CN110287838B - 一种驾车玩手机行为的监控方法与系统 - Google Patents
一种驾车玩手机行为的监控方法与系统 Download PDFInfo
- Publication number
- CN110287838B CN110287838B CN201910519716.5A CN201910519716A CN110287838B CN 110287838 B CN110287838 B CN 110287838B CN 201910519716 A CN201910519716 A CN 201910519716A CN 110287838 B CN110287838 B CN 110287838B
- Authority
- CN
- China
- Prior art keywords
- user
- mobile phone
- head
- vehicle
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
- H04M1/72451—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions according to schedules, e.g. using calendar applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
- H04M1/72454—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions according to context-related or environment-related conditions
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
- H04M1/72457—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions according to geographic location
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Environmental & Geological Engineering (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
- Telephone Function (AREA)
Abstract
本发明提供一种驾车玩手机行为的监控方法与系统。根据用户速度特征,判断用户是否在交通工具上;若是,则获取在交通工具上的用户特征;通过预先训练好的模型,对所述用户特征进行自动分类,判断用户是在驾车状态还是坐车状态;对驾车状态的玩手机行为,监测其玩手机的频率和时间;根据不同的时间和频率给予不同的交通违规惩罚。本发明能够对在交通工具上用户玩手机的行为进行识别,判断其是否是在驾车时玩手机,并对行为频率和时间进行记录,通知监管部门进行相应交通法规惩罚。维护了用户自己以及他人的安全,减少了交通事故的发生。
Description
技术领域
本发明涉及计算机应用技术与数据处理领域,尤其涉及一种驾车玩手机行为的监控方法与系统。
背景技术
随着手机的普及,很多人习惯了时刻关注手机信息,甚至在走路时都在看,因此出现了很多安全事故。尤其是当驾驶自行车或摩托车、三轮车时,撞到人的概率增加,严重危害公共安全。
由于造价追求低廉,三轮车、摩托车这些结构简单的车辆一般并不会像汽车一样安装监控系统,因此基于车内安装监控设施和相关技术,都无法使用。针对这种情况,需要根据用户的行为进行分析,获取驾车查看手机的行为,并进行必要的干预。
由于手机的普及,以及撞人事件的逐渐增多,国家交通安全部门和手机开发商,在手机中安装相应的检测功能变得越来越重要。该检测模块,能根据违章条例对违规的人员进行相应的惩罚。用于对给他人造成危险的行为进行监控和制止。
发明内容
本发明提供了一种驾车玩手机行为的监控方法与系统,用于验证视频是否被用户认真观看。
本发明提供了一种驾车玩手机行为的监控方法,主要包括以下步骤:
根据用户速度特征,判断用户是否在交通工具上;
若是,则获取在交通工具上的用户特征;
通过预先训练好的模型,对所述用户特征进行自动分类,判断用户是在驾车状态还是坐车状态;
对驾车状态的玩手机行为,监测其玩手机的频率和时间;
根据不同的时间和频率给予不同的交通违规惩罚。
进一步可选地,如上所述的方法中,所述根据用户速度特征,判断用户是否在交通工具上,主要包括:
根据手机的位置变化,计算用户的行进速度;当用户的移动速度大于正常步行速度;且手机能拍摄到用户的部分或整个脸部,则认为当前用户处于交通工具上,并且在玩手机。
进一步可选地,如上所述的方法中,所述获取在交通工具上的用户特征,主要包括:
获取用户抬头低头的频率与时长特征;
获取用户眼动特征;
获取身体在视频中的位置变化特征与偏移特征;
进一步可选地,如上所述的方法中,所述获取用户抬头低头的频率与时长特征,主要包括:
所述抬头低头是用户在交通工具上的抬头和低头行为;
通过大量抬头时的脸部形态的训练样本和低头时的脸部形态训练样本进行机器学习模型预先训练;
