CN110751381A - 一种路怒车辆风险评估和防控方法 - Google Patents
一种路怒车辆风险评估和防控方法 Download PDFInfo
- Publication number
- CN110751381A CN110751381A CN201910939543.2A CN201910939543A CN110751381A CN 110751381 A CN110751381 A CN 110751381A CN 201910939543 A CN201910939543 A CN 201910939543A CN 110751381 A CN110751381 A CN 110751381A
- Authority
- CN
- China
- Prior art keywords
- driver
- level
- emotional
- driving
- periods
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
Abstract
本发明公开了一种路怒车辆风险评估和防控方法,属于汽车主动安全技术领域,该方法包括数据采集、特征识别、风险评估和防控步骤,采集数据包括视频数据、音频数据、驾驶员本征属性和外部因素集,特征识别输出情感类型和强烈程度,通过危险驾驶风险评估模型评价驾驶员情绪状态,进而采取防控措施。本发明可以实现对驾驶员路怒情绪的实时监测和判别并可以预测驾驶员情绪变化,提前做好防控措施,能够有效降低路怒症对交通安全带来的不利影响。
Description
技术领域
本发明属于汽车主动安全技术领域,尤其涉及一种路怒车辆风险评估和防控方法。
背景技术
路怒症是驾驶员在驾驶过程一种过激的情绪反应。在短时间内情绪波动较大,促使驾驶员更容易采取风险水平高的驾驶行为应对冲突。目前,国内外对“路怒症”的研究主要包括驾驶员路怒情绪的产生机理和影响因素、驾驶员愤怒驾驶时的行为表现、驾驶员愤怒驾驶对交通安全的影响以及驾驶员驾驶过程中的路怒情绪的识别等。在深度学习、信息融合、大数据处理等技术的支持下,对于路怒情绪的识别有了突破性进展,但是路怒情绪识别方面的研究却很少与主动安全相结合,同时识别路怒情绪后再进行的控制措施具有时间的滞后性,无法对驾驶员进行及时有效的帮助和驾驶安全等不良行为的预警。
发明内容
发明目的:为了有效地解决路怒情绪的风险驾驶评估和防控措施有效性的问题,本发明提出一种路怒车辆风险评估和防控方法,从而减小驾驶员因路怒情绪对道路交通安全产生的不良影响。
技术方案:为实现本发明的目的,本发明所采用的技术方案是:一种路怒车辆风险评估和防控方法,包括数据采集、特征识别、风险评估以及防控步骤;具体如下:
S1、采集驾驶员数据,获取外部因素集,实时监测驾驶员驾驶状态;
S2、根据采集的驾驶员数据提取驾驶员的路怒情绪特征,并对驾驶员的路怒情绪特征进行训练,建立驾驶员路怒情绪识别模型;
S3、利用路怒情绪识别模型对驾驶员的情绪状态进行实时监测,从一定时段采集的驾驶员数据和外部因素集中提取驾驶员的路怒情绪的状态序列;
S4、基于步骤S3所述的状态序列中情感状态及情感强度数据,建立驾驶员风险驾驶水平评价模型,进而评估驾驶风险水平等级;
S5、根据步骤S4所评估的驾驶风险水平等级,采取相应的防控措施。
进一步地,所述步骤S1中,利用车载设备及穿戴设备采集驾驶员数据,采集的驾驶员数据包括:驾驶员视频数据和音频数据、驾驶员本征属性;所述外部因素集包括天气情况、温度和风速。
进一步地,所述驾驶员视频数据是指对于面部表情的采集,分为眉毛区域、眼睛区域、嘴巴区域;所述音频数据包括驾驶员说话的内容、语速、音调、强度;
所述驾驶员本征属性包括性别、年龄、驾龄、心跳频率、血压;
通过车载摄像头获取视频数据,通过车内录音设备记录音频数据;
通过生理检测穿戴设备记录血压和心跳频率。
进一步地,所述步骤S2中,利用深度学习方法训练驾驶员路怒情绪特征,建立驾驶员路怒情绪识别模型;具体如下:
利用卷积神经网络对驾驶员的路怒情绪特征进行训练;将驾驶员视频数据、音频数据作为卷积神经网络模型的输入数据;通过卷积神经网络根据某一时刻的驾驶员面部表情、语言信息,识别驾驶员的情绪状态。
进一步地,所述步骤S4中,基于情感状态及情感强度数据,建立驾驶员风险驾驶水平评价模型,进而评估驾驶风险水平,具体如下:
将情感强度分为1、2、3三个等级,当第t-2、t-1、t个时段检测出的情感状态均为愤怒,按照情感强度的变化将情绪状态分为四类:平稳状态、上升状态、下降状态和波动状态;具体如表1所示;
所述平稳状态包括:
第t-2、t-1、t时段情感强度均为3,设定驾驶风险水平为三级;
第t-2、t-1、t时段情感强度均为2,设定驾驶风险水平为二级;
第t-2、t-1、t时段情感强度均为1,设定驾驶风险水平为一级;
所述上升状态包括:
第t-2、t-1、t时段情感强度分别为2、3、3,设定驾驶风险水平为三级;
第t-2、t-1、t时段情感强度分别为1、2、2,设定驾驶风险水平为二级;
第t-2、t-1、t时段情感强度分别为1、3、3,设定驾驶风险水平为三级;
第t-2、t-1、t时段情感强度分别为1、2、3,设定驾驶风险水平为二级;
所述下降状态包括:
第t-2、t-1、t时段情感强度分别为3、2、2,设定驾驶风险水平为二级;
第t-2、t-1、t时段情感强度分别为2、1、1,设定驾驶风险水平为一级;
第t-2、t-1、t时段情感强度分别为3、1、1,设定驾驶风险水平为一级;
第t-2、t-1、t时段情感强度分别为3、2、1,设定驾驶风险水平为一级;
所述波动状态包括:
第t-2、t-1、t时段情感强度分别为2、3、1,设定驾驶风险水平为二级;
第t-2、t-1、t时段情感强度分别为1、3、2,设定驾驶风险水平为二级;
第t-2、t-1、t时段情感强度分别为3、1、2,设定驾驶风险水平为一级;
第t-2、t-1、t时段情感强度分别为2、1、3,设定驾驶风险水平为二级。
表1
进一步地,所述步骤S5中,根据驾驶风险水平的等级,采取相应的防控措施,具体包括:
当风险等级为一级,表示驾驶员存在怒路情绪,采取的措施为语音提示,提醒驾驶员控制情绪安全驾驶;当风险等级为二级,表示驾驶员有明显的路怒情绪,采取的措施为安全带轻微震动和车内播放舒缓音乐;当风险等级为三级,表示驾驶员情绪激动,为了驾驶员以及他人安全,降低车辆行驶速度,减少驾驶危险。
附图说明
图1是本发明方法的整体流程图;
图2是本发明方法的路怒情绪识别流程图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。
本发明所述的一种路怒车辆风险评估和防控方法,流程如图1所示,包括数据采集、特征识别、风险评估、防控步骤;具体如下:
为实现本发明的目的,本发明所采用的技术方案是:一种路怒车辆风险评估和防控方法,包括数据采集、特征识别、风险评估以及防控步骤;具体如下:
S1、采集驾驶员数据,获取外部因素集,实时监测驾驶员驾驶状态;
S2、根据采集的驾驶员数据提取驾驶员的路怒情绪特征,并对驾驶员的路怒情绪特征进行训练,建立驾驶员路怒情绪识别模型;
S3、利用路怒情绪识别模型对驾驶员的情绪状态进行实时监测,从一定时段采集的驾驶员数据和外部因素集中提取驾驶员的路怒情绪的状态序列;
S4、基于步骤S3所述的状态序列中情感状态及情感强度数据,建立驾驶员风险驾驶水平评价模型,进而评估驾驶风险水平等级;
S5、根据步骤S4所评估的驾驶风险水平等级,采取相应的防控措施。
所述步骤S1中,利用车载设备及穿戴设备采集驾驶员数据,采集的驾驶员数据包括:驾驶员视频数据和音频数据、驾驶员本征属性;所述外部因素集包括天气情况、温度和风速;
所述驾驶员视频数据是指对于面部表情的采集,分为眉毛区域、眼睛区域、嘴巴区域;所述音频数据包括驾驶员说话的内容、语速、音调、强度;
所述驾驶员本征属性包括性别、年龄、驾龄、心跳频率、血压;
通过车载摄像头获取视频数据,通过车内录音设备记录音频数据;
通过生理检测穿戴设备记录血压和心跳频率。
所述步骤S2中,利用深度学习方法训练驾驶员路怒情绪特征,建立驾驶员路怒情绪识别模型;具体如下:
利用卷积神经网络对驾驶员的路怒情绪特征进行训练;将驾驶员视频数据、音频数据作为卷积神经网络模型的输入数据;通过卷积神经网络根据某一时刻的驾驶员面部表情、语言信息,识别驾驶员的情绪状态。
所述步骤S4中,基于情感状态及情感强度数据,建立驾驶员风险驾驶水平评价模型,进而评估驾驶风险水平,具体如下:
将情感强度分为1、2、3三个等级,当第t-2、t-1、t个时段检测出的情感状态均为愤怒,按照情感强度的变化将情绪状态分为四类:平稳状态、上升状态、下降状态和波动状态;
所述平稳状态包括:
第t-2、t-1、t时段情感强度均为3,设定驾驶风险水平为三级;
第t-2、t-1、t时段情感强度均为2,设定驾驶风险水平为二级;
第t-2、t-1、t时段情感强度均为1,设定驾驶风险水平为一级;
所述上升状态包括:
第t-2、t-1、t时段情感强度分别为2、3、3,设定驾驶风险水平为三级;
第t-2、t-1、t时段情感强度分别为1、2、2,设定驾驶风险水平为二级;
第t-2、t-1、t时段情感强度分别为1、3、3,设定驾驶风险水平为三级;
第t-2、t-1、t时段情感强度分别为1、2、3,设定驾驶风险水平为二级;
所述下降状态包括:
第t-2、t-1、t时段情感强度分别为3、2、2,设定驾驶风险水平为二级;
第t-2、t-1、t时段情感强度分别为2、1、1,设定驾驶风险水平为一级;
第t-2、t-1、t时段情感强度分别为3、1、1,设定驾驶风险水平为一级;
第t-2、t-1、t时段情感强度分别为3、2、1,设定驾驶风险水平为一级;
所述波动状态包括:
第t-2、t-1、t时段情感强度分别为2、3、1,设定驾驶风险水平为二级;
第t-2、t-1、t时段情感强度分别为1、3、2,设定驾驶风险水平为二级;
第t-2、t-1、t时段情感强度分别为3、1、2,设定驾驶风险水平为一级;
第t-2、t-1、t时段情感强度分别为2、1、3,设定驾驶风险水平为二级。
所述步骤S5中,根据驾驶风险水平的等级,采取相应的防控措施,具体包括:
当风险等级为一级,表示驾驶员存在怒路情绪,采取的措施为语音提示,提醒驾驶员控制情绪安全驾驶;当风险等级为二级,表示驾驶员有明显的路怒情绪,采取的措施为安全带轻微震动和车内播放舒缓音乐;当风险等级为三级,表示驾驶员情绪激动,为了驾驶员以及他人安全,降低车辆行驶速度,减少驾驶危险。
为了举例说明本发明的实现,描述了上述的具体实施方式。但是本发明的其他变化和修改,对于本领域技术人员是显而易见的,在本发明所公开的实质和基本原则范围内的任何修改、变化或者仿效变换都属于本发明的权利要求保护范围。
Claims (6)
1.一种路怒车辆风险评估和防控方法,其特征在于:该方法包括以下步骤:
S1、采集驾驶员数据,获取外部因素集,实时监测驾驶员驾驶状态;
S2、根据采集的驾驶员数据提取驾驶员的路怒情绪特征,并对路怒情绪特征进行训练,建立驾驶员路怒情绪识别模型;
S3、利用路怒情绪识别模型对驾驶员的情绪状态进行实时监测,从一定时段采集的驾驶员数据和外部因素集中提取驾驶员的路怒情绪的状态序列;
S4、基于步骤S3所述的状态序列中情感状态及情感强度数据,建立驾驶员风险驾驶水平评价模型,进而评估驾驶风险水平等级;
S5、根据步骤S4所评估的驾驶风险水平等级,采取相应的防控措施。
2.根据权利要求1所述的一种路怒车辆风险评估和防控方法,其特征在于:所述步骤S1中,利用车载设备及穿戴设备采集驾驶员数据,采集的驾驶员数据包括:驾驶员视频数据和音频数据、驾驶员本征属性;所述外部因素集包括天气情况、温度和风速。
3.根据权利要求2所述的一种路怒车辆风险评估和防控方法,其特征在于:所述驾驶员视频数据是指对于面部表情的采集,分为眉毛区域、眼睛区域、嘴巴区域;
所述音频数据包括驾驶员说话的内容、语速、音调、强度;
所述驾驶员本征属性包括性别、年龄、驾龄、心跳频率、血压;
通过车载摄像头获取视频数据,通过车内录音设备记录音频数据;
通过生理检测穿戴设备记录血压和心跳频率。
4.根据权利要求3所述的一种路怒车辆风险评估和防控方法,其特征在于:所述步骤S2中,利用深度学习方法训练驾驶员路怒情绪特征,建立驾驶员路怒情绪识别模型;具体如下:
利用卷积神经网络对驾驶员的路怒情绪特征进行训练;将驾驶员视频数据、音频数据作为卷积神经网络模型的输入数据;通过卷积神经网络根据某一时刻的驾驶员面部表情、语言信息,识别驾驶员的情绪状态。
5.根据权利要求1-4任一项所述的一种路怒车辆风险评估和防控方法,其特征在于:所述步骤S4中,基于情感状态及情感强度数据,建立驾驶员风险驾驶水平评价模型,进而评估驾驶风险水平,具体如下:
将情感强度分为1、2、3三个等级,当第t-2、t-1、t个时段检测出的情感状态均为愤怒,按照情感强度的变化将情绪状态分为四类:平稳状态、上升状态、下降状态和波动状态;
所述平稳状态包括:
第t-2、t-1、t时段情感强度均为3,设定驾驶风险水平为三级;
第t-2、t-1、t时段情感强度均为2,设定驾驶风险水平为二级;
第t-2、t-1、t时段情感强度均为1,设定驾驶风险水平为一级;
所述上升状态包括:
第t-2、t-1、t时段情感强度分别为2、3、3,设定驾驶风险水平为三级;
第t-2、t-1、t时段情感强度分别为1、2、2,设定驾驶风险水平为二级;
第t-2、t-1、t时段情感强度分别为1、3、3,设定驾驶风险水平为三级;
第t-2、t-1、t时段情感强度分别为1、2、3,设定驾驶风险水平为二级;
所述下降状态包括:
第t-2、t-1、t时段情感强度分别为3、2、2,设定驾驶风险水平为二级;
第t-2、t-1、t时段情感强度分别为2、1、1,设定驾驶风险水平为一级;
第t-2、t-1、t时段情感强度分别为3、1、1,设定驾驶风险水平为一级;
第t-2、t-1、t时段情感强度分别为3、2、1,设定驾驶风险水平为一级;
所述波动状态包括:
第t-2、t-1、t时段情感强度分别为2、3、1,设定驾驶风险水平为二级;
第t-2、t-1、t时段情感强度分别为1、3、2,设定驾驶风险水平为二级;
第t-2、t-1、t时段情感强度分别为3、1、2,设定驾驶风险水平为一级;
第t-2、t-1、t时段情感强度分别为2、1、3,设定驾驶风险水平为二级。
6.根据权利要求5所述的一种路怒车辆风险评估和防控方法,其特征在于:所述步骤S5中,根据驾驶风险水平的等级,采取相应的防控措施,具体包括:
当风险等级为一级,采取的措施为语音提示,提醒驾驶员控制情绪安全驾驶;
当风险等级为二级,采取的措施为安全带轻微震动和车内播放舒缓音乐;
当风险等级为三级,采取的措施为降低车辆行驶速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910939543.2A CN110751381A (zh) | 2019-09-30 | 2019-09-30 | 一种路怒车辆风险评估和防控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910939543.2A CN110751381A (zh) | 2019-09-30 | 2019-09-30 | 一种路怒车辆风险评估和防控方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110751381A true CN110751381A (zh) | 2020-02-04 |
Family
ID=69277543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910939543.2A Pending CN110751381A (zh) | 2019-09-30 | 2019-09-30 | 一种路怒车辆风险评估和防控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110751381A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111329498A (zh) * | 2020-03-09 | 2020-06-26 | 郑州大学 | 多模态的驾驶员情绪辅助调节方法 |
CN112967007A (zh) * | 2021-05-18 | 2021-06-15 | 山东东悦安全技术有限公司 | 一种危化品道路运输风险预警管理系统及方法 |
CN113191212A (zh) * | 2021-04-12 | 2021-07-30 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种驾驶员路怒风险预警方法及系统 |
CN113415286A (zh) * | 2021-07-14 | 2021-09-21 | 重庆金康赛力斯新能源汽车设计院有限公司 | 路怒检测方法和设备 |
CN114023039A (zh) * | 2021-11-09 | 2022-02-08 | 科大讯飞股份有限公司 | 一种路怒症警示方法、装置、系统、车辆和存储介质 |
WO2023077883A1 (zh) * | 2021-11-04 | 2023-05-11 | 中兴通讯股份有限公司 | 情绪识别方法、装置、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650633A (zh) * | 2016-11-29 | 2017-05-10 | 上海智臻智能网络科技股份有限公司 | 一种驾驶员情绪识别方法和装置 |
CN107316436A (zh) * | 2017-07-31 | 2017-11-03 | 努比亚技术有限公司 | 危险驾驶状态处理方法、电子设备及存储介质 |
