CN109646024A - 疲劳驾驶检测方法、装置及计算机可读存储介质 - Google Patents
疲劳驾驶检测方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN109646024A CN109646024A CN201910021411.1A CN201910021411A CN109646024A CN 109646024 A CN109646024 A CN 109646024A CN 201910021411 A CN201910021411 A CN 201910021411A CN 109646024 A CN109646024 A CN 109646024A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- eye
- fatigue driving
- closing period
- presently
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/389—Electromyography [EMG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1103—Detecting eye twinkling
-
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- 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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- 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
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)
- Signal Processing (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Hospice & Palliative Care (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Child & Adolescent Psychology (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Power Engineering (AREA)
- Ophthalmology & Optometry (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明公开了一种疲劳驾驶检测方法、装置及计算机可读存储介质，疲劳驾驶检测方法包括以下步骤：当车辆处于行驶状态时，获取驾驶人眼部神经肌肉系统的肌电信号；基于所述肌电信号，得到驾驶人每次眨眼动作对应的闭眼时长；获取第一预设时长内驾驶人每次眨眼动作对应的闭眼时长，得到闭眼时长数据组；检测所述闭眼时长数据组中各个闭眼时长是否大于或等于第二预设时长；根据检测结果，将大于或等于第二预设时长的闭眼时长标记为目标数据；检测所述目标数据的个数是否大于或等于预设个数；若所述目标数据的个数大于或等于预设个数，则发出告警。本发明对驾驶人疲劳状态进行监控，可减少交通事故发生的概率，提高行车安全。
Description
技术领域
本发明涉及安全驾驶技术领域，尤其涉及疲劳驾驶检测方法、装置及计算机可读存储介质。
背景技术
近年来，随着汽车保有量的迅速增加，我国道路交通安全形势异常严峻，交通事故已成为影响社会经济发展的重大问题。国内外多项研究表明，疲劳驾驶，以及由此所引起的跟车过近、车道偏离等危险驾驶行为是导致交通事故的重要原因。据相关调查显示，疲劳驾驶是最频繁的“事故前关键性动作”，约占交通事故的37％。
而目前，没有行之有效的方法能实现对疲劳驾驶进行有效监管，导致疲劳驾驶这一危险驾驶行为仍威胁着社会安全。
发明内容
本发明的主要目的在于提供一种疲劳驾驶检测方法、装置及计算机可读存储介质，旨在解决现有技术中没有行之有效的方法能实现对疲劳驾驶进行有效监管的技术问题。
为实现上述目的，本发明提供一种疲劳驾驶检测方法，所述疲劳驾驶检测方法包括以下步骤：
当车辆处于行驶状态时，获取驾驶人眼部神经肌肉系统的肌电信号；
基于所述肌电信号，得到所述驾驶人每次眨眼动作对应的闭眼时长；
获取第一预设时长内所述驾驶人每次眨眼动作对应的闭眼时长，得到闭眼时长数据组；
检测所述闭眼时长数据组中各个闭眼时长是否大于或等于第二预设时长；
根据检测结果，将大于或等于第二预设时长的闭眼时长标记为目标数据；
检测所述目标数据的个数是否大于或等于预设个数；
若所述目标数据的个数大于或等于预设个数，则发出告警。
可选的，所述若所述目标数据的个数大于或等于预设个数，则发出告警的步骤之后，还包括：
获取车辆当前所处位置，基于所述车辆当前所处位置，检测当前是否满足车辆停靠条件；
若当前满足车辆停靠条件，则输出车辆停靠指示；
当距离输出车辆停靠指示的时间点的时长达到第三预设时长时，检测车辆是否处于停靠状态；
若车辆不处于停靠状态，则将所述车辆的身份信息以及实时位置信息发送至预置设备。
可选的，所述获取车辆当前所处位置，基于所述车辆当前所处位置，检测当前是否满足车辆停靠条件的步骤之后，还包括：
若当前不满足车辆停靠条件，则基于所述车辆当前所处位置，确定目标停靠点；
生成由所述车辆当前所处位置至所述目标停靠点的导航信息，并输出所述导航信息。
