CN110654393A - 驾驶员健康状态监测方法、系统、计算机设备及存储介质 - Google Patents
驾驶员健康状态监测方法、系统、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN110654393A CN110654393A CN201810713968.7A CN201810713968A CN110654393A CN 110654393 A CN110654393 A CN 110654393A CN 201810713968 A CN201810713968 A CN 201810713968A CN 110654393 A CN110654393 A CN 110654393A
- Authority
- CN
- China
- Prior art keywords
- driver
- vehicle
- current
- abnormal
- data
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 92
- 238000012544 monitoring process Methods 0.000 title claims abstract description 54
- 230000036541 health Effects 0.000 title claims abstract description 46
- 230000002159 abnormal effect Effects 0.000 claims abstract description 175
- 230000001815 facial effect Effects 0.000 claims abstract description 81
- 230000036772 blood pressure Effects 0.000 claims description 124
- 230000014509 gene expression Effects 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 10
- 201000010099 disease Diseases 0.000 abstract description 23
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 23
- 208000024172 Cardiovascular disease Diseases 0.000 description 27
- 238000005259 measurement Methods 0.000 description 25
- 230000008569 process Effects 0.000 description 25
- 230000003862 health status Effects 0.000 description 22
- 208000024891 symptom Diseases 0.000 description 18
- 238000010586 diagram Methods 0.000 description 16
- 206010039203 Road traffic accident Diseases 0.000 description 15
- 208000019622 heart disease Diseases 0.000 description 14
- 208000027796 Blood pressure disease Diseases 0.000 description 9
- 238000013145 classification model Methods 0.000 description 9
- 230000005856 abnormality Effects 0.000 description 8
- 208000000418 Premature Cardiac Complexes Diseases 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- 239000003814 drug Substances 0.000 description 6
- 206010003119 arrhythmia Diseases 0.000 description 5
- 230000006793 arrhythmia Effects 0.000 description 5
- 230000036471 bradycardia Effects 0.000 description 5
- 208000006218 bradycardia Diseases 0.000 description 5
- 229940079593 drug Drugs 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 208000010125 myocardial infarction Diseases 0.000 description 5
- 230000035488 systolic blood pressure Effects 0.000 description 5
- 206010020772 Hypertension Diseases 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000001314 paroxysmal effect Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 206010019280 Heart failures Diseases 0.000 description 3
- 208000001871 Tachycardia Diseases 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 3
- 230000001746 atrial effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000035487 diastolic blood pressure Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 208000031225 myocardial ischemia Diseases 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000006794 tachycardia Effects 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 230000002861 ventricular Effects 0.000 description 3
- 208000006083 Hypokinesia Diseases 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 2
- 230000034994 death Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 210000004709 eyebrow Anatomy 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000035790 physiological processes and functions Effects 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000037303 wrinkles Effects 0.000 description 2
- 208000001953 Hypotension Diseases 0.000 description 1
- 208000010340 Sleep Deprivation Diseases 0.000 description 1
- 230000036982 action potential Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000009713 electroplating Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004399 eye closure Effects 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 230000036543 hypotension Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 231100000225 lethality Toxicity 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 206010042772 syncope Diseases 0.000 description 1
Images
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
-
- 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
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
-
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
-
- 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
-