根据手机摄像头拍摄用户的动作特征,对用户的抬头和低头行为进行分类,获得抬头与低头频率,并对每一次抬头与低头时长进行统计。
进一步可选地,如上所述的方法中,所述获取用户眼动特征,主要包括:
所述用户眼动特征是用户在交通工具上的眼动行为特征;
采用智能手机结合MEMS技术实现眼动追踪;
根据预先训练的模型,判断监控用户是否有迅速环视并专注在视觉一个方向的注视动作;通过模型进行分类,获得当前眼动特征是否属于驾车时的眼动特征。
进一步可选地,如上所述的方法中,所述获取脸部在视频中的位置变化特征与偏移特征,主要包括:
所述脸部在视频中的位置变化特征与偏移特征是用户在交通工具上面对摄像头的位置变化与偏移特征;
包括识别手机拍摄到头部时,头部切入视频的角度变化度,
用户头部在被手机拍摄时颤动的频率,头部被拍摄到的偏移量特征;通过这些特征规则判断用户在交通工具上的行为是否是驾车行为。
进一步可选地,如上所述的方法中,所述通过预先训练好的模型,对所述用户特征进行自动分类,判断用户是在驾车状态还是坐车状态,主要包括:
收集交通工具上的驾车玩手机行为的视频作为正样本,坐车玩手机行为的视频做为负样本;
根据所述用户抬头低头的频率与时长特征、用户眼动特征、身体在视频中的位置变化特征与偏移特征,抽取特征,并采用机器学习算法训练模型;
所述机器学习模型,包括支持向量机、随机森林、神经网络的其中的任一种;
通过提取当前用户抬头低头的频率与时长特征、用户眼动特征、身体在视频中的位置变化特征与偏移特征,通过预先训练好的机器学习算法模型判别当前用户状态是坐车行为还是驾车行为。
进一步可选地,如上所述的方法中,所述对驾车状态的玩手机行为,监测其玩手机的频率和时间,主要包括:
当判断用户是驾车状态时,进一步的,
检测其玩手机的频率;
检测用户每一次玩手机的时间。
进一步可选地,如上所述的方法中,所述根据不同的时间和频率给予不同的交通违规惩罚,主要包括:
根据所述驾车玩手机的频率及玩手机的时间,自动提交给交警及相关监管部门,根据违规驾驶的程度给予惩罚。
本发明提供了一种驾车玩手机行为的监控系统,所述系统包括:
判断模块,用于判别用户是否在交通工具上玩手机的行为;
获取模块,用于根据用户的抬头低头行为、眼动行为、被摄像位置的偏移等行为,获取用户特征;
训练模块,用于通过预先收集的用户坐车玩手机与驾车玩手机两类数据训练一个二元分类器;
预测模块,用于针对用户特征,通过分类器,判断用户在交通工具上是坐车玩手机还是驾车玩手机;
通知模块 ,用于记录驾车玩手机的时间和频次,通知监管部门,并获得相应交通违规惩罚。
本发明实施例提供的技术方案可以包括以下有益效果:
本发明能够对在交通工具上用户玩手机的行为进行识别,判断其是否是在驾车时玩手机,并对行为频率和时间进行记录,通知监管部门进行相应交通法规惩罚。维护了用户自己以及他人的安全,减少了交通事故的发生。
附图说明
图1为本发明的驾车玩手机行为的监控方法实施例的流程图;
图2为本发明的驾车玩手机行为的监控系统实施例的结构图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。
图1为本发明的一种驾车玩手机行为的监控方法的流程图。如图1所示,本实施例一种驾车玩手机行为的监控方法,具体可以包括如下步骤:
步骤101,获取用户行进速度特征,判断用户当前的状态。手机都安装有定位系统,根据手机在单位时间内的位置变化,可以计算用户当前的行进速度。当用户的移动速度大于普通行走运动速度,例如每小时10公里以上时。判定其是在交通工具上,所述交通工具可以是,自行车、摩托车、三轮车、汽车等需要人驾驶的交通工具。
另外,还需要通过手机判断,其能否拍摄到用户的脸部,或者部分脸部特征。因为玩手机的时候,都需要看着手机,而观看手机,手机的摄像头是可以拍摄到部分脸部影像或全部影像的。如果拍摄不到,说明用户手机并没有在被使用,只是携带而已。还不具备需要检测驾车玩手机的基本特征。若,以上两个条件都满足,则开始进行驾车特征的获取与分析。
步骤102,获取用户抬头低头频率特征。根据手机摄像头拍摄用户的动作特征,对用户的抬头和低头行为进行频率的分析。例如当用户驾车的时候,一般都不会一直只看手机,或者只看路。会有抬头和低头的不断变化的过程,因为需要避免撞车所以,需要察看路况,因此会有不断抬头低头的动作。手机拍摄该过程,并记录相关频率,如,抬头2秒,低头4秒,抬头1秒,低头2秒,抬头6秒,低头3秒等等。其中,抬头与低头的图像分类方法可以通过二元分类方法,通过大量抬头时的脸部形态的训练样本和低头时的脸部形态训练样本进行训练,然后预测该脸部特征是抬头还是低头,即识别人脸的抬头和低头行为,并对频率进行计算。
步骤103,获取用户眼睛注视特征。
结合用户智能手机的功能,可以用智能手机的相机拍摄眼睛的图像,结合MEMS装置控制相机的视角方向,处理器接收来自相机的眼睛的图像,确定相机图像内的眼睛的位置,并控制MEMS以保持相机指向眼睛。MEMS技术作为一种眼动追踪装置可集成于手机内部,作为一个眼动跟踪技术对用户的眼动进行跟踪。
通过眼动跟踪,可以判断当用户处于非驾车模式时,即使有抬头看周边环境的动作,但其并不会迅速环视,然后专注在前方的方向上。驾车的看路行为是有一定的注视规律的。可以根据这个眼动特征规律进行特征提取。然后根据眼动规律进行判断出该动作是否是驾车时刻的眼动行为,还时坐车时候的眼动规律。