CN108407813A (zh) * | 2018-01-25 | 2018-08-17 | 惠州市德赛西威汽车电子股份有限公司 | 一种基于大数据的车辆抗疲劳安全驾驶方法 |
CN109190487A (zh) * | 2018-08-07 | 2019-01-11 | 平安科技(深圳)有限公司 | 人脸情绪识别方法、装置、计算机设备及存储介质 |
CN109426765A (zh) * | 2017-08-23 | 2019-03-05 | 厦门雅迅网络股份有限公司 | 驾驶危险情绪提醒方法、终端设备及存储介质 |
CN109522818A (zh) * | 2018-10-29 | 2019-03-26 | 中国科学院深圳先进技术研究院 | 一种表情识别的方法、装置、终端设备及存储介质 |
CN109784188A (zh) * | 2018-12-18 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 驾驶疲劳度评价方法、装置、计算机设备和存储介质 |
CN109993093A (zh) * | 2019-03-25 | 2019-07-09 | 山东大学 | 基于面部和呼吸特征的路怒监测方法、系统、设备及介质 |
-
2019
- 2019-09-30 CN CN201910939543.2A patent/CN110751381A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650633A (zh) * | 2016-11-29 | 2017-05-10 | 上海智臻智能网络科技股份有限公司 | 一种驾驶员情绪识别方法和装置 |
CN107316436A (zh) * | 2017-07-31 | 2017-11-03 | 努比亚技术有限公司 | 危险驾驶状态处理方法、电子设备及存储介质 |
CN109426765A (zh) * | 2017-08-23 | 2019-03-05 | 厦门雅迅网络股份有限公司 | 驾驶危险情绪提醒方法、终端设备及存储介质 |
CN108407813A (zh) * | 2018-01-25 | 2018-08-17 | 惠州市德赛西威汽车电子股份有限公司 | 一种基于大数据的车辆抗疲劳安全驾驶方法 |
CN109190487A (zh) * | 2018-08-07 | 2019-01-11 | 平安科技(深圳)有限公司 | 人脸情绪识别方法、装置、计算机设备及存储介质 |
CN109522818A (zh) * | 2018-10-29 | 2019-03-26 | 中国科学院深圳先进技术研究院 | 一种表情识别的方法、装置、终端设备及存储介质 |
CN109784188A (zh) * | 2018-12-18 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 驾驶疲劳度评价方法、装置、计算机设备和存储介质 |
CN109993093A (zh) * | 2019-03-25 | 2019-07-09 | 山东大学 | 基于面部和呼吸特征的路怒监测方法、系统、设备及介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111329498A (zh) * | 2020-03-09 | 2020-06-26 | 郑州大学 | 多模态的驾驶员情绪辅助调节方法 |
CN113191212A (zh) * | 2021-04-12 | 2021-07-30 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种驾驶员路怒风险预警方法及系统 |
CN112967007A (zh) * | 2021-05-18 | 2021-06-15 | 山东东悦安全技术有限公司 | 一种危化品道路运输风险预警管理系统及方法 |
CN113415286A (zh) * | 2021-07-14 | 2021-09-21 | 重庆金康赛力斯新能源汽车设计院有限公司 | 路怒检测方法和设备 |
WO2023077883A1 (zh) * | 2021-11-04 | 2023-05-11 | 中兴通讯股份有限公司 | 情绪识别方法、装置、设备及存储介质 |