可选的，所述生成由所述车辆当前所处位置至所述目标停靠点的导航信息，并输出所述导航信息的步骤之后，还包括：
检测所述车辆的行车轨迹是否与所述导航信息对应的路线一致；
若所述车辆的行车轨迹与所述导航信息对应的路线不一致，则将所述车辆的身份信息以及实时位置信息发送至预置设备。
可选的，所述基于所述车辆当前所处位置，确定目标停靠点的步骤包括：
基于所述车辆当前所处位置，从可选的停靠点中，选取距离所述车辆当前所处位置最近的目标停靠点。
可选的，所述基于所述肌电信号，得到所述驾驶人每次眨眼动作对应的闭眼时长的步骤包括：
对所述肌电信号进行去噪处理，根据预设差分阈值法提取所述经过信号去噪处理后的肌电信号对应的活动段特征值；
将所述活动段特征值发送至预置的神经网络模型，基于所述神经网络模型根据所述活动段特征值识别闭眼状态；
当基于所述神经网络模型根据所述活动段特征值识别到闭眼状态时，记录所述闭眼状态对应的时长，得到所述驾驶人每次眨眼动作对应的闭眼时长。
可选的，所述对所述肌电信号进行去噪处理的步骤包括：
采用小波去噪算法或自适应滤波算法对所述肌电信号进行去噪处理。
可选的，所述若所述目标数据的个数大于或等于预设个数，则发出告警的步骤包括：
若所述目标数据的个数大于或等于预设个数，则播放预置的告警音频，并开启所述车辆的双闪灯。
此外，为实现上述目的，本发明还提供一种疲劳驾驶检测装置，所述疲劳驾驶检测包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的疲劳驾驶检测程序，所述疲劳驾驶检测程序被所述处理器执行时实现如上所述的疲劳驾驶检测方法的步骤。
此外，为实现上述目的，本发明还提供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有疲劳驾驶检测程序，所述疲劳驾驶检测程序被处理器执行时实现如上所述的疲劳驾驶检测方法的步骤。
本发明中，当车辆处于行驶状态时，获取驾驶人眼部神经肌肉系统的肌电信号；基于所述肌电信号，得到所述驾驶人每次眨眼动作对应的闭眼时长；获取第一预设时长内所述驾驶人每次眨眼动作对应的闭眼时长，得到闭眼时长数据组；检测所述闭眼时长数据组中各个闭眼时长是否大于或等于第二预设时长；根据检测结果，将大于或等于第二预设时长的闭眼时长标记为目标数据；检测所述目标数据的个数是否大于或等于预设个数；若所述目标数据的个数大于或等于预设个数，则发出告警。通过本发明，可在车辆行驶过程中，检测驾驶人是否处于疲劳状态，并在检测到驾驶人处于疲劳状态时，发出告警，有助于驾驶人提高注意力，减少交通事故发生的概率，提高行车安全。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的疲劳驾驶检测装置结构示意图；
图2为本发明疲劳驾驶检测方法第一实施例的流程示意图；
图3为本发明疲劳驾驶检测方法一实施例中神经网络模型的识别结果示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
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。
如图1所示，图1为本发明实施例方案涉及的硬件运行环境的疲劳驾驶检测装置结构示意图。
如图1所示，该疲劳驾驶检测装置可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的疲劳驾驶检测装置结构并不构成对疲劳驾驶检测装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及疲劳驾驶检测程序。
在图1所示的疲劳驾驶检测装置中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的疲劳驾驶检测程序，并执行以下操作：
当车辆处于行驶状态时，获取驾驶人眼部神经肌肉系统的肌电信号；
基于所述肌电信号，得到所述驾驶人每次眨眼动作对应的闭眼时长；
获取第一预设时长内所述驾驶人每次眨眼动作对应的闭眼时长，得到闭眼时长数据组；
检测所述闭眼时长数据组中各个闭眼时长是否大于或等于第二预设时长；
根据检测结果，将大于或等于第二预设时长的闭眼时长标记为目标数据；
检测所述目标数据的个数是否大于或等于预设个数；
若所述目标数据的个数大于或等于预设个数，则发出告警。
进一步地，处理器1001可以调用存储器1005中存储的疲劳驾驶检测程序，还执行以下操作：
获取车辆当前所处位置，基于所述车辆当前所处位置，检测当前是否满足车辆停靠条件；
若当前满足车辆停靠条件，则输出车辆停靠指示；
当距离输出车辆停靠指示的时间点的时长达到第三预设时长时，检测车辆是否处于停靠状态；
若车辆不处于停靠状态，则将所述车辆的身份信息以及实时位置信息发送至预置设备。
进一步地，处理器1001可以调用存储器1005中存储的疲劳驾驶检测程序，还执行以下操作：
若当前不满足车辆停靠条件，则基于所述车辆当前所处位置，确定目标停靠点；
生成由所述车辆当前所处位置至所述目标停靠点的导航信息，并输出所述导航信息。
进一步地，处理器1001可以调用存储器1005中存储的疲劳驾驶检测程序，还执行以下操作：
检测所述车辆的行车轨迹是否与所述导航信息对应的路线一致；
若所述车辆的行车轨迹与所述导航信息对应的路线不一致，则将所述车辆的身份信息以及实时位置信息发送至预置设备。
进一步地，处理器1001可以调用存储器1005中存储的疲劳驾驶检测程序，还执行以下操作：
基于所述车辆当前所处位置，从可选的停靠点中，选取距离所述车辆当前所处位置最近的目标停靠点。
进一步地，处理器1001可以调用存储器1005中存储的疲劳驾驶检测程序，还执行以下操作：
对所述肌电信号进行去噪处理，根据预设差分阈值法提取所述经过信号去噪处理后的肌电信号对应的活动段特征值；
将所述活动段特征值发送至预置的神经网络模型，基于所述神经网络模型根据所述活动段特征值识别闭眼状态；
当基于所述神经网络模型根据所述活动段特征值识别到闭眼状态时，记录所述闭眼状态对应的时长，得到所述驾驶人每次眨眼动作对应的闭眼时长。
进一步地，处理器1001可以调用存储器1005中存储的疲劳驾驶检测程序，还执行以下操作：
采用小波去噪算法或自适应滤波算法对所述肌电信号进行去噪处理。
进一步地，处理器1001可以调用存储器1005中存储的疲劳驾驶检测程序，还执行以下操作：
若所述目标数据的个数大于或等于预设个数，则播放预置的告警音频，并开启所述车辆的双闪灯。
参照图2，图2为本发明疲劳驾驶检测方法第一实施例的流程示意图。
在一实施例中，疲劳驾驶检测方法包括：
步骤S10，当车辆处于行驶状态时，获取驾驶人眼部神经肌肉系统的肌电信号；
本发明一实施例中，可预先建立车辆电控系统与疲劳驾驶检测装置的通讯连接，以及肌电信号采集单元与疲劳驾驶检测装置的通讯连接，其中，肌电信号采集单元用于采集驾驶人眼部神经肌肉系统的肌电信号。当车辆电控系统检测到汽车发动机启动时，将发动机启动事件通知疲劳驾驶检测装置，疲劳驾驶检测装置接收到该通知时，判定车辆处于行驶状态，发送启动指令至肌电信号采集单元，肌电信号采集单元接收到该启动指令后，采集当前驾驶人的肌电信号，同时将采集得到的肌电信号发送至疲劳驾驶检测装置。即肌电信号采集单元同时进行肌电信号采集工作以及肌电信号发送工作。
步骤S20，基于所述肌电信号，得到所述驾驶人每次眨眼动作对应的闭眼时长；
本实施例中，可以预先通过若干人体眼部神经肌肉系统的肌电信号样本对神经网络模型进行训练。例如，采集N个睁眼状态时人体眼部神经肌肉系统的肌电信号，得到N个睁眼状态肌电信号样本，采集N个闭眼状态时人体眼部神经肌肉系统的肌电信号，得到N个闭眼状态肌电信号样本，通过N个睁眼状态肌电信号样本以及N个闭眼状态肌电信号样本，对神经网络模型进行训练，使得训练得到的神经网络模型能识别出肌电信号是属于睁眼状态肌电信号还是闭眼状态肌电信号。本实施例中，对神经网络模型进行训练可参照现有的神经网络模型训练方法，在此不做赘述。
本实施例中，疲劳驾驶检测装置将接收到的肌电信号，同步发送至预置的神经网络模型中(即经过训练的神经网络模型，该神经网络模型可根据肌电信号判断睁眼状态以及闭眼状态)，神经网络模型根据接收到的肌电信号，对驾驶人的睁、闭眼状态进行实时判断，并在识别到闭眼状态时，将闭眼状态对应的闭眼时长发送至疲劳驾驶检测装置。
参照图3，图3为本发明疲劳驾驶检测方法一实施例中神经网络模型的识别结果示意图。如图3所示，当识别结果为1时，代表神经网络模型基于肌电信号识别到闭眼状态，t1至t2即为第一次眨眼动作对应的闭眼时长T1，t3至t4即为第二次眨眼动作对应的闭眼时长T2，t5至t6即为第三次眨眼动作对应的闭眼时长T3，t7至t8即为第四次眨眼动作对应的闭眼时长T4，以此类推，随着肌电信号采集单元采集的驾驶人眼部神经肌肉系统的肌电信号的增加，输入神经网络模型的肌电信号也就越多，便可得到后续的眨眼动作对应的闭眼时长T5、T6、T7......
步骤S30，获取第一预设时长内所述驾驶人每次眨眼动作对应的闭眼时长，得到闭眼时长数据组；
本实施例中，可以是控制肌电信号采集单元在第一预设时长(第一预设时长的大小根据实际情况进行设置)内采集驾驶人眼部神经肌肉系统的肌电信号，疲劳驾驶检测装置从肌电信号采集单元获取到第一预设时长内的人眼部神经肌肉系统的肌电信号，然后将第一预设时长内的人眼部神经肌肉系统的肌电信号发送至预置的神经网络模型，神经网络模型按照步骤S20中提到的识别机制，便可得到第一预设时长内驾驶人每次眨眼动作对应的闭眼时长，即得到闭眼时长数据组，并将闭眼时长数据组反馈至疲劳驾驶检测装置。
步骤S40，检测所述闭眼时长数据组中各个闭眼时长是否大于或等于第二预设时长；
步骤S50，根据检测结果，将大于或等于第二预设时长的闭眼时长标记为目标数据；
步骤S60，检测所述目标数据的个数是否大于或等于预设个数；
步骤S70，若所述目标数据的个数大于或等于预设个数，则发出告警。
本发明一可选实施例中，疲劳驾驶检测装置获取的闭眼时长数据组中包含的各个闭眼时长为：T1、T2、T3、T4、T5、T6。则检测T1、T2、T3、T4、T5、T6是否大于或等于第二预设时长。本实施例中，第二预设时长根据实际情况进行设置。例如，当前的研究表明，人在正常状态下，一个眨眼过程中，眼皮闭合时间在0.2S～0.3S之间，因此，可以将第二预设时长设置为0.4S，若检测到驾驶人的闭眼时长大于或等于0.4S，则说明当前闭眼时长较长，可能是由于疲劳引起的。
本实施例中，将大于或等于第二预设时长的闭眼时长标记为目标数据，例如，T2、T3、T4、T5大于或等于第二预设时长，则T2、T3、T4、T5被标记为目标数据。然后，进一步检测，目标数据的个数是否大于或等于预设个数，本实施例中，预设个数根据第一预设时长的大小以及实际情况进行设置，例如设置为3个。若当前目标数据的个数大于预设个数，则表明驾驶人在进行眨眼动作时，闭眼时长较长的事件发生的比较频繁，说明驾驶人处于疲劳状态，则发出告警。本实施例中，发出告警的方式可以是：播放预置音频，例如播放“请提高注意力”，并开启车辆双闪灯；控制振动器振动，并开启车辆双闪灯。
本实施例中，当车辆处于行驶状态时，获取驾驶人眼部神经肌肉系统的肌电信号；基于所述肌电信号，得到所述驾驶人每次眨眼动作对应的闭眼时长；获取第一预设时长内所述驾驶人每次眨眼动作对应的闭眼时长，得到闭眼时长数据组；检测所述闭眼时长数据组中各个闭眼时长是否大于或等于第二预设时长；根据检测结果，将大于或等于第二预设时长的闭眼时长标记为目标数据；检测所述目标数据的个数是否大于或等于预设个数；若所述目标数据的个数大于或等于预设个数，则发出告警。通过本实施例，可在车辆行驶过程中，检测驾驶人是否处于疲劳状态，并在检测到驾驶人处于疲劳状态时，发出告警，有助于驾驶人提高注意力，减少交通事故发生的概率，提高行车安全。
进一步的，本发明疲劳驾驶检测方法一实施例中，步骤S70之后，还包括：
获取车辆当前所处位置，基于所述车辆当前所处位置，检测当前是否满足车辆停靠条件；
若当前满足车辆停靠条件，则输出车辆停靠指示；
当距离输出车辆停靠指示的时间点的时长达到第三预设时长时，检测车辆是否处于停靠状态；
若车辆不处于停靠状态，则将所述车辆的身份信息以及实时位置信息发送至预置设备。
本实施例中，可通过车辆上的GPS模块，获取车辆当前所处位置，并检测车辆当前所处位置是否属于可停车路段，若车辆当前所处位置属于可停车路段，则当前满足车辆停靠条件，否则，当前不满足车辆停靠条件。
本实施例中，若当前满足车辆停靠条件，则输出车辆停靠指示。例如，当车辆当前所处位置属于可停车路段时，播放“请靠边停车”的音频文件(即输出车辆停靠指示)。
本实施例中，由于车辆当前所处位置属于可停车路段，在输出车辆停靠指示后，驾驶人可在短时间内完成车辆停靠，因此，当距离输出车辆停靠指示的时间点的时长达到第三预设时长(该第三预设时长可根据实际需要进行设置，例如设置为5分钟)时，检测车辆是否处于停靠状态。
本实施例中，检测车辆是否处于停靠状态可以是：检测车辆的发动机是否关闭，或检测车辆的速度是否为零。若检测到车辆的发动机关闭或检测到车辆速度为零，则判定车辆处于停靠状态；若检测到车辆的发动机处于开启状态或检测到车辆的速度不为零，则判断车辆不处于停靠状态。
本实施例中，若车辆不处于停靠状态，则说明驾驶人在疲劳驾驶，则将车辆的身份信息以及实时位置信息发送至预置设备。
本实施例中，车辆的身份信息可预先存储于疲劳驾驶检测装置中，车辆的身份信息可以包括：车辆的车牌号、车辆所属人的驾驶证信息。预置设备可以是交管部门的服务器。交管部门的服务器接收到车辆的身份信息以及实时位置信息时，可记录该车辆存在疲劳驾驶的行为，对车辆所属人的驾驶证进行扣分，并基于车辆的实时位置发布车辆拦截任务至相关的工作人员，以供对该车辆进行人工拦截，避免疲劳驾驶引起交通事故。
进一步的，本发明疲劳驾驶检测方法一实施例中，所述获取车辆当前所处位置，基于所述车辆当前所处位置，检测当前是否满足车辆停靠条件的步骤之后，还包括：
若当前不满足车辆停靠条件，则基于所述车辆当前所处位置，确定目标停靠点；
生成由所述车辆当前所处位置至所述目标停靠点的导航信息，并输出所述导航信息。
本实施例中，若车辆当前所处位置不属于可停车路段，则基于车辆当前所处位置，找寻车辆当前所处位置周围可停靠的位置，并从可停靠的位置中确定距离车辆当前所处位置最近的一个位置，作为目标停靠点。生成由车辆当前所处位置至目标停靠点的导航信息，并输出导航信息。
本实施例中，当检测到驾驶人疲劳，且输出告警后，若检测到车辆当前不满足停靠条件，则基于车辆当前所处位置，为车辆找寻目标停靠点，并生成由当前所处位置至目标停靠点的导航，输出导航信息，以供驾驶人快速达到目标停靠点，进行休息，提高了行车安全。
进一步的，本发明疲劳驾驶检测方法一实施例中，所述生成由所述车辆当前所处位置至所述目标停靠点的导航信息，并输出所述导航信息的步骤之后，还包括：
检测所述车辆的行车轨迹是否与所述导航信息对应的路线一致；
若所述车辆的行车轨迹与所述导航信息对应的路线不一致，则将所述车辆的身份信息以及实时位置信息发送至预置设备。
本实施例中，输出导航信息后，驾驶人应当遵照导航信息进行行驶。因此，在输出导航信息后，检测车辆的行车轨迹是否与导航信息对应的路线一致，若一致，则说明驾驶人正前往目标停靠点，若不一致，则说明驾驶人没有遵照导航信息的指示前往目标停靠点，则将车辆的身份信息以及实时位置信息发送至预置设备。本实施例中，车辆的身份信息可预先存储于疲劳驾驶检测装置中，车辆的身份信息可以包括：车辆的车牌号、车辆所属人的驾驶证信息。预置设备可以是交管部门的服务器。交管部门的服务器接收到车辆的身份信息以及实时位置信息时，可记录该车辆存在疲劳驾驶的行为，对车辆所属人的驾驶证进行扣分，并基于车辆的实时位置发布车辆拦截任务至相关的工作人员，以供对该车辆进行人工拦截，避免疲劳驾驶引起交通事故。
进一步的，本发明疲劳驾驶检测方法一实施例中，所述基于所述车辆当前所处位置，确定目标停靠点的步骤包括：
基于所述车辆当前所处位置，从可选的停靠点中，选取距离所述车辆当前所处位置最近的目标停靠点。
本实施例中，若车辆当前所处位置不属于可停车路段，则基于车辆当前所处位置，找寻车辆当前所处位置周围可停靠的位置，并从可停靠的位置中确定距离车辆当前所处位置最近的一个位置，作为目标停靠点。生成由车辆当前所处位置至目标停靠点的导航信息，并输出导航信息。
本实施例中，当检测到驾驶人疲劳，且输出告警后，若检测到车辆当前不满足停靠条件，则基于车辆当前所处位置，为车辆找寻目标停靠点，并生成由当前所处位置至目标停靠点的导航，输出导航信息，以供驾驶人快速达到目标停靠点，进行休息，提高了行车安全。
进一步的，本发明疲劳驾驶检测方法一实施例中，步骤S20包括：
对所述肌电信号进行去噪处理，根据预设差分阈值法提取所述经过信号去噪处理后的肌电信号对应的活动段特征值；
将所述活动段特征值发送至预置的神经网络模型，基于所述神经网络模型根据所述活动段特征值识别闭眼状态；
当基于所述神经网络模型根据所述活动段特征值识别到闭眼状态时，记录所述闭眼状态对应的时长，得到所述驾驶人每次眨眼动作对应的闭眼时长。
在本实施例中，首先对肌电信号进行去噪处理，在本发明一可选实施例中，可以采用低通或带通(20-450Hz)滤波器滤除0-20Hz低频噪声，采用小波去噪或自适应滤波算法去除50Hz左右工频干扰及其他高频噪声。
本实施例中，首先获取若干处于正常活动状态的人眼肌电信号，将这若干肌电信号的平均值作为阈值(即判断眼部神经肌肉活动起始点的阈值)预先存储在疲劳驾驶检测装置中。将经过去噪处理后的肌电信号的绝对值同阈值比较，绝对值大于阈值的部分即为活动段肌电信号。
本实施例中，可以以活动段肌电信号对应的肌电积分值、信号波长度、绝对值均值、平均频率、平均功率等作为活动段特征值，在此不作限制，具体根据需要缩减或扩充活动段特征值。
本实施例中，肌电积分值(IEMG)是一种简单的肌电时域特征量，常用于EMG(肌电信号)活动段检测的预处理和一些临床应用中。IEMG被定义为肌电信号在一段时间内的绝对值和：
其中EMGi代表肌电信号在时刻i的值，N代表信号段的长度。
绝对值均值(MAV)，是肌电信号幅值在一段时间内的绝对值平均值：
其中EMGi代表肌电信号在时刻i的值，N代表信号段的长度。
能量特征值包括幅值平方和(SSI)，均方值(VAR)：
VAR，其中EMGi代表肌电信号在时刻i的值，N代表信号段的长度。
均方根(RMS)是肌电信号分析常用的时域特征量，其定义如下：
其中EMGi代表肌电信号在时刻i的值，N代表信号段的长度。
信号波长度(WL)和平均幅值差(AAC)，WL是描述肌电信号复杂程度的特征量，定义为在一段时间内信号波形的总长度，计算公式如下：
其中EMGi代表肌电信号在时刻i的值，N代表信号段的长度。
AAC，表征信号幅值变化的剧烈程度，从计算公式上看，AAC只是信号波长度的平均值，即AAC＝WL/N。
过零点数(ZC)是描述肌电信号频率信息的特征量在时域内的表示方法。ZC是信号幅值经过零值的次数，为了消除低幅值信号或噪声造成的干扰，在计算时一般设定一个阈值，当零点两侧信号差值大于阈值时，该过零点才被认为是有效的。
本实施例中，对活动段特征值可根据实际需要扩充或缩减，在此不作限制。采用的活动段特征值可以是上述全部也可以是上述中一或多种。根据实际情况进行设置。
在本实施例中，可仅选择肌电信号对应的少数特定信息作为活动段特征值，例如，以肌电信号对应的活动段肌电积分值作为活动段特征值，可简化神经网络模型的识别过程。
本实施例中，神经网络模型预先经过训练，其能根据肌电信号的活动段特征值对睁、闭眼状态进行识别。当神经网络模型根据活动段特征值识别到闭眼状态时，记录所述闭眼状态对应的时长，便可得到驾驶人每次眨眼动作对应的闭眼时长。
本实施例中，对肌电信号进行去噪处理、通过预设差分阈值法提取活动段特征值，可进一步提高数据的准确性，从而提高后续识别结果的准确性。
进一步的，本发明疲劳驾驶检测方法一实施例中，所述对所述肌电信号进行去噪处理的步骤包括：
采用小波去噪算法或自适应滤波算法对所述肌电信号进行去噪处理。
在本实施例中，首先对肌电信号进行去噪处理，在本发明一可选实施例中，可以采用低通或带通(20-450Hz)滤波器滤除0-20Hz低频噪声，采用小波去噪或自适应滤波算法去除50Hz左右工频干扰及其他高频噪声。
本实施例中，对肌电信号进行去噪处理，可以提高后续神经网络模型的识别结果的准确性。
进一步的，本发明疲劳驾驶检测方法一实施例中，步骤S70包括：
若所述目标数据的个数大于或等于预设个数，则播放预置的告警音频，并开启所述车辆的双闪灯。
本实施例中，若目标数据的个数大于或等于预设个数，则表明驾驶人在进行眨眼动作时，闭眼时长较长的事件发生的比较频繁，说明驾驶人处于疲劳状态，则发出告警。本实施例中，发出告警的方式可以是：播放预置音频，例如播放“请提高注意力”，并开启车辆双闪灯；控制振动器振动，并开启车辆双闪灯。
本实施例中，播放预置的告警音频有助于提高驾驶人的注意力，开启车辆的双闪灯，告知了其他车辆与当前车辆保持车距，从而减少了交通事故发生的概率。
此外，本发明实施例还提出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有疲劳驾驶检测程序，所述疲劳驾驶检测程序被处理器执行时实现如上所述的疲劳驾驶检测方法的步骤。
本发明计算机可读存储介质的具体实施例与上述疲劳驾驶检测方法的各个实施例基本相同，在此不做赘述。
需要说明的是，在本文中，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，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种疲劳驾驶检测方法，其特征在于，所述疲劳驾驶检测方法包括以下步骤：
当车辆处于行驶状态时，获取驾驶人眼部神经肌肉系统的肌电信号；
基于所述肌电信号，得到所述驾驶人每次眨眼动作对应的闭眼时长；
获取第一预设时长内所述驾驶人每次眨眼动作对应的闭眼时长，得到闭眼时长数据组；
检测所述闭眼时长数据组中各个闭眼时长是否大于或等于第二预设时长；
根据检测结果，将大于或等于第二预设时长的闭眼时长标记为目标数据；
检测所述目标数据的个数是否大于或等于预设个数；
若所述目标数据的个数大于或等于预设个数，则发出告警。
2.如权利要求1所述的疲劳驾驶检测方法，其特征在于，所述若所述目标数据的个数大于或等于预设个数，则发出告警的步骤之后，还包括：
获取车辆当前所处位置，基于所述车辆当前所处位置，检测当前是否满足车辆停靠条件；
若当前满足车辆停靠条件，则输出车辆停靠指示；
当距离输出车辆停靠指示的时间点的时长达到第三预设时长时，检测车辆是否处于停靠状态；
若车辆不处于停靠状态，则将所述车辆的身份信息以及实时位置信息发送至预置设备。
3.如权利要求2所述的疲劳驾驶检测方法，其特征在于，所述获取车辆当前所处位置，基于所述车辆当前所处位置，检测当前是否满足车辆停靠条件的步骤之后，还包括：
若当前不满足车辆停靠条件，则基于所述车辆当前所处位置，确定目标停靠点；
生成由所述车辆当前所处位置至所述目标停靠点的导航信息，并输出所述导航信息。
4.如权利要求3所述的疲劳驾驶检测方法，其特征在于，所述生成由所述车辆当前所处位置至所述目标停靠点的导航信息，并输出所述导航信息的步骤之后，还包括：
检测所述车辆的行车轨迹是否与所述导航信息对应的路线一致；
若所述车辆的行车轨迹与所述导航信息对应的路线不一致，则将所述车辆的身份信息以及实时位置信息发送至预置设备。
5.如权利要求3所述的疲劳驾驶检测方法，其特征在于，所述基于所述车辆当前所处位置，确定目标停靠点的步骤包括：
基于所述车辆当前所处位置，从可选的停靠点中，选取距离所述车辆当前所处位置最近的目标停靠点。
6.如权利要求1所述的疲劳驾驶检测方法，其特征在于，所述基于所述肌电信号，得到所述驾驶人每次眨眼动作对应的闭眼时长的步骤包括：
对所述肌电信号进行去噪处理，根据预设差分阈值法提取所述经过信号去噪处理后的肌电信号对应的活动段特征值；
将所述活动段特征值发送至预置的神经网络模型，基于所述神经网络模型根据所述活动段特征值识别闭眼状态；
当基于所述神经网络模型根据所述活动段特征值识别到闭眼状态时，记录所述闭眼状态对应的时长，得到所述驾驶人每次眨眼动作对应的闭眼时长。
7.如权利要求6所述的疲劳驾驶检测方法，其特征在于，所述对所述肌电信号进行去噪处理的步骤包括：
采用小波去噪算法或自适应滤波算法对所述肌电信号进行去噪处理。
8.如权利要求1至7中任一项所述的疲劳驾驶检测方法，其特征在于，所述若所述目标数据的个数大于或等于预设个数，则发出告警的步骤包括：
若所述目标数据的个数大于或等于预设个数，则播放预置的告警音频，并开启所述车辆的双闪灯。
9.一种疲劳驾驶检测装置，其特征在于，所述疲劳驾驶检测包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的疲劳驾驶检测程序，所述疲劳驾驶检测程序被所述处理器执行时实现如权利要求1至8中任一项所述的疲劳驾驶检测方法的步骤。
10.一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有疲劳驾驶检测程序，所述疲劳驾驶检测程序被处理器执行时实现如权利要求1至8中任一项所述的疲劳驾驶检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910021411.1A CN109646024A (zh) | 2019-01-09 | 2019-01-09 | 疲劳驾驶检测方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910021411.1A CN109646024A (zh) | 2019-01-09 | 2019-01-09 | 疲劳驾驶检测方法、装置及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109646024A true CN109646024A (zh) | 2019-04-19 |
Family
ID=66119641
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910021411.1A Pending CN109646024A (zh) | 2019-01-09 | 2019-01-09 | 疲劳驾驶检测方法、装置及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109646024A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110287916A (zh) * | 2019-06-28 | 2019-09-27 | 浙江吉利控股集团有限公司 | 一种用于判断驾驶员注意力的方法及系统 |
| CN113080971A (zh) * | 2021-04-12 | 2021-07-09 | 北京交通大学 | 一种通过检测眨眼信号判断疲劳状态的方法和系统 |
| CN113100769A (zh) * | 2021-04-21 | 2021-07-13 | 北京理工大学 | 基于生理指标的无人机操作人员工作状态评估方法及系统 |
| CN113593184A (zh) * | 2021-07-21 | 2021-11-02 | 深圳市传海科技有限公司 | 一种抑制疲劳驾驶方法以及相关装置 |
| CN114287940A (zh) * | 2021-12-17 | 2022-04-08 | 深圳市海清视讯科技有限公司 | 疲劳检测方法、装置和电子设备 |
| CN116211310A (zh) * | 2023-05-09 | 2023-06-06 | 中国第一汽车股份有限公司 | 一种肌电传感器和一种肌电传感器的检测方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080074618A1 (en) * | 2006-05-15 | 2008-03-27 | Baohua Qi | Fatigue detection device using encoded light signals |
| US20120179008A1 (en) * | 1999-01-27 | 2012-07-12 | Compumedics Limited | Vigilance Monitoring System |
| CN103948394A (zh) * | 2014-04-04 | 2014-07-30 | 驻马店市金格尔电气设备有限公司 | 一种疲劳驾驶检测系统及消除疲劳装置 |
| CN203849834U (zh) * | 2014-04-23 | 2014-09-24 | 长安大学 | 一种驾驶疲劳提醒设备 |
| CN105662407A (zh) * | 2015-12-31 | 2016-06-15 | 清华大学苏州汽车研究院（吴江） | 一种基于表面肌电技术的驾驶员疲劳检测系统 |
| CN107169432A (zh) * | 2017-05-09 | 2017-09-15 | 深圳市科迈爱康科技有限公司 | 基于肌电的生物识别方法、终端及计算机可读存储介质 |
| CN107292251A (zh) * | 2017-06-09 | 2017-10-24 | 湖北天业云商网络科技有限公司 | 一种基于人眼状态的驾驶员疲劳检测方法及系统 |
| CN107776405A (zh) * | 2016-08-29 | 2018-03-09 | 法乐第(北京)网络科技有限公司 | 一种针对疲劳驾驶的安全控制方法及装置 |
| CN107992192A (zh) * | 2017-11-03 | 2018-05-04 | 青岛海信电器股份有限公司 | 一种缓解用眼疲劳的方法和虚拟现实显示设备 |
| CN108099785A (zh) * | 2017-12-25 | 2018-06-01 | 芜湖皖江知识产权运营中心有限公司 | 一种应用于智能车辆中的行车控制方法 |
| CN108846308A (zh) * | 2018-04-24 | 2018-11-20 | 浙江吉利控股集团有限公司 | 一种疲劳驾驶检测方法及装置 |
-
2019
- 2019-01-09 CN CN201910021411.1A patent/CN109646024A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120179008A1 (en) * | 1999-01-27 | 2012-07-12 | Compumedics Limited | Vigilance Monitoring System |
| US20080074618A1 (en) * | 2006-05-15 | 2008-03-27 | Baohua Qi | Fatigue detection device using encoded light signals |
| CN103948394A (zh) * | 2014-04-04 | 2014-07-30 | 驻马店市金格尔电气设备有限公司 | 一种疲劳驾驶检测系统及消除疲劳装置 |
| CN203849834U (zh) * | 2014-04-23 | 2014-09-24 | 长安大学 | 一种驾驶疲劳提醒设备 |
| CN105662407A (zh) * | 2015-12-31 | 2016-06-15 | 清华大学苏州汽车研究院（吴江） | 一种基于表面肌电技术的驾驶员疲劳检测系统 |
| CN107776405A (zh) * | 2016-08-29 | 2018-03-09 | 法乐第(北京)网络科技有限公司 | 一种针对疲劳驾驶的安全控制方法及装置 |
| CN107169432A (zh) * | 2017-05-09 | 2017-09-15 | 深圳市科迈爱康科技有限公司 | 基于肌电的生物识别方法、终端及计算机可读存储介质 |
| CN107292251A (zh) * | 2017-06-09 | 2017-10-24 | 湖北天业云商网络科技有限公司 | 一种基于人眼状态的驾驶员疲劳检测方法及系统 |
| CN107992192A (zh) * | 2017-11-03 | 2018-05-04 | 青岛海信电器股份有限公司 | 一种缓解用眼疲劳的方法和虚拟现实显示设备 |
| CN108099785A (zh) * | 2017-12-25 | 2018-06-01 | 芜湖皖江知识产权运营中心有限公司 | 一种应用于智能车辆中的行车控制方法 |
| CN108846308A (zh) * | 2018-04-24 | 2018-11-20 | 浙江吉利控股集团有限公司 | 一种疲劳驾驶检测方法及装置 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110287916A (zh) * | 2019-06-28 | 2019-09-27 | 浙江吉利控股集团有限公司 | 一种用于判断驾驶员注意力的方法及系统 |
| CN110287916B (zh) * | 2019-06-28 | 2021-11-16 | 浙江吉利控股集团有限公司 | 一种用于判断驾驶员注意力的方法及系统 |
| CN113080971A (zh) * | 2021-04-12 | 2021-07-09 | 北京交通大学 | 一种通过检测眨眼信号判断疲劳状态的方法和系统 |
| CN113100769A (zh) * | 2021-04-21 | 2021-07-13 | 北京理工大学 | 基于生理指标的无人机操作人员工作状态评估方法及系统 |
| CN113593184A (zh) * | 2021-07-21 | 2021-11-02 | 深圳市传海科技有限公司 | 一种抑制疲劳驾驶方法以及相关装置 |
| CN113593184B (zh) * | 2021-07-21 | 2022-12-16 | 深圳市传海科技有限公司 | 一种抑制疲劳驾驶方法以及相关装置 |
| CN114287940A (zh) * | 2021-12-17 | 2022-04-08 | 深圳市海清视讯科技有限公司 | 疲劳检测方法、装置和电子设备 |
| CN116211310A (zh) * | 2023-05-09 | 2023-06-06 | 中国第一汽车股份有限公司 | 一种肌电传感器和一种肌电传感器的检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109646024A (zh) | 疲劳驾驶检测方法、装置及计算机可读存储介质 | |
| Sikander et al. | Driver fatigue detection systems: A review | |
| Zhenhai et al. | Driver drowsiness detection based on time series analysis of steering wheel angular velocity | |
| CN109801475A (zh) | 疲劳驾驶检测方法、装置及计算机可读存储介质 | |
| Rohit et al. | Real‐time drowsiness detection using wearable, lightweight brain sensing headbands | |
| CN105261153A (zh) | 车辆行驶监控方法和装置 | |
| CN104183091A (zh) | 一种自适应调整疲劳驾驶预警系统灵敏度的系统 | |
| CN106691443A (zh) | 基于脑电的穿戴式司机防疲劳智能监测预警系统 | |
| CN104461007B (zh) | 一种基于脑电信号的驾驶员辅助人车交互系统 | |
| Sahayadhas et al. | Physiological signal based detection of driver hypovigilance using higher order spectra | |
| KR20090091335A (ko) | 각성 상태 판정 모델 생성 장치, 각성 상태 판정 장치 및 경고 장치 | |
| CN106128032A (zh) | 一种疲劳状态监测及预警方法及其系统 | |
| CN109002817A (zh) | 基于自动驾驶车辆驾驶疲劳时变规律的接管绩效监测预警系统 | |
| CN110751381A (zh) | 一种路怒车辆风险评估和防控方法 | |
| CN109204307A (zh) | 获取自适应防碰撞预警距离的方法、存储介质及系统 | |
| CN113891823A (zh) | 用于监测特别是自主车辆的乘员的通过驾驶操作调节的健康状态的方法和装置 | |
| CN107195194A (zh) | 一种基于停车位类型的停车诱导方法及系统 | |
| CN112172830A (zh) | 驾驶员状态的监控方法、系统、可读存储介质及车载终端 | |
| Hu et al. | A real-time electroencephalogram (EEG) based individual identification interface for mobile security in ubiquitous environment | |
| Zeng et al. | Classifying driving fatigue by using EEG signals | |
| Chen et al. | Driver vigilance detection for high-speed rail using fusion of multiple physiological signals and deep learning | |
| Zhu et al. | Heavy truck driver's drowsiness detection method using wearable eeg based on convolution neural network | |
| Dehzangi et al. | EEG based driver inattention identification via feature profiling and dimensionality reduction | |
| Kumar et al. | Detecting distraction in drivers using electroencephalogram (EEG) signals | |
| Zhu et al. | Eeg-based system using deep learning and attention mechanism for driver drowsiness detection |
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: 20190419 |
|
| RJ01 | Rejection of invention patent application after publication |