步骤104,获取手机拍摄的视频震动及身体在视频中的偏移特征。驾车行为中,由于一只手拿手机,一只手开车,会导致拍摄的头部影像具有更多的震动和偏移。需要做大量的拍摄偏移和调整动作。而如果是一边坐车一边看手机,手机拍摄画面中,人脸的偏移一般较为稳定。不会有规律的时而晃动时而消失。
该判断方法主要是检测用户在视频画面中的位置的变化情况,以及偏移量。例如用户脸部在画面中心的占比,如果只拍摄到50%,的脸部,大部分没有在画面中,说明偏移比较多。并且还偏移有规律的,时而百分之百,时而百分之三十左右。则可能当前用户是驾车行为。
需要监控面部在视频中的位置持续性。不一定画面中能看到整个脸部,但是如果所拍摄的脸部特征位置一直在变换,则更有可能是在驾车状态。相反,如果变动不大,则可能是在坐车状态。
步骤105,获取驾车看手机的视频,作为正样本数据,获得坐车看手机的数据,作为负样本数据。训练机器学习模型。
获取驾车看手机的样本,同时获取坐车看手机的样本,通过上述的三个特征,进行机器学习训练。采用svm、神经网络、随机森林算法中的一种或多种算法,对特质进行提取。并根据上述正、负样本,进行模型训练。获得训练模型。
步骤106,当用户行进速度接近自行车或电动车车速时,手机通过摄像头自动检测用户的上述特征,并进行行为分类。
通过上述预先训练的分类模型,在用户行进速度大于阈值时,根据手机能拍摄到的影像,对用户的行为特征进行提取,并进行分类。获得一个二元分类结果。判断在交通工具上的用户是处于坐车的状态中,还是处于驾车状态中。
步骤107,对驾车看手机行为进行判断并进行惩罚。
如果分类结果是驾车行为,则检测其持续时间。包括总时间,和每次看手机的时间,并且持续看手机超过一定阈值,例如两秒,将自动给交警或者相关监管部门发送违规驾驶的信息。并根据其违规的程度进行相应的罚款或吊销执照等处罚。
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可以通过软件实现,也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解,上述实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (8)
1.一种驾车玩手机行为的监控方法,其特征在于,所述方法包括:
根据用户速度特征,判断用户是否在交通工具上;
若是,则获取在交通工具上的用户特征,主要包括:获取用户抬头低头的频率与时长特征;获取用户眼动特征;获取身体在视频中的位置变化特征与偏移特征;所述视频中的位置变化特征与偏移特征是用户在交通工具上面对摄像头的位置变化与偏移特征;
包括识别手机拍摄到头部时,头部切入视频的角度变化度,
用户头部在被手机拍摄时颤动的频率,头部被拍摄到的偏移量特征;通过这些特征规则判断用户在交通工具上的行为是否是驾车行为;
收集交通工具上的驾车玩手机行为的视频作为正样本,坐车玩手机行为的视频作为负样本;
根据所述用户抬头低头的频率与时长特征、用户眼动特征、身体在视频中的位置变化特征与偏移特征,抽取特征,并采用机器学习算法训练模型;
通过预先训练好的模型,对用户特征进行自动分类,判断用户是在驾车状态还是坐车状态;
对驾车状态的玩手机行为,监测其玩手机的频率和时间;
根据不同的时间和频率给予不同的交通违规惩罚。
2.根据权利要求1所述的方法,其中,所述根据用户速度特征,判断用户是否在交通工具上,主要包括:
根据手机的位置变化,计算用户的行进速度;当用户的移动速度大于正常步行速度;且手机能拍摄到用户的部分或整个脸部,则认为当前用户处于交通工具上,并且在玩手机。
3.根据权利要求1所述的方法,其中,所述获取用户抬头低头的频率与时长特征,主要包括:
所述抬头低头是用户在交通工具上的抬头和低头行为;
通过大量抬头时的脸部形态的训练样本和低头时的脸部形态训练样本进行机器学习模型预先训练;
根据手机摄像头拍摄用户的动作特征,对用户的抬头和低头行为进行分类,获得抬头与低头频率,并对每一次抬头与低头时长进行统计。
4.根据权利要求1所述的方法,其中,所述获取用户眼动特征,主要包括:
所述用户眼动特征是用户在交通工具上的眼动行为特征;
采用智能手机结合MEMS技术实现眼动追踪;
根据预先训练的模型,判断监控用户是否有迅速环视并专注在视觉一个方向的注视动作;通过模型进行分类,获得当前眼动特征是否属于驾车时的眼动特征。
5.根据权利要求1所述的方法,其中,所述通过预先训练好的模型,对所述用户特征进行自动分类,判断用户是在驾车状态还是坐车状态,主要包括:
机器学习模型,包括支持向量机、随机森林、神经网络的其中的任一种;
通过提取当前用户抬头低头的频率与时长特征、用户眼动特征、身体在视频中的位置变化特征与偏移特征,通过预先训练好的机器学习算法模型判别当前用户状态是坐车行为还是驾车行为。
6.根据权利要求1所述的方法,其中,所述对驾车状态的玩手机行为,监测其玩手机的频率和时间,主要包括:
当判断用户是驾车状态时,进一步的,
检测其玩手机的频率;
检测用户每一次玩手机的时间。
7.根据权利要求1所述的方法,其中,所述根据不同的时间和频率给予不同的交通违规惩罚,主要包括:
根据所述驾车玩手机的频率及玩手机的时间,自动提交给交警及相关监管部门,根据违规驾驶的程度给予惩罚。
8.一种驾车玩手机行为的监控系统,其特征在于,所述系统包括:
