CN111105594A - 车辆及驾驶员疲劳驾驶的识别方法、装置 - Google Patents
车辆及驾驶员疲劳驾驶的识别方法、装置 Download PDFInfo
- Publication number
- CN111105594A CN111105594A CN201811269136.7A CN201811269136A CN111105594A CN 111105594 A CN111105594 A CN 111105594A CN 201811269136 A CN201811269136 A CN 201811269136A CN 111105594 A CN111105594 A CN 111105594A
- Authority
- CN
- China
- Prior art keywords
- driver
- fatigue
- vehicle
- degree
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/06—Alarms for ensuring the safety of persons indicating a condition of sleep, e.g. anti-dozing alarms
Abstract
本发明公开了一种车辆及驾驶员疲劳驾驶的识别方法、装置,其中,方法包括:获取用于识别驾驶员疲劳程度的监控数据,其中,监控数据包括车辆行驶状态数据、驾驶员面部状态数据和/或驾驶员的心脉数据中的至少两类数据;根据监控数据,识别驾驶员的疲劳程度;根据驾驶员的疲劳程度,控制车辆执行疲劳提醒流程。该方法可以从多个方面监测驾驶员的疲劳程度,以根据驾驶员的疲劳程度,控制车辆执行疲劳提醒流程,有效提高了判断的准确性,通过执行不同的疲劳提醒流程,可以有效起到对驾驶员的提醒作用,提高提醒的效果,大大减少交通事故的发生。
Description
技术领域
本发明涉及车辆技术领域,特别涉及一种车辆及驾驶员疲劳驾驶的识别方法、装置。
背景技术
随着科技的发展,车辆逐渐成为人们的代步工具,但是,车辆为人们带来方便的同时,也带来的很大的安全隐患。例如,在行驶过程中,由于高速行车、长时间驾驶、驾驶员精神状态不佳等原因,都会导致驾驶员疲劳驾驶,从而大大降低驾驶员的判断能力,驾驶员操作迟钝,容易出现操作失误,如果驾驶员继续驾驶车辆,有可能导致交通事故的发生。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本发明的第一个目的在于提出一种驾驶员疲劳驾驶的识别方法,可以从多个方面监测驾驶员的疲劳程度,以根据驾驶员的疲劳程度,控制车辆执行疲劳提醒流程,有效提高了判断的准确性,通过执行不同的疲劳提醒流程,可以有效起到对驾驶员的提醒作用,提高提醒的效果,大大减少交通事故的发生。
本发明的第二个目的在于提出一种驾驶员疲劳驾驶的识别装置。
本发明的第三个目的在于提出一种车辆。
本发明的第四个目的在于提出一种电子设备。
本发明的第五个目的在于提出一种非临时性计算机可读存储介质。
为达到上述目的,本发明第一方面实施例提出了一种驾驶员疲劳驾驶的识别方法,包括以下步骤:获取用于识别驾驶员疲劳程度的监控数据,其中,所述监控数据包括车辆行驶状态数据、驾驶员面部状态数据和/或所述驾驶员的心脉数据中的至少两类数据;根据所述监控数据,识别所述驾驶员的疲劳程度;根据所述驾驶员的疲劳程度,控制车辆执行疲劳提醒流程。
根据本发明的一个实施例,当所述监控数据包括所述驾驶员面部状态数据时,所述获取用于识别驾驶员疲劳程度的监控数据,包括:通过成像装置采集所述驾驶员的面部图像,并对所述面部图像中识别面部特征点,跟踪获取所述面部特征点的状态数据,利用跟踪到所述面部特征点的状态数据,形成所述驾驶员面部状态数据。
根据本发明的一个实施例,当所述监控数据包括所述车辆行驶状态数据时,所述获取用于识别驾驶员疲劳程度的监控数据,包括:获取车辆的车轮转速、所述车辆当次行驶过程中的连续行驶时长和刹车次数;获取车辆的前方道路的道路图像,从所述道路图像中识别车道线所在位置;根据所述车道线在所述道路图像中的位置与预设的车道线在道路图像中的标准位置,获取所述车辆当前的行驶方向与所述车道线之间的偏离度;利用跟踪到所述车辆的车轮转速、所述车辆的连续行驶时长、所述车辆的刹车次数和所述偏离度,形成所述车辆行驶状态数据。
根据本发明的一个实施例,当所述监控数据包括所述驾驶员的心脉数据时,所述获取用于识别驾驶员疲劳程度的监控数据,包括:通过布设在车辆方向盘上的心脉传感器或者所述驾驶员的可穿戴设备,获取所述驾驶员的心脉数据。
根据本发明的一个实施例,所述根据所述监控数据,识别所述驾驶员的疲劳程度,包括:针对每类监控数据,获取所述监控数据对应的不同疲劳程度的疲劳识别条件;将所述监控数据与每个疲劳识别条件进行比较,获取所述监控数据满足的目标疲劳识别条件,将所述目标疲劳识别条件对应的疲劳程度作为候选疲劳程度;将每类监控数据的候选疲劳程度进行加权,得到所述驾驶员的疲劳程度。
根据本发明的一个实施例,所述根据所述监控数据,识别所述驾驶员的疲劳程度,包括:将所述监控数据,输入到训练好的神经网络中,通过所述神经网络得到所述驾驶员在不同的疲劳程度下的概率,选择概率最大的疲劳程度作为所述驾驶员的疲劳程度。
根据本发明的一个实施例,所述根据所述驾驶员的疲劳程度,控制车辆执行疲劳提醒流程,包括:如果所述驾驶员的疲劳程度为第一疲劳程度,则控制所述车辆发出语音提醒消息;如果所述驾驶员的疲劳程度为第二疲劳程度,则控制所述车辆发出语音提醒和所述车辆上的空调系统吹冷风;如果所述驾驶员的疲劳程度为第三疲劳程度,则控制所述车辆发出语音提醒和所述车辆上的空调系统吹冷风,以及控制所述车辆上的方向盘震动。
根据本发明实施例的驾驶员疲劳驾驶的识别方法,可以获取用于识别驾驶员疲劳程度的监控数据,并根据监控数据,识别驾驶员的疲劳程度,并根据驾驶员的疲劳程度,控制车辆执行疲劳提醒流程。本实施例中,可以从多个方面对驾驶员的疲劳程度进行监测,由于综合考虑了车辆行驶状态、驾驶员面部状态和/或驾驶员的心脉数据等因素,从而有效提高了监测的准确性,并且针对不同的疲劳程度,执行不同的疲劳提醒流程,可以有效起到对驾驶员的提醒作用,提高提醒的效果,大大减少交通事故的发生。
为达到上述目的,本发明第二方面实施例提出了一种驾驶员疲劳驾驶的识别装置,包括:数据获取模块,用于获取用于识别驾驶员疲劳程度的监控数据,其中,所述监控数据包括车辆行驶状态数据、驾驶员面部状态数据和/或所述驾驶员的心脉数据中的至少两类数据;疲劳程度识别模块,用于根据所述监控数据,识别所述驾驶员的疲劳程度;提醒模块,用于根据所述驾驶员的疲劳程度,控制车辆执行疲劳提醒流程。
根据本发明的一个实施例,当所述监控数据包括所述驾驶员面部状态数据时,所述数据获取模块,具体用于:通过成像装置采集所述驾驶员的面部图像,并对所述面部图像中识别面部特征点,跟踪获取所述面部特征点的状态数据,利用跟踪到所述面部特征点的状态数据,形成所述驾驶员面部状态数据。
根据本发明的一个实施例,当所述监控数据包括所述车辆行驶状态数据时,所述数据获取模块,具体用于:获取车辆的车轮转速、所述车辆当次行驶过程中的连续行驶时长和刹车次数;获取车辆的前方道路的道路图像,从所述道路图像中识别车道线所在位置;根据所述车道线在所述道路图像中的位置与预设的车道线在道路图像中的标准位置,获取所述车辆当前的行驶方向与所述车道线之间的偏离度;利用跟踪到所述车辆的车轮转速、所述车辆的连续行驶时长、所述车辆的刹车次数和所述偏离度,形成所述车辆行驶状态数据根据本发明的一个实施例,当所述监控数据包括所述驾驶员的心脉数据时,所述数据获取模块,具体用于:通过布设在车辆方向盘上的心脉传感器或者所述驾驶员的可穿戴设备,获取所述驾驶员的心脉数据。
根据本发明的一个实施例,所述疲劳程度识别模块,具体用于:针对每类监控数据,获取所述监控数据对应的不同疲劳程度的疲劳识别条件;将所述监控数据与每个疲劳识别条件进行比较,获取所述监控数据满足的目标疲劳识别条件,将所述目标疲劳识别条件对应的疲劳程度作为候选疲劳程度;将每类监控数据的候选疲劳程度进行加权,得到所述驾驶员的疲劳程度。
根据本发明的一个实施例,所述疲劳程度识别模块,具体用于:将所述监控数据,输入到训练好的神经网络中,通过所述神经网络得到所述驾驶员在不同的疲劳程度下的概率,选择概率最大的疲劳程度作为所述驾驶员的疲劳程度。
根据本发明的一个实施例,所述提醒模块,具体用于:如果所述驾驶员的疲劳程度为第一疲劳程度,则控制所述车辆发出语音提醒消息;如果所述驾驶员的疲劳程度为第二疲劳程度,则控制所述车辆发出语音提醒和所述车辆上的空调系统吹冷风;如果所述驾驶员的疲劳程度为第三疲劳程度,则控制所述车辆发出语音提醒和所述车辆上的空调系统吹冷风,以及控制所述车辆上的方向盘震动。
根据本发明实施例的驾驶员疲劳驾驶的识别装置,可以通过数据获取模块获取用于识别驾驶员疲劳程度的监控数据,并通过疲劳程度识别模块根据监控数据,识别驾驶员的疲劳程度,并通过提醒模块根据驾驶员的疲劳程度,控制车辆执行疲劳提醒流程。本实施例中,可以从多个方面对驾驶员的疲劳程度进行监测,由于综合考虑了车辆行驶状态、驾驶员面部状态和/或驾驶员的心脉数据等因素,从而有效提高了监测的准确性,并且针对不同的疲劳程度,执行不同的疲劳提醒流程,可以有效起到对驾驶员的提醒作用,提高提醒的效果,大大减少交通事故的发生。
为达到上述目的,本发明第三方面实施例提出了一种车辆,其包括上述的驾驶员疲劳驾驶的识别装置。
根据本发明实施例的车辆,通过上述的驾驶员疲劳驾驶的识别装置,可以从多个方面对驾驶员的疲劳程度进行监测,由于综合考虑了车辆行驶状态、驾驶员面部状态和/或驾驶员的心脉数据等因素,从而有效提高了监测的准确性,并且针对不同的疲劳程度,执行不同的疲劳提醒流程,可以有效起到对驾驶员的提醒作用,提高提醒的效果,大大减少交通事故的发生。
为达到上述目的,本发明第四方面实施例提出了一种电子设备,包括存储器、处理器;其中,所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现上述的驾驶员疲劳驾驶的识别方法。
根据本发明实施例的电子设备,通过执行上述的驾驶员疲劳驾驶的识别方法,可以从多个方面对驾驶员的疲劳程度进行监测,由于综合考虑了车辆行驶状态、驾驶员面部状态和/或驾驶员的心脉数据等因素,从而有效提高了监测的准确性,并且针对不同的疲劳程度,执行不同的疲劳提醒流程,可以有效起到对驾驶员的提醒作用,提高提醒的效果,大大减少交通事故的发生。
为达到上述目的,本发明第五方面实施例提出了一种非临时性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上述的驾驶员疲劳驾驶的识别方法。
根据本发明实施例的非临时性计算机可读存储介质,通过执行上述的驾驶员疲劳驾驶的识别方法,可以从多个方面对驾驶员的疲劳程度进行监测,由于综合考虑了车辆行驶状态、驾驶员面部状态和/或驾驶员的心脉数据等因素,从而有效提高了监测的准确性,并且针对不同的疲劳程度,执行不同的疲劳提醒流程,可以有效起到对驾驶员的提醒作用,提高提醒的效果,大大减少交通事故的发生。
本发明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,或通过本发明的实践了解到。
附图说明
图1是根据本发明实施例的驾驶员疲劳驾驶的识别方法的流程图;
图2是根据本发明一个实施例的获取用于识别驾驶员疲劳程度的监控数据的方框示意图;
图3是根据本发明一个实施例的根据疲劳程度控制车辆执行疲劳提醒流程的方框示意图;
图4是根据本发明实施例的驾驶员疲劳驾驶的识别装置的方框示意图。
具体实施方式
下面详细描述本发明的实施例,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,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参照附图描述根据本发明实施例提出的车辆及驾驶员疲劳驾驶的识别方法、装置。
图1是本发明实施例的驾驶员疲劳驾驶的识别方法。如图1所示,该驾驶员疲劳驾驶的识别方法包括以下步骤:
S1,获取用于识别驾驶员疲劳程度的监控数据,其中,监控数据包括车辆行驶状态数据、驾驶员面部状态数据和/或驾驶员的心脉数据中的至少两类数据。
由于驾驶员疲劳驾驶容易出现交通事故,因此,可以对驾驶员疲劳程度进行检测,可以获取驾驶员疲劳程度的相关数据,如车辆行驶状态数据、驾驶员面部状态数据、驾驶员的心脉数据等,另外,可以选取监控数据中至少两类进行识别驾驶员疲劳程度,以提高识别的准确性。其中,疲劳驾驶是指驾驶员在长时间连续行车,或者睡眠质量差或不足,在行车过程中产生的生理机能和心理机能的失调,而在客观上出现驾驶技能下降的现象,影响驾驶员的注意、感觉、知觉、思维、判断等。
根据本发明的一个实施例,当监控数据包括驾驶员面部状态数据时,获取用于识别驾驶员疲劳程度的监控数据,包括:通过成像装置采集驾驶员的面部图像,并对面部图像中识别面部特征点,跟踪获取面部特征点的状态数据,利用跟踪到面部特征点的状态数据,形成驾驶员面部状态数据。
具体而言,如图2所示,可以通过成像装置,如摄像头、红外线探测器等,在基于红外条件下对驾驶员眼睛、嘴巴、头部实时监测,并且可以通过视觉传感器对驾驶员的眼睑、眼球的几何特征和动作特征、眼睛的凝视角度及其动态变化、头部位置和方向的变化等进行检测和测量,从而可以对采集到的面部图像进行识别得到面部特征点,并根据面部特征点得到驾驶员面部特征点的状态数据,进而形成驾驶员的面部状态数据。
举例而言,当驾驶员出现疲劳,如长时间驾驶车辆后,会出现犯困的情况,驾驶员的眼睛会出现短暂的闭合,并且头部也会出现点头的现象,当通过摄像头采集到驾驶员的上述状态时,则可以根据驾驶员的上述状态形成驾驶员面部状态数据。
也就是说,本发明实施例可以通过成像装置采集、分析、并形成驾驶员面部状态数据,以对驾驶员的疲劳程度进行实时监控,有效提高检测的准确性,有效防止因驾驶员疲劳而导致交通事故的发生。
根据本发明的一个实施例,当监控数据包括车辆行驶状态数据时,获取用于识别驾驶员疲劳程度的监控数据,包括:获取车辆的车轮转速、车辆当次行驶过程中的连续行驶时长和刹车次数;获取车辆的前方道路的道路图像,从道路图像中识别车道线所在位置;根据车道线在道路图像中的位置与预设的车道线在道路图像中的标准位置,获取车辆当前的行驶方向与车道线之间的偏离度;利用跟踪到车辆的车轮转速、车辆的连续行驶时长、车辆的刹车次数和偏离度,形成车辆行驶状态数据。
可以理解的是,本发明实施例可以通过转速传感器获取车辆的车轮转速;可以通过车辆管理系统获取车辆当次行驶过程中的连续行驶时长和刹车次数;可以在车辆前方安装有摄像头,以采集车辆前方的道路图像,以便从车辆前方的道路图像中识别车道线的所在位置。
一般情况下,在道路上行驶时,车辆会与道路上的车道线近似平行,如果车辆前方的道路图像识别出的车道线的所在位置与预设的车道线在道路图像中的标准位置不一致,则说明车辆出现偏离,也就是说,驾驶员可能出现了疲劳驾驶。其中,可以预设有车辆当前的行驶方向与车道线之间的偏离度,当车辆前方的道路图像识别出的车道线的所在位置与预设的车道线在道路图像中的标准位置的偏离度大于预设的车辆当前的行驶方向与车道线之间的偏离度时,则说明驾驶员出现了疲劳驾驶,并结合采集到的车辆的车轮转速、车辆的连续行驶时长、车辆的刹车次数,生成车辆行驶状态数据,从而实现了对车辆的行驶状态的监测,通过车辆的车轮转速、连续驾驶时长、偏离度等多个方面共同监测车辆行驶状态,可以有效提高采集的准确性。
需要说明的是,预设的车道线在道路图像中的标准位置可以为公知的,也可以为本领域技术人员设定的;预设的车辆当前的行驶方向与车道线之间的偏离度可以由本领域技术人员根据实际情况进行设置,在此不做具体限定。
根据本发明的一个实施例,当监控数据包括驾驶员的心脉数据时,获取用于识别驾驶员疲劳程度的监控数据,包括:通过布设在车辆方向盘上的心脉传感器或者驾驶员的可穿戴设备,获取驾驶员的心脉数据。
具体地,可以在车辆的方向盘中安装有心脉传感器,或者通过驾驶员的可穿戴设备,如手环等,获取驾驶员的心脉数据。其中,可以收集驾驶员行车前30分钟内的心脉作为评判基准,以在驾驶员行车过程中实时监测,并收集驾驶员心脉数据,例如,可以每间隔10分钟时间分析一次心脉数据,并与初始30分钟内的心脉数据之间进行比对,判断是否有较大差别。
由此,通过多方面同时对车辆的行驶状态和驾驶员状态实施疲劳监测,大大提高了监测的准确性。
S2,根据监控数据,识别驾驶员的疲劳程度。
具体而言,可以预先经过建立监控数据与驾驶员的疲劳程度之间的映射关系,在获取到对驾驶员的监控数据后,可以根据该监控数据,获取该监控数据对应的不同疲劳程度的疲劳识别条件,从而识别出驾驶员疲劳程度。
可选地,根据本发明的一个实施例,根据监控数据,识别驾驶员的疲劳程度,包括:针对每类监控数据,获取监控数据对应的不同疲劳程度的疲劳识别条件;将监控数据与每个疲劳识别条件进行比较,获取监控数据满足的目标疲劳识别条件,将目标疲劳识别条件对应的疲劳程度作为候选疲劳程度;将每类监控数据的候选疲劳程度进行加权,得到驾驶员的疲劳程度。
具体地,由于监控数据有多个种类,使得每类监控数据对应着不同疲劳程度的疲劳识别条件,如驾驶员面部状态数据,对应的是驾驶员面部状态数据的疲劳识别条件;行驶状态数据对应的是行驶状态数据的疲劳识别条件;驾驶员的心脉数据对应的是驾驶员的心脉数据的疲劳识别条件。其中,疲劳识别条件可以分出多个等级,以在将监控数据与疲劳识别条件进行比较时,获取该监控和数据对应的等级,即监控数据满足的目标疲劳识别条件,从而可以将该目标疲劳识别条件对应的疲劳程度作为候选疲劳程度。由于每类监控数据都对应一个候选疲劳程度,因此,可以根据多个监控数据获取到多个候选疲劳程度,并将多个候选疲劳程度加权计算后,得到驾驶员的疲劳程度。
举例而言,通过成像装置采集驾驶员的面部图像后,经过数据分析后可以形成的驾驶员面部状态数据,经过分析处理后,该驾驶员面部状态数据对应的候选疲劳程度可以为A;利用跟踪到车辆的车轮转速、车辆的连续行驶时长、车辆的刹车次数和偏离度,可以形成车辆行驶状态数据,该车辆行驶状态数据对应的候选疲劳程度可以为B;通过布设在车辆方向盘上的心脉传感器或者驾驶员的可穿戴设备,获取驾驶员的心脉数据,该驾驶员的心脉数据对应的候选疲劳程度可以为C,由此,如果驾驶员的疲劳程度为Z,则Z=A+B+C。需要说明的是,关于上述对每类监控数据的候选疲劳程度进行加权计算方式仅为示例性,在此不做具体限制。
可选地根据本发明的一个实施例,根据监控数据,识别驾驶员的疲劳程度,包括:将监控数据,输入到训练好的神经网络中,通过神经网络得到驾驶员在不同的疲劳程度下的概率,选择概率最大的疲劳程度作为驾驶员的疲劳程度。
作为一种可能的实现方式,预先将疲劳程度划分成三个疲劳级别,在获取到监控数据后,可以将每类监控数据输入到各自训练好的神经网络中,以在各自训练好的神经网络中,学习出驾驶员在不同的疲劳程度下的概率。
也就是说,每类监控数据均会有不同疲劳程度的概率,例如,驾驶员面部状态数据对应的不同疲劳程度的概率可以为a1,b1和c1,即在第一疲劳程度下的概率为a1,在第二疲劳程度下的概率为b1和在第三疲劳程度下的概率为c1。车辆行驶状态数据对应的不同疲劳程度的概率可以为a2、b2和c2,即在第一疲劳程度下的概率为a2,在第二疲劳程度下的概率为b2和在第三疲劳程度下的概率为c2。驾驶员的心脉数据对应的不同疲劳程度的概率可以为a3、b3和c3,即在第一疲劳程度下的概率为a3,在第二疲劳程度下的概率为b3和在第三疲劳程度下的概率为c3。可比较疲劳程度的概率a1~c3的大小,如果a3最大,则可以将驾驶员的心脉数据对应的第一疲劳程度作为驾驶员当前的疲劳程度。
作为另一种可能的实现方式,在获取到监控数据后,可以将每类监控数据输入到一个训练好的神经网络中,以在训练好的神经网络中,就可以直接学习出驾驶员在不同的疲劳程度下的概率。即,训练好的神经网络可以以所有类的监控数据为依据,最终学习出不同疲劳程度下的一个概率,然后选在最大的概率对应的疲劳疲劳程度作为驾驶员当前的疲劳程度。
在使用神经网络之前,需要采集样本数据对神经网络进行训练,关于对神经网络训练的过程此处不再赘述。
S3,根据驾驶员的疲劳程度,控制车辆执行疲劳提醒流程。
根据本发明的一个实施例,根据驾驶员的疲劳程度,控制车辆执行疲劳提醒流程,包括:如果驾驶员的疲劳程度为第一疲劳程度,则控制车辆发出语音提醒消息;如果驾驶员的疲劳程度为第二疲劳程度,则控制车辆发出语音提醒和车辆上的空调系统吹冷风;如果驾驶员的疲劳程度为第三疲劳程度,则控制车辆发出语音提醒和车辆上的空调系统吹冷风,以及控制车辆上的方向盘震动。
具体地,第一疲劳程度可以为轻度疲劳,第二疲劳程度可以为中度疲劳,第三疲劳程度可以为重度疲劳。
具体而言,如图3所示,当驾驶员的疲劳程度为第一疲劳程度时,可以通过语音提醒驾驶员,如“驾驶员您好,您目前已处于疲劳驾驶状态,请注意休息!”。
当驾驶员的疲劳程度为第二疲劳程度时,可以通过语音和空调冷风提醒驾驶员,如,语音可以发出“您目前已长时间处于疲劳驾驶状态,注意休息”的提醒,并控制车辆电子控制单元(Electronic Control Unit,简称ECU)发出开启空调系统和电动风口的指令,并将电动风口正对驾驶员吹冷风,不仅可以对驾驶员进行提醒,而且还可以防止驾驶员因过于疲劳而出现睡着的情况。需要说明的是,在空调吹冷风的过程中,空调系统在外界高温情况下需打开压缩机进行制冷循环,在低温情况下,开启外循环,吸入外界低温空气;电动风口可以布置在仪表板上,且可自动伸缩,不同于传统吹面风口,该电动风口吹风方向为驾驶员面部,正常行车开空调时,电动风口处于关闭状态。
当驾驶员的疲劳程度为第三疲劳程度时,说明驾驶员处于重度疲劳状态,可以通过语音提醒、空调系统冷风提醒、以及方向盘振动进行提醒,例如,可以通过语音可以发出“您目前已处于重度疲劳驾驶状态”的语音提醒,以警告驾驶员已疲劳驾驶,同时伴有“滴滴滴”的声音,控制ECU向空调系统和电动风口发出冷风提醒指令的同时,向方向盘发出振动指令,使方向盘开始振动进行提醒。
由此,根据驾驶员疲劳程度的不同,采取不同的方式对驾驶员进行疲劳提醒,以从驾驶员听觉、感觉、触觉等多方面进行提醒,从而大大提高对驾驶员的提醒效果,有效减少交通事故的发生,降低车祸发生的概率。
需要说明的是,无论驾驶员的疲劳程度为第一疲劳程度,第二疲劳程度,还是第三疲劳程度,当驾驶员做出调整后,对驾驶员的提醒会自动停止,无须手动停止,简单且方便。
根据本发明实施例提出的驾驶员疲劳驾驶的识别方法,可以获取用于识别驾驶员疲劳程度的监控数据,并根据监控数据,识别驾驶员的疲劳程度,并根据驾驶员的疲劳程度,控制车辆执行疲劳提醒流程。本实施例中,可以从多个方面对驾驶员的疲劳程度进行监测,由于综合考虑了车辆行驶状态、驾驶员面部状态和/或驾驶员的心脉数据等因素,从而有效提高了监测的准确性,并且针对不同的疲劳程度,执行不同的疲劳提醒流程,可以有效起到对驾驶员的提醒作用,提高提醒的效果,大大减少交通事故的发生。
图4是本发明实施例的驾驶员疲劳驾驶的识别装置。如图4所示,该驾驶员疲劳驾驶的识别装置包括:数据获取模块100、疲劳程度识别模块200和提醒模块300。
其中,数据获取模块100用于获取用于识别驾驶员疲劳程度的监控数据,其中,监控数据包括车辆行驶状态数据、驾驶员面部状态数据和/或驾驶员的心脉数据中的至少两类数据。疲劳程度识别模块200用于根据监控数据,识别驾驶员的疲劳程度。提醒模块300用于根据驾驶员的疲劳程度,控制车辆执行疲劳提醒流程。
根据本发明的一个实施例,当监控数据包括驾驶员面部状态数据时,数据获取模块100具体用于:通过成像装置采集驾驶员的面部图像,并对面部图像中识别面部特征点,跟踪获取面部特征点的状态数据,利用跟踪到面部特征点的状态数据,形成驾驶员面部状态数据。
根据本发明的一个实施例,当监控数据包括车辆行驶状态数据时,数据获取模块100具体用于:获取车辆的车轮转速、车辆当次行驶过程中的连续行驶时长和刹车次数;获取车辆的前方道路的道路图像,从道路图像中识别车道线所在位置;根据车道线在道路图像中的位置与预设的车道线在道路图像中的标准位置,获取车辆当前的行驶方向与车道线之间的偏离度;利用跟踪到车辆的车轮转速、车辆的连续行驶时长、车辆的刹车次数和偏离度,形成车辆行驶状态数据
根据本发明的一个实施例,当监控数据包括驾驶员的心脉数据时,数据获取模块100具体用于:通过布设在车辆方向盘上的心脉传感器或者驾驶员的可穿戴设备,获取驾驶员的心脉数据。
根据本发明的一个实施例,疲劳程度识别模块200具体用于:针对每类监控数据,获取监控数据对应的不同疲劳程度的疲劳识别条件;将监控数据与每个疲劳识别条件进行比较,获取监控数据满足的目标疲劳识别条件,将目标疲劳识别条件对应的疲劳程度作为候选疲劳程度;将每类监控数据的候选疲劳程度进行加权,得到驾驶员的疲劳程度。
根据本发明的一个实施例,疲劳程度识别模块200具体用于:将监控数据,输入到训练好的神经网络中,通过神经网络得到驾驶员在不同的疲劳程度下的概率,选择概率最大的疲劳程度作为驾驶员的疲劳程度。
根据本发明的一个实施例,提醒模块300具体用于:如果驾驶员的疲劳程度为第一疲劳程度,则控制车辆发出语音提醒消息;如果驾驶员的疲劳程度为第二疲劳程度,则控制车辆发出语音提醒和车辆上的空调系统吹冷风;如果驾驶员的疲劳程度为第三疲劳程度,则控制车辆发出语音提醒和车辆上的空调系统吹冷风,以及控制车辆上的方向盘震动。
需要说明的是,前述对驾驶员疲劳驾驶的识别方法实施例的解释说明也适用于该实施例的驾驶员疲劳驾驶的识别装置,此处不再赘述。
根据本发明实施例提出的驾驶员疲劳驾驶的识别装置,可以通过数据获取模块获取用于识别驾驶员疲劳程度的监控数据,并通过疲劳程度识别模块根据监控数据,识别驾驶员的疲劳程度,并通过提醒模块根据驾驶员的疲劳程度,控制车辆执行疲劳提醒流程。本实施例中,可以从多个方面对驾驶员的疲劳程度进行监测,由于综合考虑了车辆行驶状态、驾驶员面部状态和/或驾驶员的心脉数据等因素,从而有效提高了监测的准确性,并且针对不同的疲劳程度,执行不同的疲劳提醒流程,可以有效起到对驾驶员的提醒作用,提高提醒的效果,大大减少交通事故的发生。
本发明实施例提出了一种车辆,该车辆包括上述的驾驶员疲劳驾驶的识别装置。
根据本发明实施例提出的车辆,通过上述的驾驶员疲劳驾驶的识别装置,可以从多个方面对驾驶员的疲劳程度进行监测,由于综合考虑了车辆行驶状态、驾驶员面部状态和/或驾驶员的心脉数据等因素,从而有效提高了监测的准确性,并且针对不同的疲劳程度,执行不同的疲劳提醒流程,可以有效起到对驾驶员的提醒作用,提高提醒的效果,大大减少交通事故的发生。
本发明实施例提出了一种电子设备,包括存储器、处理器;其中,处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序,以用于实现上述的驾驶员疲劳驾驶的识别方法。
根据本发明实施例提出的电子设备,通过执行上述的驾驶员疲劳驾驶的识别方法,可以从多个方面对驾驶员的疲劳程度进行监测,由于综合考虑了车辆行驶状态、驾驶员面部状态和/或驾驶员的心脉数据等因素,从而有效提高了监测的准确性,并且针对不同的疲劳程度,执行不同的疲劳提醒流程,可以有效起到对驾驶员的提醒作用,提高提醒的效果,大大减少交通事故的发生。
本发明实施例提出了一种非临时性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上述的驾驶员疲劳驾驶的识别方法。
根据本发明实施例提出的非临时性计算机可读存储介质,通过执行上述的驾驶员疲劳驾驶的识别方法,可以从多个方面对驾驶员的疲劳程度进行监测,由于综合考虑了车辆行驶状态、驾驶员面部状态和/或驾驶员的心脉数据等因素,从而有效提高了监测的准确性,并且针对不同的疲劳程度,执行不同的疲劳提醒流程,可以有效起到对驾驶员的提醒作用,提高提醒的效果,大大减少交通事故的发生。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
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。在本发明的描述中,“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。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
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发明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。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种驾驶员疲劳驾驶的识别方法,其特征在于,包括以下步骤:
获取用于识别驾驶员疲劳程度的监控数据,其中,所述监控数据包括车辆行驶状态数据、驾驶员面部状态数据和/或所述驾驶员的心脉数据中的至少两类数据;
根据所述监控数据,识别所述驾驶员的疲劳程度;
根据所述驾驶员的疲劳程度,控制车辆执行疲劳提醒流程。
2.根据权利要求1所述的驾驶员疲劳驾驶的识别方法,其特征在于,当所述监控数据包括所述驾驶员面部状态数据时,所述获取用于识别驾驶员疲劳程度的监控数据,包括:
通过成像装置采集所述驾驶员的面部图像,并对所述面部图像中识别面部特征点,跟踪获取所述面部特征点的状态数据,利用跟踪到所述面部特征点的状态数据,形成所述驾驶员面部状态数据。
3.根据权利要求1所述的驾驶员疲劳驾驶的识别方法,其特征在于,当所述监控数据包括所述车辆行驶状态数据时,所述获取用于识别驾驶员疲劳程度的监控数据,包括:
获取车辆的车轮转速、所述车辆当次行驶过程中的连续行驶时长和刹车次数;
获取车辆的前方道路的道路图像,从所述道路图像中识别车道线所在位置;
根据所述车道线在所述道路图像中的位置与预设的车道线在道路图像中的标准位置,获取所述车辆当前的行驶方向与所述车道线之间的偏离度;
利用跟踪到所述车辆的车轮转速、所述车辆的连续行驶时长、所述车辆的刹车次数和所述偏离度,形成所述车辆行驶状态数据。
4.根据权利要求1所述的驾驶员疲劳驾驶的识别方法,其特征在于,当所述监控数据包括所述驾驶员的心脉数据时,所述获取用于识别驾驶员疲劳程度的监控数据,包括:
通过布设在车辆方向盘上的心脉传感器或者所述驾驶员的可穿戴设备,获取所述驾驶员的心脉数据。
5.根据权利要求1-4任一项所述的驾驶员疲劳驾驶的识别方法,其特征在于,所述根据所述监控数据,识别所述驾驶员的疲劳程度,包括:
针对每类监控数据,获取所述监控数据对应的不同疲劳程度的疲劳识别条件;
将所述监控数据与每个疲劳识别条件进行比较,获取所述监控数据满足的目标疲劳识别条件,将所述目标疲劳识别条件对应的疲劳程度作为候选疲劳程度;
将每类监控数据的候选疲劳程度进行加权,得到所述驾驶员的疲劳程度。
6.根据权利要求1-4任一项所述的驾驶员疲劳驾驶的识别方法,其特征在于,所述根据所述监控数据,识别所述驾驶员的疲劳程度,包括:
将所述监控数据,输入到训练好的神经网络中,通过所述神经网络得到所述驾驶员在不同的疲劳程度下的概率,选择概率最大的疲劳程度作为所述驾驶员的疲劳程度。
7.根据权利要求1-4任一项所述的驾驶员疲劳驾驶的识别方法,其特征在于,所述根据所述驾驶员的疲劳程度,控制车辆执行疲劳提醒流程,包括:
如果所述驾驶员的疲劳程度为第一疲劳程度,则控制所述车辆发出语音提醒消息;
如果所述驾驶员的疲劳程度为第二疲劳程度,则控制所述车辆发出语音提醒和所述车辆上的空调系统吹冷风;
如果所述驾驶员的疲劳程度为第三疲劳程度,则控制所述车辆发出语音提醒和所述车辆上的空调系统吹冷风,以及控制所述车辆上的方向盘震动。
8.一种驾驶员疲劳驾驶的识别装置,其特征在于,包括
数据获取模块,用于获取用于识别驾驶员疲劳程度的监控数据,其中,所述监控数据包括车辆行驶状态数据、驾驶员面部状态数据和/或所述驾驶员的心脉数据中的至少两类数据;
疲劳程度识别模块,用于根据所述监控数据,识别所述驾驶员的疲劳程度;
提醒模块,用于根据所述驾驶员的疲劳程度,控制车辆执行疲劳提醒流程。
9.一种车辆,其特征在于,包括:如权利要求8所述的驾驶员疲劳驾驶的识别装置。
10.一种电子设备,其特征在于,包括存储器、处理器;
其中,所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现如权利要求1-7中任一所述的驾驶员疲劳驾驶的识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811269136.7A CN111105594A (zh) | 2018-10-29 | 2018-10-29 | 车辆及驾驶员疲劳驾驶的识别方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811269136.7A CN111105594A (zh) | 2018-10-29 | 2018-10-29 | 车辆及驾驶员疲劳驾驶的识别方法、装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111105594A true CN111105594A (zh) | 2020-05-05 |
Family
ID=70419285
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811269136.7A Pending CN111105594A (zh) | 2018-10-29 | 2018-10-29 | 车辆及驾驶员疲劳驾驶的识别方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111105594A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112907896A (zh) * | 2021-02-05 | 2021-06-04 | 雄狮汽车科技(南京)有限公司 | 车辆的疲劳驾驶检测方法、装置及车辆 |
CN113192292A (zh) * | 2021-04-29 | 2021-07-30 | 深圳供电局有限公司 | 一种疲劳驾驶识别装置 |
CN113183968A (zh) * | 2021-04-25 | 2021-07-30 | 前海七剑科技(深圳)有限公司 | 抗疲劳驾驶方法、装置、设备及存储介质 |
CN114419841A (zh) * | 2022-01-28 | 2022-04-29 | 重庆长安汽车股份有限公司 | 驾驶员疲劳驾驶预警系统及方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1873722A (zh) * | 2006-04-07 | 2006-12-06 | 中山大学 | 一种汽车驾驶安全警示系统 |
CN201559536U (zh) * | 2009-12-23 | 2010-08-25 | 陕西理工学院 | 汽车用疲劳驾驶监控装置 |
DE202011108897U1 (de) * | 2011-12-12 | 2012-01-24 | Winfried Sturm | KFZ-Fahrassistenz-System gegen den Sekundenschlaf am Steuer |
CN202448833U (zh) * | 2011-12-20 | 2012-09-26 | 长安大学 | 一种疲劳驾驶预警装置 |
CN105261153A (zh) * | 2015-11-03 | 2016-01-20 | 北京奇虎科技有限公司 | 车辆行驶监控方法和装置 |
CN105740847A (zh) * | 2016-03-02 | 2016-07-06 | 同济大学 | 一种基于驾驶员眼部识别和车辆行驶轨迹的疲劳等级判别算法 |
CN105741494A (zh) * | 2016-03-29 | 2016-07-06 | 浙江吉利控股集团有限公司 | 一种基于线下数据匹配的驾驶员疲劳监测方法 |
CN105966398A (zh) * | 2016-06-21 | 2016-09-28 | 广州鹰瞰信息科技有限公司 | 一种对车辆偏离车道进行预警的方法和装置 |
CN106394441A (zh) * | 2016-08-29 | 2017-02-15 | 无锡卓信信息科技股份有限公司 | 一种基于无线射频技术的汽车驾驶状态监控系统 |
CN106448265A (zh) * | 2016-10-27 | 2017-02-22 | 广州微牌智能科技有限公司 | 司机驾驶行为数据的采集方法及装置 |
US9771081B2 (en) * | 2014-09-29 | 2017-09-26 | The Boeing Company | System for fatigue detection using a suite of physiological measurement devices |
CN107627845A (zh) * | 2017-09-15 | 2018-01-26 | 安徽安凯汽车股份有限公司 | 一种客车防疲劳驾驶系统及工作方法 |
CN207867669U (zh) * | 2017-12-26 | 2018-09-14 | 郑州宇通客车股份有限公司 | 驾驶员疲劳预警系统以及车辆 |
-
2018
- 2018-10-29 CN CN201811269136.7A patent/CN111105594A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1873722A (zh) * | 2006-04-07 | 2006-12-06 | 中山大学 | 一种汽车驾驶安全警示系统 |
CN201559536U (zh) * | 2009-12-23 | 2010-08-25 | 陕西理工学院 | 汽车用疲劳驾驶监控装置 |
DE202011108897U1 (de) * | 2011-12-12 | 2012-01-24 | Winfried Sturm | KFZ-Fahrassistenz-System gegen den Sekundenschlaf am Steuer |
CN202448833U (zh) * | 2011-12-20 | 2012-09-26 | 长安大学 | 一种疲劳驾驶预警装置 |
US9771081B2 (en) * | 2014-09-29 | 2017-09-26 | The Boeing Company | System for fatigue detection using a suite of physiological measurement devices |
CN105261153A (zh) * | 2015-11-03 | 2016-01-20 | 北京奇虎科技有限公司 | 车辆行驶监控方法和装置 |
CN105740847A (zh) * | 2016-03-02 | 2016-07-06 | 同济大学 | 一种基于驾驶员眼部识别和车辆行驶轨迹的疲劳等级判别算法 |
CN105741494A (zh) * | 2016-03-29 | 2016-07-06 | 浙江吉利控股集团有限公司 | 一种基于线下数据匹配的驾驶员疲劳监测方法 |
CN105966398A (zh) * | 2016-06-21 | 2016-09-28 | 广州鹰瞰信息科技有限公司 | 一种对车辆偏离车道进行预警的方法和装置 |
CN106394441A (zh) * | 2016-08-29 | 2017-02-15 | 无锡卓信信息科技股份有限公司 | 一种基于无线射频技术的汽车驾驶状态监控系统 |
CN106448265A (zh) * | 2016-10-27 | 2017-02-22 | 广州微牌智能科技有限公司 | 司机驾驶行为数据的采集方法及装置 |
CN107627845A (zh) * | 2017-09-15 | 2018-01-26 | 安徽安凯汽车股份有限公司 | 一种客车防疲劳驾驶系统及工作方法 |
CN207867669U (zh) * | 2017-12-26 | 2018-09-14 | 郑州宇通客车股份有限公司 | 驾驶员疲劳预警系统以及车辆 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112907896A (zh) * | 2021-02-05 | 2021-06-04 | 雄狮汽车科技(南京)有限公司 | 车辆的疲劳驾驶检测方法、装置及车辆 |
CN113183968A (zh) * | 2021-04-25 | 2021-07-30 | 前海七剑科技(深圳)有限公司 | 抗疲劳驾驶方法、装置、设备及存储介质 |
CN113192292A (zh) * | 2021-04-29 | 2021-07-30 | 深圳供电局有限公司 | 一种疲劳驾驶识别装置 |
CN114419841A (zh) * | 2022-01-28 | 2022-04-29 | 重庆长安汽车股份有限公司 | 驾驶员疲劳驾驶预警系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107832748B (zh) | 一种共享汽车驾驶员更换系统及方法 | |
CN111105594A (zh) | 车辆及驾驶员疲劳驾驶的识别方法、装置 | |
US10046618B2 (en) | System and method for vehicle control integrating environmental conditions | |
US9776644B2 (en) | On-vehicle situation detection apparatus and method | |
Wang et al. | Driver fatigue detection: a survey | |
JP5326521B2 (ja) | 覚醒状態判断装置及び覚醒状態判断方法 | |
CN107200022B (zh) | 驾驶辅助系统和方法 | |
US20140171752A1 (en) | Apparatus and method for controlling emotion of driver | |
US20130135092A1 (en) | Driving behavior analysis and warning system and method thereof | |
US20090040054A1 (en) | Real-time driving danger level prediction | |
JP5045492B2 (ja) | 覚醒度推定装置 | |
JP6839090B2 (ja) | 動力車両の運転手の覚醒レベルを予知する装置および方法 | |
CN104361716A (zh) | 实时检测疲劳并提醒的方法 | |
US11447140B2 (en) | Cognitive tunneling mitigation device for driving | |
CN111645694B (zh) | 一种基于姿态估计的驾驶员驾驶状态监测系统及方法 | |
CN110448316A (zh) | 数据处理装置及方法、监测系统、唤醒系统以及记录介质 | |
CN113891823A (zh) | 用于监测特别是自主车辆的乘员的通过驾驶操作调节的健康状态的方法和装置 | |
US20200104617A1 (en) | System and method for remote monitoring of a human | |
US10268903B2 (en) | Method and system for automatic calibration of an operator monitor | |
Baccour et al. | Camera-based driver drowsiness state classification using logistic regression models | |
CN113544471A (zh) | 一种dms设备性能评估系统、方法、存储介质及电子设备 | |
Wang et al. | Driver fatigue detection technology in active safety systems | |
JP2007236488A (ja) | 覚醒度推定装置及びシステム並びに方法 | |
KR20200071623A (ko) | 차량 및 그 제어방법 | |
TW201441080A (zh) | 疲勞駕駛監測系統與方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200505 |
|
RJ01 | Rejection of invention patent application after publication |