CN109902663A - 疲劳驾驶预警方法和疲劳驾驶预警装置 - Google Patents
疲劳驾驶预警方法和疲劳驾驶预警装置 Download PDFInfo
- Publication number
- CN109902663A CN109902663A CN201910215505.2A CN201910215505A CN109902663A CN 109902663 A CN109902663 A CN 109902663A CN 201910215505 A CN201910215505 A CN 201910215505A CN 109902663 A CN109902663 A CN 109902663A
- Authority
- CN
- China
- Prior art keywords
- driver
- fatigue driving
- image data
- safety
- information
- 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
Landscapes
- Emergency Alarm Devices (AREA)
Abstract
本发明公开了一种疲劳驾驶预警方法及装置。包括:步骤S1、实时获取驾驶人员的深度图像数据和彩色图像数据;步骤S2、基于所述彩色图像数据,识别所述驾驶人员的人脸关键信息;步骤S3、基于所述深度图像数据,识别所述驾驶人员的身体姿态信息;步骤S4、根据所述人脸关键信息和所述身体姿态信息,确定所述驾驶人员是否存在疲劳驾驶。本发明的疲劳驾驶预警方法和装置,通过结合彩色图像数据和深度图像数据,可以极大提高车载疲劳预警系统的准确性,从而能够有效保证驾驶人员的安全,避免安全隐患的发生。
Description
技术领域
本发明涉及智能车载技术领域,特别涉及一种疲劳驾驶预警方法以及一种疲劳驾驶预警装置。
背景技术
随着技术水平以及生活水平的提高,车载疲劳预警系统因其能提前预警驾驶人员的危险行为,使其能更加保障驾驶人的安全,在智能车载领域深受欢迎。
目前车载疲劳预警系统主要使用两种方式,一种是对驾驶员的驾车行为分析,主要通过记录和解析驾驶员转动方向盘、踩刹车等行为特征,判别驾驶员是否疲劳驾驶。此种方式受驾驶员驾驶习惯影响极大,误报率极高。另一种检测方法是通过2D图像分析手段对驾驶员脸部特征进行评估,此种方式由于2D图像识别受环境光影响较大以及2D图像只能识别人体的面部信息,不能有效的识别人体姿态信息,所以导致误报率高。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一,提出了一种疲劳驾驶预警方法以及一种疲劳驾驶预警装置。
为了实现上述目的,本发明的第一方面,提供了一种疲劳驾驶预警方法,包括:
步骤S1、实时获取驾驶人员的深度图像数据和彩色图像数据;
步骤S2、基于所述彩色图像数据,识别所述驾驶人员的人脸关键信息;
步骤S3、基于所述深度图像数据,识别所述驾驶人员的身体姿态信息;
步骤S4、根据所述人脸关键信息和所述身体姿态信息,确定所述驾驶人员是否存在疲劳驾驶。
可选地,步骤S2具体包括:
步骤S21、基于所述彩色图像数据,识别所述驾驶人员的人眼信息;
步骤S22、根据所述人眼信息,判断所述驾驶人员是否闭眼,若是,则执行步骤S23;若否,则重复执行步骤S21;
步骤S23、判断所述驾驶人员的闭眼时间是否达到第一安全时间阈值和/或所述驾驶人员的闭眼频率是否达到第一安全频率阈值,若是,则输出第一疲劳驾驶预警信息;
步骤S4具体包括:
根据所述第一疲劳驾驶预警信息确定所述驾驶人员存在疲劳驾驶。
可选地,所述第一安全时间阈值范围为1s~3s;和/或,
所述第一安全频率阈值范围为15次/min~30次/min。
可选地,步骤S3具体包括:
步骤S31、基于所述深度图像数据,识别所述驾驶人员的头部姿态信息;
步骤S32、根据所述头部姿态信息,判断所述驾驶人员是否存在低头和/或左右摇晃,若是,则执行步骤S33;若否,则重复执行步骤S31;
步骤S33、判断所述驾驶人员的低头和/或左右摇晃时间是否达到第二安全时间阈值;和/或,所述驾驶人员的低头和/或左右摇晃频率是否达到第二安全频率阈值,若是,则输出第二疲劳驾驶预警信息;
步骤S4具体包括:
根据所述第二疲劳驾驶预警信息确定所述驾驶人员存在疲劳驾驶。
可选地,所述第二安全时间阈值范围为3s~5s;和/或,
所述第二安全频率阈值范围为10次/min~20次/min。
本发明的第二方面,提供了一种疲劳驾驶预警装置,包括:
深度彩色相机,用于实时获取驾驶人员的深度图像数据和彩色图像数据;
第一识别模块,用于基于所述彩色图像数据,识别所述驾驶人员的人脸关键信息;
第二识别模块,用于基于所述深度图像数据,识别所述驾驶人员的身体姿态信息;
分析模块,用于根据所述人脸关键信息和所述身体姿态信息,确定所述驾驶人员是否存在疲劳驾驶。
可选地,所述第一识别模块包括第一识别子模块和第一判断子模块;其中,
所述第一识别子模块,用于基于所述彩色图像数据,识别所述驾驶人员的人眼信息;
所述第一判断子模块,用于根据所述人眼信息,判断所述驾驶人员是否闭眼;
所述第一判断子模块,还用于判断所述驾驶人员的闭眼时间是否达到第一安全时间阈值和/或所述驾驶人员的闭眼频率是否达到第一安全频率阈值,若是,则输出第一疲劳驾驶预警信息。
可选地,所述第一安全时间阈值范围为1s~3s;和/或,
所述第一安全频率阈值范围为15次/min~30次/min。
可选地,所述第二识别模块包括第二识别子模块和第二判断子模块;其中
所述第二识别子模块,用于基于所述深度图像数据,识别所述驾驶人员的头部姿态信息;
所述第二判断子模块,用于根据所述头部姿态信息,判断所述驾驶人员是否存在低头和/或左右摇晃;
所述第二判断子模块,还用于判断所述驾驶人员的低头和/或左右摇晃时间是否达到第二安全时间阈值,和/或,所述驾驶人员的低头和/或左右摇晃频率达到第二安全频率阈值,若是,则输出第二疲劳驾驶预警信息。
可选地,所述第二安全时间阈值范围为3s~5s;和/或,
所述第二安全频率阈值范围为10次/min~20次/min。
本发明的疲劳驾驶预警方法和疲劳驾驶预警装置,首先实时获取驾驶人员的深度图像数据和彩色图像数据,之后根据彩色图像数据识别其人脸关键信息,以及根据深度图像数据识别其身体姿态信息,最后,根据所获得的人脸关键信息和身体姿态信息,判断驾驶人员是否存在疲劳驾驶行为。因此,本发明的疲劳驾驶预警方法和装置,通过结合彩色图像数据和深度图像数据,可以极大提高车载疲劳预警系统的准确性,从而能够有效保证驾驶人员的安全,避免安全隐患的发生。
附图说明
附图是用来提供对本发明的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明,但并不构成对本发明的限制。在附图中:
图1为本发明第一实施例中疲劳驾驶预警方法的流程图;
图2为本发明第二实施例中疲劳驾驶预警装置的结构示意图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
如图1所示,本发明的第一方面,涉及一种疲劳驾驶预警方法,包括:
步骤S1、实时获取驾驶人员的深度图像数据和彩色图像数据;
步骤S2、基于所述彩色图像数据,识别所述驾驶人员的人脸关键信息;
步骤S3、基于所述深度图像数据,识别所述驾驶人员的身体姿态信息;
步骤S4、根据所述人脸关键信息和所述身体姿态信息,确定所述驾驶人员是否存在疲劳驾驶。
本实施例的疲劳驾驶预警方法,首先实时获取驾驶人员的深度图像数据和彩色图像数据,之后根据彩色图像数据识别其人脸关键信息,以及根据深度图像数据识别其身体姿态信息,最后,根据所获得的人脸关键信息和身体姿态信息,判断驾驶人员是否存在疲劳驾驶行为。因此,本实施例的疲劳驾驶预警方法,方法简单,并且通过结合彩色图像数据和深度图像数据,可以极大提高车载疲劳预警系统的准确性,从而能够有效保证驾驶人员的安全,避免安全隐患的发生。
可选地,步骤S2具体包括:
步骤S21、基于所述彩色图像数据,识别所述驾驶人员的人眼信息;
步骤S22、根据所述人眼信息,判断所述驾驶人员是否闭眼,若是,则执行步骤S23;若否,则重复执行步骤S21;
步骤S23、判断所述驾驶人员的闭眼时间是否达到第一安全时间阈值和/或所述驾驶人员的闭眼频率是否达到第一安全频率阈值,若是,则输出第一疲劳驾驶预警信息;