判断模块,用于判别用户是否在交通工具上玩手机的行为;
获取模块,用于采用手机摄像头获取用户的抬头低头行为、眼动行为、被摄像位置的偏移行为;
训练模块,用于通过预先收集的用户坐车玩手机与驾车玩手机两类数据训练一个二元分类器;
预测模块,用于针对用户特征,通过分类器,判断用户在交通工具上是坐车玩手机还是驾车玩手机;
通知模块 ,用于记录驾车玩手机的时间和频次,通知监管部门,并获得相应交通违规惩罚。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910519716.5A CN110287838B (zh) | 2019-06-17 | 2019-06-17 | 一种驾车玩手机行为的监控方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910519716.5A CN110287838B (zh) | 2019-06-17 | 2019-06-17 | 一种驾车玩手机行为的监控方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110287838A CN110287838A (zh) | 2019-09-27 |
CN110287838B true CN110287838B (zh) | 2021-12-14 |
Family
ID=68005055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910519716.5A Active CN110287838B (zh) | 2019-06-17 | 2019-06-17 | 一种驾车玩手机行为的监控方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110287838B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114550295A (zh) * | 2022-02-24 | 2022-05-27 | 陈�峰 | 基于大数据的感知识别存储终端系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107662613A (zh) * | 2017-09-27 | 2018-02-06 | 西北工业大学 | 一种基于移动群智感知的极端驾驶行为识别方法及系统 |
CN108694407A (zh) * | 2017-04-11 | 2018-10-23 | 西安邮电大学 | 一种基于移动终端的驾驶行为识别方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105739696B (zh) * | 2016-01-28 | 2018-12-25 | 东莞酷派软件技术有限公司 | 应用程序的管理方法、管理装置及移动终端 |
CN105788028A (zh) * | 2016-03-21 | 2016-07-20 | 上海仰笑信息科技有限公司 | 具有疲劳驾驶预警功能的行车记录仪 |
CN106740862A (zh) * | 2016-11-29 | 2017-05-31 | 深圳市元征科技股份有限公司 | 驾驶员状态监控方法及驾驶员状态监控装置 |
CN106953977B (zh) * | 2017-03-22 | 2019-02-12 | 北京字节跳动科技有限公司 | 一种基于移动终端的监测方法及系统 |
CN107404570A (zh) * | 2017-06-23 | 2017-11-28 | 深圳市盛路物联通讯技术有限公司 | 一种提高行车安全性的方法及系统 |
CN107403150A (zh) * | 2017-07-18 | 2017-11-28 | 惠州Tcl移动通信有限公司 | 移动设备及其限制驾驶模式使用的处理方法、及存储介质 |
CN109285327A (zh) * | 2018-07-05 | 2019-01-29 | 惠州市德赛西威汽车电子股份有限公司 | 一种针对行车过程中驾驶员使用手机的处理方法 |
CN109587343A (zh) * | 2018-12-28 | 2019-04-05 | 贵州财富之舟科技有限公司 | 防碰撞的安全提醒方法、装置、计算机设备及存储介质 |
-
2019
- 2019-06-17 CN CN201910519716.5A patent/CN110287838B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108694407A (zh) * | 2017-04-11 | 2018-10-23 | 西安邮电大学 | 一种基于移动终端的驾驶行为识别方法 |
CN107662613A (zh) * | 2017-09-27 | 2018-02-06 | 西北工业大学 | 一种基于移动群智感知的极端驾驶行为识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110287838A (zh) | 2019-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kashevnik et al. | Methodology and mobile application for driver behavior analysis and accident prevention | |
US11375338B2 (en) | Method for smartphone-based accident detection | |
Singh et al. | Analyzing driver behavior under naturalistic driving conditions: A review | |
CN109800633B (zh) | 一种非机动车交通违法判断方法、装置和电子设备 | |
Chen et al. | D 3: Abnormal driving behaviors detection and identification using smartphone sensors | |
WO2020087743A1 (zh) | 非机动车交通违法监管方法、装置及电子设备 | |
US20150116493A1 (en) | Method and system for estimating gaze direction of vehicle drivers | |
Jiménez et al. | Gaze fixation system for the evaluation of driver distractions induced by IVIS | |
WO2016151554A1 (en) | Driver monitoring to determine context of event | |
CN109191829B (zh) | 道路安全监控方法及系统、计算机可读存储介质 | |
WO2008084020A1 (en) | Warning a vehicle operator of unsafe operation behavior based on a 3d captured image stream | |
EP4030326A1 (en) | Information processing device, mobile device, information processing system, method, and program | |
CN103700220A (zh) | 一种疲劳驾驶监控装置 | |
CN110287838B (zh) | 一种驾车玩手机行为的监控方法与系统 | |
CN114926824A (zh) | 一种不良驾驶行为判别方法 | |
Guria et al. | Iot-enabled driver drowsiness detection using machine learning | |
CN112954486B (zh) | 基于视线注意力的车载视频留痕处理方法 | |
CN114495070A (zh) | Ubi危险驾驶数据处理方法、装置、设备及存储介质 | |
KR20120012666A (ko) | 얼굴 인식 기술을 이용한 음주운전 방지 시스템 및 방법 | |
Kashevnik et al. | Context-based driver support system development: Methodology and case study | |
CN112308723A (zh) | 车辆检测方法及系统 | |
KR102358153B1 (ko) | 차량의 주행속도를 검증하기 위한 영상 분석 장치, 시스템 및 이를 위한 방법 | |
Ghasemi et al. | Driving violation detection using vehicle data and environmental conditions | |
JP2020042353A (ja) | 運転評価システム | |
KR102643541B1 (ko) | 인공지능을 이용한 졸음 운전 방지 시스템 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211125 Address after: 266000 room 1803, No. 8, Qinling Road, Laoshan District, Qingdao City, Shandong Province Applicant after: QINGDAO CIVIL AVIATION CARES Co.,Ltd. Address before: Room f101-12, No.1 incubation and production building, guanshao shuangchuang (equipment) center, Huake City, 42 Baiwang Avenue, Wujiang District, Shaoguan City, Guangdong Province, 512026 Applicant before: Shaoguan Qizhi Information Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |