CN110341713A - 一种基于摄像头的驾驶员手握方向盘监测系统和方法 - Google Patents
一种基于摄像头的驾驶员手握方向盘监测系统和方法 Download PDFInfo
- Publication number
- CN110341713A CN110341713A CN201910629386.5A CN201910629386A CN110341713A CN 110341713 A CN110341713 A CN 110341713A CN 201910629386 A CN201910629386 A CN 201910629386A CN 110341713 A CN110341713 A CN 110341713A
- Authority
- CN
- China
- Prior art keywords
- steering wheel
- data
- memory element
- infrared camera
- camera
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000012544 monitoring process Methods 0.000 title claims abstract description 21
- 238000012546 transfer Methods 0.000 claims abstract description 7
- 238000012549 training Methods 0.000 claims description 14
- 230000001537 neural effect Effects 0.000 claims 1
- 230000008569 process Effects 0.000 description 9
- 238000013527 convolutional neural network Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008713 feedback mechanism Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- 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
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/107—Static hand or arm
- G06V40/11—Hand-related biometrics; Hand pose recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种基于摄像头的驾驶员手握方向盘监测系统,包括一红外摄像头和一图像处理器,所述红外摄像头安装于所述车内顶棚位置,所述图像处理器分别与所述红外摄像头和高级驾驶辅助系统连接,处理来自红外摄像头的图像信息,输出给高级驾驶辅助系统;本发明还提供一种基于摄像头的驾驶员手握方向盘监测方法,包括一红外摄像头和一图像处理器,通过所述红外摄像头采集方向盘和驾驶员的手的图像信息,将所述图像信息发送给图像处理器;图像处理器对图像信息进行分析处理,判定驾驶员的手是否握在方向盘上;图像处理器将判定结果输出。本发明在不改变现有方向盘、转向装置和车型的情况下,实现驾驶员是否手离开方向盘的精确监测,同时降低成本。
Description
技术领域
本发明涉及汽车高级驾驶辅助领域,尤其涉及一种基于摄像头的驾驶员手握方向盘监测系统和方法。
背景技术
目前自动驾驶是汽车行业的趋势,汽车制造商正在推出众多高级驾驶辅助系统(ADAS),然而,根据《维也纳公约》,驾驶员必须具备掌握车辆的能力,一般而言,若驾驶员手握方向盘,进行自动驾驶运动,驾驶员便具备良好的车辆掌控能力,因此,为确保未来的驾驶辅助或自行驾驶的安全性,需要对驾驶员的手是否握在方向盘上进行监测,确保驾驶员有能力对方向盘进行随时控制,从而确保行车安全。
现有的,主要对驾驶员的手是否离开方向盘进行监测,一般有两种监测方式:1、通过检测方向盘扭力来判断驾驶员手是否握在方向盘上,此方案对方向盘扭力传感器要求较高,且容易受驾驶员习惯和外界环境的影响,该方案误判率较高;2、通过在方向盘内设置一个或多个传感器来监测驾驶员手是否握在方向盘上,这类方案精度较高,但此类方向盘成本高,且对方向盘厂商的技术集成要求高,生产难度大。
发明内容
本发明要解决的技术问题之一,在于提供一种基于摄像头的驾驶员手握方向盘监测系统,在不改变现有方向盘、转向装置和车型的情况下,实现驾驶员的手是否握在方向盘的精确监测,同时降低成本。
本发明是这样实现的:一种基于摄像头的驾驶员手握方向盘监测系统,包括一红外摄像头和一图像处理器,所述红外摄像头安装于所述车内顶棚位置,所述图像处理器分别与所述红外摄像头和高级驾驶辅助系统连接,处理来自红外摄像头的图像信息,输出给高级驾驶辅助系统。
进一步的,所述图像处理器设于一主机内。
进一步的,所述图像处理器集成于红外摄像头内。
进一步的,所述图像处理器包括:图像接收元件、计算元件、数据读取元件、第一存储元件、第二存储元件和数据输出元件;
所述图像接收元件与第一存储元件连接,所述图像接收元件将红外摄像头传来的图像数据存入所述第一存储元件;
所述数据读取元件分别与第一存储元件和第二存储元件连接,读取第一存储元件和第二存储元件中的数据,所述第二存储元件存储有预先定义的图像识别模型;
所述计算元件分别与数据读取元件和数据输出元件连接,通过读取元件获取第一存储元件中来自红外摄像头的图像数据和第二存储元件的图像识别模型,采用所述图像识别模型对图像数据进行计算,得到模型输出数据,通过数据输出元件将数据传输给高级驾驶辅助系统。
本发明要解决的技术问题之二,在于提供一种基于摄像头的驾驶员手握方向盘监测方法,在不改变现有方向盘、转向装置和车型的情况下,实现驾驶员的手是否握在方向盘的精确监测,同时降低成本。
一种基于摄像头的驾驶员手握方向盘监测方法,包括一红外摄像头和一图像处理器,具体包括如下步骤:
步骤10、通过所述红外摄像头采集方向盘和驾驶员的手的图像信息,将所述图像信息发送给图像处理器;
步骤20、所述图像处理器对所述图像信息进行分析处理,判定驾驶员的手是否握在方向盘上;
步骤30、所述图像处理器将判定结果输出。
进一步地,所述图像处理器设于一主机内。
进一步地,所述图像处理器集成于所述红外摄像头内。
进一步地,所述图像处理器包括:图像接收元件、计算元件、数据读取元件、第一存储元件、第二存储元件和数据输出元件;所述步骤20具体为:
步骤21、将红外摄像头传来的图像数据存入所述第一存储元件;
步骤22、所述第二存储元件存储有预先定义的图像识别模型;
步骤23、获取所述第一存储元件中来自红外摄像头的图像数据和所述第二存储元件的图像识别模型,采用所述图像识别模型对图像数据进行计算,得到模型输出数据,传输到数据输出元件;
其中,步骤21和步骤22不分先后顺序。
进一步地,所述“所述第二存储元件存储有预先定义的图像识别模型”具体为:采用现有的卷积神经网络模型,通过训练大量手握方向盘以及手离方向盘的图片,创建图像识别模型,将训练后的图像识别模型存储至第二存储元件。
本发明具有如下优点:采用影像监测驾驶员手离方向盘系统,不仅能提高监测精度,降低误判率,且无需改变现有的方向盘和转向装置,适用于现有任何车型,具备精度高、反应快、成本低、扩展性良好的优点。
附图说明
下面参照附图结合实施例对本发明作进一步的说明。
图1为本发明一种基于摄像头的驾驶员手握方向盘监测系统的硬件框架图。
图2为本发明一种基于摄像头的驾驶员手握方向盘监测系统的图像处理器逻辑结构示意图。
图3为本发明一种基于摄像头的驾驶员手握方向盘监测方法的流程图。
图4为本发明一实施例中红外摄像头安装位置示意图。
具体实施方式
请参考图1至4,本发明的一种基于摄像头的驾驶员手握方向盘监测系统,包括一红外摄像头和一图像处理器,所述红外摄像头安装于所述车内顶棚位置,根据实际情况调整红外摄像头的角度,使其可获取整个方向盘图像,所述图像处理器分别与所述红外摄像头和高级驾驶辅助系统连接,处理来自红外摄像头的图像信息,输出给高级驾驶辅助系统,该红外摄像头可以采用高清或标清摄像头,且具有红外线夜间监控能力。
高级驾驶辅助系统是利用安装在车上的各式各样传感器(毫米波雷达、激光雷达、单\双目摄像头以及卫星导航),在汽车行驶过程中随时来感应周围的环境,收集数据,进行静态、动态物体的辨识、侦测与追踪,并结合导航仪地图数据,进行系统的运算与分析,从而预先让驾驶者察觉到可能发生的危险,有效增加汽车驾驶的舒适性和安全性。本发明实施例的所述图像处理器将处理结果输出到高级驾驶辅助系统ADAS,可以对驾驶员的驾驶起到辅助作用。
较佳的,所述图像处理器包括:图像接收元件、计算元件、数据读取元件、第一存储元件、第二存储元件和数据输出元件;
所述图像接收元件与第一存储元件连接,所述图像接收元件将红外摄像头传来的图像数据存入所述第一存储元件;
所述数据读取元件分别与第一存储元件和第二存储元件连接,读取第一存储元件和第二存储元件中的数据,所述第二存储元件存储有预先定义的图像识别模型;
所述计算元件分别与数据读取元件和数据输出元件连接,通过读取元件获取第一存储元件中来自红外摄像头的图像数据和第二存储元件的图像识别模型,采用所述图像识别模型对图像数据进行计算,得到模型输出数据,通过数据输出元件将数据(即数据处理的结果)传输给高级驾驶辅助系统。
在一实施例中,所述图像处理器设于一主机内;在另一实施例中,所述图像处理器集成于红外摄像头内。
本发明中的第二存储元件存储的图像识别模型的创建过程具体为:采用现有的卷积神经网络模型,通过训练大量手握方向盘以及手离方向盘的图片,创建图像识别模型(包括卷积核、阀值等),将训练后的图像识别模型存入第二存储元件;以便在接收红外摄像头传来的图像数据时,可通过所述图像数据识别模型判断驾驶员手是否在方向盘上,并将判断结果输出给高级驾驶辅助系统,由所述高级驾驶辅助系统根据判断结果做出相应处理,比如当发现驾驶员手不在对应位置时,通过汽车音响或仪表等发出警示,从而及时纠正驾驶员驾驶行为,确保行车安全。
在实际操作过程中,采用现有的卷积神经网络模型创建的本发明的图像识别模型,可以采用如下操作进行:
a、从样本集中取一个样本(X,Xp),将X输入网络;
b、计算相应的实际输出Op;在此阶段,信息从输入层经过逐级的变换,传送到输出层,这个过程也是网络在完成训练后正常运行时执行的过程,网络执行的是计算(实际上就是输入与每层的权值矩阵相点乘,得到最后的输出结果);
c、算实际输出Op与相应的理想输出Yp的差。
当网络训练完成后,得到通过学习手放在方向盘上的图像识别模型(包括卷积数据、池化数据、ReLu数据等),训练过程包括目前较为成熟的卷积神经网络技术(包括卷积、池化、ReLu、卷积……Softmax以及反馈机制)。将得到的图像结果嵌入到图像处理器的第二存储元件中,供计算单元调用,由计算单元根据该图像识别模型对图像数据计算判断,得到图像数据判断结果(比如驾驶员手是否在方向盘上),并输出结果,供后续处理。
请再参考图1至4,本发明的一种基于摄像头的驾驶员手握方向盘监测方法,包括一红外摄像头和一图像处理器,具体包括如下步骤:
步骤10、通过所述红外摄像头采集方向盘和驾驶员的手的图像信息,将所述图像信息发送给图像处理器;
步骤20、所述图像处理器对所述图像信息进行分析处理,判定驾驶员的手是否握在方向盘上;
步骤30、所述图像处理器将判定结果输出。
所述红外摄像头安装于所述车内顶棚位置,根据实际情况调整红外摄像头的角度,使其可获取整个方向盘图像,该红外摄像头可以采用高清或标清摄像头,且具有红外线夜间监控能力。
高级驾驶辅助系统是利用安装在车上的各式各样传感器(毫米波雷达、激光雷达、单\双目摄像头以及卫星导航),在汽车行驶过程中随时来感应周围的环境,收集数据,进行静态、动态物体的辨识、侦测与追踪,并结合导航仪地图数据,进行系统的运算与分析,从而预先让驾驶者察觉到可能发生的危险,有效增加汽车驾驶的舒适性和安全性。本发明实施例的所述图像处理器将判定结果输出到高级驾驶辅助系统ADAS,可以对驾驶员的驾驶起到辅助作用。
在一实施例中,所述图像处理器包括:图像接收元件、计算元件、数据读取元件、第一存储元件、第二存储元件和数据输出元件;所述步骤20具体为:
步骤21、将红外摄像头传来的图像数据存入所述第一存储元件;
步骤22、所述第二存储元件存储有预先定义的图像识别模型;
步骤23、计算元件获取所述第一存储元件中来自红外摄像头的图像数据和所述第二存储元件的图像识别模型,采用所述图像识别模型对图像数据进行计算,得到模型输出数据,传输到数据输出元件;
其中,步骤21和步骤22不分先后顺序。
在一实施例中,所述图像处理器设于一主机内;在另一实施例中,所述图像处理器集成于红外摄像头内。
在一实施例中,所述“所述第二存储元件存储有预先定义的图像识别模型”具体为:采用现有的卷积神经网络模型,通过训练大量手握方向盘以及手离方向盘的图片,创建图像识别模型(包括卷积核、阀值等),将训练后的图像识别模型存入第二存储元件,以便在接收红外摄像头传来的图像数据信息时,可通过所述图像识别模型判断驾驶员手是否在方向盘上,并将判断结果输出给高级驾驶辅助系统,由所述高级驾驶辅助系统根据判断结果做出相应处理,比如当发现驾驶员手不在对应位置时,通过汽车音响或仪表等发出警示,从而及时纠正驾驶员驾驶行为,确保行车安全。
在实际操作过程中,采用现有的卷积神经网络模型创建本发明的图像识别模型可以采用如下操作进行:
a、从样本集中取一个样本(X,Xp),将X输入网络;
b、计算相应的实际输出Op。在此阶段,信息从输入层经过逐级的变换,传送到输出层,这个过程也是网络在完成训练后正常运行时执行的过程,网络执行的是计算(实际上就是输入与每层的权值矩阵相点乘,得到最后的输出结果);
c、算实际输出Op与相应的理想输出Yp的差。
当网络训练完成后,得到通过学习手放在方向盘上的图像识别模型(包括卷积数据、池化数据、ReLu数据等),训练过程包括目前较为成熟的卷积神经网络技术(包括卷积、池化、ReLu、卷积……Softmax以及反馈机制)。将得到的图像结果嵌入到图像处理器的第二存储元件中,供计算单元调用,由计算单元根据该图像识别模型对图像数据进行判断,得到图像数据判断结果(比如驾驶员手是否在方向盘上),并输出结果,供后续处理。
本发明可满足驾驶辅助等系统对驾驶员是否手握方向盘的状态监测需求,并降低方向盘或转向装置的设计开发难度和成本,同时在具有自动驾驶功能的车辆上,此方案可在监测手动与自动驾驶模式转换方面发挥重大作用,通用性和可移植性强。
虽然以上描述了本发明的具体实施方式,但是熟悉本技术领域的技术人员应当理解,我们所描述的具体的实施例只是说明性的,而不是用于对本发明的范围的限定,熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化,都应当涵盖在本发明的权利要求所保护的范围内。
Claims (9)
1.一种基于摄像头的驾驶员手握方向盘监测系统,其特征在于:包括一红外摄像头和一图像处理器,所述红外摄像头安装于所述车内顶棚位置,所述图像处理器分别与所述红外摄像头和高级驾驶辅助系统连接,处理来自红外摄像头的图像信息,输出给高级驾驶辅助系统。
2.根据权利要求1所述的一种基于摄像头的驾驶员手握方向盘监测系统,其特征在于:所述图像处理器设于一主机内。
3.根据权利要求1所述的一种基于摄像头的驾驶员手握方向盘监测系统,其特征在于:所述图像处理器集成于红外摄像头内。
4.根据权利要求1所述的一种基于摄像头的驾驶员手握方向盘监测系统,其特征在于:所述图像处理器包括:图像接收元件、计算元件、数据读取元件、第一存储元件、第二存储元件和数据输出元件;
所述图像接收元件与第一存储元件连接,所述图像接收元件将红外摄像头传来的图像数据存入所述第一存储元件;
所述数据读取元件分别与第一存储元件和第二存储元件连接,读取第一存储元件和第二存储元件中的数据,所述第二存储元件存储有预先定义的图像识别模型;
所述计算元件分别与数据读取元件和数据输出元件连接,通过读取元件获取第一存储元件中来自红外摄像头的图像数据和第二存储元件的图像识别模型,采用所述图像识别模型对图像数据进行计算,得到模型输出数据,通过数据输出元件将数据传输给高级驾驶辅助系统。
5.一种基于摄像头的驾驶员手握方向盘监测方法,其特征在于,包括一红外摄像头和一图像处理器,具体包括如下步骤:
步骤10、通过所述红外摄像头采集方向盘和驾驶员的手的图像信息,将所述图像信息发送给图像处理器;
步骤20、所述图像处理器对所述图像信息进行分析处理,判定驾驶员的手是否握在方向盘上;
步骤30、所述图像处理器将判定结果输出。
6.根据权利要求5所述的一种基于摄像头的驾驶员手握方向盘监测方法,其特征在于:所述图像处理器设于一主机内。
7.根据权利要求5所述的一种基于摄像头的驾驶员手握方向盘监测方法,其特征在于:所述图像处理器集成于所述红外摄像头内。
8.根据权利要求5所述的一种基于摄像头的驾驶员手握方向盘监测方法,其特征在于:所述图像处理器包括:图像接收元件、计算元件、数据读取元件、第一存储元件、第二存储元件和数据输出元件;所述步骤20具体为:
步骤21、将红外摄像头传来的图像数据存入所述第一存储元件;
步骤22、所述第二存储元件存储有预先定义的图像识别模型;
步骤23、获取所述第一存储元件中来自红外摄像头的图像数据和所述第二存储元件的图像识别模型,采用所述图像识别模型对图像数据进行计算,得到模型输出数据,传输给数据输出元件;
其中,步骤21和步骤22不分先后顺序。
9.根据权利要求8所述的一种基于摄像头的驾驶员手握方向盘监测方法,其特征在于:所述“所述第二存储元件存储有预先定义的图像识别模型”具体为:采用现有的卷积神经网络模型,通过训练大量手握方向盘以及手离方向盘的图片,创建图像识别模型,将训练后的图像识别模型存储至第二存储元件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910629386.5A CN110341713A (zh) | 2019-07-12 | 2019-07-12 | 一种基于摄像头的驾驶员手握方向盘监测系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910629386.5A CN110341713A (zh) | 2019-07-12 | 2019-07-12 | 一种基于摄像头的驾驶员手握方向盘监测系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110341713A true CN110341713A (zh) | 2019-10-18 |
Family
ID=68176014
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910629386.5A Pending CN110341713A (zh) | 2019-07-12 | 2019-07-12 | 一种基于摄像头的驾驶员手握方向盘监测系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110341713A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110852233A (zh) * | 2019-11-05 | 2020-02-28 | 上海眼控科技股份有限公司 | 手部脱离方向盘的检测和训练方法、终端、装置、介质、系统 |
CN111516698A (zh) * | 2020-04-08 | 2020-08-11 | 中国第一汽车股份有限公司 | 辅助驾驶系统控制方法、辅助驾驶系统、车辆及存储介质 |
CN112706710A (zh) * | 2021-01-27 | 2021-04-27 | 南京工程学院 | 一种机动车安全驾驶智能识别及警示系统和方法 |
CN113947747A (zh) * | 2021-09-02 | 2022-01-18 | 武汉未来幻影科技有限公司 | 一种车辆的监控图像的处理方法、装置以及设备 |
US11654922B2 (en) | 2021-08-09 | 2023-05-23 | Ford Global Technologies, Llc | Driver attention and hand placement systems and methods |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104276080A (zh) * | 2014-10-16 | 2015-01-14 | 北京航空航天大学 | 客车驾驶员手离方向盘检测预警系统及预警方法 |
CN108372785A (zh) * | 2018-04-25 | 2018-08-07 | 吉林大学 | 一种基于图像识别的汽车非安全驾驶检测装置及检测方法 |
CN108545019A (zh) * | 2018-04-08 | 2018-09-18 | 多伦科技股份有限公司 | 一种基于图像识别技术的安全辅助驾驶系统和方法 |
CN108860154A (zh) * | 2017-05-09 | 2018-11-23 | 欧姆龙株式会社 | 驾驶员监视装置以及驾驶员监视方法 |
CN211107382U (zh) * | 2019-07-12 | 2020-07-28 | 东南(福建)汽车工业有限公司 | 一种基于摄像头的驾驶员手握方向盘监测系统 |
-
2019
- 2019-07-12 CN CN201910629386.5A patent/CN110341713A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104276080A (zh) * | 2014-10-16 | 2015-01-14 | 北京航空航天大学 | 客车驾驶员手离方向盘检测预警系统及预警方法 |
CN108860154A (zh) * | 2017-05-09 | 2018-11-23 | 欧姆龙株式会社 | 驾驶员监视装置以及驾驶员监视方法 |
CN108545019A (zh) * | 2018-04-08 | 2018-09-18 | 多伦科技股份有限公司 | 一种基于图像识别技术的安全辅助驾驶系统和方法 |
CN108372785A (zh) * | 2018-04-25 | 2018-08-07 | 吉林大学 | 一种基于图像识别的汽车非安全驾驶检测装置及检测方法 |
CN211107382U (zh) * | 2019-07-12 | 2020-07-28 | 东南(福建)汽车工业有限公司 | 一种基于摄像头的驾驶员手握方向盘监测系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110852233A (zh) * | 2019-11-05 | 2020-02-28 | 上海眼控科技股份有限公司 | 手部脱离方向盘的检测和训练方法、终端、装置、介质、系统 |
CN111516698A (zh) * | 2020-04-08 | 2020-08-11 | 中国第一汽车股份有限公司 | 辅助驾驶系统控制方法、辅助驾驶系统、车辆及存储介质 |
CN112706710A (zh) * | 2021-01-27 | 2021-04-27 | 南京工程学院 | 一种机动车安全驾驶智能识别及警示系统和方法 |
CN112706710B (zh) * | 2021-01-27 | 2022-07-22 | 南京工程学院 | 一种机动车安全驾驶智能识别及警示系统和方法 |
