CN111063167A - 一种疲劳驾驶识别提示方法、装置及相关组件 - Google Patents

Abstract

本发明公开了一种疲劳驾驶识别提示方法，通过手腕部的多方向加速度值进行手腕部倾斜角分析，通过手腕倾斜角度进行驾驶行为分析，该种驾驶行为分析方式可以排除其他小幅度动作的识别干扰，精准区分驾驶行为与非驾驶行为，识别成本低且识别精度高；同时结合疲劳检测得到的用户状态信息，进行疲劳驾驶分析，并根据分析结果进行相应的驾驶提示。本发明以汽车驾驶为模型建立的手腕倾斜角加速度特征数据实现驾驶识别，同时将驾驶识别与用户状态识别相结合进行疲劳驾驶判别，可以最大程度上保证识别驾驶者状态的精确度，实现危险驾驶的精确提醒。本发明还提供了一种疲劳驾驶识别提示装置、智能腕带设备及可读存储介质，具有上述有益效果。

Description

一种疲劳驾驶识别提示方法、装置及相关组件

技术领域

本发明涉及安全驾驶技术领域，特别涉及疲劳驾驶识别提示方法、疲劳驾驶识别提示装置、智能腕带设备及可读存储介质。

背景技术

智能穿戴设备发展迅速，各式各样的手环、手表，种类繁多，功能各异。目前市场上穿戴产品的集成功能越来越多，功能的强大也意味着更加便捷的使用体验。目前为实现长途疲劳驾驶的识别和提醒，确保司机处于清醒状态并及时停车休息，以保障司乘人员安全，出现了一种带疲劳驾驶检测功能的智能穿戴设备，通过对佩戴者的疲劳以及驾驶状态的检测，实现疲劳驾驶的识别以及提醒。

传统方法下针对疲劳驾驶状态的识别主要通过加速度计来判断驾驶者手部是否长时间处于静止或突然运动状态，通过这两个动作特征作为判断疲劳驾驶的依据，而这种方式对驾驶状态以及非驾驶状态不能准确区分，比如在办公状态手势动作幅度很小时可能落入驾驶状态的识别而造成错误警报。

因此，如何提高基于智能穿戴设备的疲劳驾驶识别精度，减少误检误报的情况发生概率，是本领域技术人员需要解决的技术问题。

发明内容

本发明的目的是提供一种疲劳驾驶识别提示方法，该方法对于疲劳驾驶识别提示准确率高；本发明的另一目的是提供一种疲劳驾驶识别提示装置、智能腕带设备及可读存储介质。

为解决上述技术问题，本发明提供一种疲劳驾驶识别提示方法，包括：

获取用户手腕部的多方向加速度值；

根据所述多方向加速度值分析用户手腕部的倾斜角度是否属于驾驶倾斜角范围，并将得到的倾斜角分析结果作为行为识别结果；

对所述用户进行疲劳检测，得到状态检测结果；

根据所述行为识别结果以及所述状态检测结果进行疲劳驾驶分析，得到分析结果；

根据所述分析结果进行相应的驾驶提示。

可选地，根据所述多方向加速度值分析用户手腕部倾斜角度是否属于驾驶倾斜角，包括：

判断各方向下的所述加速度值与对应方向下水平校准加速度值间的差值是否属于所述驾驶倾斜角对应的各方向加速度差值范围。

可选地，获取用户手腕部的多方向加速度值，包括：

获取用户手腕部各轴向下的加速度值；

则相应地，根据所述多方向加速度值分析用户手腕部倾斜角度是否属于驾驶倾斜角，包括：根据各轴向下加速度值分析用户手腕部倾斜角度是否属于驾驶倾斜角。

可选地，在根据所述多方向加速度值分析用户手腕部倾斜角度是否属于驾驶倾斜角之后，还包括：

根据各方向下的所述加速度值计算手腕整体加速度值；

根据所述手腕整体加速度值分析用户手腕部是否属于相对静止状态，得到运动分析结果；

根据所述倾斜角分析结果以及所述运动分析结果生成所述行为识别结果。

可选地，所述疲劳驾驶识别提示方法还包括：

采集若干组携带行为标记的所述用户在各种行为状态下的多方向加速度样值；

根据所述加速度样值对所述驾驶倾斜角范围进行优化调整。

可选地，对所述用户进行疲劳检测，包括：

采集所述用户在指定时间间隔内的心率，得到心率测量值；

判断所述心率测量值是否低于睡眠心率阈值；

若是，判定为疲劳状态。

可选地，根据所述分析结果进行驾驶提示，包括：

当所述分析结果显示所述用户为疲劳驾驶时，控制震动模块启动震动提醒。

可选地，根据所述分析结果进行驾驶提示，包括：

向关联的移动终端发送疲劳驾驶警示指令，以便所述移动终端在接收到所述疲劳驾驶警示指令进行相应警示提示。

可选地，在根据所述行为识别结果以及所述状态检测结果进行疲劳驾驶分析之后，还包括：

当所述分析结果显示用户处于驾驶状态时，进行驾驶时间计时，得到连续驾驶时间；

当所述连续驾驶时间超过预设长时间驾驶阈值时，进行长时间驾驶提示。

本发明公开一种疲劳驾驶识别提示装置，包括：

加速度获取单元，用于获取用户手腕部的多方向加速度值；

倾斜角分析单元，用于根据所述多方向加速度值分析用户手腕部的倾斜角度是否属于驾驶倾斜角范围，并将得到的倾斜角分析结果作为行为识别结果；

状态检测单元，用于对所述用户进行疲劳检测，得到状态检测结果；

疲劳驾驶分析单元，用于根据所述行为识别结果以及所述状态检测结果进行疲劳驾驶分析，得到分析结果；

驾驶提示单元，用于根据所述分析结果进行相应的驾驶提示。

本发明公开一种智能腕带设备，包括：加速度传感器、疲劳检测部件、中央处理单元以及警示部件；

其中，所述加速度传感器，用于获取用户手腕部的多方向加速度值；

所述疲劳检测部件，用于对所述用户进行疲劳检测，得到状态检测结果；

所述中央处理单元，用于根据所述多方向加速度值分析用户手腕部的倾斜角度是否属于驾驶倾斜角范围，并将得到的倾斜角分析结果作为行为识别结果；根据所述行为识别结果以及所述状态检测结果进行疲劳驾驶分析，得到分析结果；根据所述分析结果生成驾驶提示指令；

所述警示部件，用于根据所述驾驶提示指令进行驾驶提示。

可选地，所述疲劳检测部件具体为：心率传感器，所述心率传感器用于采集所述用户在指定时间间隔内的心率，得到心率测量值；

则相应地，所述中央处理单元还用于根据所述心率测量值进行疲劳检测，具体地，所述疲劳检测包括判断所述心率测量值是否低于睡眠心率阈值；若是，判定为疲劳状态。

可选地，所述警示部件为：震动模块。

可选地，所述智能腕带设备还包括：射频模块，所述射频模块用于向关联的移动终端发出疲劳驾驶警示指令，以调用所述移动终端实现疲劳驾驶警示。

可选地，所述智能腕带设备为：智能手环或智能手表。

本发明公开一种可读存储介质，所述可读存储介质上存储有程序，所述程序被处理器执行时实现所述疲劳驾驶识别提示方法的步骤。

申请人依据大量的驾驶行为多方面特征数据分析，发现人体驾驶时握持方向盘，手腕部相对与水平校准位置会有一个相对固定的倾斜角度，由此本发明所提供的疲劳驾驶识别提示方法，通过手腕部的多方向加速度值进行手腕部倾斜角分析，通过手腕倾斜角度进行驾驶行为分析，该种驾驶行为分析方式可以排除其他小幅度动作的识别干扰，精准区分驾驶行为与非驾驶行为，识别成本低且识别精度高；同时结合疲劳检测得到的用户状态信息，进行疲劳驾驶分析，若状态信息显示用户处于疲劳状态，同时行为识别结果显示用户属于驾驶状态，可以判定当前用户处于疲劳驾驶状态，进行相应的驾驶提示。本发明以汽车驾驶为模型建立的手腕倾斜角加速度特征数据实现驾驶识别，同时将驾驶识别与用户状态识别相结合进行疲劳驾驶判别，可以最大程度上保证识别驾驶者状态的精确度，实现危险驾驶的精确提醒。

本发明还提供了一种疲劳驾驶识别提示装置、智能腕带设备及可读存储介质，具有上述有益效果，在此不再赘述。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的一种疲劳驾驶识别提示方法的流程图；

图2为本发明实施例提供的一种驾驶状态手势示意图；

图3为本发明实施例提供的一种用户左手手腕部水平校准状态下加速度传感器特殊测量角度示意图；

图4为本发明实施例提供的一种用户左手手腕部驾驶时加速度传感器特殊测量角度示意图；

图5为本发明实施例提供的一种驾驶佩戴加速度传感器测量状态示意图；

图6为本发明实施例提供的一种疲劳驾驶识别提示装置的结构框图；

图7为本发明实施例提供的一种智能腕带设备的结构框图；

图8为本发明实施例提供的另一种智能腕带设备的结构示意图。

具体实施方式

本发明的核心是提供一种疲劳驾驶识别提示方法，该方法对于疲劳驾驶识别提示准确率高；本发明的另一核心是提供一种疲劳驾驶识别提示装置、计算机设备及可读存储介质。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明中将传统疲劳驾驶识别提示方法根据计算性能、执行时间等因素分为两类，轻量级方案以及重量级方案，基于两类方案形成多级过滤的防火墙结构，能够使计算性能上接近轻量级方案，防御效果上接近重量级方案，在计算性能和防御效果上取得较佳平衡，具有较高的实用价值。

实施例一

请参考图1，图1为本实施例提供的一种疲劳驾驶识别提示方法的流程图；该方法主要包括：

步骤s110、获取用户手腕部的多方向加速度值；

获取用户手腕部的多方向加速度值的目的在于分析用户手腕部的倾斜角，而由于整体的无向加速度值忽略了三维空间角度特征，因此需要多方向加速度值来分析角度特征。多方向加速度值指同一时间下用户手腕部多个采集方向下的加速度值，其中，多方向加速度值中具体的方向本实施例中不做限定，可以根据实际计算简便性需要进行设定，可选地，一种获取用户手腕部的多方向加速度值的实现方式如下：获取用户手腕部各轴向下的加速度值。该方式下限定方向为多方向加速度值分别为x、y、z轴方向，符合常用设备的数据采集规范，且符合常见角度计算思维，方便后续计算。为方便理解，本实施例中仅以x、y、z轴方向下的加速度值为例进行后续介绍，其它方向下的处理方式可参照本实施例的介绍，在此不再赘述。

步骤s120、根据多方向加速度值分析用户手腕部的倾斜角度是否属于驾驶倾斜角范围，并将得到的倾斜角分析结果作为行为识别结果；

经过大量分析，如图2所示为一种驾驶状态手势示意图，申请人发现人体驾驶时握持方向盘，手腕部相对于水平校准位置会有一个相对固定的倾斜角度(约为45°)，因此本申请提出根据多方向加速度值分析用户手腕部的倾斜角度是否属于驾驶倾斜角范围来实现驾驶行为的判定，该方式不仅实现方式简单，应用成本低，而且可以避免传统依据加速度大小进行驾驶行为确定过程中容易被其它小幅度行为干扰的情况发生，提升了驾驶行为识别的精准度。

其中，驾驶倾斜角范围指预先设定的判定用户属于驾驶状态的倾斜角度范围。本实施例中对预设的驾驶倾斜角范围的具体数值设定不做限定，该角度与用户在驾驶时的手臂摆放位置以及驾驶习惯相关，一般驾驶倾斜角在45度左右，当然，不同的驾驶动作下的驾驶倾斜角也会存在一定的差异，可以设置驾驶倾斜角范围为45度±差值，该差值可以通过实际数值测定，也可以通过经验值设定，在此不做限定。

加速度传感器按照人体驾驶时握持方向盘的方向时相对与水平校准位置会有一个相对固定的倾斜角度，绝大多数驾驶者会在此角度附近，为提升各用户下的行为识别精准度，可选地，可以根据实测模型进行判断算法的优化，具体地，可以进一步执行以下步骤：采集若干组携带行为标记的用户在各种行为状态下的多方向加速度样值；根据加速度样值对驾驶倾斜角范围进行优化调整。

本实施例中对根据多方向加速度值分析用户手腕部的倾斜角度是否属于驾驶倾斜角范围的具体实现方式不做限定，可以确定驾驶倾斜角范围下对应的各方向加速度值范围，通过加速度值比较确定；也可以根据多方向加速度值确定用户手腕部的倾斜角，判定该倾斜角是否属于预设的驾驶倾斜角范围；或者也可以将获取得到的用户手腕部加速度值与设定的驾驶倾斜角范围均换算至第三方标准，通过第三方标准实现倾斜角度的判别。

可选地，一种根据多方向加速度值分析用户手腕部倾斜角度是否属于驾驶倾斜角的实现方式如下：判断各方向下的加速度值与对应方向下水平校准加速度值间的差值是否属于驾驶倾斜角对应的各方向加速度差值范围。如图3所示为一种用户左手手腕部水平校准状态下加速度传感器特殊测量角度示意图，图4所示为一种用户左手手腕部驾驶时加速度传感器特殊测量角度示意图，可见驾驶时倾斜佩戴状态示值不同。该方式通过判断用户的实时加速度值是否属于驾驶倾斜角对应的加速度值的方式，如图5所示为一种驾驶佩戴加速度传感器测量状态示意图，从标准驾驶倾斜角到加速度转换相较于对每个用户实时的加速度值转换为角度值来说，计算量小，容易实现。其中，将判断各方向下的加速度值与对应方向下水平校准加速度值间的差值是为了确定用户手腕的相对倾斜角，减少仪器误差。

本实施例中对水平校准加速度值以及驾驶倾斜角对应的各方向加速度均不作限定，一种具体数值设定如下：在水平校准下各轴向加速度值为：X＝0±100，Y＝0±100，Z＝4096±100，驾驶倾斜角对应的各方向加速度范围如下：X＝-2048±350，Y＝+2048±350，Z＝+2897±350。

例如，在水平校准下各轴向加速度值为：X＝0，Y＝0，Z＝4096，驾驶倾斜角对应的各方向加速度范围如下：X＝-2048±350，Y＝+2048±350，Z＝+2897±350，若此时采集到的用户各轴向加速度值为：X＝-2000，Y＝2000，Z＝6796，则各方向下的加速度值与对应方向下水平校准加速度值间的差值分别为：X＝-2000，Y＝2000，Z＝2700，而该值属于驾驶倾斜角对应的各方向加速度差值范围，因此可以判定该用户当前处于驾驶状态。

本实施例中仅以上述计算过程为例进行介绍，其它数值设定或计算过程的设定下的实现过程均可参照上述介绍，在此不再赘述。

步骤s130、对用户进行疲劳检测，得到状态检测结果；

本实施例中对疲劳检测的方式不做限定，疲劳检测可以依据心率、脑电波等实现检测。具体地，一种疲劳检测的实现方式如下：

(1)采集用户在指定时间间隔内的心率，得到心率测量值；

(2)判断心率测量值是否低于睡眠心率阈值；

(2)若是，判定为疲劳状态。

例如，调用心率传感器模块，心率传感器模块利用LED灯照射皮肤，同时光感模块接收皮肤的反光，根据皮肤血流对光的吸收强弱识别脉率搏动，获取心率传感器模块检测得到的心率测量值，并根据用户睡眠心率特征来设定一个阈值作为睡眠心率阈值，在心率测量值达到该阈值时判定睡眠，未达到时判定非睡眠。

在睡眠状态相对于其他状态(比如静坐、运动等)时心率会略有下降，该种疲劳检测方式通过心率值进行测量，可以实现精度较高的检测结果，同时可以与手腕部的加速度值同时检测，数据获取简单，且心率检测设备的使用成本较低，因此，通过上述疲劳检测方式可以控制使用成本，简化实现步骤，同时保证检测精度。

由于不同具体在睡眠状态时心率值可能存在差异，为提升不同用户使用时的检测精度，可以参照上述对驾驶倾斜角范围进行优化调整的实现过程对睡眠心率阈值进行优化调整，具体地，一种实现方式如下：采集若干组携带状态标记(比如睡眠、静坐、运动等)的用户在各种状态下的心率样值；根据心率样值对睡眠心率阈值进行优化调整。

睡眠心率阈值与驾驶倾斜角范围的优化调整过程尽量在用户正式使用前进行，以保证用户在使用时保证识别精度，当然，也可以在使用过程中根据不断的实际检测持续进行优化调整，本实施例中对优化调整的执行时机不做限定，可以根据实际使用需要进行相应设定。

同时，本实施例中对疲劳检测以及步骤s110至步骤s120中的驾驶行为检测的执行顺序不做限定，可以先进行疲劳检测，再进行驾驶行为检测；也可以先进行驾驶行为检测，再进行疲劳检测；为提升检测效率，也可以同步进行疲劳检测以及驾驶行为检测，如图1所示，可以根据实际数据分析需要进行执行顺序的设定，在此不再赘述。

步骤s140、根据行为识别结果以及状态检测结果进行疲劳驾驶分析，得到分析结果；

根据行为识别结果以及状态检测结果进行疲劳驾驶分析，可以包括：当行为识别结果显示处于驾驶状态的同时，状态监测结果显示为疲劳状态，即可判定为疲劳驾驶，而若行为识别结果显示非驾驶状态或者状态检测结果显示非睡眠状态时，则为非疲劳驾驶。本实施例中对疲劳驾驶外的用户状态分类以及判定不做限定，可以将用户状态值分为两类，即疲劳驾驶以及非疲劳驾驶，也可以将用户状态值分为多类，比如分为疲劳驾驶(行为识别结果显示驾驶，同时状态检测结果显示为睡眠时判定)、休息状态(比如状态检测结果显示为睡眠时判定得到)、正常驾驶状态(比如行为识别结果显示驾驶时判定得到)等，具体的类别设定可以根据相应的用户状态提示进行设定，在此不再赘述。

步骤s150、根据分析结果进行相应的驾驶提示。

驾驶提示对应于分析结果，实现相应的用户舒缓、提醒功能。由于上述步骤中对分析过程以及分析结果的划分不做限定，且驾驶提示方式多种多样，驾驶提示可以根据不同的分析结果进行相应的设定，比如分析结果显示为疲劳驾驶时如何提示，当分析结果显示驾驶时如何提示灯。本实施例中对根据分析结果进行相应驾驶提示的具体实现方式不做限定，可以根据实际使用需要进行设定。

可选地，一种根据分析结果进行驾驶提示的实现方式为：当分析结果显示用户为疲劳驾驶时，控制震动模块启动震动提醒。震动提醒的方式不仅不会影响其他人，且可以实现明显的提醒作用。

可选地，一种根据分析结果进行驾驶提示的实现方式为：向关联的移动终端发送疲劳驾驶警示指令，以便移动终端在接收到疲劳驾驶警示指令进行相应警示提示。移动终端的提示方式多种多样，包括画面输出，语音输出、震动输出等，通过关联的移动终端进行驾驶提示可以丰富提示方式，提升提示效果。

另外，本实施例中对具体采用的驾驶提示的手段数量不做限定，可以仅采用一种提示方式，为实现明显的提示效果，也可以采用多种提示方式。例如，一旦判定用户疲劳驾驶，立即控制震动模块启动震动，同步发送手机振铃指令，唤醒司机。

进一步地，为保证用户在长时间驾驶时的安全驾驶，在根据行为识别结果以及状态检测结果进行疲劳驾驶分析之后，可以进一步执行以下步骤：

(1)当分析结果显示用户处于驾驶状态时，进行驾驶时间计时，得到连续驾驶时间；

(2)当连续驾驶时间超过预设长时间驾驶阈值时，进行长时间驾驶提示。

通过对用户的长时间驾驶行为进行识别以及提示，便于提示用户及时缓解驾驶带来的注意力不集中等状态，避免危险驾驶。

本实施例中仅以上述驾驶提示方式为例进行介绍，其它提示方式均可参照本实施例的介绍，在此不再赘述。

基于上述介绍，本实施例提供的疲劳驾驶识别提示方法，通过手腕部的多方向加速度值进行手腕部倾斜角分析，通过手腕倾斜角度进行驾驶行为分析，该种驾驶行为分析方式可以排除其他小幅度动作的识别干扰，精准区分驾驶行为与非驾驶行为，识别成本低且识别精度高；同时结合疲劳检测得到的用户状态信息，进行疲劳驾驶分析，若状态信息显示用户处于疲劳状态，同时行为识别结果显示用户属于驾驶状态，可以判定当前用户处于疲劳驾驶状态，进行相应的驾驶提示。本发明以汽车驾驶为模型建立的手腕倾斜角加速度特征数据实现驾驶识别，同时将驾驶识别与用户状态识别相结合进行疲劳驾驶判别，可以最大程度上保证识别驾驶者状态的精确度，实现危险驾驶的精确提醒。

实施例二

上述实施例中以单纯的根据多方向加速度值分析用户手腕部的倾斜角度是否属于驾驶倾斜角范围，并将得到的倾斜角分析结果作为行为识别结果为例，为进一步提升识别结果的精度，避免用户固定状态(驾驶倾斜角范围内)下的移动对本实施例中驾驶行为的判定，可选地，在根据多方向加速度值分析用户手腕部倾斜角度是否属于驾驶倾斜角之后，可以进一步执行以下步骤：

(1)根据各方向下的加速度值计算手腕整体加速度值；

(2)根据手腕整体加速度值分析用户手腕部是否属于相对静止状态，得到运动分析结果；

根据手腕整体加速度值分析用户手腕部是否属于相对静止状态的过程具体可以为：判断手腕整体加速度值与地心引力加速度值间的差值是否属于预设范围内。

(3)根据倾斜角分析结果以及运动分析结果生成行为识别结果。

若手腕部相对静止(比如手腕整体加速度值与地心引力加速度值间的差值属于预设范围内)的同时，手腕倾斜角属于预设驾驶倾斜角范围，则判定为驾驶行为。

本实施例中提供的上述行为识别方式，在用户手腕部的倾斜角度属于驾驶倾斜角范围时，将用户手腕部处于相对静止状态作为驾驶状态的辅助识别方式，可以提升识别精度，实现驾驶以及非驾驶运动间的精准区分。

实施例三

请参考图6，图6为本实施例提供的一种疲劳驾驶识别提示装置的结构框图；可以包括：加速度获取单元110、倾斜角分析单元120、状态检测单元130、疲劳驾驶分析单元140以及驾驶提示单元150。本实施例提供的疲劳驾驶识别提示装置可与上述疲劳驾驶识别提示方法相互对照。

其中，加速度获取单元110主要用于获取用户手腕部的多方向加速度值；

倾斜角分析单元120主要用于根据多方向加速度值分析用户手腕部的倾斜角度是否属于驾驶倾斜角范围，并将得到的倾斜角分析结果作为行为识别结果；

状态检测单元130主要用于对用户进行疲劳检测，得到状态检测结果；

疲劳驾驶分析单元140主要用于根据行为识别结果以及状态检测结果进行疲劳驾驶分析，得到分析结果；

驾驶提示单元150主要用于根据分析结果进行相应的驾驶提示。

实施例四

本实施例提供一种智能腕带设备，请参考图7，图7为本实施例提供的一种智能腕带设备的结构框图；该设备主要包括：加速度传感器210、疲劳检测部件220、中央处理单元230以及警示部件240；

加速度传感器210与疲劳检测部件220并列连接于中央处理单元230，中央处理单元230连接警示部件240，以实现警示功能。

其中，加速度传感器210主要用于获取用户手腕部的多方向加速度值；本实施例中对加速度传感器的类型不做限定，可以实现多方向加速度值的采集即可。

疲劳检测部件220主要用于对用户进行疲劳检测，得到状态检测结果；本实施例中对具体的疲劳检测部件的部件类型不做限定，可以直接或间接实现疲劳状态的检测即可。可选地，疲劳检测部件具体可以为：心率传感器，心率传感器用于采集用户在指定时间间隔内的心率，得到心率测量值；将心率传感器作为疲劳检测部件可以控制设备的使用成本，提升适用范围，由于心率传感器为一种间接实现疲劳检测的部件，其只能采集用户心率值，则相应地，中央处理单元还用于根据心率测量值进行疲劳检测，具体地，疲劳检测包括判断心率测量值是否低于睡眠心率阈值；若是，判定为疲劳状态。

中央处理单元230主要用于根据多方向加速度值分析用户手腕部的倾斜角度是否属于驾驶倾斜角范围，并将得到的倾斜角分析结果作为行为识别结果；根据行为识别结果以及状态检测结果进行疲劳驾驶分析，得到分析结果；根据分析结果生成驾驶提示指令；

警示部件240主要用于根据驾驶提示指令进行驾驶提示。可选地，警示部件具体可以为：震动模块，比如马达，也可以为声音输出部件，比如扬声器。

可选地，智能腕带设备中可以还包括：射频模块，射频模块用于向关联的移动终端发出疲劳驾驶警示指令，以调用移动终端实现疲劳驾驶警示。通过射频模块可以调度各中关联的具有提示输出功能的设备进行疲劳驾驶警示，本实施例中仅以移动终端为例，其它设备类型不再赘述。

本实施例中的智能腕带设备具体可以为智能手环或智能手表，对于具体的产品形式不做限定，需佩戴于用户腕处，其它产品形式均可参照本实施例的介绍，在此不再赘述。

一种疲劳检测部件220采用心率传感器、中央处理单元230命名为穿戴中控单元，警示部件240为马达，还包括射频部件(RF ANT)，该射频部件可以连接带有扬声器的手机为例对一种智能腕带设备的结构进行介绍，图8所示为本实施例提供的一种智能腕带设备的结构示意图，其它类型的部件选择下的结构以及工作方式均可参照下述介绍，在此不再赘述。

心率传感器模块，利用LED灯照射皮肤，同时光感模块接收皮肤的反光，根据皮肤血流对光的吸收强弱识别脉率搏动。人体在进入睡眠时心率会略有下降，心率测量结果根据人体睡眠心率特征来设定一个阈值A，在该值附件启动睡眠判断。

加速度传感器按照人体驾驶时握持方向盘的方向时，相对与水平校准位置会有一个相对固定的倾斜角度约为45°(该角度随手臂摆放位置有变化，但绝大多数驾驶者会在此角度附近，根据实测模型可优化算法)，X\Y\Z 3轴方向相对于校准状态示值不同，可以根据该点输出特点作为依据启动该状态的持续时间测试，以此作为驾驶状态的辅助识别。

例如按照加速度传感器原始值输出，在水平校准下各轴向数据特点如下；

X＝0±100，即X∈(-100，100)

Y＝0±100，即Y∈(-100，100)

Z＝4096±100，即Z∈(3996，4196)

其中Z轴对应9.8的地心引力值。

经过校准后在45°方向倾斜静止放置时数据特点如下：

X＝-2048±350，即X∈(-2398，-1698)

Y＝+2048±350，即Y∈(1698，2398)

Z＝+2897±350，即Z∈(2547，3247)

在上述固定角度的加速度传感器示值下，可以对应到特定的佩戴角度，结合此时的心率的测量，综合判断输出结果，实现对疲劳驾驶的精确识别，一旦判断人体进入睡眠，程序控制立即发送穿戴震动指令，同步发送手机振铃指令，唤醒司机。

本实施例中将心率传感器、加速度传感器用于智能手表、手环，结合驾驶状态的特定场景下传感器的特殊数据，提出一种疲劳驾驶提醒解决方案，避免了两者在单独使用时的局限性，两者相结合使用可最大程度上提高识别驾驶者状态的精确度，配合以汽车驾驶为模型建立的心率、加速度特征数据实现疲劳驾驶识别，从而进一步做出危险驾驶的精确提醒，提高了智能穿戴设备的实用性，提高驾驶安全性。且不必在机动车内增加其他辅助测量设备，易于实现。

上面图1所描述的疲劳驾驶识别提示方法中的步骤可以由本实施例提供的智能腕带设备的结构实现。

实施例五

本实施例公开一种可读存储介质，其上存储有程序，程序被处理器执行时实现如疲劳驾驶识别提示方法的步骤，具体可参照上述实施例中对疲劳驾驶识别提示方法的介绍。

该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。

说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上对本发明所提供的疲劳驾驶识别提示方法、疲劳驾驶识别提示装置、智能腕带设备及可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (10)

1.一种疲劳驾驶识别提示方法，其特征在于，包括：

获取用户手腕部的多方向加速度值；

根据所述多方向加速度值分析用户手腕部的倾斜角度是否属于驾驶倾斜角范围，并将得到的倾斜角分析结果作为行为识别结果；

对所述用户进行疲劳检测，得到状态检测结果；

根据所述行为识别结果以及所述状态检测结果进行疲劳驾驶分析，得到分析结果；

根据所述分析结果进行相应的驾驶提示。

2.如权利要求1所述的疲劳驾驶识别提示方法，其特征在于，根据所述多方向加速度值分析用户手腕部倾斜角度是否属于驾驶倾斜角，包括：

判断各方向下的所述加速度值与对应方向下水平校准加速度值间的差值是否属于所述驾驶倾斜角对应的各方向加速度差值范围。

3.如权利要求1所述的疲劳驾驶识别提示方法，其特征在于，获取用户手腕部的多方向加速度值，包括：

获取用户手腕部各轴向下的加速度值；

则相应地，根据所述多方向加速度值分析用户手腕部倾斜角度是否属于驾驶倾斜角，包括：根据各轴向下加速度值分析用户手腕部倾斜角度是否属于驾驶倾斜角。

4.如权利要求1所述的疲劳驾驶识别提示方法，其特征在于，在根据所述多方向加速度值分析用户手腕部倾斜角度是否属于驾驶倾斜角之后，还包括：

根据各方向下的所述加速度值计算手腕整体加速度值；

根据所述手腕整体加速度值分析用户手腕部是否属于相对静止状态，得到运动分析结果；

根据所述倾斜角分析结果以及所述运动分析结果生成所述行为识别结果。

5.如权利要求1所述的疲劳驾驶识别提示方法，其特征在于，还包括：

采集若干组携带行为标记的所述用户在各种行为状态下的多方向加速度样值；

根据所述加速度样值对所述驾驶倾斜角范围进行优化调整。

6.如权利要求1所述的疲劳驾驶识别提示方法，其特征在于，对所述用户进行疲劳检测，包括：

采集所述用户在指定时间间隔内的心率，得到心率测量值；

判断所述心率测量值是否低于睡眠心率阈值；

若是，判定为疲劳状态。

7.如权利要求1所述的疲劳驾驶识别提示方法，其特征在于，根据所述分析结果进行驾驶提示，包括：

向关联的移动终端发送疲劳驾驶警示指令，以便所述移动终端在接收到所述疲劳驾驶警示指令进行相应警示提示。

8.一种疲劳驾驶识别提示装置，其特征在于，包括：

加速度获取单元，用于获取用户手腕部的多方向加速度值；

倾斜角分析单元，用于根据所述多方向加速度值分析用户手腕部的倾斜角度是否属于驾驶倾斜角范围，并将得到的倾斜角分析结果作为行为识别结果；

状态检测单元，用于对所述用户进行疲劳检测，得到状态检测结果；

疲劳驾驶分析单元，用于根据所述行为识别结果以及所述状态检测结果进行疲劳驾驶分析，得到分析结果；

驾驶提示单元，用于根据所述分析结果进行相应的驾驶提示。

9.一种智能腕带设备，其特征在于，包括：加速度传感器、疲劳检测部件、中央处理单元以及警示部件；

其中，所述加速度传感器，用于获取用户手腕部的多方向加速度值；

所述疲劳检测部件，用于对所述用户进行疲劳检测，得到状态检测结果；

所述中央处理单元，用于根据所述多方向加速度值分析用户手腕部的倾斜角度是否属于驾驶倾斜角范围，并将得到的倾斜角分析结果作为行为识别结果；根据所述行为识别结果以及所述状态检测结果进行疲劳驾驶分析，得到分析结果；根据所述分析结果生成驾驶提示指令；

所述警示部件，用于根据所述驾驶提示指令进行驾驶提示。

10.一种可读存储介质，其特征在于，所述可读存储介质上存储有程序，所述程序被处理器执行时实现如权利要求1至7任一项所述疲劳驾驶识别提示方法的步骤。

Images