CN114023039A (zh) * | 2021-11-09 | 2022-02-08 | 科大讯飞股份有限公司 | 一种路怒症警示方法、装置、系统、车辆和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110751381A (zh) | 一种路怒车辆风险评估和防控方法 | |
CN101030316B (zh) | 一种汽车安全驾驶监控系统和方法 | |
Dasgupta et al. | A smartphone-based drowsiness detection and warning system for automotive drivers | |
KR101078466B1 (ko) | 각성 상태 판정 모델 생성 장치, 각성 상태 판정 장치, 경고 장치, 차량, 각성 상태 판정 모델 생성 방법, 각성 상태 판정 방법, 각성 상태 판정 모델 생성 프로그램을 기록한 컴퓨터 판독 가능 기록매체, 및 각성 상태 판정 프로그램을 기록한 컴퓨터 판독 가능 기록매체 | |
CN105261153A (zh) | 车辆行驶监控方法和装置 | |
Miyaji et al. | Driver's cognitive distraction detection using physiological features by the adaboost | |
CN104183091B (zh) | 一种自适应调整疲劳驾驶预警系统灵敏度的系统 | |
CN105788176A (zh) | 疲劳驾驶监测提醒方法及系统 | |
CN105303829A (zh) | 汽车驾驶员情绪识别方法及装置 | |
CN107320115B (zh) | 一种自适应的精神疲劳评估装置及方法 | |
CN110533880B (zh) | 一种基于心电信号的异常驾驶状态检测及预警控制方法 | |
CN106114516A (zh) | 一种自适应驾驶人特性的愤怒驾驶行为监测及干预装置 | |
CN204890010U (zh) | 一种驾驶员测评系统 | |
CN109646024A (zh) | 疲劳驾驶检测方法、装置及计算机可读存储介质 | |
CN113838265B (zh) | 疲劳驾驶预警方法、装置以及电子设备 | |
CN113723292A (zh) | 司乘异常行为识别方法、装置、电子设备和介质 | |
CN116386277A (zh) | 疲劳驾驶检测方法、装置、电子设备及介质 | |
CN114856363B (zh) | 一种基于神经网络的车窗透气控制方法、装置及车辆 | |
CN111839508A (zh) | 基于精神状态检测与控制的车辆安全驾驶系统 | |
Varghese et al. | An integrated framework for driver drowsiness detection and alcohol intoxication using machine learning | |
CN206049658U (zh) | 基于自适应驾驶人特性的愤怒驾驶行为监测及干预装置 | |
He et al. | Boosting transfer learning improves performance of driving drowsiness classification using EEG | |
Aboagye et al. | Design and Development of Computer Vision-Based Driver Fatigue Detection and Alert System | |
CN116443025A (zh) | 一种作业车辆司机疲劳驾驶干预系统 | |
Shaykha et al. | FEER: Non-intrusive facial expression and emotional recognition for driver's vigilance monitoring |
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: 20200204 |
|
RJ01 | Rejection of invention patent application after publication |