US11654922B2 (en) | 2021-08-09 | 2023-05-23 | Ford Global Technologies, Llc | Driver attention and hand placement systems and methods |
CN113947747A (zh) * | 2021-09-02 | 2022-01-18 | 武汉未来幻影科技有限公司 | 一种车辆的监控图像的处理方法、装置以及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110341713A (zh) | 一种基于摄像头的驾驶员手握方向盘监测系统和方法 | |
CN109421630B (zh) | 用于监测自主车辆的健康的控制器架构 | |
CN109421738B (zh) | 用于监视自主车辆的方法和装置 | |
US10311652B2 (en) | Method and device for modifying the configuration of a driving assistance system of a motor vehicle | |
CN111936947B (zh) | 基于众包对象数据映射确定自主车辆状态 | |
CN108137052B (zh) | 驾驶控制装置、驾驶控制方法和计算机可读介质 | |
EP3523155B1 (en) | Method and system for detecting vehicle collisions | |
EP2316705A1 (en) | Behavior-based learning of visual characteristics from real-world traffic scenes for driver assistance systems | |
US11524695B2 (en) | Interface for harmonizing performance of different autonomous vehicles in a fleet | |
CN111398989A (zh) | 驾驶辅助系统的性能分析方法和测试设备 | |
US11242050B2 (en) | Reinforcement learning with scene decomposition for navigating complex environments | |
JP7439079B2 (ja) | 自動車に関する制御設定を生成するための方法 | |
US20180267527A1 (en) | Handheld mobile device for adaptive vehicular operations | |
CN109421453A (zh) | 具有预测挂接角功能的挂车倒退辅助系统 | |
CN109085620A (zh) | 无人驾驶车辆定位异常校准方法、装置、设备及存储介质 | |
CN112585550A (zh) | 基于神经网络的驾驶功能监控 | |
CN112204418A (zh) | 用于自动地确定道路状态的方法 | |
CN114286770A (zh) | 用于在自主车辆中实现安全停止释放的系统和方法 | |
WO2022245916A1 (en) | Device health code broadcasting on mixed vehicle communication networks | |
KR20220150212A (ko) | 자동차의 운전 동작을 지원하기 위한 방법 및 보조 장치 그리고 자동차 | |
CN114212108A (zh) | 自动驾驶方法、装置、车辆、存储介质及产品 | |
CN109144070A (zh) | 移动设备辅助自动驾驶方法、汽车和存储介质 | |
US11878705B2 (en) | Method and apparatus for generating test case for dynamic verification of autonomous driving system | |
US20230132179A1 (en) | Tow management systems and methods for autonomous vehicles | |
US20220179656A1 (en) | Control system of autonomous vehicle and control method of autonomous vehicle |
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 |