CN112006702A - 一种安全监控方法及其系统 - Google Patents
一种安全监控方法及其系统 Download PDFInfo
- Publication number
- CN112006702A CN112006702A CN202010923481.9A CN202010923481A CN112006702A CN 112006702 A CN112006702 A CN 112006702A CN 202010923481 A CN202010923481 A CN 202010923481A CN 112006702 A CN112006702 A CN 112006702A
- Authority
- CN
- China
- Prior art keywords
- data
- result
- unit
- road condition
- analyzing
- 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
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/163—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state by tracking eye movement, gaze, or pupil change
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/168—Evaluating attention deficit, hyperactivity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/18—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state for vehicle drivers or machine operators
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- 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
Abstract
本申请公开了一种安全监控方法及其系统,其中,安全监控方法,包括如下步骤:设置初始驾驶路线;根据初始驾驶路线驾驶,并实时获取驾驶数据,其中,驾驶数据至少包括:路况数据和人体数据;对驾驶数据进行分析,获得路况结果;根据路况结果生成指令并执行,其中,指令为:继续采集指令或警报指令。本申请具有在驾驶过程中对驾驶员进行实时监控,并在发现异常时,及时向驾驶员发出安全警报以避免发生严重事故的技术效果。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种安全监控方法及其系统。
背景技术
随着人们生活水平的提高,私人交通工具作为提供出行方便的消费品被越来越多的人所拥有。随着私人交通工具数量的急剧增加,道路交通事故的发生率也逐渐增高,而驾驶员疲劳驾驶和突发疾病是导致道路交通事故的一个重要原因。因此,科学有效的安全监控对保护人民的生命财产具有重大意义。现有的驾驶系统主要是通过对疲劳驾驶的人员进行警告以避免驾驶员疲劳驾驶。但对于驾驶员的体质状态没有科学的安全监控。
发明内容
本申请的目的在于提供一种安全监控方法及其系统,具有在驾驶过程中对驾驶员进行实时监控,并在发现异常时,及时向驾驶员发出安全警报以避免发生严重事故的技术效果。
为达到上述目的,本申请提供一种安全监控方法,包括如下步骤:设置初始驾驶路线;根据初始驾驶路线驾驶,并实时获取驾驶数据,其中,驾驶数据至少包括:路况数据和人体数据;对驾驶数据进行分析,获得路况结果;根据路况结果生成指令并执行,其中,指令为:继续采集指令或警报指令。
如上的,其中,对驾驶数据进行分析,生成路况结果的子步骤如下:对驾驶数据中的人体数据进行分析,生成体征结果;根据体征结果对路况数据进行分析,生成路况结果。
如上的,其中,对驾驶数据中的人体数据进行分析,生成体征结果的子步骤如下:对驾驶数据中的血压数据和心率数据进行分析,生成量值结果;对驾驶数据中的图像数据进行分析,生成图像结果;根据量值结果和图像结果中的一个或多个生成体征结果。
如上的,其中,对驾驶数据中的血压数据和心率数据进行分析,生成量值结果的子步骤如下:读取数据存储装置中的心率表,对心率数据进行分析,生成心率结果,其中,心率结果包括:状况和异常原因;读取数据存储装置中的血压表,对血压数据进行分析,生成血压结果,其中,血压结果包括:状况和异常原因;根据心率结果和血压结果生成量值结果。
如上的,其中,对驾驶数据中的图像数据进行分析,生成图像结果的子步骤如下:对图像数据进行识别,并获取指定特征点;利用指定特征点对图像数据中的脸部进行处理,获得待判断脸部;对待判断脸部进行分析,生成图像结果。
如上的,其中,利用指定特征点对图像数据中的脸部进行处理,获得待判断脸部的子步骤如下:利用指定特征点根据预先设置的目标特征点对图像数据中的脸部进行归一化处理,获得消旋脸部;对消旋脸部进行姿态处理,获得待判断脸部;其中,目标特征点MBn的表达式为:MBn( );其中,xn为目标特征点MBn的X坐标点的平均值,yn为目标特征点MBn的Y坐标点的平均值;xnw为第n个基础特征点沿X轴的坐标值;ynw为第n个基础特征点沿Y轴的坐标值;n为基础特征点的序号;m为脸部样本的总个数;w为自然数,w∈[1,m]。
本申请还提供一种安全监控系统,包括:数据获取装置、数据处理装置、警报装置和数据存储装置;其中,数据获取装置:用于获取驾驶数据,并将驾驶数据发送至数据处理装置;用于接收并执行继续采集指令;数据处理装置:用于接收驾驶数据并对驾驶数据进行分析处理,生产路况结果,并根据路况结果生成指令,其中,指令为:继续采集指令或警报指令;警报装置:用于接收警报指令,并根据警报指令进行安全警报;数据存储装置:用于存储体征数据库;用于存储历史警报信息。
如上的,其中,数据获取装置至少包括:数据收发单元、定位单元和图像采集单元;其中,数据收发单元:用于设置起点和终点,并将设置的起点和终点发送至定位单元;定位单元:用于根据起点和终点设置初始驾驶路线;用于获取路况数据,并将路况数据发送至数据处理装置;图像采集单元:用于获取图像数据,并将图像数据发送至数据处理单元。
如上的,其中,数据处理装置至少包括:量值处理单元、图像处理单元、体征分析单元、路况分析单元和指令单元;其中,量值处理单元:用于读取数据存储装置的体征数据库,对心率数据和血压数据进行分析,生成量值结果,若量值结果为有异常,则将该量值结果发送至体征分析单元,若量值结果为无异常,则将该量值结果发送至图像处理单元;图像处理单元:用于接收量值结果,并对图像数据进行分析,生成图像结果,并将图像结果发送至体征分析单元;体征分析单元:用于接收并根据量值结果和图像结果中的一个或多个生成体征结果,并将体征结果发送至路况分析单元;路况分析单元:用于根据体征结果对路况数据进行分析,生成路况结果,并将路况结果发送至指令单元;指令单元:用于接收路况结果,并根据路况结果生成指令,其中,指令为继续采集指令或警报指令。
如上的,其中,体征数据库至少包括:血压表和心率表。
本申请具有在驾驶过程中对驾驶员进行实时监控,并在发现异常时,及时向驾驶员发出安全警报以避免发生严重事故的技术效果。
附图说明
为了更清楚地说明本申请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申请中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为安全监控系统一种实施例的结构示意图;
图2为安全监控方法一种实施例的流程图;
图3为指定特征点一种实施例的示意图。
具体实施方式
下面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。
如图1所示,本申请提供一种安全监控系统,包括:数据获取装置110、数据处理装置120、警报装置130和数据存储装置140。
其中,数据获取装置110:用于获取驾驶数据,并将驾驶数据发送至数据处理装置;用于接收并执行继续采集指令。
数据处理装置120:用于接收驾驶数据并对驾驶数据进行分析处理,生产路况结果,并根据路况结果生成指令,其中,指令为:继续采集指令或警报指令。
警报装置130:用于接收警报指令,并根据警报指令进行安全警报。
数据存储装置140:用于存储体征数据库。进一步的,体征数据库至少包括:血压表和心率表。
进一步的,数据获取装置110至少包括:数据收发单元、定位单元和图像采集单元。
其中,数据收发单元:用于设置起点和终点,并将设置的起点和终点发送至定位单元。
定位单元:用于根据起点和终点设置初始驾驶路线;用于获取路况数据,并将路况数据发送至数据处理装置。
图像采集单元:用于获取图像数据,并将图像数据发送至数据处理单元。
进一步的,数据处理装置120至少包括:量值处理单元、图像处理单元、体征分析单元、路况分析单元和指令单元。
其中,量值处理单元:用于读取数据存储装置的体征数据库,对心率数据和血压数据进行分析,生成量值结果,若量值结果为有异常,则将该量值结果发送至体征分析单元,若量值结果为无异常,则将该量值结果发送至图像处理单元。
图像处理单元:用于接收量值结果,并对图像数据进行分析,生成图像结果,并将图像结果发送至体征分析单元。
体征分析单元:用于接收并根据量值结果和图像结果中的一个或多个生成体征结果,并将体征结果发送至路况分析单元。
路况分析单元:用于根据体征结果对路况数据进行分析,生成路况结果,并将路况结果发送至指令单元。
指令单元:用于接收路况结果,并根据路况结果生成指令,其中,指令为继续采集指令或警报指令。
如图2所示,本申请提供一种安全监控方法,包括如下步骤:
S210:设置初始驾驶路线。
具体的,驾驶员通过数据获取装置中的数据收发单元设置初始驾驶路线,完成初始驾驶路线设置后,执行S220。
作为一个实施例,当驾驶员驾驶私人交通工具(例如:轿车、房车等)时,驾驶员通过数据收发单元设置起点和终点,数据收发单元将起点和终点发送至定位单元,定位单元根据起点和终点向驾驶员推送驾驶路线,并将驾驶员选择的驾驶路线作为初始驾驶路线。
作为另一个实施例,当驾驶员驾驶公共交通(例如:公交车、大巴等)时,由于公共交通的驾驶路线为固定的,故将公共交通的第一站作为起点,将最后一站作为终点,并将公共交通的固定行驶路线作为初始驾驶路线。
进一步的,若驾驶过程中,根据实际路况需要对驾驶路线进行改变,则以当前位置作为新的起点,以原来的终点或者新设置的终点作为新的终点,并根据新的起点和新的终点获取新的驾驶路线;将新的驾驶路线作为新的初始驾驶路线。
S220:根据初始驾驶路线驾驶,并实时获取驾驶数据,其中,驾驶数据至少包括:路况数据和人体数据。
具体的,通过数据获取装置获取驾驶数据,并将驾驶数据上传至数据处理装置,执行S230。
其中,驾驶数据至少包括:路况数据和人体数据。
其中,路况数据至少包括:驾驶时间、当前驾驶位置、路段类型和路段拥挤参数。
其中,人体数据至少包括:图像数据、心率数据和血压数据等。
S230:对驾驶数据进行分析,获得路况结果。
进一步的,对驾驶数据进行分析,生成路况结果的子步骤如下:
Q1:对驾驶数据中的人体数据进行分析,生成体征结果。
进一步的,对驾驶数据中的人体数据进行分析,生成体征结果的子步骤如下:
Q110:对驾驶数据中的血压数据和心率数据进行分析,生成量值结果。
进一步的,对驾驶数据中的血压数据和心率数据进行分析,生成量值结果的子步骤如下:
W1:读取数据存储装置中的心率表,对心率数据进行分析,生成心率结果,其中,心率结果包括:状况和异常原因。
具体的,数据处理装置通过量值处理单元读取数据存储装置中的心率表,对心率数据进行分析,若心率数据的值在50-100次/分钟之间,则表示驾驶员心率正常,生成的心率结果为:状况:正常;异常原因:无。
若心率数据的值超过100次/分钟,则表示驾驶员窦性心动过速,生成的心率结果为:状况:异常;异常原因:心率过高。
若心率数据的值低于50次/分钟,则表示驾驶员可能具有病态窦房结综合征或房室传导阻滞等情况,生成的心率结果为:状况:异常;异常原因:心率过低。
具体的,一般人的心率若在40~50次/分钟之间,就会出现胸闷、乏力、头晕等症状,若心率降至35~40次/分钟则会发生血流动力学改变,使心脑器官的供血受到影响,从而出现胸部闷痛、头晕、晕厥甚至猝死。
W2:读取数据存储装置中的血压表,对血压数据进行分析,生成血压结果,其中,血压结果包括:状况和异常原因。
具体的,数据处理装置通过量值处理单元读取数据存储装置中的血压表,对血压数据进行分析,若血压数据的值为收缩压90~139mmHg、舒张压60~89mmHg、脉压30~40mmHg之间,则表示驾驶员血压正常,生成的血压结果为:状况:正常;异常原因:无。
若血压数据的值为收缩压≥140mmHg和/或舒张压≥90mmHg,则表示驾驶员血压过高,生成的血压结果为:状况:异常;异常原因:血压高。
若血压数据的值为低于90/60mmHg,则表示驾驶员血压过低,生成的血压结果为:状况:异常;异常原因:血压低。
W3:根据心率结果和血压结果生成量值结果。
具体的,量值处理单元根据心率结果和血压结果生成量值结果,其中,量值结果为:有异常或无异常。进一步的,当量值结果为有异常时,量值结果还包括异常原因。若心率结果的状况和血压结果的状况中的一个或多个为异常,则量值结果为有异常,将该量值结果发送至体征分析单元,执行Q130。若心率结果的状况和血压结果的状况均为正常,则量值结果为无异常,将该量值结果发送至图像处理单元,执行Q120。
Q120:对驾驶数据中的图像数据进行分析,生成图像结果。
进一步的,数据处理装置对驾驶数据中的图像数据进行分析,生成图像结果的子步骤如下:
E1:对图像数据进行识别,并获取指定特征点。
具体的,图像处理数据利用预设的脸部检测算法对图像数据进行识别,确定脸部;并检测脸部中的指定特征点。
其中,如图3所示,指定特征点至少包括:眼部特征点、鼻子特征点和嘴巴特征点。
作为一个实施例,眼部特征点至少包括:左眼两个眼角的特征点(例如:点1和点3);左眼上眼皮中部的特征点(例如:点2);左眼下眼中部的特征点(例如:点4);右眼两个眼角的特征点(例如:点5和点7);右眼上眼皮中部的特征点(例如:点6);右眼下眼中部的特征点(例如:点8)。
眼部特征点还包括:左眼球特征点(例如:点14)和右眼球特征点(例如:点15)。
鼻子特征点至少包括:鼻尖位置的特征点(例如:点9)。
嘴巴特征点至少包括:两个嘴角的特征点(例如:点10和点12)、上嘴唇中部特征点(例如:点11)和下嘴唇中部特征点(例如:点13)。
E2:利用指定特征点对图像数据中的脸部进行处理,获得待判断脸部。
进一步的,利用指定特征点对图像数据中的脸部进行处理,获得待判断脸部的子步骤如下:
E210:利用指定特征点根据预先设置的目标特征点对图像数据中的脸部进行归一化处理,获得消旋脸部。
具体的,图像处理单元利用指定特征点根据预先设置的目标脸部对图像数据中的脸部进行处理,利用防射变换使图像数据中的脸部与目标脸部(其中,目标脸部由目标特征点构成)对齐,即根据检测的指定特征点中与目标特征点相对应的点,将图像数据中的脸部防射到目标脸部,获得消除旋转影响的消旋脸部。
进一步的,预先对多个脸部样本进行标定,获得每个脸部样本的基础特征点,计算多个基础特征点的平均值,将该平均值作为目标特征点。其中,基础特征点包括:左右眼睛的两个眼角(例如:点1、点3、点5和点7)、鼻尖(例如:点9)和嘴巴的两个嘴角(例如:点10和点12)。
进一步的,目标特征点MBn的表达式为:
其中,xn为目标特征点MBn的X坐标点的平均值,yn为目标特征点MBn的Y坐标点的平均值;xnw为第n个基础特征点沿X轴的坐标值;ynw为第n个基础特征点沿Y轴的坐标值;n为基础特征点的序号;m为脸部样本的总个数;w为自然数,w∈[1,m]。
E220:对消旋脸部进行姿态处理,获得待判断脸部。
具体的,对消旋脸部进行姿态处理,获得待判断脸部的子步骤如下:
U1:对消旋脸部进行调整判断,生成调整判断结果。
具体的,图像处理单元获得消旋脸部后,对消旋脸部进行调整判断,生成调整判断结果,执行U2。
其中,若调整判断结果为非正脸,则表示消旋脸部还存在转换角度。若调整判断结果为正脸,则表示消旋脸部不存在转换角度。
U2:获取转换角度,根据转换角度调整消旋脸部,获得调整后脸部,并将调整后脸部作为待判断脸部。
具体的,转换角度为:俯仰角和/或偏转角。若调整判断结果为正脸,则转换角度为0,直接将消旋脸部作为调整后脸部。若调整判断结果为非正脸,则转换角度不为0,需要获取转换角度,并根据转换角度对消旋脸部进行调整,并将调整后的消旋脸部作为调整后脸部。
进一步的,以设置的鼻基点(0,0,0)作为坐标原点,鼻尖为点9(0,0,k),转换角度的表达式如下:
ZH=λ1×fy(a)+λ2×fx(b)+λ3×fy(a)×fx(b);
其中,
其中,ZH为转换角度;fy(a)为围绕Y轴的旋转矩阵;fx(b)围绕X轴的旋转矩阵;a为偏转角;b为俯仰角;k为鼻尖到鼻基点的距离;(ux,uy)为消旋脸部中的特征点;λ1、λ2和λ3为参数,当转换角度中无偏转角,有俯仰角时,λ1=0,λ2=1,λ3=0;当转换角度中有偏转角,无俯仰角时,λ1=1,λ2=0,λ3=0;当转换角度中有偏转角,有俯仰角时,λ1=0,λ2=0,λ3=1。
E3:对待判断脸部进行分析,生成图像结果。
具体的,作为一个实施例,图像处理单元对待判断脸部进行处理,提取待判断脸部的LBP特征,并将LBP特征输入至预先设置的分类器中,判断待判断脸部是否属于疲劳状态,若判断结果为疲劳状态,则生成图像结果为:状态:异常;异常原因:疲劳。若判断结果为非疲劳状态,则生成图像结果为:状态:正常;异常原因:无。将生成的图像结果发送至体征分析单元,执行Q130。
作为另一个实施例,图像处理单元对待判断脸部进行处理,分析连续L帧(连续L帧的时间等于预设凝视阀值)的待判断脸部是否具有左眼球特征点(例如:点14)和右眼球特征点(例如:点15),若分析结果为无,则表示驾驶员处于疲劳状态,生成图像结果为:状态:异常;异常原因:疲劳。若分析结果为有,则判断连续L帧(连续L帧的时间等于预设凝视阀值)的待判断脸部中的左眼上眼皮中部的特征点(例如:点2)与左眼下眼中部的特征点(例如:点4)、右眼上眼皮中部的特征点(例如:点6)与右眼下眼中部的特征点(例如:点8),以及上嘴唇中部特征点(例如:点11)和下嘴唇中部特征点(例如:点13)的距离变化,根据距离变化判断驾驶员的表情是否为打哈欠、打盹儿等犯困的状态,若是,则生成图像结果为:状态:异常;异常原因:疲劳。若否,则生成图像结果为:状态:正常;异常原因:无。将生成的图像结果发送至体征分析单元,执行Q130。
进一步的,作为另一个实施例,利用眼球追踪对眼球的运动轨迹进行追踪,若眼球的运动轨迹为凝视动作,且凝视动作的时长超过预设凝视阀值,表示驾驶员处于疲劳驾驶状态或者走神状态,则生成的图像结果为:状况:异常;异常原因:疲劳。若眼球的运动轨迹为凝视动作,但凝视动作的时长位于预设凝视阀值的范围内,表示驾驶员驾驶状况正常,则生成的图像结果为:状况:正常;异常原因:无。将生成的图像结果发送至体征分析单元,执行Q130。
Q130:根据量值结果和图像结果中的一个或多个生成体征结果。
具体的,体征分析单元接收到量值结果和/或图像结果后,根据量值结果和图像结果中的一个或多个生成体征结果,并将体征结果发送至路况分析单元,执行Q2。
若量值结果的状态和/或图像结果的状态中的一个或多个为异常,则生成的体征结果为:状态:危险;体征结果的异常原因与量值结果和/或图像结果中的异常原因相同;若量值结果的状态和/或图像结果的状态均为正常,则生成的体征结果为:状态:安全;异常原因:无。
Q2:根据体征结果对路况数据进行分析,生成路况结果。
具体的,路况分析单元接收并分析体征分析单元发送的体征结果,根据体征结果对路况数据进行分析,生成路况结果,并将路况结果发送至指令单元。
作为一个实施例,若体征结果为:状态:安全;异常原因:无,则对路况数据中的驾驶时间进行分析,若驾驶时间未超出预设的驾驶时间阀值,则生成的路况结果为:状况:安全;路况信息:无。若驾驶时间超出预设的驾驶时间阀值,则生成的路况结果为:状态:危险,路况信息:连续驾驶时间过长。其中,预设的驾驶时间阀值为:连续驾驶3.5小时。
作为另一个实施例,若体征结果为:状态:危险;危险原因同异常原因,则对当前驾驶位置、路段类型和路段拥挤参数进行分析,获取临时停靠位置和到达临时停靠位置的时间;将临时停靠位置和到达临时停靠位置的时间作为路况信息,生成的路况结果为:状态:危险;路况信息:包括临时停靠位置和到达临时停靠位置的时间。
S240:根据路况结果生成指令并执行,其中,指令为:继续采集指令或警报指令。
具体的,路况分析单元接收并根据路况结果生成指令,当路况结果为安全时,生成的指令为:继续采集指令,并将继续采集指令下发至数据获取装置,数据获取装置接收并执行继续采集指令。当路况结果为危险时,生成的指令为警报指令,其中,警报指令包括警报信息,并将警报指令下发至警报装置,警报装置根据警报信息进行安全警报。其中,警报信息包括:路况信息和异常原因。
本申请具有在驾驶过程中对驾驶员进行实时监控,并在发现异常时,及时向驾驶员发出安全警报以避免发生严重事故的技术效果。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,本申请的保护范围意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请保护范围及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种安全监控方法,其特征在于,包括如下步骤:
设置初始驾驶路线;
根据初始驾驶路线驾驶,并实时获取驾驶数据,其中,驾驶数据至少包括:路况数据和人体数据;
对驾驶数据进行分析,获得路况结果;
根据路况结果生成指令并执行,其中,指令为:继续采集指令或警报指令。
2.根据权利要求1所述的安全监控方法,其特征在于,对驾驶数据进行分析,生成路况结果的子步骤如下:
对驾驶数据中的人体数据进行分析,生成体征结果;
根据体征结果对路况数据进行分析,生成路况结果。
3.根据权利要求2所述的安全监控方法,其特征在于,对驾驶数据中的人体数据进行分析,生成体征结果的子步骤如下:
对驾驶数据中的血压数据和心率数据进行分析,生成量值结果;
对驾驶数据中的图像数据进行分析,生成图像结果;
根据量值结果和图像结果中的一个或多个生成体征结果。
4.根据权利要求3所述的安全监控方法,其特征在于,对驾驶数据中的血压数据和心率数据进行分析,生成量值结果的子步骤如下:
读取数据存储装置中的心率表,对心率数据进行分析,生成心率结果,其中,心率结果包括:状况和异常原因;
读取数据存储装置中的血压表,对血压数据进行分析,生成血压结果,其中,血压结果包括:状况和异常原因;
根据心率结果和血压结果生成量值结果。
5.根据权利要求3所述的安全监控方法,其特征在于,对驾驶数据中的图像数据进行分析,生成图像结果的子步骤如下:
对图像数据进行识别,并获取指定特征点;
利用指定特征点对图像数据中的脸部进行处理,获得待判断脸部;
对待判断脸部进行分析,生成图像结果。
7.一种安全监控系统,其特征在于,包括:数据获取装置、数据处理装置、警报装置和数据存储装置;
其中,数据获取装置:用于获取驾驶数据,并将驾驶数据发送至数据处理装置;用于接收并执行继续采集指令;
数据处理装置:用于接收驾驶数据并对驾驶数据进行分析处理,生产路况结果,并根据路况结果生成指令,其中,指令为:继续采集指令或警报指令;
警报装置:用于接收警报指令,并根据警报指令进行安全警报;
数据存储装置:用于存储体征数据库;用于存储历史警报信息。
8.根据权利要求7所述的安全监控系统,其特征在于,数据获取装置至少包括:数据收发单元、定位单元和图像采集单元;
其中,数据收发单元:用于设置起点和终点,并将设置的起点和终点发送至定位单元;
定位单元:用于根据起点和终点设置初始驾驶路线;用于获取路况数据,并将路况数据发送至数据处理装置;
图像采集单元:用于获取图像数据,并将图像数据发送至数据处理单元。
9.根据权利要求7所述的安全监控系统,其特征在于,数据处理装置至少包括:量值处理单元、图像处理单元、体征分析单元、路况分析单元和指令单元;
其中,量值处理单元:用于读取数据存储装置的体征数据库,对心率数据和血压数据进行分析,生成量值结果,若量值结果为有异常,则将该量值结果发送至体征分析单元,若量值结果为无异常,则将该量值结果发送至图像处理单元;
图像处理单元:用于接收量值结果,并对图像数据进行分析,生成图像结果,并将图像结果发送至体征分析单元;
体征分析单元:用于接收并根据量值结果和图像结果中的一个或多个生成体征结果,并将体征结果发送至路况分析单元;
路况分析单元:用于根据体征结果对路况数据进行分析,生成路况结果,并将路况结果发送至指令单元;
指令单元:用于接收路况结果,并根据路况结果生成指令,其中,指令为继续采集指令或警报指令。
10.根据权利要求7所述的安全监控系统,其特征在于,体征数据库至少包括:血压表和心率表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010923481.9A CN112006702B (zh) | 2020-09-04 | 2020-09-04 | 一种安全监控方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010923481.9A CN112006702B (zh) | 2020-09-04 | 2020-09-04 | 一种安全监控方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112006702A true CN112006702A (zh) | 2020-12-01 |
CN112006702B CN112006702B (zh) | 2021-09-24 |
Family
ID=73517150
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010923481.9A Active CN112006702B (zh) | 2020-09-04 | 2020-09-04 | 一种安全监控方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112006702B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090060290A1 (en) * | 2007-08-27 | 2009-03-05 | Sony Corporation | Face image processing apparatus, face image processing method, and computer program |
CN101722852A (zh) * | 2008-10-28 | 2010-06-09 | 深圳富泰宏精密工业有限公司 | 行车安全监控装置及方法 |
CN101843496A (zh) * | 2010-04-23 | 2010-09-29 | 北京工业大学 | 驾驶工作负荷成套检测方法 |
US20130094768A1 (en) * | 2011-10-14 | 2013-04-18 | Cywee Group Limited | Face-Tracking Method with High Accuracy |
CN204845869U (zh) * | 2015-07-26 | 2015-12-09 | 杨静 | 一种用于机动车的安全监控系统 |
CN105719431A (zh) * | 2016-03-09 | 2016-06-29 | 深圳市中天安驰有限责任公司 | 一种疲劳驾驶检测系统 |
CN106503671A (zh) * | 2016-11-03 | 2017-03-15 | 厦门中控生物识别信息技术有限公司 | 确定人脸姿态的方法和装置 |
CN106919913A (zh) * | 2017-02-21 | 2017-07-04 | 上海蔚来汽车有限公司 | 基于计算机视觉的疲劳驾驶检测方法及装置 |
US20180103888A1 (en) * | 2016-10-14 | 2018-04-19 | International Business Machines Corporation | Detecting and explaining driver confidence |
CN108099601A (zh) * | 2018-01-30 | 2018-06-01 | 成都四海万联科技有限公司 | 一种提高驾驶安全性的检测系统 |
CN108791299A (zh) * | 2018-05-16 | 2018-11-13 | 浙江零跑科技有限公司 | 一种基于视觉的驾驶疲劳检测及预警系统及方法 |
US20180356814A1 (en) * | 2016-04-25 | 2018-12-13 | General Electric Company | Remote vehicle operator assignment system |
CN109910899A (zh) * | 2019-04-01 | 2019-06-21 | 广东科学技术职业学院 | 一种安全智能驾驶方法及系统 |
CN111383422A (zh) * | 2020-06-01 | 2020-07-07 | 北京隆普智能科技有限公司 | 一种监控方法及其系统 |
-
2020
- 2020-09-04 CN CN202010923481.9A patent/CN112006702B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090060290A1 (en) * | 2007-08-27 | 2009-03-05 | Sony Corporation | Face image processing apparatus, face image processing method, and computer program |
CN101722852A (zh) * | 2008-10-28 | 2010-06-09 | 深圳富泰宏精密工业有限公司 | 行车安全监控装置及方法 |
CN101843496A (zh) * | 2010-04-23 | 2010-09-29 | 北京工业大学 | 驾驶工作负荷成套检测方法 |
US20130094768A1 (en) * | 2011-10-14 | 2013-04-18 | Cywee Group Limited | Face-Tracking Method with High Accuracy |
CN204845869U (zh) * | 2015-07-26 | 2015-12-09 | 杨静 | 一种用于机动车的安全监控系统 |
CN105719431A (zh) * | 2016-03-09 | 2016-06-29 | 深圳市中天安驰有限责任公司 | 一种疲劳驾驶检测系统 |
US20180356814A1 (en) * | 2016-04-25 | 2018-12-13 | General Electric Company | Remote vehicle operator assignment system |
US20180103888A1 (en) * | 2016-10-14 | 2018-04-19 | International Business Machines Corporation | Detecting and explaining driver confidence |
CN106503671A (zh) * | 2016-11-03 | 2017-03-15 | 厦门中控生物识别信息技术有限公司 | 确定人脸姿态的方法和装置 |
CN106919913A (zh) * | 2017-02-21 | 2017-07-04 | 上海蔚来汽车有限公司 | 基于计算机视觉的疲劳驾驶检测方法及装置 |
CN108099601A (zh) * | 2018-01-30 | 2018-06-01 | 成都四海万联科技有限公司 | 一种提高驾驶安全性的检测系统 |
CN108791299A (zh) * | 2018-05-16 | 2018-11-13 | 浙江零跑科技有限公司 | 一种基于视觉的驾驶疲劳检测及预警系统及方法 |
CN109910899A (zh) * | 2019-04-01 | 2019-06-21 | 广东科学技术职业学院 | 一种安全智能驾驶方法及系统 |
CN111383422A (zh) * | 2020-06-01 | 2020-07-07 | 北京隆普智能科技有限公司 | 一种监控方法及其系统 |
Non-Patent Citations (3)
Title |
---|
SUN E , 等: "he Drive Fatigue Pattern Monitor for Haul Truck Drivers in Surface Mining Operations", 《12TH INTERNATIONAL CONFERENCE ON FUZZY SYSTEMS AND KNOWLEDGE DISCOVERY. IEEE》 * |
崔少奇,等: "基于标准脸型的人脸3D姿态估计方法", 《计算机工程与应用》 * |
张波: "基于机器视觉的复杂工况下驾驶人疲劳状态检测方法研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112006702B (zh) | 2021-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10759437B2 (en) | System and method for responding to driver state | |
EP3158392B1 (en) | System and method for responding to driver state | |
WO2020237664A1 (zh) | 驾驶提醒方法、驾驶状态检测方法和计算设备 | |
CN109740477B (zh) | 驾驶员疲劳检测系统及其疲劳检测方法 | |
US11751784B2 (en) | Systems and methods for detecting drowsiness in a driver of a vehicle | |
CN109471439A (zh) | 车辆控制方法、装置、设备、存储介质及汽车 | |
CN110103816B (zh) | 一种驾驶状态检测方法 | |
CN107571735A (zh) | 一种机动车驾驶员状态监测系统及监测方法 | |
Fan et al. | Types, risk factors, consequences, and detection methods of train driver fatigue and distraction | |
CN110525444A (zh) | 一种针对驾驶员身体异常状况的处理方法及装置 | |
CN112006702B (zh) | 一种安全监控方法及其系统 | |
CN209962386U (zh) | 一种驾驶员疲劳监测系统 | |
Ansari et al. | Application of fully adaptive symbolic representation to driver mental fatigue detection based on body posture | |
CN111080940A (zh) | 一种基于阈值体系的疲劳驾驶预警方法及系统 | |
CN116443025A (zh) | 一种作业车辆司机疲劳驾驶干预系统 | |
CN115056785A (zh) | 一种ai识别辅助下的心理评测量表改良算法 | |
Ahir et al. | Driver inattention monitoring system: A review | |
Bang et al. | Motion sickness prediction based on dry EEG in real driving environment | |
CN113420656A (zh) | 一种疲劳驾驶检测方法、装置、电子设备及存储介质 | |
Priyanka et al. | A Review on Drowsiness Prediction System using Deep Learning Approaches | |
CN106080607A (zh) | 车辆控制方法和装置 | |
CN117227740B (zh) | 一种智能驾驶车辆的多模态感知系统及方法 | |
EP2343207B1 (en) | Assistance system against sleepiness | |
KR102597068B1 (ko) | 인공 지능을 이용하여 운전자의 주시 상태를 판단하는 차량 장치 및 그 제어 방법 | |
Xu et al. | Smart car care systems and its technology prospects with service robots function |
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 |