- 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
- B60W2040/0872—Driver physiology
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Cardiology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Traffic Control Systems (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本申请提出一种驾驶员健康状态监测方法、系统、计算机设备及存储介质。其中,方法包括:获取驾驶员当前的心电图数据;判断所述驾驶员当前的心电图数据是否异常;若确定所述驾驶员当前的心电图数据异常,则判断所述驾驶员当前的脸部特征数据是否异常;若确定所述当前的脸部特征数据异常,则根据所述驾驶员当前的心电图数据及脸部特征数据,确定所述驾驶员当前的身体状态异常等级;根据所述驾驶员当前的身体状态异常等级对车辆进行控制。通过本方法,能够实现对驾驶员的健康状态进行预测并根据预测结果对车辆进行控制,从而降低意外事故发生的概率,降低疾病发作造成的损失。
Description
技术领域
本申请涉及车辆控制技术领域,尤其涉及一种驾驶员健康状态监测方法、系统、计算机设备及存储介质。
背景技术
随着我国经济的飞速发展,城市机动车保有量激增,由此带来的问题是交通事故的大幅增加。在频繁发生的交通事故中,汽车驾驶员生理状态异常导致车辆失控是引发道路交通事故及人员伤亡的重要原因。驾驶员生理状态异常主要表现为晕厥、突发性疾病等紧急情况,这种情况下车辆继续行驶会酿成严重的交通事故。
研究表明,心血管疾病的死亡率高于肿瘤和其它疾病,居于首位,并且,心血管疾病具有隐蔽性、突发性、直接致死的特点,心血管疾病发生时,需要及时抢救以保证病人安全。对于患有心血管疾病的驾驶员而言,若驾驶过程中突发心血管疾病,不仅病人无法得到及时救治,还可能导致交通事故。可见,目前,亟需一种可以可靠监测驾驶员健康状态的方案,以减少交通事故数量,提高交通安全。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
本申请第一方面提出一种驾驶员健康状态监测方法,以实现对驾驶员的健康状态进行预测并根据预测结果对车辆进行控制,从而降低意外事故发生的概率,提高交通安全,降低疾病发作造成的损失。
本申请第二方面提出一种车辆控制方法。
本申请第三方面提出一种驾驶员健康状态监测系统。
本申请第四方面提出一种计算机设备。
本申请第五方面提出一种计算机可读存储介质。
本申请第六方面提出一种计算机程序产品。
本申请第一方面实施例提出一种驾驶员健康状态监测方法,包括:获取驾驶员当前的心电图数据;判断所述驾驶员当前的心电图数据是否异常;若确定所述驾驶员当前的心电图数据异常,则判断所述驾驶员当前的脸部特征数据是否异常;若确定所述当前的脸部特征数据异常,则根据所述驾驶员当前的心电图数据及脸部特征数据,确定所述驾驶员当前的身体状态异常等级;根据所述驾驶员当前的身体状态异常等级对车辆进行控制。
本申请实施例的驾驶员健康状态监测方法,通过获取驾驶员当前的心电图数据,并判断驾驶员当前的心电图数据是否正常,当确定驾驶员当前的心电图数据异常时,进一步判断驾驶员当前的脸部特征数据是否异常,并在确定当前的脸部特征数据异常时,根据驾驶员当前的心电图数据及脸部特征数据,确定驾驶员当前的身体状态异常等级,进而根据驾驶员身体状态异常等级对车辆进行控制。由此,通过结合驾驶员当前的心电图数据和脸部特征数据,来共同判断驾驶员当前的身体状态,从而不仅保证了确定的驾驶员当前的身体状态的准确性和可靠性,而且在确定驾驶员健康状态异常时,及时根据驾驶员当前的身体状态异常等级对车辆进行控制,从而降低了意外事故发生的概率以及疾病发作造成的损失,提高了交通安全以及驾驶员的安全性。
本申请第二方面实施例提出了一种车辆控制方法,包括:根据车辆驾驶员当前的心电图数据及脸部特征数据,确定所述驾驶员当前的身体状态异常等级;根据所述驾驶员当前的身体状态异常等级,确定车辆第一控制方式;根据所述车辆第一控制方式,对所述车辆的行驶状态进行控制。
本申请实施例的车辆控制方法,通过根据车辆驾驶员当前的心电图数据及脸部特征数据,确定驾驶员当前的身体状态异常等级,再根据驾驶员当前的身体状态异常等级,确定车辆第一控制方式,进而根据车辆第一控制方式对车辆的行驶状态进行控制。由此,通过根据驾驶员的身体状态对车辆进行控制,实现了车辆的自动控制,有利于避免在驾驶员不便对车辆进行控制时导致的交通事故,从而减少了交通事故数量,提高了交通安全。
本申请第三方面实施例提出了一种驾驶员健康状态监测系统,包括:分别设置在车辆方向盘及安全带上的心电传感器、用于获取驾驶员脸部图像的图像传感器、控制器及多媒体装置;所述心电传感器的输出端与所述控制器的第一输入端连接;所述图像传感器的输出端与所述控制器的第二输入端连接;所述控制器的输出端与所述多媒体装置的输入端连接;所述控制器,用于根据所述心电传感器获取的心电图数据及所述图像传感器获取的脸部图像,确定所述驾驶员的身体状态是否异常;并在所述驾驶员的身体状态异常时,控制所述多媒体装置输出驾驶员身体状态异常预警消息。
本申请实施例的驾驶员健康状态监测系统,通过在方向盘和安全带上设置心电传感器来获取驾驶员当前的心电图数据,设置图像传感器来获取驾驶员脸部图像,控制器根据心电图数据及脸部图像来确定驾驶员的身体状态是否异常,并在驾驶员身体状态异常时,控制多媒体装置输出驾驶员身体状态异常预警消息。由此,通过结合驾驶员当前的心电图数据和脸部特征数据,来共同判断驾驶员当前的身体状态,从而不仅保证了确定的驾驶员当前的身体状态的准确性和可靠性,而且在确定驾驶员健康状态异常时,及时向驾驶员发送预警消息,从而有助于驾驶员根据异常状态及时服用药物,提高了救援效率,从而降低了意外事故发生的概率以及疾病发作造成的损失,提高了驾驶员的安全性。
本申请第四方面实施例提出了一种计算机设备,包括:存储器及处理器,所述存储器存储有计算机程序,当所述处理器执行所述程序时,实现如第一方面实施例所述的驾驶员健康状态监测方法;或者,实现如第二方面实施例所述的车辆控制方法。
本申请第五方面实施例提出一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时,实现如第一方面实施例所述的驾驶员健康状态监测方法;或者,实现如第二方面实施例所述的车辆控制方法。
本申请第六方面实施例提出一种计算机程序产品,当所述计算机程序产品中的指令由处理器执行时,实现如第一方面实施例所述的驾驶员健康状态监测方法;或者,实现如第二方面实施例所述的车辆控制方法。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本申请实施例所提供的一种驾驶员健康状态监测方法的流程示意图;
图2为本申请实施例所提供的另一种驾驶员健康状态监测方法的流程示意图;
图3为本申请实施例所提供的一种车辆控制方法的流程示意图;
图4为本申请实施例所提供的另一种车辆控制方法的流程示意图;
图5为本申请实施例所提供的一种驾驶员健康状态监测系统的结构示意图;
图6为本申请实施例所提供的另一种驾驶员健康状态监测系统的结构示意图;
图7为本申请一具体实施例的驾驶员健康状态监测系统的结构示意图;
图8为心电传感器接口电路的示意图;
图9为根据心电图数据判断第一触发条件是否满足的流程示意图;
图10为血压传感器接口电路的示意图;
图11为根据血压数据确定第二触发条件是否满足的流程示意图;
图12为根据人脸图像判断第三触发条件是否满足的流程示意图;
图13为根据人脸图像判断第四触发条件是否满足的流程示意图;
图14为语音输入接口电路的示意图;
图15为本申请一具体实施例的多处理器间连接的硬件架构示意图;
图16为驾驶员健康状态监测系统的疾病突发预警和紧急控制流程示意图;
图17为驾驶员健康状态监测系统控制车辆减速停车的流程示意图;以及
图18为本申请实施例所提供的一种计算机设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的驾驶员健康状态监测方法、系统、计算机设备及存储介质。
随着社会老龄化和城市化进程加快,居民不健康生活方式流行,我国居民心血管疾病危险因素普遍暴露,呈现在低龄化、低收入群体中快速增长及个体聚集趋势。《中国心血管病报告2017》中指出,目前,中国心血管疾病患病率及死亡率仍处于上升阶段,推算心血管病现患人数2.9亿,其中高血压2.7亿,心脏相关类疾病2500万。心血管疾病的死亡率高于肿瘤和其它疾病,居于首位,且心血管疾病具有隐蔽性、突发性、直接致死的特点,突发疾病的患者需要及时抢救,因此,如果患有心血管疾病的驾驶员在驾驶车辆的过程中突发疾病,则容易引发交通事故。由此可见,若能提前预知疾病发作或在疾病突发时能够替代驾驶员及时控制车辆,不仅有利于驾驶员预防疾病发作,而且可以降低交通事故发生的概率。
基于上述背景及考虑,本申请提出了一种驾驶员健康状态监测方法,以实现对驾驶员的健康状态进行预测并提醒驾驶员,降低疾病发生的概率,从而降低意外事故发生的概率,降低疾病发作造成的损失。
图1为本申请实施例所提供的一种驾驶员健康状态监测方法的流程示意图。
如图1所示,该驾驶员健康状态监测方法可以包括以下步骤:
步骤101,获取驾驶员当前的心电图数据。
心电传感器能够感受心脏不同区域细胞的动作电位波形,并将电位波形转换成输出信号,输出信号即可表示心脏的心电图数据。从而,本实施例中,可以利用心电传感器来获取驾驶员当前的心电图数据。其中,心电传感器可以采用电容式电极的心电传感器。
电容式电极的心电传感器具有与传统的电镀式电极的心电传感器相同的测量精度,并且电容式电极的心电传感器不需要与被测量者的皮肤直接接触,即可获取到被测量者的心电图数据,而不会影响测量结果的准确性。因此,本实施例中,可以利用电容式电极的心电传感器来获取驾驶员当前的心电图数据。例如,可以将电容式电极的心电传感器设置在车辆的方向盘上和/或安全带上,通过测量驾驶员不同肢体部位的电位波形来获得准确的人体心电图数据。比如,可以在车辆的方向盘和安全带上各设置多个心电传感器,以分别从驾驶员的手部和前胸位置获取多个心电图数据,有助于提高获取的心电图数据的准确性,避免从单一的肢体部位获取心电图数据时,因获取的心电图数据不准而导致心脏疾病判断错误的问题,从而有助于驾驶员针对疾病进行准确地救援,提高救援的准确性。
步骤102,判断驾驶员当前的心电图数据是否异常。
本实施例中,获取了驾驶员当前的心电图数据之后,可以进一步判断获取的心电图数据是否异常。
作为一种示例,可以判断驾驶员当前的心电图数据在第一预设的连续时间段内是否均异常。其中,第一预设的连续时间可以预先设定,例如设置为5秒,则可以判断获取的驾驶员的心电图数据是否在5秒内均异常。当驾驶员当前的心电图数据在第一预设的连续时间段内均异常时,则确定驾驶员当前的心电图数据异常。
通过在心电图数据在第一预设的连续时间内均异常时,才判定驾驶员的心电图数据异常,能够避免因心电传感器受到外界干扰而造成心电图数据突变导致的误判,提高判断的准确性。
具体实现时,可以通过确定心电图数据所对应的心脏疾病症状来判断心电图数据是否异常。其中,心脏疾病症状可以包括心律失常、心肌梗死、心肌缺血、心动过快、心动过缓、心衰、房性早搏和室性早搏共8种异常症状。本实施例中,可以利用前述8种异常症状和正常心电症状,以及各个症状对应的心电图数据作为训练样本,对机器学习模型进行训练,得到心脏疾病症状分类模型。进而,获取了驾驶员当前的心电图数据后,将心电图数据输入至心脏疾病症状分类模型中,得到心电图数据对应的心脏疾病症状。当心电图数据对应的心脏疾病症状为前述8种异常症状中的任意一种症状时,可以确定驾驶员当前的心电图数据异常。当确定心电图数据异常时,开始计时,如果心电图数据持续处于异常状态的时长达到第一预设的连续时间,则确定驾驶员当前的心电图数据异常。
步骤103,若确定驾驶员当前的心电图数据异常,则判断驾驶员当前的脸部特征数据是否异常。
当人感觉到不舒服时,通常还伴随着面部表情的变化,比如,当人感受到较明显的痛感时,面部往往会呈现出痛苦的表情,当痛感难以忍受时,可能会紧闭双眼。
从而,本实施例中,可以结合驾驶员的脸部特征来判断驾驶员的身体状态。当确定驾驶员当前的心电图数据异常时,可以进一步判断驾驶员当前的脸部特征数据是否异常。从而结合脸部特征数据,来对根据心电图数据确定的驾驶员的身体状态进行验证,以提高最终结果的准确性和可靠性。
其中,脸部特征数据包括眼部特征数据和表情特征数据中的至少一个。眼部特征数据可以为睁眼和闭眼;表情特征数据例如可以包括嘴角上扬、嘴巴紧抿、皱鼻、脸部抖动、眉毛上挑、皱眉等,根据表情特征数据,可以分析出对应的表情,对应的表情可以为高兴、痛苦、愤怒、吃惊、厌恶、恐惧和其它,例如,当嘴巴张开、眼睛睁大时,对应的表情可能为吃惊;当嘴角微张、皱眉时,对应的表情可能为痛苦。
为了确定驾驶员当前的脸部特征数据,需要采集驾驶员当前的人脸图像。本实施例中,可以利用红外摄像头来采集驾驶员当前的人脸图像。例如,可以将红外摄像头安装在车辆A柱上对着驾驶员的位置,用于采集驾驶员的人脸图像。红外摄像头可以实时采集驾驶员的人脸图像,或者,为了降低系统负担和能耗,还可以根据系统的硬件性能设置红外摄像头采集驾驶员的人脸图像的采集频率,例如,设置红外摄像头每隔0.1秒采集一次驾驶员的人脸图像。进而,利用采集的人脸图像,可以识别出驾驶员当前的脸部特征数据。
作为一种示例,可以将睁眼和闭眼两种眼部特征以及分别对应的眼部特征值作为训练样本,通过机器学习算法,比如监督学习、半监督学习、深度学习等任一算法对初始模型进行训练,得到眼部特征分类模型,以及,将高兴、痛苦、愤怒、吃惊、厌恶、恐惧和其它共7种表情和各个表情对应的表情特征数据作为训练样本,对初始模型进行训练,得到表情特征分类模型。本申请实施例通过利用机器学习方法,训练得到分类模型,进而利用分类模型进行分类,能够快速地识别出对应的类别,提高分类效率。
进而,对于采集的驾驶员的人脸图像,可以先采用相关的图像特征提取算法,从人脸图像中提取出人脸图像的特征值,再将提取的特征值输入至眼部特征分类模型和/或表情特征分类模型中,得到人脸图像的特征值对应的眼部特征类型和/或表情特征类型。最终,可以根据得到的眼部特征类型和/或表情特征类型来判断驾驶员当前的脸部特征数据是否异常。当得到的眼部特征为闭眼或者得到的表情特征为痛苦时,则确定驾驶员当前的脸部特征数据异常;当得到的眼部特征为睁眼,以及得到的表情特征为非痛苦状态时,则确定驾驶员当前的脸部特征数据正常。
步骤104,若确定当前的脸部特征数据异常,则根据驾驶员当前的心电图数据及脸部特征数据,确定驾驶员当前的身体状态异常等级。
步骤105,根据驾驶员当前的身体状态异常等级对车辆进行控制。
本实施例中,当确定驾驶员当前的脸部特征数据异常时,可以先根据驾驶员当前的心电图数据及脸部特征数据,确定驾驶员当前的身体状态异常等级,再根据驾驶员当前的身体状态异常等级对车辆进行控制。
例如,驾驶员因熬夜、睡眠不足等原因未休息好,可能会产生轻微的心律不齐,此时,若检测到驾驶员当前的脸部特征数据正常,则可确定驾驶员当前的身体状态异常等级较低,不对车辆进行控制或者仅控制车辆发出预警消息或者仅控制车辆减速;当检测到驾驶员心律失常严重时,进一步检测驾驶员的脸部特征数据,若确定脸部特征数据异常,则确定驾驶员当前的身体状态异常等级高,可控制车辆停车。
在本申请实施例一种可能的实现方式中,确定驾驶员当前的身体状态异常等级后,还可以通过多媒体系统向驾驶员输出身体状态异常的预警消息,以提醒驾驶员即时服用药物或通知家属等。多媒体系统可以通过语音播报和/或文字显示的方式向驾驶员提供预警消息。当通过文字显示的方式实现身体异常预警时,可以利用多媒体系统的显示器来显示心脏疾病的类型。
本实施例的驾驶员健康状态监测方法,通过获取驾驶员当前的心电图数据,并判断驾驶员当前的心电图数据是否正常,当确定驾驶员当前的心电图数据异常时,进一步判断驾驶员当前的脸部特征数据是否异常,并在确定当前的脸部特征数据异常时,根据驾驶员当前的心电图数据及脸部特征数据,确定驾驶员当前的身体状态异常等级,进而根据驾驶员当前的身体状态异常等级对车辆进行控制。由此,通过结合驾驶员当前的心电图数据和脸部特征数据,来共同判断驾驶员当前的身体状态,从而不仅保证了确定的驾驶员当前的身体状态的准确性和可靠性,而且在确定驾驶员健康状态异常时,及时根据驾驶员当前的身体状态异常等级对车辆进行异常控制,从而降低了意外事故发生的概率以及疾病发作造成的损失,提高了交通安全以及驾驶员的安全性。
除了心肌梗死、心动过缓等心脏疾病严重威胁驾驶员的驾驶安全外,血压过高或过低等血压疾病也会威胁驾驶员的安全。因此,在本申请实施例一种可能的实现方式中,还可以获取驾驶员的血压数据来对驾驶员的健康状态进行监测。从而,本申请实施例提出了另一种驾驶员健康状态监测方法,图2为本申请实施例所提供的另一种驾驶员健康状态监测方法的流程示意图。
如图2所示,该驾驶员健康状态监测方法可以包括以下步骤:
步骤201,通过分别置于车辆方向盘及安全带上的心电传感器,获取心电图数据。
本实施例中,可以将心电传感器分别设置在车辆的方向盘上以及安全带上,利用多个心电传感器实现对驾驶员各部分肢体的电位测试,以得到驾驶员当前的心电图数据,由此,能够提高心电图数据的测试精度。
步骤202,控制驾驶员座椅安全带收紧,以获取驾驶员当前的血压数据。
血压传感器能够感受血压并将血压转换成输出信号,具有灵敏度高、测量准确度高、性能稳定、功耗低等优点。本实施例中,可以通过在驾驶员座椅的安全带上布置血压传感器来获取驾驶员当前的血压数据。其中,血压数据可以包括但不限于收缩压、舒张压、平均压和心率。
例如,可以将多个血压传感器设置在车辆的安全带上,当开始测量时,控制车辆收紧安全带,读取布置在安全带上的每个血压传感器采集的数据,并计算各个数据的平均值作为最终的测量结果,以提高测量的准确性,并在测量结束后,控制车辆安全带回位。
需要说明的是,血压传感器可以持续采集驾驶员的血压数据,或者,也可以周期性的采集驾驶员的血压数据。当血压传感器周期性的采集血压数据时,采集频率可以根据驾驶员的健康情况确定。例如,驾驶员的血压病情较轻时,可以每隔30分钟测量一次血压数据;驾驶员的血压病情较重时,每隔10分钟测量一次血压数据。
步骤203,判断驾驶员当前的心电图数据是否异常。
本实施例中,根据获取的驾驶员当前的心电图数据,可以判断驾驶员当前的心电图数据是否异常,具体地判断方式可参见前述实施例中步骤102的相关说明,本实施例中不再详细描述。当判定驾驶员当前的心电图数据异常时,则进一步判断驾驶员当前的脸部特征数据是否异常,即执行步骤205;当判定驾驶员当前的心电图数据正常时,则进一步判断驾驶员当前的血压数据是否异常,即执行步骤204。
步骤204,判断驾驶员当前的血压数据是否异常。
本实施例中,当确定驾驶员当前的心电图数据正常时,可以进一步通过判断驾驶员当前的血压数据是否异常,来判断驾驶员是否可能突发血压疾病。
其中,血压疾病例如可以为血压过高和血压过低。
具体实现时,可以预先设定血压阈值,将获取的血压数据与血压阈值进行比较,当血压数据超过血压阈值时,判定血压数据异常。例如,当测量的血压数据为收缩压时,血压阈值可以设置为140mmHg,当获取的收缩压达到140mmHg时,判定驾驶员血压过高。
进一步地,为了避免因血压传感器受外界干扰而造成血压数据突变导致的误判,还可以设置一个时间阈值,当初次判定当前的血压数据异常时,开始计时,统计血压数据处于异常状态的时长是否达到预设的时间阈值,并在达到时间阈值时,判定驾驶员当前的血压数据异常,以避免误判,提高异常判断的准确性。
本实施例中,当判定驾驶员当前的血压数据异常时,则进一步判断驾驶员当前的脸部特征数据是否异常,即执行步骤205;当判定驾驶员当前的血压数据正常时,则控制车辆正常行驶,即执行步骤208。
步骤205,判断驾驶员当前的脸部特征数据是否异常。
本实施例中,当判定驾驶员当前的心电图数据异常或者血压数据异常时,则进一步判断驾驶员当前的脸部特征数据是否异常。
此处需要说明的是,本实施例中判断驾驶员当前的脸部特征数据是否异常的过程,可以参见前述实施例中步骤103的相关描述,此处不再赘述。
当判定驾驶员当前的脸部特征数据异常时,则可以进一步根据驾驶员当前的心电图数据及脸部特征数据,或者,根据驾驶员当前的血压数据及脸部特征数据,确定驾驶员当前的身体状态异常等级,即执行步骤206;当判定驾驶员当前的脸部特征数据正常时,可以控制车辆正常行驶,即执行步骤208。
步骤206,根据驾驶员当前的心电图数据及脸部特征数据,或者,根据驾驶员当前的血压数据及脸部特征数据,确定驾驶员当前的身体状态异常等级。
本实施例中,当确定驾驶员当前的心电图数据异常,或者驾驶员当前的血压数据异常,且进一步检测到驾驶员当前的脸部特征数据异常时,可以根据驾驶员当前的心电图数据及脸部特征数据,确定驾驶员当前的身体状态异常等级,或者,根据驾驶员当前的血压数据及脸部特征数据,确定驾驶员当前的身体状态异常等级。
例如,对于患有高血压的驾驶员,日常生活中,驾驶员的血压值始终高于正常值,在检测到血压数据异常时,继续检测驾驶员的脸部特征数据,若确定脸部特征数据正常,则说明血压升高在驾驶员的容忍范围内,可不对车辆进行控制;如果检测到驾驶员的血压值相对于平时有所升高,且驾驶员当前的脸部特征数据异常,则确定驾驶员当前的身体状态异常等级较低,可以发出预警消息或控制车辆减速;若驾驶员的血压值很高,且脸部特征数据表现异常,则确定驾驶员的身体状态异常等级高,可控制车辆停车。
步骤207,根据驾驶员当前的身体状态异常等级对车辆进行控制,以及输出驾驶员身体状态异常预警消息。
本实施例中,确定了驾驶员当前的身体状态异常等级后,即可根据驾驶员当前的身体状态异常等级对车辆进行异常控制,以及控制车辆输出驾驶员身体状态异常预警消息。例如,可以控制车辆靠边停车,并通过语音播报方式发生预警消息。
步骤208,控制车辆正常行驶。
本实施例中,当驾驶员当前的血压数据正常,或者驾驶员当前的脸部特征数据正常时,可以控制车辆正常行驶。
本实施例的驾驶员健康状态监测方法,通过在车辆方向盘和安全带上布置心电传感器来获取心电图数据,并控制驾驶员座椅安全带收紧来获取驾驶员当前的血压数据,当判定驾驶员当前的心电图数据正常时,继续判断驾驶员当前的血压数据是否异常,当血压数据异常或者心电图数据异常时,继续判断驾驶员当前的脸部特征数据是否异常,并在脸部特征数据异常时,根据驾驶员当前的心电图数据及脸部特征数据,或者根据驾驶员当前的血压数据及脸部特征数据,确定驾驶员当前的身体状态异常等级,进而根据驾驶员当前的身体状态异常等级对车辆进行控制,以及输出驾驶员身体状态异常预警消息。由此,能够预测出驾驶员的心血管疾病,并对驾驶员进行病症提醒以及对车辆进行控制,有助于驾驶员针对病症及时服用药物,提高救援效率,进而降低因驾驶员突发心血管疾病导致交通事故发生的概率,提高了交通安全和驾驶员的安全性。
进一步地,当判定驾驶员身体状态异常时,除了发出预警消息以提醒驾驶员外,还可以对车辆进行减速、停车等控制,以保证车辆的安全行驶。从而,本申请还提出了一种车辆控制方法,以在确定驾驶员的身体状态异常时,根据驾驶员当前的身体状态异常等级,对车辆进行控制。
图3为本申请实施例所提供的一种车辆控制方法的流程示意图。如图3所示,该车辆控制方法可以包括以下步骤:
步骤301,根据车辆驾驶员当前的心电图数据及脸部特征数据,确定驾驶员当前的身体状态异常等级。
步骤302,根据驾驶员当前的身体状态异常等级,确定车辆第一控制方式。
本实施例中,当驾驶员身体状态异常时,可以根据驾驶员当前的心电图数据及脸部特征数据,确定驾驶员当前的身体状态异常等级,进而根据身体状态异常等级确定车辆第一控制方式。其中,车辆第一控制方式例如可以为控制车辆减速、控制车辆停车等。例如,当驾驶员当前的心电图数据异常时,可以确定较低的身体状态异常等级,此时确定的车辆第一控制方式可以为控制车辆减速慢行;当判定驾驶员当前的心电图数据与脸部特征数据均异常时,可以确定较高的身体状态异常等级,此时确定车辆第一控制方式为控制车辆停车。
此处需要说明的是,还可以根据驾驶员当前的血压数据及脸部特征数据,确定驾驶员当前的身体状态异常等级,进而确定车辆第一控制方式。
步骤303,根据车辆第一控制方式,对车辆的行驶状态进行控制。
本实施例中,确定了车辆第一控制方式之后,即可根据车辆第一控制方式,对驾驶员驾驶的车辆进行控制。例如,当车辆第一控制方式为控制车辆减速慢行时,则在车辆当前的行驶速度的基础上,降低车辆的车速,以控制车辆以较慢的速度行驶;当车辆第一控制方式为控制车辆停车时,则控制车辆逐渐减速,并靠边停车。
本实施例的车辆控制方法,通过根据车辆驾驶员当前的心电图数据及脸部特征数据,确定驾驶员当前的身体状态异常等级,再根据驾驶员当前的身体状态异常等级,确定车辆第一控制方式,进而根据车辆第一控制方式对车辆的行驶状态进行控制。由此,通过根据驾驶员的身体状态对车辆进行控制,实现了车辆的自动控制,有利于避免在驾驶员不便对车辆进行控制时导致的交通事故,从而减少了交通事故数量,提高了交通安全。
图4为本申请实施例所提供的另一种车辆控制方法。
如图4所示,该车辆控制方法,可以包括以下步骤:
步骤401,根据车辆驾驶员当前的心电图数据及脸部特征数据,确定驾驶员当前的身体状态异常等级。
步骤402,根据驾驶员当前的身体状态异常等级,确定车辆第一控制方式。
此处需要说明的是,对步骤401-步骤402的描述,可以参见前述实施例中对步骤301-步骤302的描述,此处不再赘述。
步骤403,判断在预设时间段内是否获取到驾驶员的语音指令。
其中,预设时间为预先设定的,例如为5秒。
本实施例中,可以在车辆中设置语音采集模块,用于采集驾驶员发出的语音信息。当确定驾驶员身体状态异常时,输出预警消息,和/或根据第一控制指令对车辆的行驶状态进行控制,同时,控制语音采集模块开启,以采集驾驶员发出的语音信息,并在开启语音采集模块后开始计时,当计时达到预设时间时,判断是否获取到驾驶员的语音指令。如果在预设时间段内获取到驾驶员的语音指令,则执行步骤404;否则,执行步骤407。
通过在确定驾驶员身体状态异常后才开启语音采集模块来采集驾驶员发出的语音信息,能够有效避免驾驶过程中的误操作。
在本申请实施例一种可能的实现方式中,在开启语音采集模块时,还可以控制多媒体系统发出语音询问信息,以询问驾驶员是否需要减速或停车,语音采集模块获取驾驶员针对询问给出的回应信息。如果驾驶员在预设时间内回复不需要,则控制车辆正常行驶;如果驾驶员在预设时间内回复需要或者未回复,则控制车辆减速或停车。当驾驶员在预设时间内回复不需要减速或停车时,由于预设时间较短,驾驶员能够在短时间内及时做出响应,可以认为驾驶员病情较轻,无需立即停车或减速,此时可以控制车辆正常行驶,由驾驶员自行控制车辆减速或停车。此外,还可以继续监测驾驶员的健康状态,以及时发现驾驶员的身体异常情况,进而及时施行救援,从而降低因驾驶员身体健康状况异常导致的意外事故发生的概率。
步骤404,对语音指令进行解析,确定其为车辆第二控制方式。
本实施例中,当在预设时间段内获取到驾驶员的语音指令时,则可以对获取的语音指令进行解析,以确定语音指令对应的车辆第二控制方式。
例如,当通过对获取的语音指令进行解析,识别到驾驶员发出“停车”、“减速”等指令,或者,识别到驾驶员针对多媒体系统发出的询问是否减速停车的询问信息作出“是”等肯定语气的指令时,确定车辆第二控制方式为控制车辆减速停车。当识别到驾驶员发出“加速”、“保持”、“正常行驶”等非停车指令,或者,识别到驾驶员针对多媒体系统发出的询问是否减速停车的询问信息作出“不是”、“不减速”等否定语气的指令时,确定车辆第二控制方式为控制车辆继续行驶。
步骤405,判断车辆第二控制方式与车辆第一控制方式的差异度是否在预设范围内。
本实施例中,根据驾驶员发出的语音指令确定了车辆第二控制方式之后,可以将车辆第二控制方式与车辆第一控制方式进行比较,判断两种车辆控制方式的差异度是否在预设范围内。
例如,当车辆第一控制方式与车辆第二控制方式相似或相同时,判定两种车辆控制方式的差异度在预设范围内,比如车辆第一控制方式为控制车辆停车,车辆第二控制方式为控制车辆减速,此时可认为车辆第一控制方式与车辆第二控制方式的差异度在预设范围内;当车辆第一控制方式与车辆第二控制方式相反时,判定两种车辆控制方式的差异度不在预设范围内,比如车辆第一控制方式为控制车辆停车,而车辆第二控制方式为控制车辆继续行驶,则认为车辆第一控制方式与车辆第二控制方式的差异度不在预设范围内。
当判定车辆第一控制方式与车辆第二控制方式的差异度在预设范围内时,则执行步骤406;否则,执行步骤407。
步骤406,根据车辆第二控制方式,对车辆的行驶状态进行控制。
本实施例中,当车辆第一控制方式与车辆第二控制方式的差异度在预设范围内时,可以根据车辆第二控制方式对车辆的行驶状态进行控制。例如,当车辆第二控制方式为控制车辆停车时,则控制车辆减速直至停止。
通过识别驾驶员的语音指令确定车辆第二控制方式,并根据车辆第二控制方式对车辆进行控制,能够在驾驶员因心血管疾病发作而丧失肢体力量的情况下,通过语音方式对车辆进行控制,实现了车辆的语音控制。
步骤407,根据车辆第一控制方式,对车辆的行驶状态进行控制。
本实施例中,当在预设时间段内未获取到驾驶员的语音指令时,则根据车辆第一控制方式对车辆的行驶状态进行控制。由此,能够实现车辆的自动控制,确保在驾驶员无法操控车辆时控制车辆减速停车,有利于降低发生交通事故的概率。
或者,当车辆第一控制方式与车辆第二控制方式的差异度不在预设范围内时,可以根据车辆第一控制方式对车辆的行驶状态进行控制。例如,当车辆第一控制方式为控制车辆停车时,则逐渐减小车辆的行驶速度直至停车。
进一步地,在根据车辆第一控制方式对车辆的行驶状态进行控制的过程中,如果在车辆停止运行前,获取到驾驶员输入的车辆控制指令,并且根据驾驶员最新的心电图数据及脸部特征数据,确定驾驶员当前的身体状态异常消失,则可以根据车辆控制指令对车辆的行驶状态进行控制。其中,车辆控制指令可以是驾驶员踩下油门踏板时触发的指令,当根据车辆控制指令对车辆的行驶状态进行控制时,控制车辆继续行驶。
当车辆第一控制方式为控制车辆停车时,如果在车辆停车前,未获取到驾驶员输入的车辆控制指令,则在控制车辆停车后,开启车辆中的停车提示灯。例如,可以在控制车辆停车时,开启双闪灯,以引起周围其他车辆的注意,提醒其他车辆避开当前车辆行驶,提高驾驶的安全性。
在本申请实施例一种可能的实现方式中,在控制车辆停车后,还可以控制车辆发出报警信号,例如控制车辆鸣笛或发出“请求支援”的求助信号,或者,可以在车辆的车窗上显示“Help”求救标志,以寻求路人或其他车主的帮助,有助于驾驶员获取到及时救援,尽可能保证驾驶员的人身安全。
在本申请实施例一种可能的实现方式中,开启车辆中的停车提示灯之后,还可以获取车辆当前的位置信息,并将车辆当前的位置信息发送给与驾驶员关联的联系人,以使驾驶员能够得到及时救助。例如,可以利用车辆中的全球定位系统(Global PositioningSystem,GPS)和地图确定车辆的停车位置,并通过车辆上的网络模块,将车辆的停车位置以及驾驶员的身体状态信息,通过短信的形式发送给车辆中预先存储的联系人,比如发送给医生或者家人,从而使家人或医生对驾驶员进行及时救治。
在本申请实施例一种可能的实现方式中,开启车辆中的停车提示灯后,为了避免后方来车未发现该车辆,还可以确定车辆当前所在的道路信息,进而向与车辆当前所在的道路信息相同、且位于车辆后方的其他车辆发送交通提醒消息。从而使其他车辆根据该提醒消息,靠近至该车辆所停位置时,及时进行避让,以避免与该车辆发生碰撞。
此处需要说明的是,在本申请实施例一种可能的实现方式中,开启车辆中的停车提示灯之后,还可以既获取车辆当前的位置信息,并将车辆当前的位置信息发送给与驾驶员关联的联系人,又确定车辆当前所在的道路信息,并向与车辆当前所在的道路信息相同、且位于车辆后方的其他车辆发送交通提醒消息。由此,能够在及时通知驾驶员的家人或医生以对驾驶员进行及时救治的同时,提醒周边车辆进行及时避让。
本实施例的驾驶员健康状态监测方法,通过根据驾驶员当前的心电图数据及脸部特征数据确定驾驶员当前的身体状态异常等级,再根据驾驶员当前的身体状态异常等级确定车辆第一控制方式,判断在预设时间段内是否获取到驾驶员的语音指令,当未获取到语音指令时根据车辆第一控制方式控制车辆的行驶状态,当获取到语音指令时对语音指令进行解析以确定车辆第二控制方式,并判断车辆第二控制方式与车辆第一控制方式的差异度是否在预设范围内,当在预设范围内时根据车辆第二控制方式控制车辆的行驶状态,当不再预设范围内时根据车辆第一控制方式控制车辆的行驶状态,由此,能够在驾驶员因心血管疾病发作丧失控制车辆的能力时,控制车辆自动减速停车,不仅避免对驾驶员造成二次伤害,保证驾驶员自身的人身安全,而且避免车辆与其他车辆或者人员发生碰撞,保证其他车辆或行人的安全。
与前述实施例所述的驾驶员健康状态监测方法相对应,本申请还提出了一种驾驶员健康状态监测系统,以实现前述实施例所述的驾驶员健康状态监测方法。
图5为本申请实施例所提供的一种驾驶员健康状态监测系统的结构示意图。
如图5所示,该驾驶员健康状态监测系统40包括:分别设置在车辆方向盘及安全带上的心电传感器410、用于获取驾驶员脸部图像的图像传感器420、控制器430及多媒体装置440。
其中,心电传感器410的输出端与控制器430的第一输入端连接,心电传感器410可以为电容式电极的心电传感器。
图像传感器420的输出端与控制器430的第二输入端连接,图像传感器420可以布置在车辆A柱上,用于采集驾驶员的人脸图像。图像传感器420可以实时采集驾驶员的人脸图像,或者,为了降低系统负担,也可以按照一定的频率获取驾驶员的人脸图像,获取人脸图像的频率可以根据驾驶员身体状态监测系统40的硬件性能进行调整。
控制器430的输出端与多媒体装置440的输入端连接。
控制器430,用于根据心电传感器410获取的心电图数据及图像传感器420获取的脸部图像,确定驾驶员的身体状态是否异常;并在驾驶员的身体状态异常时,控制多媒体装置440输出驾驶员身体状态异常预警消息。
其中,多媒体装置440可以通过语音播报方式和/或显示屏显示的方式输出驾驶员身体状态异常预警消息。
此处需要说明的是,控制器430根据心电图数据和脸部图像确定驾驶员的身体状态的具体实现过程,可以参见前述驾驶员健康状态监测方式实施例中的相关描述,此处不再赘述。
除了心肌梗死、心动过缓等心脏疾病严重威胁驾驶员的驾驶安全外,血压过高或过低等血压疾病也会威胁驾驶员的安全。进一步地,在本申请实施例一种可能的实现方式中,还可以设置血压传感器来获取驾驶员的血压数据,以判断驾驶员是否可能突发血压疾病。从而,如图6所示,在如图5所示实施例的基础上,驾驶员健康状态监测系统40还可以包括:血压传感器450。
其中,血压传感器450设置在安全带上,血压传感器450的输出端与控制器430的第三输入端连接,血压传感器450用于获取驾驶员当前的血压数据。
本实施例中,当需要获取驾驶员的血压数据时,可以控制车辆收紧安全带,并在测量结束后,控制安全带回放。
通过在安全带上设置血压传感器来获取驾驶员的血压数据,以监测驾驶员的血压疾病,能够预测出驾驶员的血压疾病,方便驾驶员根据血压疾病病症服用药物,提高救援效率。
由于血压数据受温度影响比较大,为了保证血压传感器450在不同温度下测量的血压数据具有可比性,从而提高根据血压数据判断驾驶员身体状态的准确性,在本申请实施例一种可能的实现方式中,可以利用温度补偿装置,对测得的血压数据进行温度补偿。如图6所示,该驾驶员健康状态监测系统40还可以包括:
温度补偿装置460,与血压传感器450的输出端及控制器430的第三输入端分别连接。
本实施例中,血压传感器450获取了驾驶员当前的血压数据后,先通过温度补偿装置460进行温度补偿后,输入至控制器430,控制器430根据血压数据以及图像传感器420获取的脸部图像,确定驾驶员是否突发血压疾病。
通过设置温度补偿装置对血压传感器采集的血压数据进行温度补偿,确保了不同温度下测量的血压数据的可比性,使得采集血压数据时不受温度约束,提高了根据血压数据判断驾驶员身体健康状态的准确性。
本实施例的驾驶员健康状态监测系统,通过在方向盘和安全带上设置心电传感器来获取驾驶员当前的心电图数据,设置图像传感器来获取驾驶员脸部图像,控制器根据心电图数据及脸部图像来确定驾驶员的身体状态是否异常,并在驾驶员身体状态异常时,控制多媒体装置输出驾驶员身体状态异常预警消息。由此,通过结合驾驶员当前的心电图数据和脸部特征数据,来共同判断驾驶员当前的身体状态,从而不仅保证了确定的驾驶员当前的身体状态的准确性和可靠性,而且在确定驾驶员健康状态异常时,及时向驾驶员发送预警消息,从而有助于驾驶员根据异常状态及时服用药物,提高了救援效率,从而降低了意外事故发生的概率以及疾病发作造成的损失,提高了驾驶员的安全性。
图7为本申请一具体实施例的驾驶员健康状态监测系统的结构示意图。如图7所示,该驾驶员健康状态监测系统包括:红外摄像头、血压传感器、心电传感器、语音采集模块、多媒体系统、控制器模块及车身控制模块。其中,控制器模块包括图像处理器、主处理器、车身控制安全处理器、车载以太网接口、血压传感器接口电路、心电传感器接口电路、语音输入接口电路、车身控制接口电路、存储器、GPS模块及其GPS天线、4G模块及其4G天线。主处理器为高性能、高实时性的处理器,例如现场可编程门阵列(Field-Programmable GateArray,FPGA)处理器。
图7中,车身控制模块用于控制车辆减速停止及收紧、回位安全带。
多媒体系统用于提供语音、文字预警的人机交换通道,当控制器模块检测到驾驶员身体状态异常时,通过多媒体语音报警,同时通过多媒体显示器显示疾病的类型。
心电传感器可以为电容式电极的心电传感器,用于获取驾驶员的心电图数据,心电传感器可以设置在车辆的方向盘和安全带上。心电传感器采集的心电图数据通过心电传感器接口电路进行低噪信号放大、模数转换后传送到主处理器。心电传感器接口电路的示意图如图8所示。主处理器根据心电图数据来确定心电图数据对应的心脏疾病类型。具体地,主处理器可以利用预先训练的心脏疾病症状分类模型来确定心电图数据对应的心脏疾病症状,当心脏疾病症状为心律失常、心肌梗死、心肌缺血、心动过快、心动过缓、心衰、房性早搏和室性早搏中的任一种时,主处理器确定心电图数据异常。
图9为根据心电图数据判断第一触发条件是否满足的流程示意图,其中,第一触发条件为心电图数据异常。如图9所示,判断第一触发条件是否满足的过程如下:步骤1,系统上电,主处理器初始化,其中,初始化指主处理器上电自检且无故障,利用默认参数值初始化各执行器的配置参数;步骤2,主处理器从心电传感器获取心电图数据,并通过图像特征提取算法提取心电图数据的特征值;步骤3,主处理器根据特征值,通过心电图数据分类算法将心电图数据分类为心律失常、心肌梗死、心肌缺血、心动过快、心动过缓、心衰、房性早搏、室性早搏和心电正常中的一种。步骤4,主处理器根据分类结果判断心电图数据是否异常,当心电图数据正常时,判定第一触发条件未满足,保存并替换用于保存第一触发条件结论的寄存器中的内容;当心电图数据异常时,则开始计时T1;步骤5,如果心电图数据异常持续时间T1未超过限定值,比如限定值为5秒,则判定第一触发条件未满足,保存并替换用于保存第一触发条件结论的寄存器中的内容;如果T1超过限定值,则判断驾驶员心脏有恙,并保存驾驶员的症状信息;步骤6,主处理器进行预警提示,将心电图数据异常对应的症状信息通过多媒体系统的显示界面显示出来,并配合语音提示驾驶员,以引起驾驶员的注意并提前做好预防措施;步骤7,主处理器判定第一触发条件满足,保存并替换用于保存第一触发条件结论的寄存器中的内容。
血压传感器可以设置在车辆的安全带上,用于获取驾驶员的血压数据。每次开始测量时,控制器控制车辆收紧安全带,然后读取布置在安全带上的多个血压传感器的数据,并求取平均值作为测量结果,以提高测量的准确性。测量结束后,控制器控制车辆回位安全带。血压传感器获取血压数据的频率可以根据驾驶员的健康程度确定,比如,驾驶员血压病情较轻时,每30分钟测量一次;驾驶员血压病情较重时,每10分钟测量一次。血压传感器将采集到的血压数据通过血压传感器接口电路进行温度补偿、信号放大、模数转换后传送给主处理器。血压传感器接口电路的示意图如图10所示。主处理器可以根据读取的多个血压传感器的血压数据计算平均值,将平均值作为驾驶员的血压数据的测量结果,进而根据测量结果判断驾驶员血压是否异常。