步骤S4具体包括:
根据所述第一疲劳驾驶预警信息确定所述驾驶人员存在疲劳驾驶。
本实施例的疲劳驾驶预警方法,通过获取的彩色图像数据,识别驾驶人员的人眼信息,根据该人眼信息判断其是否存在闭眼行为,一旦驾驶人员存在闭眼行为,则表征驾驶人员存在疲劳驾驶的安全隐患,因此,需要进一步对该驾驶人员的闭眼时间和闭眼频率进行监控,当所述驾驶人员的闭眼时间达到第一安全时间阈值和/或所述驾驶人员的闭眼频率达到第一安全频率阈值时,则表征当前的驾驶人员存在疲劳驾驶行为,需要输出报警,提醒驾驶人员注意。
需要说明的是,对于第一安全时间阈值以及第一安全频率阈值的具体取值并没有作出限定,例如,该第一安全时间阈值范围可以为1s~3s,第一安全频率阈值范围可以为15次/min~30次/min。当然,除此以外,本领域技术人员还可以根据实际需要来设定第一安全时间阈值范围以及第一安全频率阈值范围。
可选地,步骤S3具体包括:
步骤S31、基于所述深度图像数据,识别所述驾驶人员的头部姿态信息;
步骤S32、根据所述头部姿态信息,判断所述驾驶人员是否存在低头和/或左右摇晃,若是,则执行步骤S33;若否,则重复执行步骤S31;
步骤S33、判断所述驾驶人员的低头和/或左右摇晃时间是否达到第二安全时间阈值;和/或,所述驾驶人员的低头和/或左右摇晃频率是否达到第二安全频率阈值,若是,则输出第二疲劳驾驶预警信息;
步骤S4具体包括:
根据所述第二疲劳驾驶预警信息确定所述驾驶人员存在疲劳驾驶。
本实施例的疲劳驾驶预警方法,通过获取的深度图像数据,识别驾驶人员的身体姿态信息,根据该身体姿态信息判断其是否存在低头和左右摇晃等行为,一旦驾驶人员存在低头和左右摇晃行为,则表征驾驶人员存在疲劳驾驶的安全隐患,因此,需要进一步对该驾驶人员的低头和左右摇晃的时间以及频率进行监控,当所述驾驶人员的低头和左右摇晃的时间达到第二安全时间阈值和/或所述驾驶人员的低头和左右摇晃的频率达到第二安全频率阈值时,则表征当前的驾驶人员存在疲劳驾驶行为,需要输出报警,提醒驾驶人员注意。
需要说明的是,对于第二安全时间阈值以及第二安全频率阈值的具体取值并没有作出限定,例如,该第二安全时间阈值范围可以为3s~5s,第二安全频率阈值范围可以为10次/min~20次/min。当然,除此以外,本领域技术人员还可以根据实际需要来设定第二安全时间阈值范围以及第二安全频率阈值范围。
本发明的第二方面,如图2所示,提供了一种疲劳驾驶预警装置100,该疲劳驾驶预警装置100可以适用于前文记载的疲劳驾驶预警方法,具体可以参考前文相关记载,在此不作赘述。该疲劳驾驶预警装置100包括:
深度彩色相机110,用于实时获取驾驶人员的深度图像数据和彩色图像数据;
第一识别模块120,用于基于所述彩色图像数据,识别所述驾驶人员的人脸关键信息;
第二识别模块130,用于基于所述深度图像数据,识别所述驾驶人员的身体姿态信息;
分析模块140,用于根据所述人脸关键信息和所述身体姿态信息,确定所述驾驶人员是否存在疲劳驾驶。
本实施例的疲劳驾驶预警装置100,首先实时获取驾驶人员的深度图像数据和彩色图像数据,之后根据彩色图像数据识别其人脸关键信息,以及根据深度图像数据识别其身体姿态信息,最后,根据所获得的人脸关键信息和身体姿态信息,判断驾驶人员是否存在疲劳驾驶行为。因此,本实施例的疲劳驾驶预警装置100,结构简单,并且通过结合彩色图像数据和深度图像数据,可以极大提高车载疲劳预警系统的准确性,从而能够有效保证驾驶人员的安全,避免安全隐患的发生。
可选地,如图2所示,所述第一识别模块120包括第一识别子模块121和第一判断子模块122;其中,所述第一识别子模块121,用于基于所述彩色图像数据,识别所述驾驶人员的人眼信息;所述第一判断子模块122,用于根据所述人眼信息,判断所述驾驶人员是否闭眼;所述第一判断子模块122,还用于判断所述驾驶人员的闭眼时间是否达到第一安全时间阈值和/或所述驾驶人员的闭眼频率是否达到第一安全频率阈值,若是,则输出第一疲劳驾驶预警信息。
可选地,所述第一安全时间阈值范围为1s~3s;和/或,所述第一安全频率阈值范围为15次/min~30次/min。
可选地,如图2所示,所述第二识别模块130包括第二识别子模块131和第二判断子模块132;其中,所述第二识别子模块131,用于基于所述深度图像数据,识别所述驾驶人员的头部姿态信息;所述第二判断子模块132,用于根据所述头部姿态信息,判断所述驾驶人员是否存在低头和/或左右摇晃;所述第二判断子模块132,还用于判断所述驾驶人员的低头和/或左右摇晃时间是否达到第二安全时间阈值,和/或,所述驾驶人员的低头和/或左右摇晃频率达到第二安全频率阈值,若是,则输出第二疲劳驾驶预警信息。
可选地,所述第二安全时间阈值范围为3s~5s;和/或,
所述第二安全频率阈值范围为10次/min~20次/min。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (10)
1.一种疲劳驾驶预警方法,其特征在于,包括:
步骤S1、实时获取驾驶人员的深度图像数据和彩色图像数据;
步骤S2、基于所述彩色图像数据,识别所述驾驶人员的人脸关键信息;
步骤S3、基于所述深度图像数据,识别所述驾驶人员的身体姿态信息;
步骤S4、根据所述人脸关键信息和所述身体姿态信息,确定所述驾驶人员是否存在疲劳驾驶。
2.根据权利要求1所述的疲劳驾驶预警方法,其特征在于,步骤S2具体包括:
步骤S21、基于所述彩色图像数据,识别所述驾驶人员的人眼信息;
步骤S22、根据所述人眼信息,判断所述驾驶人员是否闭眼,若是,则执行步骤S23;若否,则重复执行步骤S21;
步骤S23、判断所述驾驶人员的闭眼时间是否达到第一安全时间阈值和/或所述驾驶人员的闭眼频率是否达到第一安全频率阈值,若是,则输出第一疲劳驾驶预警信息;
步骤S4具体包括:
根据所述第一疲劳驾驶预警信息确定所述驾驶人员存在疲劳驾驶。
3.根据权利要求2所述的疲劳驾驶预警方法,其特征在于,所述第一安全时间阈值范围为1s~3s;和/或,
所述第一安全频率阈值范围为15次/min~30次/min。
4.根据权利要求1至3中任意一项所述的疲劳驾驶预警方法,其特征在于,步骤S3具体包括:
步骤S31、基于所述深度图像数据,识别所述驾驶人员的头部姿态信息;
步骤S32、根据所述头部姿态信息,判断所述驾驶人员是否存在低头和/或左右摇晃,若是,则执行步骤S33;若否,则重复执行步骤S31;
步骤S33、判断所述驾驶人员的低头和/或左右摇晃时间是否达到第二安全时间阈值;和/或,所述驾驶人员的低头和/或左右摇晃频率是否达到第二安全频率阈值,若是,则输出第二疲劳驾驶预警信息;
步骤S4具体包括:
根据所述第二疲劳驾驶预警信息确定所述驾驶人员存在疲劳驾驶。
5.根据权利要求4所述的疲劳驾驶预警方法,其特征在于,所述第二安全时间阈值范围为3s~5s;和/或,
所述第二安全频率阈值范围为10次/min~20次/min。
6.一种疲劳驾驶预警装置,其特征在于,包括:
深度彩色相机,用于实时获取驾驶人员的深度图像数据和彩色图像数据;
第一识别模块,用于基于所述彩色图像数据,识别所述驾驶人员的人脸关键信息;
第二识别模块,用于基于所述深度图像数据,识别所述驾驶人员的身体姿态信息;
分析模块,用于根据所述人脸关键信息和所述身体姿态信息,确定所述驾驶人员是否存在疲劳驾驶。
7.根据权利要求6所述的疲劳驾驶预警装置,其特征在于,所述第一识别模块包括第一识别子模块和第一判断子模块;其中,
所述第一识别子模块,用于基于所述彩色图像数据,识别所述驾驶人员的人眼信息;
所述第一判断子模块,用于根据所述人眼信息,判断所述驾驶人员是否闭眼;
所述第一判断子模块,还用于判断所述驾驶人员的闭眼时间是否达到第一安全时间阈值和/或所述驾驶人员的闭眼频率是否达到第一安全频率阈值,若是,则输出第一疲劳驾驶预警信息。
8.根据权利要求7所述的疲劳驾驶预警装置,其特征在于,所述第一安全时间阈值范围为1s~3s;和/或,
所述第一安全频率阈值范围为15次/min~30次/min。
9.根据权利要求6至8中任意一项所述的疲劳驾驶预警装置,其特征在于,所述第二识别模块包括第二识别子模块和第二判断子模块;其中
所述第二识别子模块,用于基于所述深度图像数据,识别所述驾驶人员的头部姿态信息;
所述第二判断子模块,用于根据所述头部姿态信息,判断所述驾驶人员是否存在低头和/或左右摇晃;
所述第二判断子模块,还用于判断所述驾驶人员的低头和/或左右摇晃时间是否达到第二安全时间阈值,和/或,所述驾驶人员的低头和/或左右摇晃频率达到第二安全频率阈值,若是,则输出第二疲劳驾驶预警信息。
10.根据权利要求9所述的疲劳驾驶预警装置,其特征在于,所述第二安全时间阈值范围为3s~5s;和/或,
所述第二安全频率阈值范围为10次/min~20次/min。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910215505.2A CN109902663A (zh) | 2019-03-21 | 2019-03-21 | 疲劳驾驶预警方法和疲劳驾驶预警装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910215505.2A CN109902663A (zh) | 2019-03-21 | 2019-03-21 | 疲劳驾驶预警方法和疲劳驾驶预警装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109902663A true CN109902663A (zh) | 2019-06-18 |
Family
ID=66952828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910215505.2A Pending CN109902663A (zh) | 2019-03-21 | 2019-03-21 | 疲劳驾驶预警方法和疲劳驾驶预警装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109902663A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504856A (zh) * | 2014-12-30 | 2015-04-08 | 天津大学 | 基于Kinect及人脸识别的疲劳驾驶检测方法 |
CN105354987A (zh) * | 2015-11-26 | 2016-02-24 | 南京工程学院 | 车载型疲劳驾驶检测与身份认证装置及其检测方法 |
US20160173752A1 (en) * | 2014-12-10 | 2016-06-16 | Intel Corporation | Techniques for context and performance adaptive processing in ultra low-power computer vision systems |
CN107126224A (zh) * | 2017-06-20 | 2017-09-05 | 中南大学 | 一种基于Kinect的轨道列车驾驶员状态的实时监测和预警方法与系统 |
CN107480629A (zh) * | 2017-08-11 | 2017-12-15 | 常熟理工学院 | 一种基于深度信息的疲劳驾驶检测方法及装置 |
CN108038453A (zh) * | 2017-12-15 | 2018-05-15 | 罗派智能控制技术(上海)有限公司 | 一种基于rgbd的汽车驾驶员状态检测和识别系统 |
CN108304745A (zh) * | 2017-01-10 | 2018-07-20 | 普天信息技术有限公司 | 一种驾驶员驾驶行为检测方法、装置 |
-
2019
- 2019-03-21 CN CN201910215505.2A patent/CN109902663A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160173752A1 (en) * | 2014-12-10 | 2016-06-16 | Intel Corporation | Techniques for context and performance adaptive processing in ultra low-power computer vision systems |
CN104504856A (zh) * | 2014-12-30 | 2015-04-08 | 天津大学 | 基于Kinect及人脸识别的疲劳驾驶检测方法 |
CN105354987A (zh) * | 2015-11-26 | 2016-02-24 | 南京工程学院 | 车载型疲劳驾驶检测与身份认证装置及其检测方法 |
CN108304745A (zh) * | 2017-01-10 | 2018-07-20 | 普天信息技术有限公司 | 一种驾驶员驾驶行为检测方法、装置 |
CN107126224A (zh) * | 2017-06-20 | 2017-09-05 | 中南大学 | 一种基于Kinect的轨道列车驾驶员状态的实时监测和预警方法与系统 |
CN107480629A (zh) * | 2017-08-11 | 2017-12-15 | 常熟理工学院 | 一种基于深度信息的疲劳驾驶检测方法及装置 |
CN108038453A (zh) * | 2017-12-15 | 2018-05-15 | 罗派智能控制技术(上海)有限公司 | 一种基于rgbd的汽车驾驶员状态检测和识别系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107640152B (zh) | 一种车道保持辅助系统的可靠性控制装置及方法 | |
US9694680B2 (en) | System and method for determining drowsy state of driver | |
CN106709420B (zh) | 一种监测营运车辆驾驶人员驾驶行为的方法 | |
CN104021370B (zh) | 一种基于视觉信息融合的驾驶员状态监测方法及系统 | |
CN110532976A (zh) | 基于机器学习和多特征融合的疲劳驾驶检测方法及系统 | |
CN103839379A (zh) | 汽车及用于其的驾驶员疲劳预警检测方法和系统 | |
CN106571015A (zh) | 基于互联网络的驾驶行为数据采集方法 | |
CN108154101A (zh) | 一种多参数融合的疲劳驾驶检测系统及方法 | |
CN106740862A (zh) | 驾驶员状态监控方法及驾驶员状态监控装置 | |
CN101224113A (zh) | 机动车驾驶员状态监控方法及系统 | |
CN106205052A (zh) | 一种行车记录预警方法 | |
CN109367479A (zh) | 一种疲劳驾驶监测方法及装置 | |
CN110211335A (zh) | 用于对车辆的驾驶员的微睡进行识别的方法和装置 | |
CN103700220A (zh) | 一种疲劳驾驶监控装置 | |
CN108021875A (zh) | 一种车辆驾驶员个性化疲劳监测及预警方法 | |
CN110281944A (zh) | 基于多信息融合的驾驶员状态监测系统 | |
JP7154959B2 (ja) | 走行状況判断情報基盤の運転者状態認識装置及び方法 | |
CN107585026A (zh) | 一种防疲劳驾驶系统 | |
CN103198618A (zh) | 一种能够预警疲劳驾驶的手机及预警方法 | |
CN106157537A (zh) | 防疲劳驾驶系统 | |
CN109543577A (zh) | 一种基于面部表情特征的疲劳驾驶检测预警方法 | |
CN107284449A (zh) | 一种行车安全预警方法及系统、汽车、可读存储介质 | |
Dua et al. | Drowsiness detection and alert system | |
CN106096575A (zh) | 一种行车状态监测方法及系统 | |
CN109984762A (zh) | 一种基于可穿戴设备的疲劳驾驶判断方法 |
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: 20190618 |
|
RJ01 | Rejection of invention patent application after publication |