CN112150767B - 基于物联网与计算机的疲劳驾驶监控系统 - Google Patents
基于物联网与计算机的疲劳驾驶监控系统 Download PDFInfo
- Publication number
- CN112150767B CN112150767B CN202011035073.6A CN202011035073A CN112150767B CN 112150767 B CN112150767 B CN 112150767B CN 202011035073 A CN202011035073 A CN 202011035073A CN 112150767 B CN112150767 B CN 112150767B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- acquiring
- module
- coefficient
- processor
- 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.)
- Active
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
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0438—Sensor means for detecting
- G08B21/0453—Sensor means for detecting worn on the body to detect health condition by physiological monitoring, e.g. electrocardiogram, temperature, breathing
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
- G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physical Education & Sports Medicine (AREA)
- Physiology (AREA)
- Pulmonology (AREA)
- General Health & Medical Sciences (AREA)
- Gerontology & Geriatric Medicine (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了基于物联网与计算机的疲劳驾驶监控系统，包括处理器、初始监测模块、音频采集模块、生理信息监测模块、路径监测模块、方案规划模块、数据存储模块和预警控制模块；本发明设置了初始监测模块，该设置有助于对驾驶人员的疲劳驾驶进行提前预防；本发明设置了音频采集模块，该设置用于实时采集驾驶室内的监控信息，该设置为监测驾驶人员的疲劳驾驶提供了外部参数数据，有助于提高疲劳驾驶的监测精度；本发明设置了生理信息监测模块，该设置为监测驾驶人员的疲劳驾驶提供内部参数数据，有助于提高疲劳驾驶的监测速度；本发明设置了预警控制模块，该设置根据报警指令采取不同的措施，能够有效降低疲劳驾驶带来的危害。
Description
技术领域
本发明属于疲劳驾驶监测技术领域，具体是基于物联网与计算机的疲劳驾驶监控系统。
背景技术
疲劳驾驶是一种严重的交通违法行为，驾驶人疲劳时，会感到困倦瞌睡，四肢无力，注意力不集中，判断能力下降，甚至出现精神恍惚或瞬间记忆消失，出现动作迟误或过早，操作停顿或修正时间不当等不安全因素，极易发生道路交通事故。五分之一的交通事故是由疲劳驾驶引起的，根据研究显示，连续驾驶两个小时后司机所犯错误和血液中酒精含量0.05％是一样的。
公开号为CN106859644A的专利提供了一种基于脑电波的疲劳驾驶监控系统及监控方法，所述监控系统包括头戴式脑电波信号采集装置、脑电波分析仪和警示控制器；所述头戴式脑电波信号采集装置包括多组电极传感器，所述脑电波分析仪包括前置放大电路、带通滤波电路、A/D转换电路以及主控芯片，所述主控芯片与警示控制器相连；所述监控方法如下：1)采集脑电波信号；2)对信号放大后进行滤波处理；3)将各路脑电波信号合并为一路；4)将合并后的信号经A/D转换后输入主控芯片；5)主控芯片判断驾驶员处于疲劳驾驶状态，向警示控制器发出警示信号。
上述方案能够准确地对疲劳驾驶进行监测，可靠性高，并且能够同时对驾驶人员和周围车辆同时进行警示；但是上述方案需要特殊设备，如头戴式脑电波信号采集装置、脑电波分析仪等，这些特殊设备不仅提高了成本，而且降低了驾驶员驾车的舒适性，所以上述方案仍然需要进一步改进。
发明内容
为了解决上述方案存在的问题，本发明提供了一种基于物联网与计算机的疲劳驾驶监控系统。
本发明的目的可以通过以下技术方案实现：一种基于物联网与计算机的疲劳驾驶监控系统，包括处理器、初始监测模块、音频采集模块、生理信息监测模块、路径监测模块、方案规划模块、数据存储模块和预警控制模块；
所述初始监测模块获取汽车启动前驾驶室内的环境数据，所述环境数据包括酒精浓度、平均温度和空气流速，具体获取步骤为：
Z1：通过酒精浓度传感器获取驾驶室内的酒精浓度，并将酒精浓度标记为JN；
Z2：通过温度传感器获取驾驶室内的平均温度，并将平均温度标记为PW；
Z3：通过空气流量计获取驾驶室内的空气流量，并将空气流量标记为KL；
Z4：通过公式CX＝α1×JN+α2×PW×KL+α3获取初检系数CX；其中α1、α2和α3为预设比例系数，且α1+α2+α3＝1.125；
Z5：通过处理器发送酒精浓度、平均温度、空气流量和初检系数发送至数据存储模块；
所述音频采集模块用于实时采集驾驶室内的监控信息，所述监控信息包括监控视频和声波信号，具体采集步骤为：
X1：通过高清摄像头实时采集驾驶人员的监控视频；
X2：通过声音传感器实时采集驾驶室内的声波信号；
X3：将监控视频和声波信号实时发送至处理器；处理器对监控视频和声波信号进行信息处理；
X4：通过处理器将监控视频和声波信号发送至数据存储模块；
所述生理信息监测模块用于监测驾驶人员的生理信息，并通过公式获取生理监测系数，所述生理信息包括血压、体温和心率；
所述路径监测模块用于监测车辆的行驶轨迹，并获取路径监测系数；
所述处理器用于分析理论系数，所述理论系数包括初检系数CX、辅助监测系数FJ、生理监测系数SL和路径监测系数LJ，具体分析步骤为：
N1：当CX>L1时，判定为低风险疲劳驾驶，通过处理器发送低级警报指令至预警控制模块，其中L1为预设初检系数阈值；
N2：通过公式
获取辅助判断系数FP；其中δ1和δ2为预设比例系数，且0<δ1<δ2；
N3：当CX>L1且FP>L2时，判定为中风险疲劳驾驶，通过处理器发送中级报警指令至预警控制模块，其中L2为预设辅助判断系数阈值；
N4：当FP>L2且LJ<L3时，判定为高风险疲劳驾驶，通过处理器发送高级报警指令至预警控制模块，其中L3为预设路径监测系数阈值，其中L3>0；
N5：通过处理器将低级警报指令发送记录、中级警报指令发送记录和高级警报指令发送记录发送至数据存储模块；
所述预警控制模块针对警报指令进行预警，所述报警指令包括低级报警指令、中级报警指令和高级报警指令，所述预警控制模块包括报警灯、蜂鸣器、自动拨号单元、警示单元和调节单元，具体预警步骤为：
M1：当预警控制模块接收到低级报警指令时，报警灯设置为红色闪烁状态，同时调节单元打开车窗进行通风；
M2：当预警控制模块接收到中级报警指令时，报警灯设置为红色闪烁状态，蜂鸣器报警，同时调节单元打开车辆示廓灯报警；
M3：当预警控制模块接收到高级报警指令时，报警灯设置为红色闪烁状态，蜂鸣器报警，打开车辆示廓灯，同时拨打报警电话进行报警，具体拨打步骤为：
M31：拨打报警电话，等待电话接通；
M32：电话接通后，通过语音机器人发送报警关键字，所述报警关键字为“疑似疲劳驾驶”；
M33：获取车辆的车速和位置，通过语音播报的形式将车辆的车速和位置发送至电话另一端；
M34：通过数据存储模块获取驾驶人员的姓名、手机号码和车牌号，通过语音播报的形式将姓名、手机号码和车牌号发送至电话另一端；
M35：重复M32-M34步骤两遍。
优选的，所述生理监测系数的获取步骤为：
V1：通过血压传感器获取驾驶人员的血压值，并将血压值标记为XY；
V2：通过体温传感器获取驾驶人员的体温值，并将体温值标记为TW；
V3：通过心率传感器获取驾驶人员的心率，并将心率标记为XL；
V4：通过公式
获取生理监测系数SL，其中γ1和γ2为预设比例系数，e为自然常数，且
V5：通过处理器将血压值、体温值、心率和生理监测系数发送至数据存储模块。
优选的，所述路径监测系数获取步骤为：
B1：通过行车记录仪判断车辆是否在车道线内行驶，并将判断结果标记为CX，CX取值为0或1，其中，0表示车辆未在车道线内行驶，1表示车辆未在车道线内行驶；
B2：通过角度传感器获取车辆方向盘转过的旋转角度，并将旋转角度标记为XD；
B3：通过公式LJ＝CX×|XD|获取路径监测系数LJ；
B4：通过处理器将判断结果、旋转角度和路径监测系数发送至数据存储模块。
优选的，X3中所述的信息处理步骤具体如下：
C1：处理器接收到监控视频之后，对监控视频进行分析处理，具体分析步骤如下：
C11：对视频进行视频预处理；
C12：通过处理器识别驾驶人员眼睑闭合频率和眼睑单次闭合时间，并将眼睑闭合频率和眼睑单次闭合时间标记为YB和YD；
C13：通过处理器识别驾驶人员面部朝向与水平面的角度，并将角度标记为JD；
C14：通过公式
获取视频采集系数SC；其中β1、β2和β3为预设比例系数，且0<β1<β2<β3；
C2：处理器接收到声波信号之后，对声波信号进行分析匹配，具体分析匹配步骤为：
C21：对声波信号进行声音预处理；
C22：通过数据存储模块获取噪声特征信息；从预处理之后的声波信号中去除噪声特征信息，获取呼吸特征信息；
C23：通过数据存储模块获取睡眠声音特征信息，将呼吸特征信息和睡眠声音特征信息进行匹配获取匹配度，并将匹配度标记为PP；
C3：通过公式FJ＝β4×SC+PP获取辅助监测系数FJ，其中β4为预设比例系数，且β4>0；
C4：通过处理器将眼睑闭合频率、眼睑单次闭合时间、角度、匹配度、视频采集系数和辅助监测系数发送至数据存储模块。
优选的，所述视频预处理不仅能够提高编码视频的质量，而且能够提高编码效率，所述视频预处理包括限带滤波、噪声去除、图像增强、暗光处理、自动曝光和背光补偿；所述声音预处理包括预加重处理和分帧加窗预处理；所述噪声特征信息包括发送机噪声、空气噪声和车身结构噪声。
优选的，所述方案规划模块为驾驶人员查找休息场所，所述方案规划模块包括路径规划单元和汽车中控台，所述休息场所包括服务区和旅馆，具体查找步骤为：
K1：当预警控制模块接收到中级报警指令或者高级报警指令时，启动路径规划单元；
K2：获取车辆状态参数，所述车辆状态参数包括当前位置、车速、行驶方向、车辆宽度和车辆高度；
K3：通过路径规划单元获取车辆当前位置方圆L5千米范围内的潜在休息场所，其中L5为预设范围阈值；
K4：车辆状态参数结合特殊情况从潜在休息场所中提取最优休息场所，所述特殊情况包括道路限高低于车辆高度和道路限宽小于车辆宽度，所述最优休息场所是距离当前车辆最近的休息场所；
K5：将当前位置到最优休息场所的路线发送至汽车中控台，并通过语音为驾驶人员导航；
K6：通过处理器将车辆状态参数和最优休息场所的位置发送至数据存储模块。
与现有技术相比，本发明的有益效果是：
1、本发明设置了初始监测模块，该设置用于获取汽车启动前驾驶室内的环境数据，通过传感器分别获取驾驶室内的酒精浓度、平均温度和空气流量，并通过公式获取了初检系数；该设置首先对驾驶室内环境数据进行监测，所监测的环境数据为易导致驾驶人员疲劳驾驶的数据，有助于对驾驶人员的疲劳驾驶进行提前预防；
2、本发明设置了音频采集模块，该设置用于实时采集驾驶室内的监控信息，通过高清摄像头实时采集驾驶人员的监控视频，通过声音传感器实时采集驾驶室内的声波信号，将监控视频和声波信号实时发送至处理器，处理器对监控视频和声波信号进行信息处理；该设置监测了驾驶人员眼睑闭合频率、眼睑单次闭合时间、角度和匹配度，为监测驾驶人员的疲劳驾驶提供了外部参数数据，有助于提高疲劳驾驶的监测精度；
3、本发明设置了生理信息监测模块，该设置用于监测驾驶人员的生理信息，通过传感器获取驾驶人员的血压值、体温值和心率，并通过公式获取生理监测系数；该设置监测了驾驶人员的血压值、体温值和心率，为监测驾驶人员的疲劳驾驶提供内部参数数据，有助于提高疲劳驾驶的监测速度；
4、本发明设置了预警控制模块，该设置针对报警指令进行预警，当预警控制模块接收到低级报警指令时，报警灯设置为红色闪烁状态，当预警控制模块接收到中级报警指令时，报警灯设置为红色闪烁状态，蜂鸣器报警，同时调节单元打开车辆示廓灯报警，当预警控制模块接收到高级报警指令时，报警灯设置为红色闪烁状态，蜂鸣器报警，打开车辆示廓灯，同时拨打报警电话进行报警；该设置根据报警指令采取不同的措施，能够对驾驶人员进行提醒，能够有效降低疲劳驾驶带来的危害。
附图说明
为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的原理示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1，一种基于物联网与计算机的疲劳驾驶监控系统，包括处理器、初始监测模块、音频采集模块、生理信息监测模块、路径监测模块、数据存储模块和预警控制模块；
初始监测模块获取汽车启动前驾驶室内的环境数据，环境数据包括酒精浓度、平均温度和空气流速，具体获取步骤为：
Z1：通过酒精浓度传感器获取驾驶室内的酒精浓度，并将酒精浓度标记为JN；
Z2：通过温度传感器获取驾驶室内的平均温度，并将平均温度标记为PW；
Z3：通过空气流量计获取驾驶室内的空气流量，并将空气流量标记为KL；
Z4：通过公式CX＝α1×JN+α2×PW×KL+α3获取初检系数CX；其中α1、α2和α3为预设比例系数，且α1+α2+α3＝1.125；
Z5：通过处理器发送酒精浓度、平均温度、空气流量和初检系数发送至数据存储模块；
音频采集模块用于实时采集驾驶室内的监控信息，监控信息包括监控视频和声波信号，具体采集步骤为：
X1：通过高清摄像头实时采集驾驶人员的监控视频；
X2：通过声音传感器实时采集驾驶室内的声波信号；
X3：将监控视频和声波信号实时发送至处理器；处理器对监控视频和声波信号进行信息处理；
X4：通过处理器将监控视频和声波信号发送至数据存储模块；
生理信息监测模块用于监测驾驶人员的生理信息，并通过公式获取生理监测系数，生理信息包括血压、体温和心率；
路径监测模块用于监测车辆的行驶轨迹，并获取路径监测系数；
处理器用于分析理论系数，理论系数包括初检系数CX、辅助监测系数FJ、生理监测系数SL和路径监测系数LJ，具体分析步骤为：
N1：当CX>L1时，判定为低风险疲劳驾驶，通过处理器发送低级警报指令至预警控制模块，其中L1为预设初检系数阈值；
N2：通过公式
获取辅助判断系数FP；其中δ1和δ2为预设比例系数，且0<δ1<δ2；
N3：当CX>L1且FP>L2时，判定为中风险疲劳驾驶，通过处理器发送中级报警指令至预警控制模块，其中L2为预设辅助判断系数阈值；
N4：当FP>L2且LJ<L3时，判定为高风险疲劳驾驶，通过处理器发送高级报警指令至预警控制模块，其中L3为预设路径监测系数阈值，其中L3>0；
N5：通过处理器将低级警报指令发送记录、中级警报指令发送记录和高级警报指令发送记录发送至数据存储模块；
预警控制模块针对警报指令进行预警，报警指令包括低级报警指令、中级报警指令和高级报警指令，预警控制模块包括报警灯、蜂鸣器、自动拨号单元、警示单元和调节单元，具体预警步骤为：
M1：当预警控制模块接收到低级报警指令时，报警灯设置为红色闪烁状态，同时调节单元打开车窗进行通风；
M2：当预警控制模块接收到中级报警指令时，报警灯设置为红色闪烁状态，蜂鸣器报警，同时调节单元打开车辆示廓灯报警；
M3：当预警控制模块接收到高级报警指令时，报警灯设置为红色闪烁状态，蜂鸣器报警，打开车辆示廓灯，同时拨打报警电话进行报警，具体拨打步骤为：
M31：拨打报警电话，等待电话接通；
M32：电话接通后，通过语音机器人发送报警关键字，报警关键字为“疑似疲劳驾驶”；
M33：获取车辆的车速和位置，通过语音播报的形式将车辆的车速和位置发送至电话另一端；
M34：通过数据存储模块获取驾驶人员的姓名、手机号码和车牌号，通过语音播报的形式将姓名、手机号码和车牌号发送至电话另一端；
M35：重复M32-M34步骤两遍。
进一步地，生理监测系数的获取步骤为：
V1：通过血压传感器获取驾驶人员的血压值，并将血压值标记为XY；
V2：通过体温传感器获取驾驶人员的体温值，并将体温值标记为TW；
V3：通过心率传感器获取驾驶人员的心率，并将心率标记为XL；
V4：通过公式
获取生理监测系数SL，其中γ1和γ2为预设比例系数，e为自然常数，且
V5：通过处理器将血压值、体温值、心率和生理监测系数发送至数据存储模块。
进一步地，路径监测系数获取步骤为：
B1：通过行车记录仪判断车辆是否在车道线内行驶，并将判断结果标记为CX，CX取值为0或1，其中，0表示车辆未在车道线内行驶，1表示车辆未在车道线内行驶；
B2：通过角度传感器获取车辆方向盘转过的旋转角度，并将旋转角度标记为XD；
B3：通过公式LJ＝CX×|XD|获取路径监测系数LJ；
B4：通过处理器将判断结果、旋转角度和路径监测系数发送至数据存储模块。
进一步地，X3中的信息处理步骤具体如下：
C1：处理器接收到监控视频之后，对监控视频进行分析处理，具体分析步骤如下：
C11：对视频进行视频预处理；
C12：通过处理器识别驾驶人员眼睑闭合频率和眼睑单次闭合时间，并将眼睑闭合频率和眼睑单次闭合时间标记为YB和YD；
C13：通过处理器识别驾驶人员面部朝向与水平面的角度，并将角度标记为JD；
C14：通过公式
获取视频采集系数SC；其中β1、β2和β3为预设比例系数，且0<β1<β2<β3；
C2：处理器接收到声波信号之后，对声波信号进行分析匹配，具体分析匹配步骤为：
C21：对声波信号进行声音预处理；
C22：通过数据存储模块获取噪声特征信息；从预处理之后的声波信号中去除噪声特征信息，获取呼吸特征信息；
C23：通过数据存储模块获取睡眠声音特征信息，将呼吸特征信息和睡眠声音特征信息进行匹配获取匹配度，并将匹配度标记为PP；
C3：通过公式FJ＝β4×SC+PP获取辅助监测系数FJ，其中β4为预设比例系数，且β4>0；
C4：通过处理器将眼睑闭合频率、眼睑单次闭合时间、角度、匹配度、视频采集系数和辅助监测系数发送至数据存储模块。
进一步地，视频预处理不仅能够提高编码视频的质量，而且能够提高编码效率，视频预处理包括限带滤波、噪声去除、图像增强、暗光处理、自动曝光和背光补偿；声音预处理包括预加重处理和分帧加窗预处理；噪声特征信息包括发送机噪声、空气噪声和车身结构噪声。
进一步地，方案规划模块为驾驶人员查找休息场所，方案规划模块包括路径规划单元和汽车中控台，休息场所包括服务区和旅馆，具体查找步骤为：
K1：当预警控制模块接收到中级报警指令或者高级报警指令时，启动路径规划单元；
K2：获取车辆状态参数，车辆状态参数包括当前位置、车速、行驶方向、车辆宽度和车辆高度；
K3：通过路径规划单元获取车辆当前位置方圆L5千米范围内的潜在休息场所，其中L5为预设范围阈值；
K4：车辆状态参数结合特殊情况从潜在休息场所中提取最优休息场所，特殊情况包括道路限高低于车辆高度和道路限宽小于车辆宽度，最优休息场所是距离当前车辆最近的休息场所；
K5：将当前位置到最优休息场所的路线发送至汽车中控台，并通过语音为驾驶人员导航；
K6：通过处理器将车辆状态参数和最优休息场所的位置发送至数据存储模块。
上述公式均是去量化取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况设定。
本发明的工作原理：
初始监测模块用于获取汽车启动前驾驶室内的环境数据，通过酒精浓度传感器获取驾驶室内的酒精浓度，并将酒精浓度标记为JN；通过温度传感器获取驾驶室内的平均温度，并将平均温度标记为PW；通过空气流量计获取驾驶室内的空气流量，并将空气流量标记为KL；通过公式获取初检系数；
音频采集模块用于实时采集驾驶室内的监控信息，通过高清摄像头实时采集驾驶人员的监控视频，通过声音传感器实时采集驾驶室内的声波信号，将监控视频和声波信号实时发送至处理器，处理器对监控视频和声波信号进行信息处理，获取驾驶人员眼睑闭合频率、眼睑单次闭合时间、角度、匹配度、视频采集系数和辅助监测系数；
生理信息监测模块用于监测驾驶人员的生理信息，通过血压传感器获取驾驶人员的血压值，并将血压值标记为XY；通过体温传感器获取驾驶人员的体温值，并将体温值标记为TW；通过心率传感器获取驾驶人员的心率，并将心率标记为XL；并通过公式获取生理监测系数；
路径监测模块用于监测车辆的行驶轨迹，并获取路径监测系数；通过行车记录仪判断车辆是否在车道线内行驶，并将判断结果标记为CX；通过角度传感器获取车辆方向盘转过的旋转角度，并将旋转角度标记为XD；通过公式获取路径监测系数LJ；
预警控制模块针对报警指令进行预警，当预警控制模块接收到低级报警指令时，报警灯设置为红色闪烁状态，当预警控制模块接收到中级报警指令时，报警灯设置为红色闪烁状态，蜂鸣器报警，同时调节单元打开车辆示廓灯报警，当预警控制模块接收到高级报警指令时，报警灯设置为红色闪烁状态，蜂鸣器报警，打开车辆示廓灯，同时拨打报警电话进行报警。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”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一定指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何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (2)
1.基于物联网与计算机的疲劳驾驶监控系统，其特征在于，包括处理器、初始监测模块、音频采集模块、生理信息监测模块、路径监测模块、数据存储模块和预警控制模块；
所述初始监测模块获取汽车启动前驾驶室内的环境数据，所述环境数据包括酒精浓度、平均温度和空气流速，具体获取步骤为：
Z1：通过酒精浓度传感器获取驾驶室内的酒精浓度，并将酒精浓度标记为JN；
Z2：通过温度传感器获取驾驶室内的平均温度，并将平均温度标记为PW；
Z3：通过空气流量计获取驾驶室内的空气流量，并将空气流量标记为KL；
Z4：通过公式CX＝α1×JN+α2×PW×KL+α3获取初检系数CX；其中α1、α2和α3为预设比例系数，且α1+α2+α3＝1.125；
Z5：通过处理器发送酒精浓度、平均温度、空气流量和初检系数发送至数据存储模块；
所述音频采集模块用于实时采集驾驶室内的监控信息，所述监控信息包括监控视频和声波信号，具体采集步骤为：
X1：通过高清摄像头实时采集驾驶人员的监控视频；
X2：通过声音传感器实时采集驾驶室内的声波信号；
X3：将监控视频和声波信号实时发送至处理器；处理器对监控视频和声波信号进行信息处理；所述的信息处理步骤具体如下：
C1：处理器接收到监控视频之后，对监控视频进行分析处理，具体分析步骤如下：
C11：对视频进行视频预处理；
C12：通过处理器识别驾驶人员眼睑闭合频率和眼睑单次闭合时间，并将眼睑闭合频率和眼睑单次闭合时间标记为YB和YD；
C13：通过处理器识别驾驶人员面部朝向与水平面的角度，并将角度标记为JD；
C14：通过公式
获取视频采集系数SC；其中β1、β2和β3为预设比例系数，且0＜β1＜β2＜β3；
C2：处理器接收到声波信号之后，对声波信号进行分析匹配，具体分析匹配步骤为：
C21：对声波信号进行声音预处理；
C22：通过数据存储模块获取噪声特征信息；从预处理之后的声波信号中去除噪声特征信息，获取呼吸特征信息；
C23：通过数据存储模块获取睡眠声音特征信息，将呼吸特征信息和睡眠声音特征信息进行匹配获取匹配度，并将匹配度标记为PP；
C3：通过公式FJ＝β4×SC+PP获取辅助监测系数FJ，其中β4为预设比例系数，且β4＞0；
C4：通过处理器将眼睑闭合频率、眼睑单次闭合时间、角度、匹配度、视频采集系数和辅助监测系数发送至数据存储模块；
X4：通过处理器将监控视频和声波信号发送至数据存储模块；
所述生理信息监测模块用于监测驾驶人员的生理信息，并通过公式获取生理监测系数，所述生理信息包括血压、体温和心率；所述生理监测系数的获取步骤为：
V1：通过血压传感器获取驾驶人员的血压值，并将血压值标记为XY；
V2：通过体温传感器获取驾驶人员的体温值，并将体温值标记为TW；
V3：通过心率传感器获取驾驶人员的心率，并将心率标记为XL；
V4：通过公式
获取生理监测系数SL，其中γ1和γ2为预设比例系数，e为自然常数，且
所述路径监测模块用于监测车辆的行驶轨迹，并获取路径监测系数；其中，所述路径监测系数的获取步骤包括：
B1：通过行车记录仪判断车辆是否在车道线内行驶，并将判断结果标记为CX，CX取值为0或1，其中，0表示车辆未在车道线内行驶，1表示车辆未在车道线内行驶；
B2：通过角度传感器获取车辆方向盘转过的旋转角度，并将旋转角度标记为XD；
B3：通过公式LJ＝CX×|XD|获取路径监测系数LJ；
所述处理器用于分析理论系数，所述理论系数包括初检系数CX、辅助监测系数FJ、生理监测系数SL和路径监测系数LJ，具体分析步骤为：
N1：当CX＞L1时，判定为低风险疲劳驾驶，通过处理器发送低级警报指令至预警控制模块，其中L1为预设初检系数阈值；
N2：通过公式
获取辅助判断系数FP；其中δ1和δ2为预设比例系数，且0＜δ1＜δ2；
N3：当CX＞L1且FP＞L2时，判定为中风险疲劳驾驶，通过处理器发送中级报警指令至预警控制模块，其中L2为预设辅助判断系数阈值；
N4：当FP＞L2且LJ＜L3时，判定为高风险疲劳驾驶，通过处理器发送高级报警指令至预警控制模块，其中L3为预设路径监测系数阈值，其中L3＞0；
N5：通过处理器将低级警报指令发送记录、中级警报指令发送记录和高级警报指令发送记录发送至数据存储模块；
所述预警控制模块针对警报指令进行预警，所述报警指令包括低级报警指令、中级报警指令和高级报警指令，所述预警控制模块包括报警灯、蜂鸣器、自动拨号单元、警示单元和调节单元，具体预警步骤为：
M1：当预警控制模块接收到低级报警指令时，报警灯设置为红色闪烁状态，同时调节单元打开车窗进行通风；
M2：当预警控制模块接收到中级报警指令时，报警灯设置为红色闪烁状态，蜂鸣器报警，同时调节单元打开车辆示廓灯报警；
M3：当预警控制模块接收到高级报警指令时，报警灯设置为红色闪烁状态，蜂鸣器报警，打开车辆示廓灯，同时拨打报警电话进行报警，具体拨打步骤为：
M31：拨打报警电话，等待电话接通；
M32：电话接通后，通过语音机器人发送报警关键字，所述报警关键字为“疑似疲劳驾驶”；
M33：获取车辆的车速和位置，通过语音播报的形式将车辆的车速和位置发送至电话另一端；
M34：通过数据存储模块获取驾驶人员的姓名、手机号码和车牌号，通过语音播报的形式将姓名、手机号码和车牌号发送至电话另一端；
M35：重复M32-M34步骤两遍。
2.根据权利要求1所述的基于物联网与计算机的疲劳驾驶监控系统，其特征在于，所述视频预处理不仅能够提高编码视频的质量，而且能够提高编码效率，所述视频预处理包括限带滤波、噪声去除、图像增强、暗光处理、自动曝光和背光补偿；所述声音预处理包括预加重处理和分帧加窗预处理；所述噪声特征信息包括发送机噪声、空气噪声和车身结构噪声。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011035073.6A CN112150767B (zh) | 2020-09-27 | 2020-09-27 | 基于物联网与计算机的疲劳驾驶监控系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011035073.6A CN112150767B (zh) | 2020-09-27 | 2020-09-27 | 基于物联网与计算机的疲劳驾驶监控系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112150767A CN112150767A (zh) | 2020-12-29 |
| CN112150767B true CN112150767B (zh) | 2021-11-23 |
Family
ID=73895585
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011035073.6A Active CN112150767B (zh) | 2020-09-27 | 2020-09-27 | 基于物联网与计算机的疲劳驾驶监控系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112150767B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113256981B (zh) * | 2021-06-09 | 2021-09-21 | 天津所托瑞安汽车科技有限公司 | 基于车辆行驶数据的报警分析方法、装置、设备和介质 |
| CN114505456A (zh) * | 2022-02-25 | 2022-05-17 | 麦特勒智能科技(张家港)有限公司 | 连铸机动态电磁搅拌系统 |
| CN117292505B (zh) * | 2022-11-08 | 2024-04-05 | 南宁桂港程锦科技有限公司 | 基于数据处理的智慧交通疲劳驾驶监控系统及监控方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2773521B1 (fr) * | 1998-01-15 | 2000-03-31 | Carlus Magnus Limited | Procede et dispositif pour surveiller en continu l'etat de vigilance du conducteur d'un vehicule automobile, afin de detecter et prevenir une tendance eventuelle a l'endormissement de celui-ci |
| US10074024B2 (en) * | 2010-06-07 | 2018-09-11 | Affectiva, Inc. | Mental state analysis using blink rate for vehicles |
| US10482333B1 (en) * | 2017-01-04 | 2019-11-19 | Affectiva, Inc. | Mental state analysis using blink rate within vehicles |
| US10448867B2 (en) * | 2014-09-05 | 2019-10-22 | Vision Service Plan | Wearable gait monitoring apparatus, systems, and related methods |
| CN106419867A (zh) * | 2016-08-09 | 2017-02-22 | 上海斐讯数据通信技术有限公司 | 可穿戴电子设备及其人体健康监测系统、方法 |
| US11158179B2 (en) * | 2017-07-27 | 2021-10-26 | NXT-ID, Inc. | Method and system to improve accuracy of fall detection using multi-sensor fusion |
| 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 |
| US10373466B1 (en) * | 2018-03-15 | 2019-08-06 | Arm Ltd. | Systems, devices, and/or processes for tracking behavioral and/or biological state |
-
2020
- 2020-09-27 CN CN202011035073.6A patent/CN112150767B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112150767A (zh) | 2020-12-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112150767B (zh) | 基于物联网与计算机的疲劳驾驶监控系统 | |
| CN103594003B (zh) | 一种用于驾驶人的远程监控与异常预警的方法 | |
| CN104599443A (zh) | 一种基于信息融合的驾驶行为预警车载终端及其预警方法 | |
| CN207637164U (zh) | 一种车载疲劳驾驶监控系统 | |
| CN102930693A (zh) | 安全驾驶预警系统及方法 | |
| US10525879B2 (en) | Method and system for vehicle status based advanced driver assistance | |
| CN109118714B (zh) | 基于眼动信息的报警方法、装置、设备及存储介质 | |
| CN104691333B (zh) | 基于车道偏离频次的长途客车驾驶员疲劳状态评价方法 | |
| CN106274693A (zh) | 一种驾车行驶中进行提醒的方法、系统及电子设备 | |
| CN106686341A (zh) | 一种交互式车载智能终端系统及监控方法 | |
| CN212624073U (zh) | 一种安全驾驶预警系统 | |
| CN110717477A (zh) | 轨道智能预警分析装置 | |
| CN215265110U (zh) | 一种车载声音传感反馈系统 | |
| CN105761431A (zh) | 一种行为监控预警方法和系统 | |
| CN106845393A (zh) | 安全带识别模型构建方法及装置 | |
| CN106004439A (zh) | 一种远程控制公交车智能车载主机 | |
| CN210733976U (zh) | 一种基于3d全景技术的车辆驾驶辅助系统 | |
| CN210955422U (zh) | 医疗救护车安全监控系统 | |
| CN111243235A (zh) | 驾驶辅助方法及装置 | |
| CN109895694B (zh) | 一种车道偏离预警方法、装置及车辆 | |
| CN205490919U (zh) | 一种车载智能信息终端 | |
| CN209980481U (zh) | Adas防撞智能预警监测设备 | |
| CN112258813A (zh) | 一种车辆主动安全控制方法和设备 | |
| CN112687076A (zh) | 一种预防疲劳驾驶的方法、装置及手环 | |
| CN112606834A (zh) | 一种车辆前方盲区显示的行驶辅助系统 |
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 |