CN112132475A - 司机驾驶安全绩效考核方法及系统 - Google Patents
司机驾驶安全绩效考核方法及系统 Download PDFInfo
- Publication number
- CN112132475A CN112132475A CN202011037106.0A CN202011037106A CN112132475A CN 112132475 A CN112132475 A CN 112132475A CN 202011037106 A CN202011037106 A CN 202011037106A CN 112132475 A CN112132475 A CN 112132475A
- Authority
- CN
- China
- Prior art keywords
- driver
- fatigue
- performance assessment
- driving
- cloud platform
- 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
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000001514 detection method Methods 0.000 claims abstract description 67
- 230000006399 behavior Effects 0.000 claims abstract description 46
- 206010048232 Yawning Diseases 0.000 claims abstract description 15
- 241001282135 Poromitra oscitans Species 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims description 20
- 230000001960 triggered effect Effects 0.000 claims description 20
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 230000002490 cerebral effect Effects 0.000 claims description 9
- 230000007958 sleep Effects 0.000 claims description 3
- 230000000391 smoking effect Effects 0.000 abstract description 10
- 238000004458 analytical method Methods 0.000 abstract description 6
- 238000007689 inspection Methods 0.000 abstract description 6
- 230000007246 mechanism Effects 0.000 abstract description 5
- 210000003128 head Anatomy 0.000 description 6
- 230000004399 eye closure Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000004709 eyebrow Anatomy 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003183 myoelectrical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
- G06Q10/1091—Recording time for administrative or management purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/20—Workers
- A61B2503/22—Motor vehicles operators, e.g. drivers, pilots, captains
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Psychiatry (AREA)
- Primary Health Care (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Hospice & Palliative Care (AREA)
- Child & Adolescent Psychology (AREA)
- Data Mining & Analysis (AREA)
- Psychology (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
Abstract
本发明提供了一种司机驾驶安全绩效考核方法及系统，本形成一套完整的驾驶安全测评体系，包括人脸识别、驾驶员离岗检查、闭眼检测、打哈欠检测、吸烟检测、打电话检测、脑电和心电检测，并把检测结果上传到云平台，进行实时管理分析，每一项内容都对应有评分机制，司机的每次驾驶记录都保存在个人主页上，进行绩效评分，将绩效和薪资挂钩，使得司机能够重视且避免不安全驾驶行为。
Description
技术领域
本发明涉及一种司机驾驶安全绩效考核方法及系统。
背景技术
随着我国经济的发展，汽车保有量不断增加，同时汽车安全问题也已经成为全球关注的焦点和热点问题。大部分的交通事故是由于司机的不安全驾驶行为导致的，不安全驾驶行为包括疲劳驾驶、打电话、抽烟、打哈欠等等。
发明内容
本发明的目的在于提供一种司机驾驶安全绩效考核方法及系统。
为解决上述问题，本发明提供一种司机驾驶安全绩效考核方法，包括：
获取驾驶员行车过程中的不安全驾驶行为并上传到云平台进行绩效考核；
用小脑神经网络融合驾驶员的脑电检测、心电检测的信号得到疲劳数据，基于疲劳数据划分出驾驶员的疲劳等级，根据疲劳等级进行疲劳预警。
进一步的，在上述方法中，，在获取驾驶员行车过程中的不安全驾驶行为并上传到云平台进行绩效考核，包括：
通过人脸识别，以识别驾驶员身份，实现人脸比对签到签退，人脸比对阈值可设置，并将结果上传到云平台进行绩效考核。
进一步的，在上述方法中，，在获取驾驶员行车过程中的不安全驾驶行为并上传到云平台进行绩效考核，包括：
当驾驶员处于离岗状态、驾驶员面部被遮挡、摄像头被遮盖，触发系统报警，并将结果上传到云平台进行绩效考核。
进一步的，在上述方法中，，在获取驾驶员行车过程中的不安全驾驶行为并上传到云平台进行绩效考核，包括：
在行车过程中，当驾驶员出现闭眼打瞌睡的情况，触发系统报警，并将结果上传到云平台进行绩效考核。
进一步的，在上述方法中，，在获取驾驶员行车过程中的不安全驾驶行为并上传到云平台进行绩效考核，包括：
在行车过程中，当驾驶员出现打哈欠的情况，会触发系统报警，并将结果上传到云平台进行绩效考核。
进一步的，在上述方法中，，在获取驾驶员行车过程中的不安全驾驶行为并上传到云平台进行绩效考核，包括：
在行车过程中，当驾驶员出现吸烟的情况，会触发系统报警，并将结果上传到云平台进行绩效考核。
进一步的，在上述方法中，，在获取驾驶员行车过程中的不安全驾驶行为并上传到云平台进行绩效考核，包括：
当驾驶员出现打电话的情况，会触发系统报警，并将结果上传到云平台进行绩效考核。
进一步的，在上述方法中，，基于疲劳数据划分出驾驶员的疲劳等级，根据疲劳等级进行疲劳预警，包括：
按照疲劳标准，确定所述疲劳数据的疲劳类别对应的疲劳等级；
按照所述疲劳标准，对所述疲劳数据进行统计，得到对应的疲劳类别的疲劳出现次数；
按照所述疲劳数据的疲劳等级和疲劳类别的疲劳出现次数，做出疲劳预警。
进一步的，在上述方法中，，用小脑神经网络融合驾驶员的脑电检测、心电检测的信号得到疲劳数据，基于疲劳数据划分出驾驶员的疲劳等级，根据疲劳等级进行疲劳预警之后，还包括：
根据所述疲劳等级和疲劳类别的疲劳出现次数，将疲劳数据上传到云平台，对疲劳等级和疲劳类别的疲劳出现次数进行绩效评分。
根据本发明的另一方面，还提供一种司机驾驶安全绩效考核系统，包括：
处理器和存储器，所述存储器中存储有程序指令，所述处理器用于调取所述程序程序指令以执行所述权利要求1～9中任一实施例所述的驾驶安全绩效考核方法。
本发明旨在设计一种司机驾驶安全绩效考核方法及系统，形成一套完整的驾驶安全测评体系，包括人脸识别、驾驶员离岗检查、闭眼检测、打哈欠检测、吸烟检测、打电话检测、脑电和心电检测，并把检测结果上传到云平台，进行实时管理分析，每一项内容都对应有评分机制，司机的每次驾驶记录都保存在个人主页上，进行绩效评分，将绩效和薪资挂钩，使得司机能够重视且避免不安全驾驶行为。
附图说明
图1为本发明实施例提供的司机驾驶安全绩效考核方法的原理示意图；
图2为本发明实施例提供的司机驾驶安全绩效考核方法的流程图；
图3为本发明实施例提供的司机驾驶安全绩效考核方法的数据存储模型；
图4为本发明实施例提供的司机驾驶安全绩效考核方法的数据处理模型。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，本发明提供一种司机驾驶安全绩效考核方法，包括：
获取驾驶员行车过程中的不安全驾驶行为并上传到云平台进行绩效考核；
用小脑神经网络融合驾驶员的脑电检测、心电检测的信号得到疲劳数据，基于疲劳数据划分出驾驶员的疲劳等级，根据疲劳等级进行疲劳预警。
在此，本发明可以记录下司机的不安全行为并上传到云平台，进行绩效评分。
伴随着人工智能技术的快速发展，我们可以通过位姿估计判断司机是否在打电话、抽烟、打哈欠，但是判断是否疲劳驾驶需要融合生理信号和心理信号才能得出结论。
目前常用的生理信号检测指标中，对脑电和肌电信号的检测都属于接触类检测，信号采集多用接触式生理传感器，此类传感器对人体皮肤有一定的侵入性，检测过程中对驾驶人造成了一定程度的干扰，对个人依赖程度较大，实时性一般，但是具有检测准确率较好的特点。心电信号的检测可由接触式传感器完成，也可通过非接触类的检测、识别算法完成，前者具有接触类检测的问题，后者不会对驾驶员安全驾驶造成干扰，且有良好的实时性，但主要受到环境的干扰。
头部、眼部、嘴部运动等常用的生理运动检测指标，目前均采用非接触类检测，不对驾驶员的正常驾驶造成影响，具有良好的实时性，和较准确的检测结果，但是容易受到诸多环境因素，如光线强弱、是否有遮挡、背景复杂程度大小的干扰，检测、识别算法较复杂，须符合一定的条件，如头部动作较缓慢，才可正常识别，故此类检测方式容易受到条件的限制，如何提高检测的精度是要解决的问题。
本发明的司机驾驶安全绩效考核方法，在获取驾驶员行车过程中的不安全驾驶行为并上传到云平台进行绩效考核，包括：
人脸识别：通过人脸识别，以识别驾驶员身份，实现人脸比对签到签退，人脸比对阈值可设置，并将结果上传到云平台进行绩效考核；
驾驶员离岗检查：当驾驶员处于离岗状态、驾驶员面部被遮挡、摄像头被遮盖，触发系统报警，并将结果上传到云平台进行绩效考核；
闭眼检测：在行车过程中，当驾驶员出现闭眼打瞌睡的情况，触发系统报警，并将结果上传到云平台进行绩效考核；
打哈欠检测：在行车过程中，当驾驶员出现打哈欠的情况，会触发系统报警，并将结果上传到云平台进行绩效考核；
吸烟检测：在行车过程中，当驾驶员出现吸烟的情况，会触发系统报警，并将结果上传到云平台进行绩效考核；
打电话检测：在行车过程中，当驾驶员出现打电话的情况，会触发系统报警，并将结果上传到云平台进行绩效考核。
本发明的司机驾驶安全绩效考核方法一实施例中，基于疲劳数据划分出驾驶员的疲劳等级，根据疲劳等级进行疲劳预警，包括：
按照疲劳标准，确定所述疲劳数据的疲劳类别对应的疲劳等级；
按照所述疲劳标准，对所述疲劳数据进行统计，得到对应的疲劳类别的疲劳出现次数；
按照所述疲劳数据的疲劳等级和疲劳类别的疲劳出现次数，做出疲劳预警。
本发明的司机驾驶安全绩效考核方法一实施例中，用小脑神经网络融合驾驶员的脑电检测、心电检测的信号得到疲劳数据，基于疲劳数据划分出驾驶员的疲劳等级，根据疲劳等级进行疲劳预警之后，还包括：
根据所述疲劳等级和疲劳类别的疲劳出现次数，将疲劳数据上传到云平台，对疲劳等级和疲劳类别的疲劳出现次数进行绩效评分。
根据本发明的另一方面，还提供一种驾驶安全绩效考核系统，包括：处理器和存储器，所述存储器中存储有程序指令，所述处理器用于调取所述程序程序指令以执行上述任一实施例所述的驾驶安全绩效考核方法。
具体的，图1为本发明实施例提供的驾驶安全绩效考核方法的原理示意图，如图1所示，本发明旨在设计一个司机驾驶安全绩效考核系统，形成一套完整的驾驶安全测评体系，包括人脸识别、驾驶员离岗检查、闭眼检测、打哈欠检测、吸烟检测、打电话检测、脑电和心电检测，并把检测结果上传到云平台，进行实时管理分析，每一项内容都对应有评分机制，司机的每次驾驶记录都保存在个人主页上，进行绩效评分，将绩效和薪资挂钩，使得司机能够重视且避免不安全驾驶行为。
图2为本发明实施例提供的驾驶安全绩效考核方法的流程图，如图2所示，该方法可以包括：
S101、获取驾驶员行车过程中的不安全驾驶行为并上传到云平台进行绩效考核。
图3为本发明实施例提供的驾驶员不安全行为识别方法的数据处理模型，如图3所示，本实施例中，利用云平台存储检测到不安全驾驶行为，并对不同的行为进行绩效评分。
在执行S101之前，还包括：人脸识别：能够识别驾驶员身份，实现人脸比对签到签退，人脸比对阈值可设置，并将结果上传到云平台；驾驶员离岗检查：当驾驶员处于离岗状态、驾驶员面部被遮挡、摄像头被遮盖，会触发系统报警，并将结果上传到云平台；闭眼检测：当行车过程中当驾驶员出现闭眼打瞌睡的情况，会触发系统报警，并将结果上传到云平台；打哈欠检测：当行车过程中当驾驶员出现打哈欠的情况，会触发系统报警，并将结果上传到云平台；吸烟检测：当行车过程中当驾驶员出现吸烟的情况，会触发系统报警，并将结果上传到云平台；打电话检测：当行车过程中当驾驶员出现打电话的情况，会触发系统报警，并将结果上传到云平台。
具体地，对于人脸检测、驾驶员离岗检查，采用C/S架构，实现人脸图像非接触式的动态识别检测及签到考勤管理，主要包括：个人身份数据信息的获取和管理；实时数据的实时传输、处理；数据信息的处理反馈及可视化显示；整体数据的安全性，完整性保证和维护更新。主要采用PCA算法进行人脸识别，利用数据库进行数据存储，并设计各功能子系统，利用多个子系统间的相互合作实现系统的完整功能。对于打电话、打哈欠、闭眼、吸烟检测，首先进行图像采集，采集驾驶员人脸图像信息，对采集到的图像进行实时人脸检测；然后进行面部特征点标定，包括：对检测到的人脸进行眉毛、眼睛、鼻子及嘴巴等特征点定位；再进行头部三维姿态检测，包括：利用几何特征对头部三维姿态进行检测，判断头部姿态；再进行人脸轮廓椭圆标定，包括：利用眉毛、眼睛、鼻子和嘴巴标记特征点以及驾驶人员头部三维姿态，通过线性回归，对驾驶人员进行人脸轮廓椭圆标定；最后在标定的人脸轮廓椭圆外进行打电话、打哈欠、闭眼、抽烟行为检测判断。
S102、用小脑神经网络融合脑电检测、心电检测的信号，划分出疲劳等级，进行疲劳预警。
图4为本发明实施例提供的驾驶员不安全行为识别方法的数据处理模型，如图4所示，本实施例中，根据小脑神经网络，对脑电信号和心电信号进行融合，获得驾驶疲劳分析结果，按照所述疲劳标准，确定所述疲劳标准类别对应的疲劳等级；按照所述疲劳标准，对所述疲劳数据进行统计所述疲劳类别对应的疲劳出现次数；按照所述疲劳等级，做出疲劳预警。
具体地，通过脑电耳机检测驾驶员的脑电信息，多导生理仪检测驾驶员的呼吸、心率、血压、皮温信息，将不同的探测器材及其平台、测量设备、传感器以及终端设备，对互补或冗余的疲劳特征信息进行有机融合，进而建立疲劳生产的智能决策模型，对司机是否疲劳驾驶进行监测，并准确可靠判断，最后输出报警信息，并将检测结果实时显示。
在执行S102之后，还包括：根据所述疲劳等级和疲劳出现次数，将数据上传到云平台，对所述的疲劳类别和疲劳出现次数进行绩效评分。
具体地，将疲劳类别和疲劳出现次数上传到云平台，平台根据类别和次数进行绩效打分，从而完善绩效评分体系，让驾驶员重视疲劳驾驶，防止事故发生。
本实施例，通过设计一个司机驾驶安全绩效考核系统，形成一套完整的驾驶安全测评体系，用人工智能技术进行人脸识别、驾驶员离岗检查、闭眼检测、打哈欠检测、吸烟检测、打电话检测，用小脑神经网络融合脑电信号和心电信号得出是否疲劳，划分出疲劳等级，并把检测结果上传到云平台，进行实时管理分析，每一项内容都对应有评分机制，司机的每次驾驶记录都保存在个人主页上，进行绩效评分，将绩效和薪资挂钩，使得司机能够重视且避免不安全驾驶行为。
需要说明的是，本发明提供的司机驾驶安全绩效考核方法中的步骤，可以利用司机驾驶安全绩效考核系统中对应的模块、装置、单元等予以实现，本领域技术人员可以参照系统的技术方案实现方法的步骤流程，即，系统中的实施例可理解为实现方法的优选例，在此不予赘述。
综上所述，本发明旨在设计一种司机驾驶安全绩效考核方法及系统，形成一套完整的驾驶安全测评体系，包括人脸识别、驾驶员离岗检查、闭眼检测、打哈欠检测、吸烟检测、打电话检测、脑电和心电检测，并把检测结果上传到云平台，进行实时管理分析，每一项内容都对应有评分机制，司机的每次驾驶记录都保存在个人主页上，进行绩效评分，将绩效和薪资挂钩，使得司机能够重视且避免不安全驾驶行为。
本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。
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。显然，本领域的技术人员可以对发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。
Claims (10)
1.一种司机驾驶安全绩效考核方法，其特征在于，包括：
获取驾驶员行车过程中的不安全驾驶行为并上传到云平台进行绩效考核；
用小脑神经网络融合驾驶员的脑电检测、心电检测的信号得到疲劳数据，基于疲劳数据划分出驾驶员的疲劳等级，根据疲劳等级进行疲劳预警。
2.如权利要求1所述的司机驾驶安全绩效考核方法，其特征在于，在获取驾驶员行车过程中的不安全驾驶行为并上传到云平台进行绩效考核，包括：
通过人脸识别，以识别驾驶员身份，实现人脸比对签到签退，人脸比对阈值可设置，并将结果上传到云平台进行绩效考核。
3.如权利要求1所述的司机驾驶安全绩效考核方法，其特征在于，在获取驾驶员行车过程中的不安全驾驶行为并上传到云平台进行绩效考核，包括：
当驾驶员处于离岗状态、驾驶员面部被遮挡、摄像头被遮盖，触发系统报警，并将结果上传到云平台进行绩效考核。
4.如权利要求1所述的司机驾驶安全绩效考核方法，其特征在于，在获取驾驶员行车过程中的不安全驾驶行为并上传到云平台进行绩效考核，包括：
在行车过程中，当驾驶员出现闭眼打瞌睡的情况，触发系统报警，并将结果上传到云平台进行绩效考核。
5.如权利要求1所述的司机驾驶安全绩效考核方法，其特征在于，在获取驾驶员行车过程中的不安全驾驶行为并上传到云平台进行绩效考核，包括：
在行车过程中，当驾驶员出现打哈欠的情况，会触发系统报警，并将结果上传到云平台进行绩效考核。
6.如权利要求1所述的司机驾驶安全绩效考核方法，其特征在于，在获取驾驶员行车过程中的不安全驾驶行为并上传到云平台进行绩效考核，包括：
在行车过程中，当驾驶员出现吸烟的情况，会触发系统报警，并将结果上传到云平台进行绩效考核。
7.如权利要求1所述的司机驾驶安全绩效考核方法，其特征在于，在获取驾驶员行车过程中的不安全驾驶行为并上传到云平台进行绩效考核，包括：
当驾驶员出现打电话的情况，会触发系统报警，并将结果上传到云平台进行绩效考核。
8.如权利要求1所述的司机驾驶安全绩效考核方法，其特征在于，基于疲劳数据划分出驾驶员的疲劳等级，根据疲劳等级进行疲劳预警，包括：
按照疲劳标准，确定所述疲劳数据的疲劳类别对应的疲劳等级；
按照所述疲劳标准，对所述疲劳数据进行统计，得到对应的疲劳类别的疲劳出现次数；
按照所述疲劳数据的疲劳等级和疲劳类别的疲劳出现次数，做出疲劳预警。
9.如权利要求8所述的司机驾驶安全绩效考核方法，其特征在于，用小脑神经网络融合驾驶员的脑电检测、心电检测的信号得到疲劳数据，基于疲劳数据划分出驾驶员的疲劳等级，根据疲劳等级进行疲劳预警之后，还包括：
根据所述疲劳等级和疲劳类别的疲劳出现次数，将疲劳数据上传到云平台，对疲劳等级和疲劳类别的疲劳出现次数进行绩效评分。
10.一种司机驾驶安全绩效考核系统，其特征在于，包括：
处理器和存储器，所述存储器中存储有程序指令，所述处理器用于调取所述程序程序指令以执行所述权利要求1～9中任一项所述的驾驶安全绩效考核方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011037106.0A CN112132475A (zh) | 2020-09-27 | 2020-09-27 | 司机驾驶安全绩效考核方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011037106.0A CN112132475A (zh) | 2020-09-27 | 2020-09-27 | 司机驾驶安全绩效考核方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112132475A true CN112132475A (zh) | 2020-12-25 |
Family
ID=73839859
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011037106.0A Pending CN112132475A (zh) | 2020-09-27 | 2020-09-27 | 司机驾驶安全绩效考核方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112132475A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113243919A (zh) * | 2021-04-01 | 2021-08-13 | 上海工程技术大学 | 一种列车司机疲劳状态识别及监控系统 |
| CN116211310A (zh) * | 2023-05-09 | 2023-06-06 | 中国第一汽车股份有限公司 | 一种肌电传感器和一种肌电传感器的检测方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108407813A (zh) * | 2018-01-25 | 2018-08-17 | 惠州市德赛西威汽车电子股份有限公司 | 一种基于大数据的车辆抗疲劳安全驾驶方法 |
| CN109887239A (zh) * | 2019-03-16 | 2019-06-14 | 南京英诺微盛光学科技有限公司 | 一种用于监测疲劳驾驶的可穿戴设备及使用方法 |
| CN109927730A (zh) * | 2019-03-26 | 2019-06-25 | 武汉极目智能技术有限公司 | 一种基于dms系统的实时疲劳驾驶行为评分系统和方法 |
| CN110737688A (zh) * | 2019-09-30 | 2020-01-31 | 上海商汤临港智能科技有限公司 | 驾驶数据分析方法、装置、电子设备和计算机存储介质 |
| CN111407260A (zh) * | 2020-03-30 | 2020-07-14 | 华南理工大学 | 方向盘嵌入心电传感器的基于脑电和心电的疲劳检测方法 |
-
2020
- 2020-09-27 CN CN202011037106.0A patent/CN112132475A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108407813A (zh) * | 2018-01-25 | 2018-08-17 | 惠州市德赛西威汽车电子股份有限公司 | 一种基于大数据的车辆抗疲劳安全驾驶方法 |
| CN109887239A (zh) * | 2019-03-16 | 2019-06-14 | 南京英诺微盛光学科技有限公司 | 一种用于监测疲劳驾驶的可穿戴设备及使用方法 |
| CN109927730A (zh) * | 2019-03-26 | 2019-06-25 | 武汉极目智能技术有限公司 | 一种基于dms系统的实时疲劳驾驶行为评分系统和方法 |
| CN110737688A (zh) * | 2019-09-30 | 2020-01-31 | 上海商汤临港智能科技有限公司 | 驾驶数据分析方法、装置、电子设备和计算机存储介质 |
| CN111407260A (zh) * | 2020-03-30 | 2020-07-14 | 华南理工大学 | 方向盘嵌入心电传感器的基于脑电和心电的疲劳检测方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113243919A (zh) * | 2021-04-01 | 2021-08-13 | 上海工程技术大学 | 一种列车司机疲劳状态识别及监控系统 |
| CN116211310A (zh) * | 2023-05-09 | 2023-06-06 | 中国第一汽车股份有限公司 | 一种肌电传感器和一种肌电传感器的检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ji et al. | Fatigue state detection based on multi-index fusion and state recognition network | |
| Hossain et al. | IOT based real-time drowsy driving detection system for the prevention of road accidents | |
| CN104361716A (zh) | 实时检测疲劳并提醒的方法 | |
| CN112132475A (zh) | 司机驾驶安全绩效考核方法及系统 | |
| CN111753674A (zh) | 一种基于深度学习的疲劳驾驶的检测识别方法 | |
| Huang et al. | P-FDCN based eye state analysis for fatigue detection | |
| CN111887867A (zh) | 基于表情识别与心理学测试生成性格的分析方法及系统 | |
| CN109664894A (zh) | 基于多源异构数据感知的疲劳驾驶安全预警系统 | |
| Kajiwara | Driver-condition detection using a thermal imaging camera and neural networks | |
| Yi et al. | Fatigue working detection based on facial multifeature fusion | |
| CN117272155A (zh) | 基于智能手表的驾驶人路怒症检测方法 | |
| CN112022172A (zh) | 一种基于多模态生理数据的压力检测方法和装置 | |
| Chatterjee et al. | Smartphone-based drowsiness detection system for drivers in real-time | |
| CN116115239A (zh) | 基于多模态数据融合的建筑工人尴尬工作姿势识别方法 | |
| CN115100560A (zh) | 用户不良状态的监测方法、装置、设备及计算机存储介质 | |
| Hong et al. | Towards drowsiness driving detection based on multi-feature fusion and LSTM networks | |
| CN108618789A (zh) | 基于opencv技术的疲劳驾驶预警系统 | |
| CN114492656A (zh) | 一种基于计算机视觉和传感器的疲劳度监测系统 | |
| Sengupta et al. | Driver sleep detection: A new and accurate approach | |
| KR20240039915A (ko) | 수면부족으로 인한 피로도 분석 시스템 및 방법 | |
| Phayde et al. | Real-Time Drowsiness Diagnostic System Using Opencv Algorithm | |
| CN112274119B (zh) | 一种基于神经网络的脉搏波模型预测方法 | |
| CN113239729B (zh) | 一种基于数据融合的疲劳驾驶识别方法 | |
| Hari et al. | Review on Neural Network based Detection System for Intoxicated Driving | |
| Zillur et al. | Towards Safer Roads: Raspberry Pi-driven Drowsy Driver Detection Using EAR Analysis |
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 |