图11为根据血压数据确定第二触发条件是否满足的流程示意图,其中,第二触发条件为血压数据异常。如图11所示,判断第二触发条件是否满足的过程如下:步骤1,系统上电,主处理器初始化;步骤2,主处理器下发采集驾驶员血压数据的指令至车身控制安全处理器,车身控制安全处理器通过车身控制接口电路向车身控制模块下发收紧安全带的报文,车身控制模块控制车辆安全带收紧;步骤3,主处理器从血压传感器读取血压数据,求取多个血压数据的平均值作为驾驶员的收缩压、舒张压、平均压和/或心率的测量结果;步骤4,主处理器向车身控制安全处理器下发血压数据采集完成的指令,车身控制安全处理器下达回位安全带的报文至车身控制模块,车身控制模块控制车辆安全带回位;步骤5,主处理器将测量结果发送给车身控制安全处理器,车身控制安全处理器发送测量结果至多媒体系统,多媒体系统实时显示测量结果,以使驾驶员获知自身的收缩压、舒张压、平均压和/或心率的血压信息;步骤6,主处理器将测量结果与阈值进行比较,以判断测量结果是否异常,若测量结果在阈值范围内,则测量结果正常,第二触发条件未满足,保存并替换用于保存第二触发条件结论的寄存器中的内容,若测量结果超过阈值范围,则测量结果异常,开始计时T2;步骤7,如果测量结果异常持续时间T2未超过限定值,比如限定值为5秒,则认为血压传感器受到外界干扰而造成数据突变,判定第二触发条未满足,保存并替换用于保存第二触发条件结论的寄存器中的内容,如果T2超过限定值,则判断驾驶员血压异常;步骤8,主处理器进行预警提示,将测量结果异常对应的血压值通过多媒体系统的显示界面显示出来,并以一定频率(比如2Hz)闪动,同时配合语音提示驾驶员,以引起驾驶员的注意并提前做好预防措施;步骤9,主处理器判定第二触发条件满足,保存并替代用于保存第二触发条件结论的寄存器中的内容。
红外摄像头可以设置在车辆A柱上对着驾驶员的位置,用于采集驾驶员的人脸图像。作为一种示例,为了降低系统负担,可以在心电传感器和血压传感器采集数据时,才触发红外摄像头采集人脸图像;作为另一种示例,可以控制红外摄像头实时采集人脸图像,并由图像处理器对采集的人脸图像进行识别,当图像处理器识别出驾驶员的脸部特征数据异常时,触发心电传感器和血压传感器采集数据,进而根据采集的数据判断驾驶员的健康状态,以降低系统能耗,避免心电传感器和血压传感器持续工作导致使用寿命缩短的问题,延迟心电传感器和血压传感器的使用寿命。
红外摄像头通过车载以太网接口接入到图像处理器。图像处理器将红外摄像头采集的人脸图像进行识别处理,以识别出人眼的闭合状态及表情状态。图像处理器是擅长图像处理的处理器,例如图形处理器(Graphics Processing Unit,GPU)、数字信号处理器(Digital Signal Processing,DSP)。
图12为根据人脸图像判断第三触发条件是否满足的流程示意图,其中,第三触发条件为驾驶员闭眼。如图12所示,判断第三触发条件是否满足的过程如下:步骤1,系统上电,图像处理器初始化,其中,初始化指图像处理器上电自检且无故障,利用默认参数值初始化各执行器的配置参数;步骤2,图像处理器从红外摄像头获取驾驶员的人脸图像,并通过图像特征提取算法提取人眼的特征值;步骤3,图像处理器根据人眼的特征值确定人眼的开、合状态,判断驾驶员眼睛是否闭合,若驾驶员眼睛睁开,则判定第三触发条件未满足,保存并替换用于保存第三触发条件结论的寄存器中的内容,若驾驶员眼睛闭合,则开始计时T3;步骤4,如果人眼闭合持续时间T3未超过限定值,比如限定值为2秒,则认为闭眼为驾驶员正常的眨眼,判定第三触发条未满足,保存并替换用于保存第三触发条件结论的寄存器中的内容,如果T3超过限定值,则判断驾驶员身体异常,判定第三触发条件满足,保存并替代用于保存第三触发条件结论的寄存器中的内容。
图13为根据人脸图像判断第四触发条件是否满足的流程示意图,其中,第四触发条件为驾驶员表情处于痛苦状态。如图13所示,判断第四触发条件是否满足的过程如下:步骤1,系统上电,图像处理器初始化;步骤2,图像处理器从红外摄像头获取驾驶员的人脸图像,并通过图像特征提取算法提取人脸图像的特征值;步骤3,图像处理器根据人脸图像的特征值,利用表情分类算法确定驾驶员当前的表情,表情分类为:高兴、痛苦、愤怒、吃惊、厌恶、恐惧和其它,并判断驾驶员表情是否处于痛苦状态,若驾驶员表情处于非痛苦状态,则判定第四触发条件未满足,保存并替换用于保存第四触发条件结论的寄存器中的内容,若驾驶员表情处于痛苦状态,则开始计时T4;步骤4,如果驾驶员表情处于痛苦状态持续时间T4未超过限定值,比如限定值为2秒,则判定第四触发条件未满足,保存并替换用于保存第四触发条件结论的寄存器中的内容,如果T4超过限定值,则判断驾驶员身体异常,判定第四触发条件满足,保存并替代用于保存第四触发条件结论的寄存器中的内容。语音采集模块用于采集驾驶员的语音指令,当系统检测到驾驶员身体异常时,开启语音采集模块采集驾驶员的语音指令。语音采集模块在主处理器判断驾驶员突发心血管疾病时才开启,从而能够避免正常驾驶情况下的误判。语音采集模块采集的语音模拟信号通过语音输入接口电路进行滤波、信号放大、模数转换后输入主处理器。语音输入接口电路的示意图如图14所示。
车身控制接口电路包括控制器局域网(Controller Area Network,CAN)接口电路、车载以太网接口电路、低电压差分信号(Low-Voltage Differential Signaling,LVDS)接口电路。其中,CAN接口电路用于接入车身CAN网络,车载以太网接口电路用于接入车身车载以太网网络,LVDS接口电路用于连接车载多媒体系统。车身控制接口电路是车身控制安全处理器控制及感知车辆运行状态的通道。车身控制安全处理器满足汽车安全标准ISO26262法规中ASIL-D等级的要求,具体型号例如可以为Infineon Aurix TC297系列处理器。
存储器用于存储地图数据包、控制程序、识别结果、紧急联系人信息等。主处理器判断驾驶员心血管疾病发作并将车辆减速停车后,结合GPS及地图确认停车位置信息后,通过4G模块将停车位置信息及驾驶员病情信息通过短信的形式发送至系统保存的紧急联系人。
图15为本申请一具体实施例的多处理器间连接的硬件架构示意图。如图15所示,图像处理器、主处理器和车身控制器安全处理器之间通过车载以太网进行高速连接,车载以太网的传输速率例如可以为100M,以提高各个处理器间数据交互的实时性。
主处理器根据各个触发条件的判断结果,可以确定对车辆进行控制的控制策略。图16为驾驶员健康状态监测系统的疾病突发预警和紧急控制流程示意图。如图16所示,驾驶员健康状态监测系统进行疾病突发预警和紧急控制的过程包括以下步骤:
步骤11,主处理器进入工作状态。其中,工作状态指主处理器正常接收、处理各传感器输入的信号,并通过相应算法识别判断输入的信息以得出相应的结论。
步骤12,主处理器读取存储第一触发条件结论的寄存器信息,若第一触发条件未满足,则执行步骤13;若第一触发条件满足,则执行步骤14。
步骤13,主处理器读取存储第二触发条件结论的寄存器信息,若第二触发条件未满足,则判断驾驶员身体无恙,进入正常驾驶状态;若第二触发条件满足,则执行步骤14。
步骤14,主处理器读取存储第三触发条件结论的寄存器信息,若第三触发条件未满足,则执行步骤15;若第三触发条件满足,则执行步骤16。
步骤15,主处理器读取存储第四触发条件结论的寄存器信息,若第四触发条件未满足,则判断驾驶员心血管疾病未发作,进入正常驾驶状态;若第四触发条件满足,则执行步骤16。
步骤16,主处理器判定驾驶员心血管疾病已发作,进行预警提示,控制多媒体系统通过显示界面显示心血管疾病的症状信息,并配合语音询问驾驶员是否需要减速停车。
步骤17,主处理器开启语音采集模块来采集驾驶员的语音指令。
步骤18,主处理器对语音指令进行识别,若在限定时间T5内,比如限定时间为5s,识别到驾驶员发出“停车”、“减速”、“是”等停车指令或肯定语气的指令,则控制车辆减速停车,执行步骤111;否则,执行步骤19。
步骤19,若在限定的时间T5内,主处理器识别到驾驶员发出“保持”、“加速”、“不是”等非停车指令或否定语气的指令,则判定驾驶员未丧失控制车辆的能力,保持车辆继续行驶;如果未收到驾驶员任何回复,则执行步骤110。
步骤110,主处理器控制车辆减速。若主处理器控制车辆减速过程中,检测到驾驶员踩下油门踏板,或者接收到驾驶员语音发出的加速指令,则判断驾驶员未丧失控制车辆的能力,保持车辆继续行驶;否则,则执行步骤111。
步骤111,主处理器控制车辆停车,并打开双闪灯。
步骤112,主处理器判断驾驶员心血管疾病发作并将车辆减速停车后,结合GPS及地图确认停车位置信息,通过4G模块将停车位置信息及驾驶员病情信息通过短信的形式发送至系统保存的紧急联系人。
图17为驾驶员健康状态监测系统控制车辆减速停车的流程示意图。如图17所示,当需要控制车辆减速停车时,主处理器向车身控制安全处理器发送停车指令。车身控制安全处理器获取车身控制模块反馈的车辆运行状态信息,并根据当前的车辆运行状态信息下达制动报文及开启双闪灯报文。车身控制模块根据制动报文要求的加速度进行制动,并开启双闪灯。车身控制模块将车速报文实时反馈给车身控制安全处理器,直至车辆完全停止,控制流程结束。
本申请实施例所提供的驾驶员健康状态监测系统,能够提前预知驾驶员的健康状态,并将驾驶员的心血管疾病的症状信息反馈给驾驶员,以使驾驶员及时对症下药,提高救治效率,还实现了车辆的自动控制,有利于降低交通事故发生的概率,以及,通过设置紧急联系人的方式,能够在驾驶员突发心血管疾病时,及时通知其亲友或医生,有利于寻求及时救助。
为了实现上述实施例,本申请还提出一种计算机设备。
图18为本申请实施例所提供的一种计算机设备的结构示意图。如图18所示,该计算机设备50包括:存储器510及处理器520,存储器510存储有计算机程序530,当处理器520执行程序时,实现如前述实施例所述的驾驶员健康状态监测方法,或者实现如前述实施例所述的车辆控制方法。
为了实现上述实施例,本申请还提出一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时,实现如前述实施例所述的驾驶员健康状态监测方法,或者实现如前述实施例所述的车辆控制方法。
为了实现上述实施例,本申请还提出一种计算机程序产品,当该计算机程序产品中的指令由处理器执行时,实现如前述实施例所述的驾驶员健康状态监测方法,或者实现如前述实施例所述的车辆控制方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (14)
1.一种驾驶员健康状态监测方法,其特征在于,包括:
获取驾驶员当前的心电图数据;
判断所述驾驶员当前的心电图数据是否异常;
若确定所述驾驶员当前的心电图数据异常,则判断所述驾驶员当前的脸部特征数据是否异常;
若确定所述当前的脸部特征数据异常,则根据所述驾驶员当前的心电图数据及脸部特征数据,确定所述驾驶员当前的身体状态异常等级;
根据所述驾驶员当前的身体状态异常等级对车辆进行控制。
2.如权利要求1所述的方法,其特征在于,所述获取驾驶员当前的心电图数据,包括:
通过分别置于车辆方向盘及安全带上的心电传感器,获取所述心电图数据。
3.如权利要求1所述的方法,其特征在于,所述判断所述驾驶员当前的心电图数据是否异常之后,还包括:
若确定所述驾驶员当前的心电图数据正常,则判断所述驾驶员当前的血压数据是否异常;
若确定所述驾驶员当前的血压数据异常,则判断所述驾驶员当前的脸部特征数据是否异常;
若确定所述驾驶员当前的脸部特征数据异常,则根据所述驾驶员当前的血压数据及脸部特征数据,确定所述驾驶员当前的身体状态异常等级;
根据所述驾驶员当前的身体状态异常等级对车辆进行控制。
4.如权利要求3所述的方法,其特征在于,所述判断所述驾驶员当前的血压数据是否异常之前,还包括:
控制驾驶员座椅安全带收紧,以获取所述驾驶员当前的血压数据。
5.如权利要求1-4任一项所述的方法,其特征在于,所述脸部特征数据包括以下数据中的至少一个:眼部特征数据和表情特征数据。
6.一种车辆控制方法,其特征在于,包括:
根据车辆驾驶员当前的心电图数据及脸部特征数据,确定所述驾驶员当前的身体状态异常等级;
根据所述驾驶员当前的身体状态异常等级,确定车辆第一控制方式;
根据所述车辆第一控制方式,对所述车辆的行驶状态进行控制。
7.如权利要求6所述的方法,其特征在于,所述确定车辆第一控制方式之后,还包括:
若在所述预设时间段内获取到所述驾驶员的语音指令,则对所述语音指令进行解析,确定其为车辆第二控制方式;
判断所述车辆第二控制方式与所述车辆第一控制方式的差异度是否在预设范围内;
若是,则根据所述车辆第二控制方式,对所述车辆的行驶状态进行控制。
8.如权利要求7所述的方法,其特征在于,所述判断所述车辆第二控制方式与所述车辆第一控制方式的差异度是否在预设范围内之后,还包括:
若否,则根据所述车辆第一控制方式,对所述车辆的行驶状态进行控制,若在所述车辆停车前,获取到所述驾驶员输入的车辆控制指令,且根据所述驾驶员最新的心电图数据及脸部特征数据,确定所述驾驶员的身体状态恢复正常,则根据所述车辆控制指令,对所述车辆的行驶状态进行控制;
或者,若所述车辆第一控制方式为控制所述车辆停车,则在所述车辆停车前,未获取到所述驾驶员输入的车辆控制指令,则在控制所述车辆停车后,开启所述车辆中的停车提示灯。
9.如权利要求8所述的方法,其特征在于,所述开启所述车辆中的停车提示灯之后,还包括:
获取所述车辆当前的位置信息,并将所述车辆当前的位置信息发送给与所述驾驶员关联的联系人;
和/或,确定所述车辆当前所在的道路信息;
向与所述车辆当前所在的道路信息相同、且位于所述车辆后方的其他车辆发送交通提醒消息。
10.一种驾驶员健康状态监测系统,其特征在于,包括:分别设置在车辆方向盘及安全带上的心电传感器、用于获取驾驶员脸部图像的图像传感器、控制器及多媒体装置;
所述心电传感器的输出端与所述控制器的第一输入端连接;
所述图像传感器的输出端与所述控制器的第二输入端连接;
所述控制器的输出端与所述多媒体装置的输入端连接;
所述控制器,用于根据所述心电传感器获取的心电图数据及所述图像传感器获取的脸部图像,确定所述驾驶员的身体状态是否异常;并在所述驾驶员的身体状态异常时,控制所述多媒体装置输出驾驶员身体状态异常预警消息。
11.如权利要求10所述的系统,其特征在于,还包括:设置在安全带上的血压传感器;
所述血压传感器的输出端与所述控制器的第三输入端连接。
12.如权利要求11所述的系统,其特征在于,还包括:与所述血压传感器的输出端及所述控制器的第三输入端分别连接的温度补偿装置。
13.一种计算机设备,其特征在于,包括:存储器及处理器,所述存储器存储有计算机程序,其特征在于,当所述处理器执行所述程序时,实现如权利要求1-5中任一项所述的驾驶员健康状态监测方法;或者,实现如权利要求6-9中任一项所述的车辆控制方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时,实现如权利要求1-5中任一项所述的驾驶员健康状态监测方法;或者,实现如权利要求6-9中任一项所述的车辆控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810713968.7A CN110654393B (zh) | 2018-06-29 | 2018-06-29 | 驾驶员健康状态监测方法、系统、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810713968.7A CN110654393B (zh) | 2018-06-29 | 2018-06-29 | 驾驶员健康状态监测方法、系统、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110654393A true CN110654393A (zh) | 2020-01-07 |
CN110654393B CN110654393B (zh) | 2021-06-18 |
Family
ID=69027749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810713968.7A Active CN110654393B (zh) | 2018-06-29 | 2018-06-29 | 驾驶员健康状态监测方法、系统、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110654393B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111422201A (zh) * | 2020-03-23 | 2020-07-17 | 武汉格罗夫氢能汽车有限公司 | 氢能汽车车载红外司机健康监测方法、设备及存储设备 |
CN111619536A (zh) * | 2020-06-05 | 2020-09-04 | 易绍福 | 一种车辆制动控制方法、系统、平台及存储介质 |
CN111857638A (zh) * | 2020-06-01 | 2020-10-30 | 江西江铃集团新能源汽车有限公司 | 一种基于人脸识别的语音交互方法、系统及汽车 |
CN112017398A (zh) * | 2020-08-17 | 2020-12-01 | 黄冈格罗夫氢能汽车有限公司 | 燃料电池氢能汽车车内乘员健康状态监测的车联网系统 |
CN113119983A (zh) * | 2021-05-07 | 2021-07-16 | 恒大新能源汽车投资控股集团有限公司 | 一种车辆安全控制方法、装置及车辆 |
CN113576436A (zh) * | 2021-09-27 | 2021-11-02 | 北京小米移动软件有限公司 | 一种驾驶员健康监测方法、装置、车辆及存储介质 |
EP3960567A1 (en) * | 2020-08-25 | 2022-03-02 | Molex CVS Bochum GmbH | Telematics control units (tcus) including sensors for monitoring vehicle interiors and method for operating a tcu |
CN114291095A (zh) * | 2021-12-02 | 2022-04-08 | 合肥晟泰克汽车电子股份有限公司 | 车内驾乘监控方法 |
CN114454891A (zh) * | 2022-02-28 | 2022-05-10 | 奇瑞汽车股份有限公司 | 汽车的控制方法、装置及计算机存储介质 |
CN115398508A (zh) * | 2020-03-31 | 2022-11-25 | 五十铃自动车株式会社 | 允许与否确定装置 |
CN115482933A (zh) * | 2022-11-01 | 2022-12-16 | 北京鹰瞳科技发展股份有限公司 | 用于对驾驶员的驾驶风险进行评估的方法及其相关产品 |
CN116039583A (zh) * | 2022-09-08 | 2023-05-02 | 重庆长安汽车股份有限公司 | 车辆的制动方法、装置、车辆和存储介质 |
CN116320177A (zh) * | 2023-05-10 | 2023-06-23 | 江铃汽车股份有限公司 | 基于车内摄像头的健康状态提示方法、装置和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106361308A (zh) * | 2016-11-08 | 2017-02-01 | 京东方科技集团股份有限公司 | 异常状态的检测方法以及检测系统 |
