的迁移成本减小。
6.一种驾驶疲劳检测装置,其特征在于,包括:
接收模块,用于接收驾驶员在驾驶过程中对疲劳驾驶警示信息的反馈操作,其中所述疲劳驾驶警示信息为通过预设疲劳检测通用模型检测到疲劳驾驶时发出的;
训练模块,用于根据所述反馈操作,对所述预设疲劳检测通用模型进行训练,并获得训练后的疲劳检测模型;
第一检测模块,用于根据所述疲劳检测模型,对驾驶员的驾驶操作进行疲劳检测。
7.根据权利要求6所述的装置,其特征在于,还包括:
获取模块,用于获取驾驶操作数据,所述驾驶操作数据包括实时车速、实时方向盘转角、实时方向盘转速中的至少一个;
第二检测模块,用于根据预设疲劳检测通用模型和所述驾驶操作数据,进行疲劳检测,并获得检测结果;
警示模块,用于当检测结果表示驾驶员当前处于疲劳驾驶时,发出用于提示驾驶员的疲劳驾驶警示信息。
8.根据权利要6或7所述的装置,其特征在于,所述预设疲劳检测通用模型包括多个第一节点、表示当前处于疲劳驾驶的第二节点和表示当前未处于疲劳驾驶的第三节点,每一所述第一节点迁移至所述第二节点或所述第三节点均设有预设迁移成本;其中,每一所述第一节点与驾驶操作数据中的一个数据相对应。
9.根据权利要求8所述的装置,其特征在于,所述训练模块包括:
第一训练单元,用于若接收到表示当前未处于疲劳驾驶的第一反馈操作,则对所述预设疲劳检测通用模型进行第一修正操作,使获得表示驾驶员当前处于疲劳驾驶的检测结果的第一节点与第二节点之间的迁移成本增加。
10.根据权利要求9所述的装置,其特征在于,根据所述反馈操作,所述训练模块还包括:
第二训练单元,用于若未接收到所述第一反馈操作,则对所述预设疲劳检测通用模型进行第二修正操作,使获得表示驾驶员当前处于疲劳驾驶的检测结果的第一节点与第二节点之间的迁移成本减小。
11.一种车辆,其特征在于,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至5任一项所述的驾驶疲劳检测方法的步骤。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的驾驶疲劳检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811443093.XA CN109591825A (zh) | 2018-11-29 | 2018-11-29 | 一种驾驶疲劳检测方法、装置及车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811443093.XA CN109591825A (zh) | 2018-11-29 | 2018-11-29 | 一种驾驶疲劳检测方法、装置及车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109591825A true CN109591825A (zh) | 2019-04-09 |
Family
ID=65959798
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811443093.XA Pending CN109591825A (zh) | 2018-11-29 | 2018-11-29 | 一种驾驶疲劳检测方法、装置及车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109591825A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110949396A (zh) * | 2019-11-21 | 2020-04-03 | 西安芯海微电子科技有限公司 | 疲劳驾驶的监测方法、系统、方向盘、装置、设备和介质 |
CN113071497A (zh) * | 2021-04-28 | 2021-07-06 | 中国第一汽车股份有限公司 | 一种驾驶场景判断方法、装置、设备及存储介质 |
CN113460060A (zh) * | 2021-08-20 | 2021-10-01 | 武汉霖汐科技有限公司 | 驾驶员疲劳程度评估系统、控制方法及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0950231A1 (en) * | 1997-01-04 | 1999-10-20 | James Anthony Horne | Sleepiness detection for vehicle driver or machine operator |
CN205541298U (zh) * | 2016-04-14 | 2016-08-31 | 苏州清研微视电子科技有限公司 | 一种利用驾驶行为变异性特征检测疲劳驾驶的系统 |
WO2017031247A1 (en) * | 2015-08-18 | 2017-02-23 | University Of Miami | Method and system for adjusting audio signals based on motion deviation |
CN107562875A (zh) * | 2017-08-31 | 2018-01-09 | 北京麒麟合盛网络技术有限公司 | 一种模型的更新方法、装置及系统 |
CN108464839A (zh) * | 2018-03-22 | 2018-08-31 | 东华大学 | 一种基于机器学习的车载疲劳驾驶监测预警系统 |
CN108765876A (zh) * | 2018-05-31 | 2018-11-06 | 东北大学 | 基于多模信号的驾驶疲劳深度分析预警系统及方法 |
-
2018
- 2018-11-29 CN CN201811443093.XA patent/CN109591825A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0950231A1 (en) * | 1997-01-04 | 1999-10-20 | James Anthony Horne | Sleepiness detection for vehicle driver or machine operator |
WO2017031247A1 (en) * | 2015-08-18 | 2017-02-23 | University Of Miami | Method and system for adjusting audio signals based on motion deviation |
CN205541298U (zh) * | 2016-04-14 | 2016-08-31 | 苏州清研微视电子科技有限公司 | 一种利用驾驶行为变异性特征检测疲劳驾驶的系统 |
CN107562875A (zh) * | 2017-08-31 | 2018-01-09 | 北京麒麟合盛网络技术有限公司 | 一种模型的更新方法、装置及系统 |
CN108464839A (zh) * | 2018-03-22 | 2018-08-31 | 东华大学 | 一种基于机器学习的车载疲劳驾驶监测预警系统 |
CN108765876A (zh) * | 2018-05-31 | 2018-11-06 | 东北大学 | 基于多模信号的驾驶疲劳深度分析预警系统及方法 |
Non-Patent Citations (2)
Title |
---|
周慧等: "基于深度学习的疲劳状态识别算法", 《计算机科学》 * |
牛清宁: "基于信息融合的疲劳驾驶检测方法研究", 《中国博士学位论文全文数据库工程科技II辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110949396A (zh) * | 2019-11-21 | 2020-04-03 | 西安芯海微电子科技有限公司 | 疲劳驾驶的监测方法、系统、方向盘、装置、设备和介质 |
CN110949396B (zh) * | 2019-11-21 | 2021-11-23 | 西安芯海微电子科技有限公司 | 疲劳驾驶的监测方法、系统、方向盘、装置、设备和介质 |
CN113071497A (zh) * | 2021-04-28 | 2021-07-06 | 中国第一汽车股份有限公司 | 一种驾驶场景判断方法、装置、设备及存储介质 |
CN113071497B (zh) * | 2021-04-28 | 2022-05-24 | 中国第一汽车股份有限公司 | 一种驾驶场景判断方法、装置、设备及存储介质 |
CN113460060A (zh) * | 2021-08-20 | 2021-10-01 | 武汉霖汐科技有限公司 | 驾驶员疲劳程度评估系统、控制方法及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105574537B (zh) | 基于多传感器的危险驾驶行为检测和评估方法 | |
Vlahogianni et al. | Driving analytics using smartphones: Algorithms, comparisons and challenges | |
US11787413B2 (en) | Baseline event detection system | |
US20200342230A1 (en) | Event notification system | |
Xu et al. | Leveraging audio signals for early recognition of inattentive driving with smartphones | |
CN109591825A (zh) | 一种驾驶疲劳检测方法、装置及车辆 | |
US9694680B2 (en) | System and method for determining drowsy state of driver | |
CN106327801B (zh) | 疲劳驾驶检测方法和装置 | |
CN109255341A (zh) | 障碍物感知错误数据的提取方法、装置、设备及介质 | |
JP2007122362A (ja) | ニューラルネットワークを用いた状態推定方法及びニューラルネットワークを用いた状態推定装置 | |
CN105539450B (zh) | 一种驾驶行程的自动识别方法和装置 | |
Thomas et al. | Toward detecting accidents with already available passive traffic information | |
JP6511982B2 (ja) | 運転操作判別装置 | |
Alvarez-Coello et al. | Modeling dangerous driving events based on in-vehicle data using Random Forest and Recurrent Neural Network | |
CN109741629A (zh) | 用户画像实时构建方法、系统、计算机设备及存储介质 | |
CN106564503B (zh) | 产生异常驾驶行为的行为信息确定方法及装置 | |
CN107832792A (zh) | 一种疲劳驾驶检测方法及装置 | |
Garg et al. | VividhaVahana: smartphone based vehicle classification and its applications in developing region | |
CN107662613B (zh) | 一种基于移动群智感知的极端驾驶行为识别方法及系统 | |
CN108312985A (zh) | 车辆信息提示方法和装置 | |
Taherifard et al. | Attention-based event characterization for scarce vehicular sensing data | |
CN108482385B (zh) | 一种考虑交通环境复杂度的车载设备操作风险辨识方法 | |
Wowo et al. | Towards sub-maneuver selection for automated driver identification | |
CN111016914B (zh) | 基于便携终端信息的险态驾驶场景辨识系统及其辨识方法 | |
JP6493154B2 (ja) | 情報提供装置および情報提供方法 |
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 |
Application publication date: 20190409 |
|
RJ01 | Rejection of invention patent application after publication |