CN111401217A - 一种驾驶员的注意力检测方法、装置及设备 - Google Patents

一种驾驶员的注意力检测方法、装置及设备 Download PDF

Info

Publication number
CN111401217A
CN111401217A CN202010169709.XA CN202010169709A CN111401217A CN 111401217 A CN111401217 A CN 111401217A CN 202010169709 A CN202010169709 A CN 202010169709A CN 111401217 A CN111401217 A CN 111401217A
Authority
CN
China
Prior art keywords
driver
coordinate data
sight line
probability
line change
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
Application number
CN202010169709.XA
Other languages
English (en)
Other versions
CN111401217B (zh
Inventor
王夏鸣
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.)
Volkswagen Mobvoi Beijing Information Technology Co Ltd
Original Assignee
Volkswagen Mobvoi Beijing Information Technology Co Ltd
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 Volkswagen Mobvoi Beijing Information Technology Co Ltd filed Critical Volkswagen Mobvoi Beijing Information Technology Co Ltd
Priority to CN202010169709.XA priority Critical patent/CN111401217B/zh
Publication of CN111401217A publication Critical patent/CN111401217A/zh
Application granted granted Critical
Publication of CN111401217B publication Critical patent/CN111401217B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明实施例公开了一种驾驶员的注意力检测方法、装置及设备。其中，注意力检测方法，包括：按照设定周期获取与驾驶员的视线方向匹配的坐标数据，并将各坐标数据按照时间顺序构成坐标序列；根据当前获取的目标坐标数据，和坐标序列中与目标坐标数据相邻的设定数量的坐标数据，计算驾驶员的视线变化轨迹距离和视线变化范围半径；根据驾驶员在多次历史驾驶过程中形成的历史坐标序列，计算视线变化轨迹距离和视线变化范围半径在正常驾驶过程中的出现概率；根据出现概率，确定驾驶员的注意力状态。本发明实施例的技术方案通过获取驾驶员的视线活动状态，识别驾驶员是否处于注意力涣散的状态，提高了驾驶安全性。

Description

一种驾驶员的注意力检测方法、装置及设备
技术领域
本发明实施例涉及计算机技术，尤其涉及一种驾驶员的注意力检测方法、装置及设备。
背景技术
目前，驾驶员在驾驶机动车时，疲劳驾驶是导致交通事故发生的主要因素之一，为了能够在驾驶员处于疲劳驾驶状态时，对驾驶员进行及时提醒，避免交通事故的发生，检测驾驶员是否处于疲劳驾驶状态显得尤为重要。
现有技术中，也出现了诸多疲劳检测的产品，但基本原理都是通过摄像头采集驾驶员的驾驶动作，通过判断驾驶员是否在驾驶过程中闭眼，来确定驾驶员是否处于疲劳驾驶状态，这虽然一定程度上能够起到检测疲劳驾驶的作用，但是疲劳驾驶的表现形式不只是在驾驶过程中闭眼这一种，还有一种情况目前市场上没有产品或者公开方案予以关注和解决，这种情况在实际的驾驶过程中比疲劳驾驶出现的场景更多，也更频繁，同样带来较大的驾驶安全隐患，这就是驾驶员注意力涣散，或者通俗的说，驾驶员在“发呆”。
驾驶员长时间驾驶车辆后，往往会出现无法集中注意力的情况，也就是说驾驶员一边开车，一边心中还在思考其他问题，或者根本就没有思考任何其他问题，但此时驾驶员用于驾驶操作的脑力部分已经很小，无法快速正确的应对突发状况，而且全程眼睛仍然看起来是紧盯路面的，这让现有的疲劳检测系统无法发挥作用。
发明内容
本发明实施例提供一种驾驶员的注意力检测方法、装置及设备，通过获取驾驶员的视线活动状态，识别驾驶员是否处于注意力涣散的状态，提高驾驶安全性。
第一方面，本发明实施例提供了一种驾驶员的注意力检测方法，所述方法包括：
按照设定周期获取与驾驶员的视线方向匹配的坐标数据，并将各所述坐标数据按照时间顺序构成坐标序列；
根据当前获取的目标坐标数据，和所述坐标序列中与所述目标坐标数据相邻的设定数量的坐标数据，计算驾驶员的视线变化轨迹距离和视线变化范围半径；
根据所述驾驶员在多次历史驾驶过程中形成的历史坐标序列，计算所述视线变化轨迹距离和所述视线变化范围半径在正常驾驶过程中的出现概率；
根据所述出现概率，确定所述驾驶员的注意力状态。
第二方面，本发明实施例还提供了一种驾驶员的注意力检测装置，所述装置包括：
坐标数据获取模块，用于按照设定周期获取与驾驶员的视线方向匹配的坐标数据，并将各所述坐标数据按照时间顺序构成坐标序列；
视线变化计算模块，用于根据当前获取的目标坐标数据，和所述坐标序列中与所述目标坐标数据相邻的设定数量的坐标数据，计算驾驶员的视线变化轨迹距离和视线变化范围半径；
概率计算模块，用于根据所述驾驶员在多次历史驾驶过程中形成的历史坐标序列，计算所述视线变化轨迹距离和所述视线变化范围半径在正常驾驶过程中的出现概率；
注意力状态确定模块，用于根据所述出现概率，确定所述驾驶员的注意力状态。
第三方面，本发明实施例还提供了一种电子设备，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例提供的驾驶员的注意力检测方法。
第四方面，本发明实施例还提供了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本发明任意实施例提供的驾驶员的注意力检测方法。
本发明实施例的技术方案，通过将与驾驶员的视线方向匹配的坐标数据按照时间顺序构成坐标序列，并根据坐标序列中的多个坐标数据计算驾驶员的视线变化轨迹距离和视线变化范围半径，最终根据驾驶员在多次历史驾驶过程中形成的历史坐标序列，计算视线变化轨迹距离和视线变化范围半径在正常驾驶过程中的出现概率，从而确定驾驶员的注意力状态，解决了现有的疲劳检测系统无法检测驾驶员注意力涣散状态的问题，实现了通过采集驾驶员的视线活动状态，识别驾驶员是否处于注意力涣散的状态，提高了驾驶安全性。
附图说明
图1是本发明实施例一中的一种驾驶员的注意力检测方法的流程图；
图2是本发明实施例二中的一种驾驶员的注意力检测方法的流程图；
图3是本发明实施例三中的一种驾驶员的注意力检测装置示意图；
图4是本发明实施例四提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一中的一种驾驶员的注意力检测方法的流程图，本实施例的技术方案适用于通过驾驶员的视线活动状态识别驾驶员是否处于注意力涣散的状态的情况，该方法可以由驾驶员的注意力检测装置执行，该装置可以由软件和/或硬件来实现，并可以集成在各种通用计算机设备中，具体包括如下步骤：
步骤110、按照设定周期获取与驾驶员的视线方向匹配的坐标数据，并将各坐标数据按照时间顺序构成坐标序列。
其中，坐标数据的格式为(α，β，γ)，其中，α，β和γ分别表示驾驶员视线方向与坐标系X轴，Y轴和Z轴的夹角，坐标数据位于以驾驶员眉心为原点，以车辆正前方为X轴，以车辆横向为Y轴，以重力反方向为Z轴的坐标系中。
本实施例中，按照设定周期获取与驾驶员的视线方向对应的坐标数据，然后将这些数据按照获取时间的先后顺序进行排序，构成坐标序列。示例性的，每隔1秒获取一次与驾驶员的视线方向对应的坐标数据进行缓存，并将这些坐标数据按照时间先后顺序排列构成坐标序列，同时，每隔10000秒将缓存的全部坐标数据存入与当前驾驶员对应的档案数据库中。
可选的，按照设定周期获取与驾驶员的视线方向匹配的坐标数据，包括：
接收驾驶员监控系统DMS按照设定周期发送的，与所述驾驶员的视线方向匹配的坐标数据。
本可选的实施例中，提供了一种获取与驾驶员的视线方向匹配的坐标数据的方式，具体的，设置DMS(Driver Monitor System，驾驶员监控系统)对驾驶员进行人脸识别，确定驾驶员身份，按照设定周期获取表示驾驶员视线方向的坐标数据，然后DMS将获取到坐标数据依次发送至控制终端，控制终端接收坐标数据，并构成按照时间先后顺序排序的坐标序列，以进行后续的驾驶员注意力状态的分析和判断。
示例性的，DMS首先对驾驶员进行人脸识别，确定驾驶员身份，然后每隔1秒通过摄像头获取一次驾驶员的视线方向的坐标数据，并将其发送至控制终端，控制终端对接收到的坐标数据进行缓存，然后在到达设定时长，例如，10000秒后，将接收到的全部坐标数据存储至与当前驾驶员身份对应的档案数据库中，以构建针对当前驾驶员的存储坐标数据的数据库。
步骤120、根据当前获取的目标坐标数据，和坐标序列中与目标坐标数据相邻的设定数量的坐标数据，计算驾驶员的视线变化轨迹距离和视线变化范围半径。
本实施例中，为了计算驾驶员在一定时间内的视线变化情况，在获取当前的目标坐标数据后，取坐标序列中与目标坐标数据相邻的设定数量的坐标数据，根据目标坐标数据和设定数量的相邻坐标数据，来计算驾驶员的视线变化情况，具体的，计算驾驶员的视线变化轨迹距离和视线变化范围半径来表征驾驶员的视线变化情况。
示例性的，为了计算驾驶员在一定时间内的视线变化情况，在某一时刻tn，获取到与驾驶员当前视线方向匹配的坐标数据Rn(αn,βn,γn)时，取坐标序列中与当前目标坐标数据相邻的N个坐标数据和目标坐标数据来计算视线变化情况，即根据Rn-N+1(αn-N+1,βn-N+1,γn-N+1),Rn-N+2(αn-N+2,βn-N+2,γn-N+2)…Rn(αn,βn,γn)来计算驾驶员的视线变化轨迹距离和视线变化范围半径，用以后续判断驾驶员的注意力状态。
可选的，根据当前获取的目标坐标数据，和所述坐标序列中与所述目标坐标数据相邻的设定数量的坐标数据，计算驾驶员的视线变化轨迹距离和视线变化范围半径，包括：
根据当前获取的目标坐标数据，和所述坐标序列中与所述目标坐标数据相邻的设定数量的坐标数据，构成坐标子序列；
在所述坐标子序列中，分别根据两两相邻的坐标数据计算至少一个部分向量；
计算各部分向量的模的平方和，并计算所述平方和的平方根，作为视线变化轨迹距离；
确定所述目标坐标数据和所述坐标子序列中第一个坐标数据构成的总向量；
计算所述总向量的模，作为视线变化范围半径。
本可选的实施例中，提供了一种计算驾驶员的视线变化轨迹距离和视线变化范围半径的方式，具体的，首先在当前获取到目标坐标数据时，取坐标序列中与目标坐标数据相邻的设定数量的坐标数据，构成坐标子序列，在坐标子序列中取两两相邻的坐标数据计算多个部分向量，求取多个部分向量的模，对多个模求取平方和的平方根，作为视线变化轨迹距离，进一步的，计算坐标子序列中第一个坐标数据和目标坐标数据构成的总向量，求取总向量的模作为视线变化范围半径。
示例性的，在获取到目标坐标数据R9时，取坐标序列中与目标坐标数据相邻的3个坐标数据和目标坐标数据构成坐标子序列，也就是说取坐标序列中与R9相邻的3个坐标数据，即R8，R7和R6，与目标坐标数据R9共同构成坐标子序列R6,R7,R8,R9，然后在坐标子序列中取两两相邻的坐标数据对构成多个部分向量，即构成部分向量
Figure BDA0002408753150000071
并求取多个部分向量的模，对多个模求取平方和的平方根，作为视线变化轨迹距离M9，即
Figure BDA0002408753150000072
进一步的，计算坐标子序列中第一个坐标数据和目标坐标数据构成的总向量，求取总向量的模作为视线变化范围半径N9，即
Figure BDA0002408753150000073
步骤130、根据驾驶员在多次历史驾驶过程中形成的历史坐标序列，计算视线变化轨迹距离和视线变化范围半径在正常驾驶过程中的出现概率。
本实施例中，为了根据视线变化轨迹距离和视线变化范围半径，判断驾驶员的注意力状态，可以根据驾驶员在多次历史驾驶过程中形成的历史坐标序列按照步骤120中的计算方法，求取多个视线变化轨迹距离和视线变化范围半径，并对这些数值进行概率统计，得到驾驶员在正常驾驶情况下出现各数值的概率，并根据概率统计结果，确定当前计算的视线变化轨迹距离和视线变化范围半径在正常驾驶过程中的出现概率。
示例性的，根据驾驶员在多次历史驾驶过程中形成的历史坐标序列，求取多个视线变化轨迹距离和视线变化范围半径，并对这些数值进行概率统计，得到驾驶员在正常驾驶情况下出现各数值的概率，并拟合出概率分布函数，以根据概率分布函数，计算当前获取的视线变化轨迹距离和视线变化范围半径在正常驾驶过程中的出现概率。
步骤140、根据出现概率，确定驾驶员的注意力状态。
本实施例中，根据视线变化轨迹距离和视线变化范围半径在正常驾驶过程中的出现概率，确定驾驶员的注意力状态。示例性的，设置一个概率阈值，例如，5％，当计算得到的视线变化轨迹距离和视线变化范围半径在正常驾驶过程中的出现概率均小于该阈值时，确定驾驶员处于注意力涣散状态。
本发明实施例的技术方案，通过将与驾驶员的视线方向匹配的坐标数据按照时间顺序构成坐标序列，并根据坐标序列中的多个坐标数据计算驾驶员的视线变化轨迹距离和视线变化范围半径，最终根据驾驶员在多次历史驾驶过程中形成的历史坐标序列，计算视线变化轨迹距离和视线变化范围半径在正常驾驶过程中的出现概率，从而确定驾驶员的注意力状态，解决了现有的疲劳检测系统无法检测驾驶员注意力涣散状态的问题，实现了通过采集驾驶员的视线活动状态，识别驾驶员是否处于注意力涣散的状态，提高了驾驶安全性。
实施例二
图2为本发明实施例二中的一种驾驶员的注意力检测方法的流程图，本实施例在上述实施例的基础上进一步细化，提供了根据所述驾驶员在多次历史驾驶过程中形成的历史坐标序列，计算所述视线变化轨迹距离和所述视线变化范围半径在正常驾驶过程中的出现概率的具体步骤。下面结合图2对本发明实施例二提供的一种驾驶员的注意力检测方法进行说明，包括以下步骤：
步骤210、按照设定周期获取与驾驶员的视线方向匹配的坐标数据，并将各坐标数据按照时间顺序构成坐标序列。
步骤220、根据当前获取的目标坐标数据，和坐标序列中与目标坐标数据相邻的设定数量的坐标数据，计算驾驶员的视线变化轨迹距离和视线变化范围半径。
步骤230、根据至少一个概率分布函数，计算视线变化轨迹距离和视线变化范围半径在正常驾驶过程中的出现概率；
其中，至少一个概率分布函数由驾驶员在多次历史驾驶过程中形成的历史坐标序列计算得到。
其中，概率分布函数是根据驾驶员在多次历史驾驶过程中形成的历史坐标序列计算驾驶员的视线变化轨迹距离和视线变化范围半径，并对其进行概率统计得到的，能够根据驾驶员的视线变化轨迹距离和视线变化范围半径，求取上述视线变化轨迹距离和视线变化范围半径在正常驾驶过程中出现的概率。
本实施例中，根据至少一个概率分布函数，计算当前获取的视线变化轨迹距离和视线变化范围半径在正常驾驶过程中的出现概率，具体的，可以将当前获取的视线变化轨迹距离和视线变化范围半径代入至各自对应的概率分布函数，求取在正常驾驶状态上述视线变化轨迹距离和视线变化范围半径出现的概率。
可选的，所述概率分布函数包括第一概率分布函数和第二概率分布函数；
在按照设定周期获取与驾驶员的视线方向匹配的坐标数据，并将各所述坐标数据按照时间顺序构成坐标序列之前，还包括：
在所述驾驶员多次历史驾驶过程中，获取与所述驾驶员的视线方向匹配的训练坐标数据，并将各所述训练坐标数据按照时间顺序构成所述历史坐标序列；
在所述历史坐标序列中选取多个训练坐标数据，并根据各所述训练坐标数据，和历史坐标序列中与各所述训练坐标数据相邻的设定数量的坐标数据，分别计算多个模拟视线变化轨迹距离和模拟视线变化范围半径；
对多个所述模拟视线变化轨迹距离进行概率统计，获取第一概率分布函数；
对多个所述模拟视线变化范围半径进行概率统计，获取第二概率分布函数；
其中，所述第一概率分布函数的自变量是视线变化轨迹距离，因变量是所述视线变化轨迹距离在正常驾驶中的出现概率；所述第二概率分布函数的自变量是视线变化范围半径，因变量是所述视线变化范围半径在正常驾驶中的出现概率，也就是说第一概率分布函数和第二概率分布函数分别用于根据视线变化轨迹距离和视线变化范围半径，计算视线变化轨迹距离和视线变化范围半径在正常驾驶中的出现概率。
本可选的实施例中，概率分布函数包括第一概率分布函数和第二概率分布函数，分别与视线变化轨迹距离和视线变化范围半径相对应。
本可选的实施例中，还提供了一种获取概率分布函数的具体方式，首先在驾驶员多次历史驾驶过程中，获取与驾驶员视线方向匹配的多个训练坐标数据，并将训练坐标数据按照时间先后顺序排列，构成历史坐标序列，然后在历史坐标序列中选取多个训练坐标数据，并根据各训练坐标数据，和历史坐标序列中与各训练坐标数据相邻的设定数量的坐标数据，分别计算多个模拟视线变化轨迹距离和模拟视线变化范围半径，最终对多个模拟视线变化轨迹距离进行概率统计，并根据统计结果拟合出与视线变化轨迹距离对应的第一概率分布函数，同时对多个模拟视线变化范围半径进行概率统计，并根据统计结果拟合出与视线变化范围半径对应的第二概率分布函数，其中，计算多个模拟视线变化轨迹距离和模拟视线变化范围半径方式与实施例一中计算驾驶员的视线变化轨迹距离和视线变化范围半径的方式相同，在此不再赘述。
其中，第一概率分布函数的自变量是视线变化轨迹距离，因变量是视线变化轨迹距离在正常驾驶中的出现概率；第二概率分布函数的自变量是视线变化范围半径，因变量是视线变化范围半径在正常驾驶中的出现概率。
可选的，根据至少一个概率分布函数，计算所述视线变化轨迹距离和视线变化范围半径在正常驾驶过程中的出现概率，包括：
根据所述视线变化轨迹距离和所述第一概率分布函数，计算与所述视线变化轨迹距离对应的第一概率值；
根据所述视线变化范围半径和所述第二概率分布函数，计算与所述视线变化范围半径对应的第二概率值。
本可选的实施例中，提供了一种根据至少一个概率分布函数，计算视线变化轨迹距离和视线变化范围半径在正常驾驶过程中的出现概率的方式，具体的，可以将当前计算的视线变化轨迹距离值代入第一概率分布函数，即可计算出与当前视线变化轨迹距离对应的第一概率值，同理，可以将当前计算的视线变化范围半径代入第二概率分布函数，即可计算出与当前视线变化范围半径对应的第二概率值，以便于后续根据上述两个概率值确定驾驶员的注意力状态。
步骤240、根据出现概率，确定驾驶员的注意力状态。
可选的，根据所述出现概率，确定驾驶员的注意力状态，包括：
如果所述第一概率值和所述第二概率值均小于预先设定的概率阈值，则确定所述驾驶员处于注意力涣散状态。
本可选的实施例中，提供了一种根据出现概率，确定驾驶员的注意力状态的方式，具体的，分别将与视线变化轨迹距离对应的第一概率值和与视线变化范围半径对应的第二概率值与预先设定的概率阈值比较，若二者均小于概率阈值，则确定驾驶员处于注意力涣散状态。示例性的，概率阈值为5％。
可选的，在确定所述驾驶员处于注意力涣散状态之后，还包括：
播放语音提示信息，以提示所述驾驶员进行状态调整。
本可选的实施例中，提供了一种在确定驾驶员处于注意力涣散状态后的具体方式，可以直接播放语音提示信息，提醒驾驶员调整状态，或者可以向DMS发送状态提示信息，以指示DMS向用户发起提示信息。
本发明实施例的技术方案，通过将与驾驶员的视线方向匹配的坐标数据按照时间顺序构成坐标序列，并根据坐标序列中的多个坐标数据计算驾驶员的视线变化轨迹距离和视线变化范围半径，最终根据对驾驶员在多次历史驾驶过程中的历史坐标序列训练得到的概率分布函数，计算视线变化轨迹距离和视线变化范围半径在正常驾驶过程中的出现概率，当概率小于设定阈值时，确定驾驶员处于注意力涣散状态，解决了现有的疲劳检测系统无法检测驾驶员注意力涣散状态的问题，实现了通过采集驾驶员的视线活动状态，识别驾驶员是否处于注意力涣散的状态，提高了驾驶安全性。
实施例三
图3为本发明实施例三提供的一种驾驶员的注意力检测装置的结构示意图，该驾驶员的注意力检测装置，包括：坐标数据获取模块310、视线变化计算模块320、概率计算模块330和注意力状态确定模块340。
坐标数据获取模块310，用于按照设定周期获取与驾驶员的视线方向匹配的坐标数据，并将各所述坐标数据按照时间顺序构成坐标序列；
视线变化计算模块320，用于根据当前获取的目标坐标数据，和所述坐标序列中与所述目标坐标数据相邻的设定数量的坐标数据，计算驾驶员的视线变化轨迹距离和视线变化范围半径；
概率计算模块330，用于根据所述驾驶员在多次历史驾驶过程中形成的历史坐标序列，计算所述视线变化轨迹距离和所述视线变化范围半径在正常驾驶过程中的出现概率；
注意力状态确定模块340，用于根据所述出现概率，确定所述驾驶员的注意力状态。
本发明实施例的技术方案，通过将与驾驶员的视线方向匹配的坐标数据按照时间顺序构成坐标序列，并根据坐标序列中的多个坐标数据计算驾驶员的视线变化轨迹距离和视线变化范围半径，最终根据驾驶员在多次历史驾驶过程中形成的历史坐标序列，计算视线变化轨迹距离和视线变化范围半径在正常驾驶过程中的出现概率，从而确定驾驶员的注意力状态，解决了现有的疲劳检测系统无法检测驾驶员注意力涣散状态的问题，实现了通过采集驾驶员的视线活动状态，识别驾驶员是否处于注意力涣散的状态，提高了驾驶安全性。
可选的，所述坐标数据获取模块310，包括：
坐标数据获取单元，用于接收驾驶员监控系统DMS按照设定周期发送的，与所述驾驶员的视线方向匹配的坐标数据。
可选的，所述概率计算模块330，包括：
概率计算单元，用于根据至少一个概率分布函数，计算所述视线变化轨迹距离和所述视线变化范围半径在正常驾驶过程中的出现概率；
其中，所述至少一个概率分布函数由所述驾驶员在多次历史驾驶过程中形成的历史坐标序列计算得到。
可选的，所述视线变化计算模块320，包括：
坐标子序列生成单元，用于根据当前获取的目标坐标数据，和所述坐标序列中与所述目标坐标数据相邻的设定数量的坐标数据，构成坐标子序列；
部分向量计算单元，用于在所述坐标子序列中，分别根据两两相邻的坐标数据计算至少一个部分向量；
视线变化轨迹距离计算单元，用于计算各部分向量的模的平方和，并计算所述平方和的平方根，作为视线变化轨迹距离；
总向量计算单元，用于确定所述目标坐标数据和所述坐标子序列中第一个坐标数据构成的总向量；
视线变化范围半径单元，用于计算所述总向量的模，作为视线变化范围半径。
可选的，所述概率分布函数包括第一概率分布函数和第二概率分布函数；
可选的，所述驾驶员的注意力检测装置，还包括：
历史坐标序列生成模块，用于在按照设定周期获取与驾驶员的视线方向匹配的坐标数据，并将各所述坐标数据按照时间顺序构成坐标序列之前，在所述驾驶员多次历史驾驶过程中，获取与所述驾驶员的视线方向匹配的训练坐标数据，并将各所述训练坐标数据按照时间顺序构成所述历史坐标序列；
模拟视线变化计算模块，用于在所述历史坐标序列中选取多个训练坐标数据，并根据各所述训练坐标数据，和历史坐标序列中与各所述训练坐标数据相邻的设定数量的坐标数据，分别计算多个模拟视线变化轨迹距离和模拟视线变化范围半径；
第一概率分布函数获取模块，用于对多个所述模拟视线变化轨迹距离进行概率统计，获取第一概率分布函数；
第二概率分布函数获取模块，用于对多个所述模拟视线变化范围半径进行概率统计，获取第二概率分布函数；
其中，所述第一概率分布函数的自变量是视线变化轨迹距离，因变量是所述视线变化轨迹距离在正常驾驶中的出现概率；所述第二概率分布函数的自变量是视线变化范围半径，因变量是所述视线变化范围半径在正常驾驶中的出现概率。
可选的，所述概率计算单元，包括：
第一概率值计算子单元，用于根据所述视线变化轨迹距离和所述第一概率分布函数，计算与所述视线变化轨迹距离对应的第一概率值；
第二概率值计算子单元，用于根据所述视线变化范围半径和所述第二概率分布函数，计算与所述视线变化范围半径对应的第二概率值。
可选的，所述注意力状态确定模块340，用于：
注意力状态确定单元，用于如果所述第一概率值和所述第二概率值均小于预先设定的概率阈值，则确定所述驾驶员处于注意力涣散状态。
可选的，所述注意力状态确定模块340，还包括：
提示信息播放单元，用于在确定所述驾驶员处于注意力涣散状态之后，播放语音提示信息，以提示所述驾驶员进行状态调整。
本发明实施例所提供的驾驶员的注意力检测装置可执行本发明任意实施例所提供的驾驶员的注意力检测方法，具备执行方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的一种电子设备的结构示意图，如图4所示，该电子设备包括处理器40和存储器41；设备中处理器40的数量可以是一个或多个，图4中以一个处理器40为例；设备中的处理器40和存储器41可以通过总线或其它方式连接，图4中以通过总线连接为例。
存储器41作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的一种驾驶员的注意力检测方法对应的程序指令/模块(例如，驾驶员的注意力检测装置中的坐标数据获取模块310、视线变化计算模块320、概率计算模块330和注意力状态确定模块340)。处理器40通过运行存储在存储器41中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的驾驶员的注意力检测方法。
该方法包括：
按照设定周期获取与驾驶员的视线方向匹配的坐标数据，并将各所述坐标数据按照时间顺序构成坐标序列；
根据当前获取的目标坐标数据，和所述坐标序列中与所述目标坐标数据相邻的设定数量的坐标数据，计算驾驶员的视线变化轨迹距离和视线变化范围半径；
根据所述驾驶员在多次历史驾驶过程中形成的历史坐标序列，计算所述视线变化轨迹距离和所述视线变化范围半径在正常驾驶过程中的出现概率；
根据所述出现概率，确定所述驾驶员的注意力状态。
存储器41可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器41可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其它非易失性固态存储器件。在一些实例中，存储器41可进一步包括相对于处理器40远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实施例五
本发明实施例五还提供一种其上存储有计算机程序的计算机可读存储介质，所述计算机程序在由计算机处理器执行时用于执行一种驾驶员的注意力检测方法，该方法包括：
按照设定周期获取与驾驶员的视线方向匹配的坐标数据，并将各所述坐标数据按照时间顺序构成坐标序列；
根据当前获取的目标坐标数据，和所述坐标序列中与所述目标坐标数据相邻的设定数量的坐标数据，计算驾驶员的视线变化轨迹距离和视线变化范围半径；
根据所述驾驶员在多次历史驾驶过程中形成的历史坐标序列，计算所述视线变化轨迹距离和所述视线变化范围半径在正常驾驶过程中的出现概率；
根据所述出现概率，确定所述驾驶员的注意力状态。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述一种驾驶员的注意力检测装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其它等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (17)

1.一种驾驶员的注意力检测方法，其特征在于，包括：
按照设定周期获取与驾驶员的视线方向匹配的坐标数据，并将各所述坐标数据按照时间顺序构成坐标序列；
根据当前获取的目标坐标数据，和所述坐标序列中与所述目标坐标数据相邻的设定数量的坐标数据，计算驾驶员的视线变化轨迹距离和视线变化范围半径；
根据所述驾驶员在多次历史驾驶过程中形成的历史坐标序列，计算所述视线变化轨迹距离和所述视线变化范围半径在正常驾驶过程中的出现概率；
根据所述出现概率，确定所述驾驶员的注意力状态。
2.根据权利要求1所述的方法，其特征在于，按照设定周期获取与驾驶员的视线方向匹配的坐标数据，包括：
接收驾驶员监控系统DMS按照设定周期发送的，与所述驾驶员的视线方向匹配的坐标数据。
3.根据权利要求1所述的方法，其特征在于，根据所述驾驶员在多次历史驾驶过程中形成的历史坐标序列，计算所述视线变化轨迹距离和所述视线变化范围半径在正常驾驶过程中的出现概率，包括：
根据至少一个概率分布函数，计算所述视线变化轨迹距离和所述视线变化范围半径在正常驾驶过程中的出现概率；
其中，所述至少一个概率分布函数由所述驾驶员在多次历史驾驶过程中形成的历史坐标序列计算得到。
4.根据权利要求1所述的方法，其特征在于，根据当前获取的目标坐标数据，和所述坐标序列中与所述目标坐标数据相邻的设定数量的坐标数据，计算驾驶员的视线变化轨迹距离和视线变化范围半径，包括：
根据当前获取的目标坐标数据，和所述坐标序列中与所述目标坐标数据相邻的设定数量的坐标数据，构成坐标子序列；
在所述坐标子序列中，分别根据两两相邻的坐标数据计算至少一个部分向量；
计算各部分向量的模的平方和，并计算所述平方和的平方根，作为视线变化轨迹距离；
确定所述目标坐标数据和所述坐标子序列中第一个坐标数据构成的总向量；
计算所述总向量的模，作为视线变化范围半径。
5.根据权利要求3所述的方法，其特征在于，所述概率分布函数包括第一概率分布函数和第二概率分布函数；
在按照设定周期获取与驾驶员的视线方向匹配的坐标数据，并将各所述坐标数据按照时间顺序构成坐标序列之前，还包括：
在所述驾驶员多次历史驾驶过程中，获取与所述驾驶员的视线方向匹配的训练坐标数据，并将各所述训练坐标数据按照时间顺序构成所述历史坐标序列；
在所述历史坐标序列中选取多个训练坐标数据，并根据各所述训练坐标数据，和历史坐标序列中与各所述训练坐标数据相邻的设定数量的坐标数据，分别计算多个模拟视线变化轨迹距离和模拟线变化范围半径；
对多个所述模拟视线变化轨迹距离进行概率统计，获取第一概率分布函数；
对多个所述模拟视线变化范围半径进行概率统计，获取第二概率分布函数；
其中，所述第一概率分布函数的自变量是视线变化轨迹距离，因变量是所述视线变化轨迹距离在正常驾驶中的出现概率；所述第二概率分布函数的自变量是视线变化范围半径，因变量是所述视线变化范围半径在正常驾驶中的出现概率。
6.根据权利要求5所述的方法，其特征在于，根据至少一个概率分布函数，计算所述视线变化轨迹距离和视线变化范围半径在正常驾驶过程中的出现概率，包括：
根据所述视线变化轨迹距离和所述第一概率分布函数，计算与所述视线变化轨迹距离对应的第一概率值；
根据所述视线变化范围半径和所述第二概率分布函数，计算与所述视线变化范围半径对应的第二概率值。
7.根据权利要求6所述的方法，其特征在于，根据所述出现概率，确定驾驶员的注意力状态，包括：
如果所述第一概率值和所述第二概率值均小于预先设定的概率阈值，则确定所述驾驶员处于注意力涣散状态。
8.根据权利要求7所述的方法，其特征在于，在确定所述驾驶员处于注意力涣散状态之后，还包括：
播放语音提示信息，以提示所述驾驶员进行状态调整。
9.一种驾驶员的注意力检测装置，其特征在于，包括：
坐标数据获取模块，用于按照设定周期获取与驾驶员的视线方向匹配的坐标数据，并将各所述坐标数据按照时间顺序构成坐标序列；
视线变化计算模块，用于根据当前获取的目标坐标数据，和所述坐标序列中与所述目标坐标数据相邻的设定数量的坐标数据，计算驾驶员的视线变化轨迹距离和视线变化范围半径；
概率计算模块，用于根据所述驾驶员在多次历史驾驶过程中形成的历史坐标序列，计算所述视线变化轨迹距离和所述视线变化范围半径在正常驾驶过程中的出现概率；
注意力状态确定模块，用于根据所述出现概率，确定所述驾驶员的注意力状态。
10.根据权利要求9所述的装置，其特征在于，所述坐标数据获取模块，包括：
坐标数据获取单元，用于接收驾驶员监控系统DMS按照设定周期发送的，与所述驾驶员的视线方向匹配的坐标数据。
11.根据权利要求9所述的装置，其特征在于，所述概率计算模块，包括：
概率计算单元，用于根据至少一个概率分布函数，计算所述视线变化轨迹距离和所述视线变化范围半径在正常驾驶过程中的出现概率；
其中，所述至少一个概率分布函数由所述驾驶员在多次历史驾驶过程中形成的历史坐标序列计算得到。
12.根据权利要求9所述的装置，其特征在于，所述视线变化计算模块，包括：
坐标子序列生成单元，用于根据当前获取的目标坐标数据，和所述坐标序列中与所述目标坐标数据相邻的设定数量的坐标数据，构成坐标子序列；
部分向量计算单元，用于在所述坐标子序列中，分别根据两两相邻的坐标数据计算至少一个部分向量；
视线变化轨迹距离计算单元，用于计算各部分向量的模的平方和，并计算所述平方和的平方根，作为视线变化轨迹距离；
总向量计算单元，用于确定所述目标坐标数据和所述坐标子序列中第一个坐标数据构成的总向量；
视线变化范围半径单元，用于计算所述总向量的模，作为视线变化范围半径。
13.根据权利要求11所述的装置，其特征在于，所述概率分布函数包括第一概率分布函数和第二概率分布函数；
所述驾驶员的注意力检测装置，还包括：
历史坐标序列生成模块，用于在按照设定周期获取与驾驶员的视线方向匹配的坐标数据，并将各所述坐标数据按照时间顺序构成坐标序列之前，在所述驾驶员多次历史驾驶过程中，获取与所述驾驶员的视线方向匹配的训练坐标数据，并将各所述训练坐标数据按照时间顺序构成所述历史坐标序列；
模拟视线变化计算模块，用于在所述历史坐标序列中选取多个训练坐标数据，并根据各所述训练坐标数据，和历史坐标序列中与各所述训练坐标数据相邻的设定数量的坐标数据，分别计算多个模拟视线变化轨迹距离和模拟视线变化范围半径；
第一概率分布函数获取模块，用于对多个所述模拟视线变化轨迹距离进行概率统计，获取第一概率分布函数；
第二概率分布函数获取模块，用于对多个所述模拟视线变化范围半径进行概率统计，获取第二概率分布函数；
其中，所述第一概率分布函数的自变量是视线变化轨迹距离，因变量是所述视线变化轨迹距离在正常驾驶中的出现概率；所述第二概率分布函数的自变量是视线变化范围半径，因变量是所述视线变化范围半径在正常驾驶中的出现概率。
14.根据权利要求13所述的装置，其特征在于，所述概率计算单元，包括：
第一概率值计算子单元，用于根据所述视线变化轨迹距离和所述第一概率分布函数，计算与所述视线变化轨迹距离对应的第一概率值；
第二概率值计算子单元，用于根据所述视线变化范围半径和所述第二概率分布函数，计算与所述视线变化范围半径对应的第二概率值。
15.根据权利要求14所述的装置，其特征在于，所述注意力状态确定模块，用于：
注意力状态确定单元，用于如果所述第一概率值和所述第二概率值均小于预先设定的概率阈值，则确定所述驾驶员处于注意力涣散状态。
16.根据权利要求15所述的装置，其特征在于，所述注意力状态确定模块，还包括：
提示信息播放单元，用于在确定所述驾驶员处于注意力涣散状态之后，播放语音提示信息，以提示所述驾驶员进行状态调整。
17.一种电子设备，其特征在于，所述设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的驾驶员的注意力检测方法。
CN202010169709.XA 2020-03-12 2020-03-12 一种驾驶员的注意力检测方法、装置及设备 Active CN111401217B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010169709.XA CN111401217B (zh) 2020-03-12 2020-03-12 一种驾驶员的注意力检测方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010169709.XA CN111401217B (zh) 2020-03-12 2020-03-12 一种驾驶员的注意力检测方法、装置及设备

Publications (2)

Publication Number Publication Date
CN111401217A true CN111401217A (zh) 2020-07-10
CN111401217B CN111401217B (zh) 2023-07-11

Family

ID=71428639

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010169709.XA Active CN111401217B (zh) 2020-03-12 2020-03-12 一种驾驶员的注意力检测方法、装置及设备

Country Status (1)

Country Link
CN (1) CN111401217B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112450933A (zh) * 2020-11-10 2021-03-09 东北电力大学 一种基于人体多类特征的驾驶疲劳监测方法
CN113569733A (zh) * 2021-07-28 2021-10-29 温州大学大数据与信息技术研究院 一种基于驾驶员眼动扫视的城市环境下安全驾驶推荐方法
CN117237576A (zh) * 2023-11-15 2023-12-15 太一云境技术有限公司 一种元宇宙ktv服务方法及系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101540090A (zh) * 2009-04-14 2009-09-23 华南理工大学 基于多元信息融合的驾驶员疲劳监测装置及其监测方法
DE102010049087A1 (de) * 2010-10-21 2012-04-26 Gm Global Technology Operations Llc (N.D.Ges.D. Staates Delaware) Verfahren zum Beurteilen der Fahreraufmerksamkeit
CN103680246A (zh) * 2013-12-17 2014-03-26 西南交通大学 基于视觉注意分配的驾驶安全性考核测评系统
CN105358358A (zh) * 2013-07-05 2016-02-24 罗伯特·博世有限公司 用于求取车辆驾驶员的注意力程度的方法
CN105809152A (zh) * 2016-04-06 2016-07-27 清华大学 一种基于多源信息融合的驾驶员认知分心监测方法
JP2017100562A (ja) * 2015-12-02 2017-06-08 株式会社デンソーアイティーラボラトリ 運転制御装置、運転制御方法及びプログラム
CN109087480A (zh) * 2018-09-30 2018-12-25 惠州市名商实业有限公司 车载安全事件追溯的方法及系统
CN109326085A (zh) * 2018-11-08 2019-02-12 上海掌门科技有限公司 一种用于在车辆设备上进行疲劳驾驶检测的方法与设备
CN109472253A (zh) * 2018-12-28 2019-03-15 华人运通控股有限公司 行车安全智能提醒方法、装置、智能方向盘和智能手环
CN109740491A (zh) * 2018-12-27 2019-05-10 北京旷视科技有限公司 一种人眼视线识别方法、装置、系统及存储介质
CN109774598A (zh) * 2017-11-15 2019-05-21 欧姆龙株式会社 分心判定装置、分心判定方法以及记录介质

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101540090A (zh) * 2009-04-14 2009-09-23 华南理工大学 基于多元信息融合的驾驶员疲劳监测装置及其监测方法
DE102010049087A1 (de) * 2010-10-21 2012-04-26 Gm Global Technology Operations Llc (N.D.Ges.D. Staates Delaware) Verfahren zum Beurteilen der Fahreraufmerksamkeit
CN105358358A (zh) * 2013-07-05 2016-02-24 罗伯特·博世有限公司 用于求取车辆驾驶员的注意力程度的方法
CN103680246A (zh) * 2013-12-17 2014-03-26 西南交通大学 基于视觉注意分配的驾驶安全性考核测评系统
JP2017100562A (ja) * 2015-12-02 2017-06-08 株式会社デンソーアイティーラボラトリ 運転制御装置、運転制御方法及びプログラム
CN105809152A (zh) * 2016-04-06 2016-07-27 清华大学 一种基于多源信息融合的驾驶员认知分心监测方法
CN109774598A (zh) * 2017-11-15 2019-05-21 欧姆龙株式会社 分心判定装置、分心判定方法以及记录介质
CN109087480A (zh) * 2018-09-30 2018-12-25 惠州市名商实业有限公司 车载安全事件追溯的方法及系统
CN109326085A (zh) * 2018-11-08 2019-02-12 上海掌门科技有限公司 一种用于在车辆设备上进行疲劳驾驶检测的方法与设备
CN109740491A (zh) * 2018-12-27 2019-05-10 北京旷视科技有限公司 一种人眼视线识别方法、装置、系统及存储介质
CN109472253A (zh) * 2018-12-28 2019-03-15 华人运通控股有限公司 行车安全智能提醒方法、装置、智能方向盘和智能手环

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
WU S等: "Drivers’ attention distribution characteristics in cutting-in process on freeway", 《INTERNATIONAL JOURNAL OF SCIENCE》 *
XU, J等: "Real-time eye tracking for the assessment of driver fatigue", 《HEALTHC. TECHNOL. LETTERS》 *
宋殿明: "视线离开前方视野过程中驾驶人行为研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
李辉等: "驾驶员注意力分配定量方法研究", 《中国安全科学学报》 *
许璐: "基于眼睛检测与视线估计的驾驶员疲劳检测", 《中国优秀硕士学位论文全文数据库信息科技辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112450933A (zh) * 2020-11-10 2021-03-09 东北电力大学 一种基于人体多类特征的驾驶疲劳监测方法
CN113569733A (zh) * 2021-07-28 2021-10-29 温州大学大数据与信息技术研究院 一种基于驾驶员眼动扫视的城市环境下安全驾驶推荐方法
CN117237576A (zh) * 2023-11-15 2023-12-15 太一云境技术有限公司 一种元宇宙ktv服务方法及系统

Also Published As

Publication number Publication date
CN111401217B (zh) 2023-07-11

Similar Documents

Publication Publication Date Title
CN111401217A (zh) 一种驾驶员的注意力检测方法、装置及设备
Deng et al. Where does the driver look? Top-down-based saliency detection in a traffic driving environment
US9959780B2 (en) Real-time driver observation and progress monitoring
CN110765807B (zh) 驾驶行为分析、处理方法、装置、设备和存储介质
CN109413023B (zh) 机器识别模型的训练及机器识别方法、装置、电子设备
Zhang et al. Driver cognitive workload estimation: A data-driven perspective
CN109766755B (zh) 人脸识别方法及相关产品
CN106534967A (zh) 视频剪辑方法及装置
CN108009914A (zh) 一种信用风险评估方法、系统、设备及计算机存储介质
CN111414813A (zh) 一种危险驾驶行为的识别方法、装置、设备及存储介质
CN110103816B (zh) 一种驾驶状态检测方法
CN104463201A (zh) 一种识别驾驶状态、驾驶人的方法及装置
CN109933193A (zh) 基于运动员眼动信息实时捕捉的智能辅助训练系统
CN115205764B (zh) 基于机器视觉的在线学习专注度监测方法、系统及介质
CN111666818A (zh) 一种驾驶员异常姿态检测方法
CN115393830A (zh) 一种基于深度学习与面部特征的疲劳驾驶检测方法
CN112669187B (zh) 身份识别方法、装置、电子设备及相关产品
CN112163760A (zh) 学生学习专注度检测方法和系统
CN117523537A (zh) 一种车辆驾驶危险程度动态判断方法
CN116843196A (zh) 一种应用于军事训练的智能训练方法及系统
CN112215093A (zh) 一种车辆驾驶能力水平的评价方法及装置
CN110301892B (zh) 一种基于静脉识别的检测方法及相关产品
CN112652174B (zh) 基于人脸验证的停车服务控制方法和系统
CN117141473B (zh) 一种车辆的智能避障方法及装置
CN107390164A (zh) 一种水下分布式多源目标的连续跟踪方法

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