CN106778618A (zh) * | 2016-12-16 | 2017-05-31 | 合肥寰景信息技术有限公司 | 一种疲劳驾驶监控预警系统 |
CN106740860A (zh) * | 2015-11-24 | 2017-05-31 | 英业达科技有限公司 | 车用安全方法及车用安全系统 |
US9771081B2 (en) * | 2014-09-29 | 2017-09-26 | The Boeing Company | System for fatigue detection using a suite of physiological measurement devices |
CN108146344A (zh) * | 2018-01-05 | 2018-06-12 | 吉林大学 | 一种基于多源信息融合的疲劳驾驶预警系统 |
-
2018
- 2018-06-29 CN CN201810713968.7A patent/CN110654393B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9771081B2 (en) * | 2014-09-29 | 2017-09-26 | The Boeing Company | System for fatigue detection using a suite of physiological measurement devices |
CN106740860A (zh) * | 2015-11-24 | 2017-05-31 | 英业达科技有限公司 | 车用安全方法及车用安全系统 |
CN106361308A (zh) * | 2016-11-08 | 2017-02-01 | 京东方科技集团股份有限公司 | 异常状态的检测方法以及检测系统 |
CN106778618A (zh) * | 2016-12-16 | 2017-05-31 | 合肥寰景信息技术有限公司 | 一种疲劳驾驶监控预警系统 |
CN108146344A (zh) * | 2018-01-05 | 2018-06-12 | 吉林大学 | 一种基于多源信息融合的疲劳驾驶预警系统 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111422201A (zh) * | 2020-03-23 | 2020-07-17 | 武汉格罗夫氢能汽车有限公司 | 氢能汽车车载红外司机健康监测方法、设备及存储设备 |
CN115398508A (zh) * | 2020-03-31 | 2022-11-25 | 五十铃自动车株式会社 | 允许与否确定装置 |
CN115398508B (zh) * | 2020-03-31 | 2024-01-05 | 五十铃自动车株式会社 | 允许与否确定装置 |
CN111857638A (zh) * | 2020-06-01 | 2020-10-30 | 江西江铃集团新能源汽车有限公司 | 一种基于人脸识别的语音交互方法、系统及汽车 |
CN111619536A (zh) * | 2020-06-05 | 2020-09-04 | 易绍福 | 一种车辆制动控制方法、系统、平台及存储介质 |
CN112017398A (zh) * | 2020-08-17 | 2020-12-01 | 黄冈格罗夫氢能汽车有限公司 | 燃料电池氢能汽车车内乘员健康状态监测的车联网系统 |
EP3960567A1 (en) * | 2020-08-25 | 2022-03-02 | Molex CVS Bochum GmbH | Telematics control units (tcus) including sensors for monitoring vehicle interiors and method for operating a tcu |
US11924731B2 (en) | 2020-08-25 | 2024-03-05 | Molex CVS Bochum GmbH | Telematics control units (TCUs) including sensors for monitoring vehicle interiors |
CN113119983A (zh) * | 2021-05-07 | 2021-07-16 | 恒大新能源汽车投资控股集团有限公司 | 一种车辆安全控制方法、装置及车辆 |
CN113576436A (zh) * | 2021-09-27 | 2021-11-02 | 北京小米移动软件有限公司 | 一种驾驶员健康监测方法、装置、车辆及存储介质 |
CN114291095B (zh) * | 2021-12-02 | 2023-12-19 | 合肥晟泰克汽车电子股份有限公司 | 车内驾乘监控方法 |
CN114291095A (zh) * | 2021-12-02 | 2022-04-08 | 合肥晟泰克汽车电子股份有限公司 | 车内驾乘监控方法 |
CN114454891A (zh) * | 2022-02-28 | 2022-05-10 | 奇瑞汽车股份有限公司 | 汽车的控制方法、装置及计算机存储介质 |
CN114454891B (zh) * | 2022-02-28 | 2023-09-26 | 奇瑞汽车股份有限公司 | 汽车的控制方法、装置及计算机存储介质 |
CN116039583A (zh) * | 2022-09-08 | 2023-05-02 | 重庆长安汽车股份有限公司 | 车辆的制动方法、装置、车辆和存储介质 |
CN115482933B (zh) * | 2022-11-01 | 2023-11-28 | 北京鹰瞳科技发展股份有限公司 | 用于对驾驶员的驾驶风险进行评估的方法及其相关产品 |
CN115482933A (zh) * | 2022-11-01 | 2022-12-16 | 北京鹰瞳科技发展股份有限公司 | 用于对驾驶员的驾驶风险进行评估的方法及其相关产品 |
CN116320177A (zh) * | 2023-05-10 | 2023-06-23 | 江铃汽车股份有限公司 | 基于车内摄像头的健康状态提示方法、装置和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110654393B (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110654393B (zh) | 驾驶员健康状态监测方法、系统、计算机设备及存储介质 | |
US7945313B2 (en) | Method and device for monitoring heart rhythm in a vehicle | |
US8427326B2 (en) | Method and system for detecting the physiological onset of operator fatigue, drowsiness, or performance decrement | |
CN109849925B (zh) | 以生理监测结合车辆控制的方法 | |
CN107662611A (zh) | 一种基于驾驶员情绪识别的自动驾驶模式切换系统 | |
JP2014518647A (ja) | 少なくとも1人の車両乗員を監視する方法及び装置、及び少なくとも1つのアシスタント装置を作動させるための方法 | |
WO2015175435A1 (en) | Driver health and fatigue monitoring system and method | |
CN205302556U (zh) | 一种智能车载健康安全系统 | |
Eilebrecht et al. | The relevance of HRV parameters for driver workload detection in real world driving | |
CN107554528A (zh) | 驾乘人员的疲劳等级检测方法及装置、存储介质、终端 | |
CN102555804A (zh) | 汽车防醉驾控制系统及控制方法 | |
CN106963348A (zh) | 基于行驶环境的用于车辆座椅的生物信号测量系统 | |
WO2018207905A1 (ja) | 車両の運転制御システム及び車両の運転制御方法 | |
CN210011600U (zh) | 一种基于方向盘的安全驾驶装置 | |
CN206885034U (zh) | 考虑生理与操控信息的驾驶员路怒状态车载识别交互系统 | |
CN108583580A (zh) | 一种驾驶员身体情况监测装置、方法和系统 | |
CN107554293A (zh) | 一种安全驾驶预警装置及安全驾驶预警方法 | |
CN106553581A (zh) | 车辆的控制方法、系统及车辆 | |
CN214929564U (zh) | 一种校车司机突发重病安全保障系统 | |
CN110239555A (zh) | 一种辅助车辆安全操作的装置及方法 | |
Hyder et al. | The smart automobile (SAM): an application based on drowsiness detection, alcohol detection, vital sign monitoring and lane based auto drive to avoid accidents | |
CN203157734U (zh) | 一种汽车驾驶员疲劳驾车的安全识别系统 | |
CN103847519A (zh) | 一种汽车驾驶员疲劳驾车的识别系统 | |
CN113066261B (zh) | 一种驾驶者突发疾病的汽车自动制动与报警系统与方法 | |
CN115610430A (zh) | 一种智能化汽车安全驾驶辅助系统和方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |