CN111292509A - 异常检测装置、异常检测系统以及记录介质 - Google Patents

异常检测装置、异常检测系统以及记录介质 Download PDF

Info

Publication number
CN111292509A
CN111292509A CN201911173820.XA CN201911173820A CN111292509A CN 111292509 A CN111292509 A CN 111292509A CN 201911173820 A CN201911173820 A CN 201911173820A CN 111292509 A CN111292509 A CN 111292509A
Authority
CN
China
Prior art keywords
vehicle
driver
abnormality detection
image
information
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
Application number
CN201911173820.XA
Other languages
English (en)
Inventor
神田亮
铃木功一
久保大辉
三卷光一郎
安藤美久
立石俊治
增田吉孝
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toyota Motor Corp
Original Assignee
Toyota Motor Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Toyota Motor Corp filed Critical Toyota Motor Corp
Publication of CN111292509A publication Critical patent/CN111292509A/zh
Pending legal-status Critical Current

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
    • G08B21/18—Status alarms
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/174—Facial expression recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/174—Facial expression recognition
    • G06V40/176—Dynamic expression
    • 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
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/50—Constructional details
    • H04N23/54—Mounting of pick-up tubes, electronic image sensors, deviation or focusing coils
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R11/00—Arrangements for holding or mounting articles, not otherwise provided for
    • B60R11/04—Mounting of cameras operative during drive; Arrangement of controls thereof relative to the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及异常检测装置、异常检测系统以及记录介质。异常检测装置(10)获取由第一车辆(1)的车载摄像机对不同于第一车辆(1)的第二车辆(2)进行拍摄而得到的第一图像，基于第一图像中所包括的第二车辆(2)的驾驶员的图像，检测第二车辆(2)的驾驶员的异常状态。

Description

异常检测装置、异常检测系统以及记录介质
技术领域
本公开内容涉及一种异常检测装置、异常检测系统以及记录介质。
背景技术
以往，已知对车辆的驾驶员的状态进行监视的装置。例如，在日本特开2018-92554中，公开了一种根据由室内镜摄像机(room mirror camera)等拍摄到的本车辆内的影像来掌握本车辆的驾驶员的状态，并基于本车辆的驾驶员的状态发出警告的安全驾驶辅助装置。
发明内容
本车辆的安全行驶有时会因其他车辆的驾驶员的状态变得异常而受到妨碍。要求即使在车辆未搭载有检测驾驶员的异常状态的装置的情况下也检测此车辆的驾驶员的异常状态。
鉴于这样的情况而完成的本公开内容的目的在于，无论车辆是否搭载有检测驾驶员的异常状态的装置，都检测此车辆的驾驶员的异常状态。
本公开内容的一个实施方式的异常检测装置获取由第一车辆的车载摄像机对不同于所述第一车辆的第二车辆进行拍摄而得到的第一图像，基于所述第一图像中所包括的所述第二车辆的驾驶员的图像，检测所述第二车辆的驾驶员的异常状态。
本公开内容的一个实施方式的异常检测系统具备第一车辆和异常检测装置，所述异常检测装置获取由所述第一车辆的车载摄像机对不同于所述第一车辆的第二车辆进行拍摄而得到的第一图像，基于所述第一图像中所包括的所述第二车辆的驾驶员的图像，检测所述第二车辆的驾驶员的异常状态。
本公开内容的一个实施方式的记录介质，记录有异常检测程序，所述异常检测程序使处理器执行：获取由第一车辆的车载摄像机对不同于所述第一车辆的第二车辆进行拍摄而得到的第一图像的步骤；以及，基于所述第一图像中所包括的所述第二车辆的驾驶员的图像，检测所述第二车辆的驾驶员的异常状态的步骤。
根据本公开内容的一个实施方式的异常检测装置、异常检测系统以及记录介质，无论车辆是否搭载有检测驾驶员的异常状态的装置，都能检测此车辆的驾驶员的异常状态。
附图说明
以下，参照附图，对本发明的示例性实施例的特征、优点以及技术和工业意义进行说明，其中，相同的附图标记表示相同的元件，其中：
图1是表示一个实施方式的异常检测系统的构成例的示意图。
图2是表示一个实施方式的异常检测系统的概略构成例的框图。
图3是表示具备异常检测装置的车辆的构成例的框图。
图4是表示包括具备异常检测装置的车辆的异常检测系统的构成例的框图。
图5是表示服务器实现异常检测装置的功能的异常检测系统的构成例的框图。
图6是表示异常检测方法的过程的一个例子的流程图。
具体实施方式
如图1和图2所示，一个实施方式的异常检测系统100具备第一车辆1。异常检测系统100也可以具备多个第一车辆1。设为多个第一车辆1能相互通信。各第一车辆1可以经由网络60与其他第一车辆1通信，也可以不经由网络60而直接与其他第一车辆1通信。异常检测系统100也可以进一步具备服务器50。设为第一车辆1能与服务器50通信。第一车辆1也可以经由网络60与服务器50通信。
第一车辆1具备车载摄像机20。车载摄像机20是搭载于第一车辆1的摄像机，拍摄位于第一车辆1周围的对象物。由车载摄像机20进行的拍摄的对象物包括本车辆以外的车辆的驾驶员。异常检测系统100能基于车载摄像机20拍摄到的本车辆以外的车辆的驾驶员的图像，检测此驾驶员的异常状态。作为由异常检测系统100进行的状态检测的对象的驾驶员所驾驶的车辆被称为第二车辆2。换言之，异常检测系统100使车载摄像机20拍摄第二车辆2来作为监视对象。第一车辆1可以将车载摄像机20拍摄到的第二车辆2的图像在第一车辆1之间共有，或发送至服务器50。第一车辆1也称为监视车辆。第二车辆2也称为被监视车辆。第一车辆1和第二车辆2例如为汽车，但并不限定于此，也可以是任意的车辆。
异常检测系统100具备异常检测装置10。异常检测装置10可以通过一个以上的处理器来实现。异常检测装置10也可以具备包括一个以上的处理器的控制器。在本实施方式中，“处理器”是通用的处理器、专门用于特定处理的专用处理器等，但并不限定于此。异常检测装置10可以搭载于第一车辆1。异常检测装置10在搭载于第一车辆1的情况下，可以作为第一车辆1的ECU(ElectronicControl Unit：电子控制单元)的功能的一部分被实现。在异常检测系统100具备服务器50的情况下，异常检测装置10也可以作为服务器50的功能的一部分被实现。
将搭载有异常检测装置10的第一车辆1称为第一车辆1a。第一车辆1a搭载有异常检测装置10、车载摄像机20以及通信装置30。将未搭载异常检测装置10的第一车辆1称为第一车辆1b。第一车辆1b搭载有车载摄像机20和通信装置30。异常检测装置10、车载摄像机20以及通信装置30经由例如CAN(Controller Area Network：控制器局域网络)等车载网络或专用线可相互通信地连接。
通信装置30与搭载于其他第一车辆1的通信装置30通信。通信装置30可以经由网络60与搭载于其他第一车辆1的通信装置30通信。在本实施方式中，假设第一车辆1经由网络60相互通信。通信装置30也可以经由网络60与服务器50通信。通信装置30可以是例如DCM(Data Communication Module：数据通信模块)等车载通信器。通信装置30可以包括与网络60连接的通信模块。通信模块可以包括例如与4G(4th Generation：第四代)和5G(5thGeneration：第五代)等移动通信标准对应的通信模块，但并不限定于此。
服务器50具备服务器控制部51、服务器通信部52以及服务器存储部53。服务器控制部51可以包括一个以上的处理器。服务器通信部52可以包括通信模块，与第一车辆1的通信装置30通信。服务器存储部53可以包括一个以上的存储器。在本实施方式中“存储器”为例如半导体存储器、磁存储器或光存储器等，但并不限定于此。服务器存储部53所包括的各存储器也可以作为例如主存储装置、辅助存储装置或高速缓冲存储器发挥功能。服务器存储部53也可以包括磁盘等电磁存储介质。服务器存储部53存储用于服务器50的工作的任意的信息。例如，服务器存储部53也可以存储系统程序或应用程序等。
车载摄像机20拍摄位于第一车辆1的周围或车厢内的对象物。车载摄像机20拍摄到的图像也称为车载摄像机图像。车载摄像机图像可以包括静止图像，也可以包括运动图像。
如图3中举例示出那样，车载摄像机20可以具备前方摄像机21、侧方摄像机22、后方摄像机23以及车内摄像机24中的至少一个。前方摄像机21拍摄位于第一车辆1前方的对象物。前方摄像机21拍摄到的图像也称为前方图像。侧方摄像机22拍摄位于第一车辆1侧方的对象物。侧方摄像机22拍摄到的图像也称为侧方图像。后方摄像机23拍摄位于第一车辆1后方的对象物。后方摄像机23拍摄到的图像也称为后方图像。车内摄像机24拍摄位于第一车辆1的车厢内的对象物和位于第一车辆1后方的对象物。车内摄像机24拍摄到的图像也称为车内图像。
车载摄像机20可以将车载摄像机图像输出至本车辆内的异常检测装置10。车载摄像机20可以经由通信装置30将车载摄像机图像输出至搭载于其他第一车辆1a的异常检测装置10或实现异常检测装置10的功能的服务器50。
异常检测装置10对从车载摄像机20获取的车载摄像机图像进行解析。异常检测装置10从车载摄像机图像中检测作为监视对象的第二车辆2的图像。异常检测装置10可以从包括于车载摄像机图像的车辆的图像中检测出满足规定条件的图像来作为第二车辆2的图像。规定条件也称为监视对象判定条件。监视对象判定条件可以包括例如车辆的位置或移动、车辆的形状或颜色等外观、或者车辆的登记号码等用于判定车载摄像机图像中所包括的图像是否相当于第二车辆2的条件。监视对象判定条件可以预先设定，也可以从其他设备获取。将包括第二车辆2的图像的车载摄像机图像称为第一图像。
异常检测装置10可以从前方图像中检测从正面观察作为对向车而行驶的第二车辆2的驾驶员的图像来作为第一图像。异常检测装置10也可以从前方图像中检测从背后观察在本车辆的前方行驶的第二车辆2的驾驶员的图像来作为第一图像。异常检测装置10可以从侧方图像中检测从侧面观察在多个车道上并行的第二车辆2的驾驶员的图像来作为第一图像。异常检测装置10可以从后方图像或车内图像中检测从正面观察在本车辆的后方行驶的第二车辆2的驾驶员的图像来作为第一图像。
异常检测装置10可以基于第一图像来检测与第二车辆2的驾驶员相关的信息。与第二车辆2的驾驶员相关的信息也称为驾驶员信息。驾驶员信息可以包括与第二车辆2的驾驶员的脸部、姿势或行动相关的信息。异常检测装置10可以基于从多个视点观察第二车辆2的驾驶员的第一图像，检测驾驶员信息。
如图3中举例示出那样，第一车辆1可以具备对车载摄像机图像进行解析的图像解析部40。图像解析部40可以通过一个以上的处理器来实现。图像解析部40也可以被包括于车载摄像机20。图像解析部40可以包括从前方摄像机21获取前方图像并对前方图像进行解析的前方图像解析部41。图像解析部40可以包括从侧方摄像机22获取侧方图像并对侧方图像进行解析的侧方图像解析部42。图像解析部40可以包括从后方摄像机23获取后方图像并从车内摄像机24获取车内图像，对后方图像和车内图像中所包括的第一车辆1的后方的对象物的图像进行解析的后方图像解析部43。
图像解析部40可以从车载摄像机图像中提取包括第二车辆2或与第二车辆2不同的车辆的图像并输出该图像。图像解析部40所提取的包括第二车辆2或与第二车辆2不同的车辆的图像也称为车辆提取图像。图像解析部40可以基于监视对象判定条件，从车载摄像机图像中提取包括第二车辆2的第一图像，并将该图像作为车辆提取图像来输出。图像解析部40可以将车辆提取图像输出至本车辆内的异常检测装置10。图像解析部40也可以经由通信装置30，将车辆提取图像输出至搭载于其他第一车辆1a的异常检测装置10或实现异常检测装置10的功能的服务器50。异常检测装置10从图像解析部40获取包括第二车辆2或第二车辆2的驾驶员的图像来作为车辆提取图像，由此能省略由异常检测装置10进行的图像解析处理的一部分。其结果是，异常检测装置10的负荷减轻。
图像解析部40也可以基于车载摄像机图像来检测驾驶员信息。图像解析部40可以将驾驶员信息输出至本车辆内的异常检测装置10。图像解析部40可以经由通信装置30，将驾驶员信息输出至搭载于其他第一车辆1a的异常检测装置10或实现异常检测装置10的功能的服务器50。异常检测装置10从图像解析部40获取驾驶员信息，由此能省略由异常检测装置10进行的图像解析处理的一部分。其结果是，异常检测装置10的负荷减轻。
在车载摄像机20或图像解析部40与异常检测装置10一起搭载于第一车辆1a的情况下，可以在第一车辆1a的内部将车载摄像机图像、车辆提取图像或驾驶员信息输出至异常检测装置10。就是说，异常检测装置10可以在第一车辆1a的内部获取车载摄像机图像、车辆提取图像或驾驶员信息。另一方面，搭载于第一车辆1a的异常检测装置10也可以从与搭载有本异常检测装置的第一车辆1a不同的第一车辆1获取车载摄像机图像、车辆提取图像或驾驶员信息。
在第一车辆1具备车载摄像机20和图像解析部40的情况下，图像解析部40可以输出车载摄像机图像或车辆提取图像和驾驶员信息双方。异常检测装置10在获取到车载摄像机图像或车辆提取图像和驾驶员信息双方的情况下，可以将对车载摄像机图像或车辆提取图像进行解析而得到的驾驶员信息与从图像解析部40获取的驾驶员信息进行比较。由此，能提高驾驶员信息的解析精度。异常检测装置10在获取到车载摄像机图像或车辆提取图像和驾驶员信息双方的情况下，也可以基于车载摄像机图像或车辆提取图像，检测驾驶员信息中未由图像解析部40解析的事项。由此，能检测更详细的驾驶员信息。
第一车辆1在具备车载摄像机20和图像解析部40的情况下，可以从图像解析部40仅输出驾驶员信息。在第一车辆1仅输出驾驶员信息的情况下，从图像解析部40向异常检测装置10的通信负荷能减轻。此外，异常检测装置10中的图像解析的负荷能减轻。
第一车辆1在不具备如上所述的图像解析部40的情况下，从车载摄像机20输出车载摄像机图像。异常检测装置10通过对车载摄像机图像进行解析，能获取驾驶员信息。因第一车辆1不具备图像解析部40，构成被简化。
第一车辆1输出由车载摄像机20拍摄到的车载摄像机图像、由图像解析部40从车载摄像机图像提取的车辆提取图像以及由图像解析部40解析的驾驶员信息中的至少一个。包括车载摄像机图像、车辆提取图像以及驾驶员信息中的至少一个的信息也称为摄像机输出信息。搭载有异常检测装置10的第一车辆1a可以将摄像机输出信息在本车辆的内部输出至异常检测装置10，也可以输出至服务器50。未搭载异常检测装置10的第一车辆1b可以将摄像机输出信息输出至搭载于第一车辆1a的异常检测装置10，也可以输出至服务器50。
在摄像机输出信息包括车载摄像机图像或车辆提取图像的情况下，异常检测装置10基于车载摄像机图像或车辆提取图像来检测驾驶员信息。在摄像机输出信息包括驾驶员信息的情况下，异常检测装置10从摄像机输出信息中提取驾驶员信息。异常检测装置10基于驾驶员信息来检测第二车辆2的驾驶员的异常状态。异常检测装置10检测第二车辆2的驾驶员的异常状态的构成会在后面进行描述。
在图4和图5中，示出了表示具备异常检测装置10的异常检测系统100的更详细的构成例的框图。
如图4所示，第一车辆1可以具备异常检测装置10。具备异常检测装置10的第一车辆1a可以具备车辆信息运算部11和危险度解析部12来作为异常检测装置10。第一车辆1a还具备车载摄像机20和通信装置30。不具备异常检测装置10的第一车辆1b具备车载摄像机20和通信装置30。第一车辆1a或1b还可以具备图像解析部40。第一车辆1a或1b还可以具备危险信息提取部13。第一车辆1a或1b还可以具备车辆通知部14。
如图5所示，服务器50可以实现异常检测装置10的功能。如图2所示，服务器50具备服务器控制部51、服务器通信部52以及服务器存储部53。服务器控制部51可以实现后述的危险度解析部12的功能。服务器通信部52可以具备向第一车辆1发送数据的发送部521和从第一车辆1接收数据的接收部522。服务器存储部53可以实现后述的车辆信息数据库531的功能和危险度信息数据库532的功能。
服务器50也可以经由服务器通信部52与终端70可通信地连接。终端70可以是例如智能手机等便携终端。终端70可以由行人持有。终端70可以由第一车辆1的驾驶员或同乘者持有。终端70可以具备作为危险信息提取部13发挥功能的终端控制部72和终端通知部74。
通信装置30可以具备发送部31和接收部32。发送部31向其他第一车辆1发送数据。接收部32从其他第一车辆1接收数据。通信装置30可以具备发送用数据处理部33。发送用数据处理部33基于从车载摄像机20或图像解析部40获取的摄像机输出信息，生成能向其他第一车辆1发送的数据。发送用数据处理部33也可以作为不同于通信装置30的构成而被包括于第一车辆1。通信装置30可以具备接收数据解析部34。接收数据解析部34从接收自其他第一车辆1的数据中提取摄像机输出信息并输出该信息。接收数据解析部34也可以作为不同于通信装置30的构成而被包括于第一车辆1。
如图4所示，设为：搭载于第一车辆1a的异常检测装置10具备车辆信息运算部11和危险度解析部12。如图5所示，设为：不具备异常检测装置10的第一车辆1b作为不同于异常检测装置10的构成而具备车辆信息运算部11。
车辆信息运算部11从车载摄像机20、图像解析部40或通信装置30获取摄像机输出信息。在摄像机输出信息包括驾驶员信息的情况下，车辆信息运算部11从摄像机输出信息中提取驾驶员信息。在摄像机输出信息不包括驾驶员信息的情况下，车辆信息运算部11基于摄像机输出信息所包括的车载摄像机图像或车辆提取图像来检测驾驶员信息。
车辆信息运算部11可以检测可能成为判定第二车辆2的驾驶员的异常状态的依据的信息来作为驾驶员信息。车辆信息运算部11可以检测例如第二车辆2的驾驶员的脸部的位置或朝向、视线或眼睑的开闭状态或者表情等与驾驶员的脸部相关的信息。车辆信息运算部11可以检测第二车辆2的驾驶员的手部或头部的活动、或者第二车辆2的驾驶员手中是否持有东西等与驾驶员的行动相关的信息。在第一图像为运动图像的情况下，车辆信息运算部11可以检测与驾驶员的行动相关的信息。在第一图像包括分别拍摄于不同时刻的至少两张静止图像的情况下，车辆信息运算部11也可以基于各静止图像的比较，检测与驾驶员的行动相关的信息。车辆信息运算部11也可以检测第二车辆2的驾驶员的上身是否笔直或者第二车辆2的驾驶员的上身是否伏在方向盘上或靠在座椅上等与驾驶员的姿势相关的信息。
车辆信息运算部11也可以从摄像机输出信息中检测与第二车辆2相关的信息。与第二车辆2相关的信息也称为车辆信息。车辆信息可以包括与第二车辆2的位置相关的信息，也可以包括与第二车辆2行进的方向或速度相关的信息。车辆信息也可以通过图像解析部40来检测。
在图4中，车辆信息运算部11将驾驶员信息输出至危险度解析部12。车辆信息运算部11也可以将车辆信息输出至危险度解析部12。在图5中，车辆信息运算部11将驾驶员信息输出至通信装置30的发送部31。车辆信息运算部11也可以将车辆信息输出至通信装置30的发送部31。发送部31将驾驶员信息发送至服务器50。发送部31也可以将车辆信息发送至服务器50。服务器50通过接收部522来接收驾驶员信息，将该驾驶员信息储存于作为车辆信息数据库531发挥功能的服务器存储部53，并输出至作为危险度解析部12发挥功能的服务器控制部51。服务器50也可以通过接收部522来接收车辆信息，将该车辆信息储存于服务器存储部53，并输出至服务器控制部51。
危险度解析部12基于驾驶员信息来检测第二车辆2的驾驶员的异常状态。危险度解析部12可以对驾驶员信息进行解析，计算表示驾驶员进行危险驾驶的可能性的得分。表示驾驶员进行危险驾驶的可能性的得分也称为危险度。可以是，以驾驶员进行危险驾驶的可能性越高则危险度的值越大的方式进行计算。也可以是，以驾驶员进行危险驾驶的可能性越高则危险度的值越小的方式进行计算。或者，也可以是，以驾驶员进行危险驾驶的可能性越高则危险度的绝对值越大的方式进行计算。
在本实施方式中设为：驾驶员进行危险驾驶的可能性越高，则以越大的值来表示危险度。例如，在判定为第二车辆2的驾驶员的脸部或视线未朝向第二车辆2的行进方向的情况下，危险度解析部12可以将危险度计算为大的值。例如，在判定为第二车辆2的驾驶员手持便携终端等设备的情况下，危险度解析部12可以将危险度计算为大的值。危险度解析部12并不限定于这些例子，可以基于驾驶员信息所包括的各种信息来计算危险度。危险度解析部12可以在计算出的危险度满足规定条件的情况下，判定为第二车辆2的驾驶员的状态为异常。规定条件可以包括例如危险度为规定值以上。
在图4中，危险度解析部12将与第二车辆2的驾驶员的异常状态相关的检测结果输出至危险信息提取部13。与第二车辆2的驾驶员的异常状态相关的检测结果也称为驾驶员状态检测结果。搭载于第一车辆1a的异常检测装置10的危险度解析部12可以将驾驶员状态检测结果输出至其他第一车辆1，也可以输出至服务器50。在图5中，危险度解析部12将驾驶员状态检测结果储存于作为危险度信息数据库532发挥功能的服务器存储部53。服务器50将驾驶员状态检测结果从危险度信息数据库532经由发送部521输出至第一车辆1b的危险信息提取部13或者终端70的作为危险信息提取部13发挥功能的终端控制部72。驾驶员状态检测结果可以包括第二车辆2的驾驶员的状态是否为异常的检测结果。驾驶员状态检测结果可以包括危险度解析部12计算出的危险度。
第一车辆1的危险信息提取部13可以从驾驶员状态检测结果所包括的信息中提取能对本车辆造成影响的与第二车辆2相关的信息。能对本车辆造成影响的与第二车辆2相关的信息也称为本车危险信息。危险信息提取部13可以将提取出的本车危险信息输出至车辆通知部14。危险信息提取部13可以进一步基于车辆信息来提取本车危险信息。危险信息提取部13也可以基于第二车辆2与本车辆的位置关系来提取本车危险信息。危险信息提取部13也可以基于第二车辆2与本车辆的相对速度来提取本车危险信息。危险信息提取部13并不限定于这些例子，可以基于各种条件来提取本车危险信息，也可以基于对多个条件进行组合后的条件来提取本车危险信息。例如，在第二车辆2位于距本车辆规定距离以内的情况下，并且，在第二车辆2以规定值以上的相对速度接近本车辆的情况下，危险信息提取部13可以提取与此第二车辆2相关的信息来作为本车危险信息。
在终端70中，终端控制部72可以作为危险信息提取部13发挥功能。以下，假设终端控制部72实现危险信息提取部13的功能。终端控制部72可以从驾驶员状态检测结果所包括的信息中提取能对持有终端70的人物造成影响的与第二车辆2相关的信息。持有终端70的人物也称为终端持有者。能对终端持有者造成影响的与第二车辆2相关的信息也称为终端持有者危险信息。终端控制部72可以将提取出的终端持有者危险信息输出至终端通知部74。终端控制部72也可以基于第二车辆2与终端持有者的位置关系来提取终端持有者危险信息。终端控制部72并不限定于这些例子，可以基于各种条件来提取终端持有者危险信息，也可以基于对多个条件进行组合后的条件来提取终端持有者危险信息。
车辆通知部14和终端通知部74分别获取由危险信息提取部13提取出的本车危险信息和终端持有者危险信息。车辆通知部14向本车辆的驾驶员通知基于所获取的本车危险信息的警告。终端通知部74向终端持有者通知基于所获取的终端持有者危险信息的警告。
车辆通知部14和终端通知部74可以包括显示设备。显示设备可以显示表示通知给本车辆的驾驶员或终端持有者的信息的文字、图形或图像等。显示设备可以包括LED(LightEmission Diode：发光二极管)等发光设备。显示设备可以是例如液晶显示器(LCD：LiquidCrystal Display)。显示设备可以是有机EL(Electro-Luminescence：电致发光)显示器或无机EL显示器。显示设备可以是等离子显示器(PDP：Plasma Display Panel)。显示设备并不限定于这些显示器，也可以是其他各种类型的显示器。
在车辆通知部14向第一车辆1的驾驶员通知信息的情况下，从驾驶员分心(driverdistraction)的方面考虑，在所通知的信息的量多的情况下，可以对所通知的信息进行概括，也可以对该信息进行缩短或符号化。
车辆通知部14和终端通知部74可以包括扬声器。扬声器可以输出表示通知给本车辆的驾驶员或终端持有者的信息的声音。车辆通知部14可以包括振动设备。振动设备可以输出表示通知给本车辆的驾驶员或终端持有者的信息的振动模式(pattern)。车辆通知部14和终端通知部74并不限定于这些例子，也可以包括其他各种设备。
第一车辆1的驾驶员能因从车辆通知部14通知的警告而预先想到危险的发生。其结果是，在实际发生了危险状况的情况下，第一车辆1的驾驶员能回避此状况的概率提高。终端持有者能因从终端通知部74通知的警告而预先想到危险的发生。例如，在终端持有者为行人的情况下，终端持有者可能会被卷入由第二车辆2进入人行道或步行街等所产生的危险中。例如，在终端持有者为第一车辆1或其他车辆的搭乘者的情况下，终端持有者可能会被卷入由第二车辆2接近本车辆所产生的危险中。因终端持有者收到基于终端持有者危险信息的警告，所以在实际发生了危险状况的情况下，终端持有者能回避此状况的概率提高。
如以上说明，对于一个实施方式的异常检测装置10，无论第二车辆2是否搭载有检测驾驶员的异常状态的装置，该异常检测装置10都能检测第二车辆2的驾驶员的异常状态。由此，在第二车辆2的驾驶员的状态为异常的情况下，位于此第二车辆2的周围或位于假定此第二车辆2会进入的范围的第一车辆1的驾驶员和终端保持者能收到信息。其结果是，在因驾驶员的状态变得异常的第二车辆2引起了危险状况的情况下，此状况下的损失会减少。
异常检测装置10无论是搭载于第一车辆1a还是作为服务器控制部51的功能的一部分被实现，都可以执行包括图6中举例示出的流程图的过程的异常检测方法。异常检测方法也可以作为由处理器执行的异常检测程序而实现。
异常检测装置10从车载摄像机20或图像解析部40获取摄像机输出信息(步骤S1)。摄像机输出信息可以包括基于包括第二车辆2的第一图像的信息。
异常检测装置10从摄像机输出信息中提取驾驶员信息(步骤S2)。在摄像机输出信息包括驾驶员信息的情况下，车辆信息运算部11从摄像机输出信息中提取驾驶员信息。在摄像机输出信息不包括驾驶员信息的情况下，车辆信息运算部11基于摄像机输出信息所包括的车载摄像机图像或车辆提取图像来检测驾驶员信息。异常检测装置10也可以从摄像机输出信息中检测车辆信息。
异常检测装置10基于驾驶员信息计算驾驶员的危险度(步骤S3)。异常检测装置10也可以计算车辆的危险度。
异常检测装置10判定危险度是否为判定值以上(步骤S4)。
在危险度为判定值以上的情况下(步骤S4：是)，异常检测装置10检测出驾驶员为异常状态(步骤S5)。异常检测装置10在执行了步骤S5的过程后，执行步骤S7的过程。
在危险度不为判定值以上的情况下(步骤S4：否)，异常检测装置10检测出驾驶员为正常状态(步骤S6)。换言之，在危险度小于判定值的情况下，异常检测装置10检测出驾驶员为正常状态。异常检测装置10在执行了步骤S6的过程后，执行步骤S7的过程。
异常检测装置10使车辆通知部14或终端通知部74通知与驾驶员的异常状态相关的检测结果(步骤S7)。异常检测装置10在搭载于第一车辆1a的情况下，可以将驾驶员状态检测结果经由危险信息提取部13输出至车辆通知部14，由此，使车辆通知部14通知基于本车危险信息的警告。异常检测装置10在作为服务器50的功能被实现的情况下，可以将驾驶员状态检测结果输出至第一车辆1，由此，使车辆通知部14通知基于本车危险信息的警告。异常检测装置10在作为服务器50的功能被实现的情况下，可以将驾驶员状态检测结果输出至终端70，由此，使终端通知部74通知基于终端持有者危险信息的警告。异常检测装置10在执行了步骤S7的过程后，结束图6的流程图所示的过程的执行。
异常检测装置10也可以省略作为步骤S3和步骤S4的过程而示出的计算危险度的过程。在该情况下，异常检测装置10也可以不计算危险度，而是基于驾驶员信息来检测驾驶员是否为异常状态。
如以上说明，根据一个实施方式的异常检测方法，无论第二车辆2是否搭载有检测驾驶员的异常状态的装置，都能检测第二车辆2的驾驶员的状态是否异常。
异常检测装置10可以检测第二车辆2的驾驶员的行动来作为驾驶员信息。异常检测装置10也可以基于第二车辆2的驾驶员的脸部的朝向来检测第二车辆2的驾驶员的行动。例如，在第二车辆2的驾驶员的脸部相对于第二车辆2的行进方向朝左或朝右的情况下，异常检测装置10可以检测出第二车辆2的驾驶员正在溜号驾驶。例如，在第二车辆2的驾驶员的脸部朝下的情况下，异常检测装置10也可以检测出第二车辆2的驾驶员正在打瞌睡或者第二车辆2的驾驶员因疾病等而失去意识。
异常检测装置10也可以基于位于第二车辆2的驾驶员的脸部周围的物品，检测第二车辆2的驾驶员的行动。例如，在第二车辆2的驾驶员的脸部周围存在便携式电话或智能手机等设备的情况下，异常检测装置10也可以检测出第二车辆2的驾驶员正在被设备分散注意力。
异常检测装置10也可以检测第二车辆2的驾驶员的视线或表情来作为驾驶员信息。异常检测装置10也可以基于第二车辆2的驾驶员的视线来检测第二车辆2的驾驶员的异常状态。例如，在第二车辆2的驾驶员的视线不固定的情况下，异常检测装置10可以检测出第二车辆2的驾驶员的状态为异常状态。例如，异常检测装置10也可以基于第二车辆2的驾驶员的表情来检测第二车辆2的驾驶员的异常状态。异常检测装置10可以基于表情来判定第二车辆2的驾驶员是否抱有愤怒、焦虑或烦躁等对驾驶造成不良影响的情绪。异常检测装置10可以基于与第二车辆2的驾驶员的情绪相关的判定结果，检测第二车辆2的驾驶员的状态是否为异常状态。
异常检测装置10也可以检测第二车辆2的驾驶员的姿势来作为驾驶员信息。在第二车辆2的驾驶员的姿势向前后左右中的任一方向倾斜的情况下，异常检测装置10可以检测出第二车辆2的驾驶员的状态为异常状态。
异常检测装置10也可以基于从至少两张第一图像中提取出的驾驶员信息来检测第二车辆2的驾驶员的异常状态。异常检测装置10也可以基于从分别获取自至少两台第一车辆1的第一图像中提取出的驾驶员信息来检测第二车辆2的驾驶员的异常状态。基于从多个第一图像中提取出的驾驶员信息来检测第二车辆2的驾驶员的异常状态，由此，不易发生驾驶员的异常状态的误检测。其结果是，驾驶员的异常状态的检测精度提高。
异常检测装置10也可以基于从在至少两个不同时刻分别拍摄到的第一图像中提取出的驾驶员信息来检测第二车辆2的驾驶员的异常状态。由此，能随时间经过地检测第二车辆2的驾驶员的异常状态。其结果是，驾驶员的异常状态的检测精度提高。例如，异常检测装置10可以检测第二车辆2的驾驶员的状态是暂时地被判定为异常状态还是持续地被判定为异常状态。在第二车辆2的驾驶员的状态持续规定时间以上地被判定为异常状态的情况下，异常检测装置10可以提高此驾驶员的危险度。在第二车辆2的驾驶员的状态被判定为异常状态的次数达到规定次数以上的情况下，异常检测装置10可以提高此驾驶员的危险度。
异常检测系统100能基于可移动的第一车辆1的车载摄像机图像来监视第二车辆2的驾驶员。由此，不易看丢移动的第二车辆2。
基于各附图以及实施例对本公开内容的实施方式进行了说明，但需要注意本领域技术人员容易基于本公开内容进行各种变形和修改。因此，需要留意这些变形和修改包括在本公开内容的范围内。例如，各单元或各步骤等所包括的功能等能以在逻辑上不矛盾的方式进行再配置，能将多个单元或步骤等组合为一个或进行分割。

Claims (9)

1.一种异常检测装置，获取由第一车辆的车载摄像机对不同于所述第一车辆的第二车辆进行拍摄而得到的第一图像，基于所述第一图像中所包括的所述第二车辆的驾驶员的图像，检测所述第二车辆的驾驶员的异常状态。
2.根据权利要求1所述的异常检测装置，其中，
基于所述第二车辆的驾驶员的图像，计算所述第二车辆的危险度。
3.根据权利要求2所述的异常检测装置，其中，
输出所述第二车辆的危险度。
4.根据权利要求1至3中任一项所述的异常检测装置，其中，
基于从至少两台所述第一车辆获取的所述第一图像，检测所述第二车辆的驾驶员的异常状态。
5.根据权利要求1至4中任一项所述的异常检测装置，其中，
基于在至少两个时刻拍摄到的所述第一图像，检测所述第二车辆的驾驶员的异常状态。
6.根据权利要求1至5中任一项所述的异常检测装置，其中，
基于与所述第二车辆的驾驶员的脸部、姿势以及行动中的至少一个相关的信息，检测所述第二车辆的驾驶员的异常状态。
7.根据权利要求1至6中任一项所述的异常检测装置，其中，
所述车载摄像机包括前方摄像机、侧方摄像机、后方摄像机以及车内摄像机中的至少一个摄像机。
8.一种异常检测系统，具备第一车辆和异常检测装置，所述异常检测装置获取由所述第一车辆的车载摄像机对不同于所述第一车辆的第二车辆进行拍摄而得到的第一图像，基于所述第一图像中所包括的所述第二车辆的驾驶员的图像，检测所述第二车辆的驾驶员的异常状态。
9.一种记录介质，记录有异常检测程序，所述异常检测程序使处理器执行：
获取由第一车辆的车载摄像机对不同于所述第一车辆的第二车辆进行拍摄而得到的第一图像的步骤；以及
基于所述第一图像中所包括的所述第二车辆的驾驶员的图像，检测所述第二车辆的驾驶员的异常状态的步骤。
CN201911173820.XA 2018-12-10 2019-11-26 异常检测装置、异常检测系统以及记录介质 Pending CN111292509A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018231198A JP7234614B2 (ja) 2018-12-10 2018-12-10 異常検出装置、異常検出システム及び異常検出プログラム
JP2018-231198 2018-12-10

Publications (1)

Publication Number Publication Date
CN111292509A true CN111292509A (zh) 2020-06-16

Family

ID=70971935

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911173820.XA Pending CN111292509A (zh) 2018-12-10 2019-11-26 异常检测装置、异常检测系统以及记录介质

Country Status (3)

Country Link
US (1) US11232313B2 (zh)
JP (1) JP7234614B2 (zh)
CN (1) CN111292509A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022206727A1 (zh) * 2021-04-01 2022-10-06 华为技术有限公司 一种驾驶提醒方法及装置

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7232094B2 (ja) * 2019-03-25 2023-03-02 株式会社Subaru 車両の制御装置、車両の制御方法及びプログラム

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103714660A (zh) * 2013-12-26 2014-04-09 苏州清研微视电子科技有限公司 基于图像处理融合心率特征与表情特征实现疲劳驾驶判别的系统
CN104704541A (zh) * 2012-10-04 2015-06-10 三菱电机株式会社 车载信息处理装置
US20150353014A1 (en) * 2012-10-25 2015-12-10 Po Yiu Pauline Li Devices, systems and methods for identifying potentially dangerous oncoming cars
CN106415693A (zh) * 2014-03-28 2017-02-15 株式会社电装 车辆用认知通知装置、车辆用认知通知系统
CN106710306A (zh) * 2016-12-09 2017-05-24 深圳市元征科技股份有限公司 车辆驾驶行为监控方法及装置
CN107408338A (zh) * 2015-03-26 2017-11-28 三菱电机株式会社 驾驶员辅助系统
CN107833312A (zh) * 2017-01-25 2018-03-23 问众智能信息科技（北京）有限公司 基于多模态信息的驾驶危险系数评估方法和装置
JP2018092554A (ja) * 2016-12-02 2018-06-14 システム東京株式会社 事故発生予測装置
CN108725448A (zh) * 2018-03-30 2018-11-02 东风商用车有限公司 一种基于驾驶员状态监控的主动控车方法和系统
CN108961678A (zh) * 2018-04-26 2018-12-07 华慧视科技（天津）有限公司 一种基于人脸检测驾驶员疲劳检测系统及其检测方法

Family Cites Families (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101159847B1 (ko) * 2005-01-20 2012-06-25 삼성전자주식회사 졸음운전 감지용 얼굴 검출 정규화 장치 및 방법
JP4815943B2 (ja) * 2005-08-19 2011-11-16 株式会社デンソー 危険箇所情報表示装置
JP4980076B2 (ja) * 2007-01-11 2012-07-18 富士重工業株式会社 車両の運転支援装置
JP4492702B2 (ja) * 2008-01-11 2010-06-30 トヨタ自動車株式会社 異常検出装置
US20110273527A1 (en) * 2010-05-06 2011-11-10 Tzu-Chuan Liu Electronic Infrared Wide-Angle and Safety-Promotion External Vehicular Back Mirror
JP2012128561A (ja) * 2010-12-14 2012-07-05 Toshiba Corp 異常車両検出装置
KR101405679B1 (ko) * 2011-10-11 2014-06-13 현대자동차주식회사 차량 위치 정보 기반 비정상 운전 판정 및 경보 시스템
US9351019B2 (en) * 2012-12-27 2016-05-24 Automotive Research & Testing Center System for detecting vehicle driving state
US9751534B2 (en) * 2013-03-15 2017-09-05 Honda Motor Co., Ltd. System and method for responding to driver state
US9505412B2 (en) * 2013-08-02 2016-11-29 Honda Motor Co., Ltd. System and method for detection and utilization of driver distraction level
CN103770733B (zh) * 2014-01-15 2017-01-11 中国人民解放军国防科学技术大学 一种驾驶员安全驾驶状态检测方法及装置
JP2016045714A (ja) * 2014-08-22 2016-04-04 株式会社デンソー 車載制御装置
CN105590410A (zh) * 2014-10-22 2016-05-18 鸿富锦精密工业(武汉)有限公司 安全驾驶监控系统及安全驾驶监控方法
US9472098B2 (en) * 2015-01-15 2016-10-18 International Business Machines Corporation Vehicle-based abnormal travel event detecting and reporting
JP6488922B2 (ja) * 2015-07-06 2019-03-27 株式会社デンソー 運転者異常検出装置
KR101832189B1 (ko) * 2015-07-29 2018-02-26 야마하하쓰도키 가부시키가이샤 이상화상 검출장치, 이상화상 검출장치를 구비한 화상 처리 시스템 및 화상 처리 시스템을 탑재한 차량
MX2018003613A (es) * 2015-09-30 2018-04-30 Sony Corp Dispositivo de control, metodo de control y programa.
JP2017074867A (ja) * 2015-10-15 2017-04-20 株式会社デンソー 異常判定装置
JP2017084157A (ja) * 2015-10-29 2017-05-18 三菱電機株式会社 警報装置
US9925987B1 (en) * 2015-12-11 2018-03-27 Lytx, Inc. Driving abnormality detection
JP6563798B2 (ja) * 2015-12-17 2019-08-21 大学共同利用機関法人自然科学研究機構 視覚認知支援システムおよび視認対象物の検出システム
US10460600B2 (en) * 2016-01-11 2019-10-29 NetraDyne, Inc. Driver behavior monitoring
JP6775135B2 (ja) * 2016-05-20 2020-10-28 マツダ株式会社 ドライバ状態検出装置
JP6971020B2 (ja) * 2016-11-14 2021-11-24 株式会社日立製作所 異常検出装置および異常検出方法
US10152642B2 (en) * 2016-12-16 2018-12-11 Automotive Research & Testing Center Method for detecting driving behavior and system using the same
WO2018164684A1 (en) * 2017-03-08 2018-09-13 Visa International Service Association System and method for fraud risk analysis in iot
US11117515B2 (en) * 2017-05-19 2021-09-14 Yazaki Corporation Monitoring system
CN108010373B (zh) * 2017-09-15 2019-04-09 路特迩科技(杭州)有限公司 基于泊位状态信息的泊位服务与管理系统及方法
CN110866427A (zh) * 2018-08-28 2020-03-06 杭州海康威视数字技术股份有限公司 一种车辆行为检测方法及装置
KR102677702B1 (ko) * 2018-09-11 2024-06-25 현대자동차주식회사 차량 및 그 제어방법

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104704541A (zh) * 2012-10-04 2015-06-10 三菱电机株式会社 车载信息处理装置
US20150353014A1 (en) * 2012-10-25 2015-12-10 Po Yiu Pauline Li Devices, systems and methods for identifying potentially dangerous oncoming cars
CN103714660A (zh) * 2013-12-26 2014-04-09 苏州清研微视电子科技有限公司 基于图像处理融合心率特征与表情特征实现疲劳驾驶判别的系统
CN106415693A (zh) * 2014-03-28 2017-02-15 株式会社电装 车辆用认知通知装置、车辆用认知通知系统
CN107408338A (zh) * 2015-03-26 2017-11-28 三菱电机株式会社 驾驶员辅助系统
JP2018092554A (ja) * 2016-12-02 2018-06-14 システム東京株式会社 事故発生予測装置
CN106710306A (zh) * 2016-12-09 2017-05-24 深圳市元征科技股份有限公司 车辆驾驶行为监控方法及装置
CN107833312A (zh) * 2017-01-25 2018-03-23 问众智能信息科技（北京）有限公司 基于多模态信息的驾驶危险系数评估方法和装置
CN108725448A (zh) * 2018-03-30 2018-11-02 东风商用车有限公司 一种基于驾驶员状态监控的主动控车方法和系统
CN108961678A (zh) * 2018-04-26 2018-12-07 华慧视科技（天津）有限公司 一种基于人脸检测驾驶员疲劳检测系统及其检测方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022206727A1 (zh) * 2021-04-01 2022-10-06 华为技术有限公司 一种驾驶提醒方法及装置

Also Published As

Publication number Publication date
US11232313B2 (en) 2022-01-25
US20200184243A1 (en) 2020-06-11
JP7234614B2 (ja) 2023-03-08
JP2020095356A (ja) 2020-06-18

Similar Documents

Publication Publication Date Title
KR102205240B1 (ko) 예상치 못한 임펄스 변화 충돌 검출기
US20210197849A1 (en) Warning device and driving tendency analysis method
US11468574B2 (en) Image processing apparatus and image processing method
CN107380164A (zh) 基于计算机视觉的驾驶员辅助系统和支持系统
CN106043308A (zh) 用于对汽车驾驶员进行专注性识别的方法和设备
CN102203837A (zh) 车辆周围监测装置
CN107054218A (zh) 标识信息显示装置和方法
US10652387B2 (en) Information display method and display control device
CN111052735B (zh) 图像处理装置、图像处理方法以及图像显示系统
CN108725454B (zh) 安全驾驶辅助系统及其控制方法
US10366541B2 (en) Vehicle backup safety mapping
CN111292509A (zh) 异常检测装置、异常检测系统以及记录介质
JP6922169B2 (ja) 情報処理装置および方法、車両、並びに情報処理システム
CN115131749A (zh) 图像处理装置、图像处理方法以及计算机可读取存储介质
CN113875223B (zh) 外部环境识别装置
WO2021085371A1 (ja) 運転支援装置、運転支援方法、及び運転支援プログラム
JP7333702B2 (ja) 車両の危険状況判別装置、車両の危険状況判別方法、及びプログラム
JP2018013838A (ja) 運転支援装置
JP2007249324A (ja) 車両周辺監視システム、車両、車両周辺監視プログラム、および車両周辺システムの構成方法
WO2014090957A1 (en) Method for switching a camera system to a supporting mode, camera system and motor vehicle
JP2007249324A5 (zh)
JP2020071594A (ja) 履歴蓄積装置、及び履歴蓄積プログラム
JP2019205032A (ja) 車載用故障検出装置、及び故障検出方法
US20230326214A1 (en) Device, vehicle, and method for monitoring abnormal situation using vehicle
JP2023166227A (ja) 情報処理装置、情報処理システム、情報処理方法、及び情報処理プログラム

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200616