CN112896175A - 驾驶行为分析系统及方法 - Google Patents
驾驶行为分析系统及方法 Download PDFInfo
- Publication number
- CN112896175A CN112896175A CN202110042574.5A CN202110042574A CN112896175A CN 112896175 A CN112896175 A CN 112896175A CN 202110042574 A CN202110042574 A CN 202110042574A CN 112896175 A CN112896175 A CN 112896175A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- driving
- driver
- head
- driving behavior
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000006399 behavior Effects 0.000 claims abstract description 202
- 230000009471 action Effects 0.000 claims abstract description 12
- 238000009825 accumulation Methods 0.000 claims abstract description 7
- 230000001788 irregular Effects 0.000 claims description 53
- 230000004397 blinking Effects 0.000 claims description 34
- 241001282135 Poromitra oscitans Species 0.000 claims description 28
- 206010048232 Yawning Diseases 0.000 claims description 28
- 238000010295 mobile communication Methods 0.000 claims description 22
- 238000001514 detection method Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 19
- 230000001815 facial effect Effects 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 6
- 230000003203 everyday effect Effects 0.000 claims description 4
- 238000010191 image analysis Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 2
- 238000012937 correction Methods 0.000 abstract description 4
- 210000003128 head Anatomy 0.000 description 93
- 230000008859 change Effects 0.000 description 13
- 210000000744 eyelid Anatomy 0.000 description 8
- 238000012790 confirmation Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000004399 eye closure Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W40/09—Driving style or behaviour
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- 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
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W2040/0809—Driver authorisation; Driver identity check
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W2040/0818—Inactivity or incapacity of driver
- B60W2040/0827—Inactivity or incapacity of driver due to sleepiness
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W2040/0818—Inactivity or incapacity of driver
- B60W2040/0863—Inactivity or incapacity of driver due to erroneous selection or response of the driver
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及车辆技术领域,具体涉及驾驶行为分析系统及方法,针对现有驾驶行为分析系统无法针对驾驶人员具体出现的驾驶问题作出强制性改正的问题,提出了一种驾驶行为分析系统及方法,其中方法包括以下:S1、车辆行驶情况分析;S2、驾驶行为采集;S3、疲劳驾驶行为分析;S4、危险驾驶行为分析;S5、驾驶安全保障;S6、行为累积。
Description
技术领域
本发明涉及车辆技术领域,具体涉及驾驶行为分析系统及方法。
背景技术
数据显示,造成车祸的因素中驾驶人员的危险驾驶行为占了90%,而这些危险驾驶行为包括驾驶人员的疲劳驾驶以及驾驶人员不规范错误的驾驶陋习。因此帮助驾驶人员减少疲劳驾驶,摆脱驾驶陋习,养成正确的安全驾驶行为的驾驶辅助系统的需求日益明显。
现有专利文件CN103310202A公开了一种保障驾驶安全的系统及其方法,包括设置在车辆中的车载终端,以及与所述车载终端通信的控制中心,所述车载终端包括车载终端处理器,以及分别与所述车载终端处理器连接的超速检测模块,疲劳检测模块,车道偏离检测模块,行车记录模块,危险提示模块,紧急救助模块,无线通信模块。该发明优点在于,可以实时检测司机的危险驾驶行为并实时提示,且可向与危险车辆处同一路段的车辆发出危险提示,让其注意避让或改道,同时危险驾驶信息将通过控制中心综合分析,然后给出进一步建议并为司机划分等级。
上述现有技术中实现了对于危险驾驶行为的监测,在对司机进行实时提示的同时通过对危险驾驶信息的综合分析,对司机划分等级,借此帮助司机养成良好的安全驾驶习惯。但在现实生活中,实时进行危险驾驶行为的提示以及对司机划分等级并不能从根本上解决很多驾驶人员的危险驾驶行为,甚至可能造成司机对危险驾驶行为提示的依赖。同时,现实生活中存在知道自身有危险驾驶行为,但并不进行改正的人,例如现存有个体户的驾驶人员为了运送更多次货物而压缩休息时间,导致在驾驶中出现疲劳驾驶的情况,或者有长期已养成危险驾驶习惯的私家车驾驶人员等,这些驾驶人员在知道自身存在危险驾驶行为的情况下依然延续之前的行为,就需要较为强硬的方式杜绝他们在疲劳的情况下持续驾驶行为,或者是强制性纠正他们长期养成的危险驾驶行为。
基于上述情况,现在急需一种驾驶行为分析系统能对驾驶人员出现的具体驾驶问题作出强制性的改正。
发明内容
本发明针对现有驾驶行为分析系统无法针对驾驶人员具体出现的驾驶问题作出强制性改正的问题,提出了一种驾驶行为分析系统及方法。
为了解决上述技术问题,本申请提供如下技术方案:
驾驶行为分析方法,包括以下:
S1、车辆行驶情况分析:采集车辆行驶中的车辆行驶情况,根据采集到的车辆行驶情况判断是否出现车辆危险行驶情况;
S2、驾驶行为采集:采集驾驶人员在车辆驾驶时的驾驶人员的头部图像数据以及肢体图像数据;
S3、疲劳驾驶行为分析:分析采集到的头部图像数据,判断驾驶人员在车辆驾驶中是否出现疲劳驾驶行为;
S4、不规范驾驶行为分析:分析采集到的肢体图像数据,判断驾驶人员在驾驶中是否存在不规范驾驶行为;
S5具体包括以下:
S501、培训推送:若出现不规范驾驶行为,则向驾驶人员的智能移动通讯终端推送相应的驾驶操作学习视频;
S502、疲劳监督:若出现疲劳驾驶行为,则调取车辆定位系统的路径规划,识别车辆行驶路线:若识别到车辆行驶在高速路上,则自动匹配最近的服务区,将匹配到的服务区推荐给驾驶人员;若识别到车辆行驶在公路上,则间隔播放语音提示;
S6、行为累积:建立数据库对车辆危险行驶情况、疲劳驾驶和不规范驾驶行为进行记录:
当日出现两次车辆危险行驶情况时,间隔播放语音提示;
当日识别到疲劳驾驶行为后,则在次日驾驶时需驾驶人员的智能移动通讯终端的夜间屏幕未使用时间达到预设值时,控制器开启车辆启动开关;
当疲劳驾驶行为连续录入三天,则第四天控制器关闭车辆启动开关一天;
当连续两日不规范驾驶行为每日录入三次以上时,将两日的不规范驾驶行为进行重合度分析,重合度达到预设比例则第三日控制器关闭车辆启动开关一天。
有益效果:
(1)通过对车辆行驶情况进行分析,得到是否存在驾驶人员驾驶时出现车辆危险行驶情况;通过采集驾驶人员的头部图像数据和肢体图像数据,再对头部图像数据和肢体图像数据进行识别和分析,判断驾驶人员是否出现了疲劳驾驶以及不规范驾驶的行为;
(2)进一步通过驾驶安全保障,对于出现了疲劳驾驶和不规范驾驶行为的情况采取对应的措施,对不规范驾驶行为推送对应的驾驶操作学习视频纠正驾驶人员的不规范驾驶行为;对疲劳驾驶行为推送对应的休息服务区或者进行语音警示提醒纠正驾驶人员存在疲劳驾驶且需要休息;最后对于出现的车辆危险行驶情况、不规范驾驶行为和疲劳驾驶行为进行危险驾驶行为的累计记录,对当日出现两次车辆危险行驶情况时,间隔播放语音提示,提示驾驶人员注意安全;
(3)对当日识别到疲劳驾驶行为后,需要次日驾驶时驾驶人员的智能移动通讯终端在夜间的屏幕未使用时间达到预设值,才能启动车辆,当代人们晚睡多数情况是在使用电子产品,其夜间屏幕未使用时间约等于夜间休息的时间,通过识别夜间屏幕未使用的时间预估得到驾驶人员休息的时间,夜间屏幕未使用时间达到预设值,可以预估驾驶人员休息的时间达到预设值,可以避免在当日出现疲劳驾驶行为后休息时间不足而进一步导致次日的疲劳驾驶,造成更高的危险系数;
(4)当连续出现三天的疲劳驾驶行为,说明驾驶人员在休息时间已经不够的情况下还在持续驾驶行为,需要采取强制性的措施,关闭车辆启动开关,通过强制的方法警示驾驶人员疲劳驾驶行为不可取,同时关闭车辆启动开关可以避免驾驶人员继续疲劳驾驶;当连续两日每日录入三次以上不规范驾驶行为,将两日的不规范驾驶行为进行重合度分析,重合度达到预设比例时,说明在出现不规范驾驶行为并接受到相关驾驶操作学习视频后,驾驶人员没有及时纠正,此时采取强制性的措施关闭车辆启动开关,警示驾驶人员需要对自身不规范的驾驶行为进行纠正;同时能够强制纠正驾驶人员自身的危险驾驶行为,且基于对车辆的需求,驾驶人员会通过纠正自身的危险驾驶行为以避免车辆启动开关被关闭的情况,达到较为显著的危险驾驶行为纠正效果。
本发明通过对危险驾驶行为次数的限制,当达到预先设置的次数后,采取关闭车辆启动的措施,对驾驶人员存在疲劳驾驶行为和不规范驾驶行为后进行强制性的改正,对于疲劳驾驶行为和不规范驾驶行为后即时的惩罚性措施,避免驾驶人员的对于危险事故存在侥幸心理而防松对于正确驾驶行为的遵守,达到对于驾驶人员出现具体驾驶问题时进行强制性的改正。
进一步,S1、车辆行驶分析采集包括:
S101、行驶车速采集,采集车辆的行驶速度;
S102、急刹检测,检测车辆行驶途中出现的急刹情况时,对车辆前方进行视频图像采集,得到急刹路况视频图像;
S103、急刹判断,对采集到的急刹路况视频图像进行视频图像分析,根据视频图像分析得到急刹时前方障碍物出现的时刻,对急刹的情况进行判断,是否由突然出现障碍物造成急刹;
S104、行驶轨迹采集,采集车辆行驶过程中是否出现突然偏离既定轨道的情况;
S105、车距采集,采集与本车前方相距最近车辆的车距,并判断是否低于安全车距;
S106、车辆危险行驶情况判断,对于采集到车辆行驶中出现超速、非突然出现障碍物造成急刹,偏离既定轨道,车距低于安全车距的情况时,判定为出现车辆危险行驶情况。
有益效果:在对驾驶行为识别时,可能细微的动作会造成较大的车辆行驶偏差,比如急刹,踩脚刹或转动方向盘等较为轻微的动作,表现在车辆上会出现较大的行驶差异,所以对车辆行驶情况进行采集,识别出是否出现超速、急刹、突然偏离既定轨道以及车距是否过近;对于非突然出现障碍物造成急刹,通常情况下使驾驶人员注意力不够集中,对障碍物的观察不到位;对于突然偏离行驶轨道的情况,极大程度上是没有注意到障碍物或行人,或者是疲劳驾驶打瞌睡,表现出来的就是车辆突然偏离行驶轨道的情况,通过上述车辆行驶情况的采集和分析,判断是否存在车辆危险行驶情况。
进一步,S2、驾驶行为采集包括:
S201、面部图像采集:采集驾驶人员的头部图像;
S202、眨眼检测:识别头部图像中眼部范围的图像,分离眼部范围的图像得到眼部图像数据,对眼部图像数据进行分析,得到眨眼频率和闭眼时间;
S203、低头检测:分析采集到的头部图像数据,得到驾驶人员低头时的低头幅度和低头时保持的低头时间;
S204、打哈欠检测:识别头部图像中的嘴部范围的图像,得到嘴部图像数据,对一段时间内嘴部图像数据进行分析,得到驾驶人员打哈欠的频率。
有益效果:通过采集驾驶人员面部图像,并进一步检测眨眼频率、闭眼时间、低头幅度、低头时间和打哈欠的频率,便于后续判断是否存在疲劳驾驶时提供判断依据。
进一步,S3、疲劳驾驶行为分析包括:根据采集到的眨眼频率、闭眼时间、低头幅度、低头时间和打哈欠的频率判断是否存在疲劳驾驶的情况;
预设一个眨眼预设频率和闭合预设时间,当眨眼频率大于眨眼预设频率,以及闭眼时间大于闭眼预设时间,则判定为疲劳驾驶;
预设一个低头预设幅度和低头预设时间,当低头幅度大于低头预设幅度和保持的低头时间大于低头预设时间时,则判定为疲劳驾驶;
预设一个嘴部开合预设频率,当打哈欠频率大于嘴部开合预设频率时,则判定为存在疲劳驾驶。
有益效果:通过对驾驶人员的面部图像进行采集,根据采集到的眨眼频率、闭眼时间、低头幅度、低头时间和打哈欠的频率,通过设置预设的阈值从而得到驾驶人员是否存在疲劳驾驶的情况。
进一步,S4、不规范驾驶行为分析还包括:对采集到的肢体图像数据进行分析,判断驾驶人员是否在驾驶中出现手没有放置在方向盘上、看手机、打电话的行为,当在驾驶中出现手没有放置在方向盘上、看手机、打电话的行为时,判定为不规范驾驶行为。
有益效果:对驾驶人员的肢体图像数据进行分析,识别分析出驾驶人员是否出现一些不规范驾驶行为,便于后期对驾驶人员的出现的不规范驾驶行为进行强制纠正。
进一步,S502、疲劳监督还包括:成功推荐服务区给驾驶人员后,间隔时间调取车辆定位,若识别到车辆没有驶入该服务区,则继续推荐下一个服务区;
有益效果:日常驾驶人员在车辆驾驶中,通过车辆定位系统会对最近的服务区进行显示,但驾驶人员通常在存在疲劳的情况下,依然坚持开车,对驾驶人员持续进行推荐,会对驾驶人员起到一个劝说的作用,增加驾驶人员缓解疲劳驾驶情况的意愿。
基于上述驾驶行为分析方法,本发明还提供一种驾驶行为分析系统,包括:
车辆行驶情况分析模块:用于采集车辆行驶中的车辆行驶情况,根据采集到的车辆行驶情况判断是否出现车辆危险行驶情况;
驾驶行为采集模块:用于采集驾驶人员在车辆驾驶时的驾驶人员的头部图像数据以及肢体图像数据;
疲劳驾驶行为分析模块:用于分析采集到的头部图像数据,判断驾驶人员在车辆驾驶中是否出现疲劳驾驶的行为;
不规范驾驶行为分析模块:用于分析采集到的肢体图像数据,判断驾驶人员在驾驶中是否存在不规范驾驶行为;
驾驶安全保障模块:包括控制器,控制器与车辆启动开关、驾驶人员的智能移动通讯终端连接,还包括:
培训推送模块:用于判断出现不规范驾驶行为后向驾驶人员的智能移动通讯终端推送相应的驾驶操作学习视频;
疲劳监督模块:用于判断出现疲劳驾驶行为后调取车辆定位系统的路径规划,识别车辆行驶路线:若识别到车辆行驶在高速路上,则自动匹配最近的服务区,将匹配到的服务区推荐给驾驶人员;
若识别到车辆行驶在公路上,则间隔播放语音提示;
行为累积模块:用于建立数据库对于当天出现的疲劳驾驶和不规范驾驶行为进行记录:
当日识别到疲劳驾驶行为后,则在次日驾驶时需驾驶人员的智能移动通讯终端的夜间屏幕未使用时间达到预设值时,控制器开启车辆启动开关;
当疲劳驾驶行为连续录入三天,则第四天控制器关闭车辆启动开关一天;
当不规范驾驶行为同日录入三次以上,则次日控制器关闭车辆启动开关一天。
有益效果:(1)通过对车辆行驶情况进行分析,得到是否存在驾驶人员驾驶时出现车辆危险行驶情况;通过采集驾驶人员的头部图像数据和肢体图像数据,再对头部图像数据和肢体图像数据进行识别和分析,判断驾驶人员是否出现了疲劳驾驶以及不规范驾驶的行为;
(2)进一步通过驾驶安全保障,对于出现了疲劳驾驶和不规范驾驶行为的情况采取对应的措施,对不规范驾驶行为推送对应的驾驶操作学习视频纠正驾驶人员的不规范驾驶行为;对疲劳驾驶行为推送对应的休息服务区或者进行语音警示提醒纠正驾驶人员存在疲劳驾驶且需要休息;最后对于出现的车辆危险行驶情况、不规范驾驶行为和疲劳驾驶行为进行危险驾驶行为的累计记录,对当日出现两次车辆危险行驶情况时,间隔播放语音提示,提示驾驶人员注意安全;
(3)对当日识别到疲劳驾驶行为后,需要次日驾驶时驾驶人员的智能移动通讯终端在夜间的屏幕未使用时间达到预设值,才能启动车辆,当代人们晚睡多数情况是在使用电子产品,其夜间屏幕未使用时间约等于夜间休息的时间,通过识别夜间屏幕未使用的时间预估得到驾驶人员休息的时间,夜间屏幕未使用时间达到预设值,可以预估驾驶人员休息的时间达到预设值,可以避免在当日出现疲劳驾驶行为后休息时间不足而进一步导致次日的疲劳驾驶,造成更高的危险系数;
(4)当连续出现三天的疲劳驾驶行为,说明驾驶人员在休息时间已经不够的情况下还在持续驾驶行为,需要采取强制性的措施,关闭车辆启动开关,通过强制的方法警示驾驶人员疲劳驾驶行为不可取,同时关闭车辆启动开关可以避免驾驶人员继续疲劳驾驶;当连续两日每日录入三次以上不规范驾驶行为,将两日的不规范驾驶行为进行重合度分析,重合度达到预设比例时,说明在出现不规范驾驶行为并接受到相关驾驶操作学习视频后,驾驶人员没有及时纠正,此时采取强制性的措施关闭车辆启动开关,警示驾驶人员需要对自身不规范的驾驶行为进行纠正;同时能够强制纠正驾驶人员自身的危险驾驶行为,且基于对车辆的需求,驾驶人员会通过纠正自身的危险驾驶行为以避免车辆启动开关被关闭的情况,达到较为显著的危险驾驶行为纠正效果。
本发明通过对危险驾驶行为次数的限制,当达到预先设置的次数后,采取关闭车辆启动的措施,对驾驶人员存在疲劳驾驶行为和不规范驾驶行为后进行强制性的改正,对于疲劳驾驶行为和不规范驾驶行为后即时的惩罚性措施,避免驾驶人员的对于危险事故存在侥幸心理而防松对于正确驾驶行为的遵守,达到对于驾驶人员出现具体驾驶问题时进行强制性的改正。
进一步,驾驶行为采集模块包括:
面部图像采集模块:用于采集驾驶人员的头部图像;
眨眼检测模块:用于识别头部图像中眼部范围的图像,分离眼部范围的图像得到眼部图像数据,对眼部图像数据进行分析,得到眨眼频率和闭眼时间;
低头检测模块:用于分析采集到的头部图像数据,得到驾驶人员低头时的低头幅度和低头时保持的低头时间;
打哈欠检测模块:用于识别头部图像中的嘴部范围的图像,得到嘴部图像数据,对一段时间内嘴部图像数据进行分析,得到驾驶人员打哈欠的频率。
有益效果:通过采集驾驶人员面部图像,并进一步检测眨眼频率、闭眼时间、低头幅度、低头时间和打哈欠的频率,便于后续判断是否疲劳驾驶时提供判断依据。
进一步,疲劳驾驶行为分析模块:用于根据采集到的眨眼频率、闭眼时间、低头幅度、低头时间和打哈欠的频率判断是否存在疲劳驾驶的情况;
预设一个眨眼预设频率和闭合预设时间,当眨眼频率大于眨眼预设频率,以及闭眼时间大于闭眼预设时间,则判定为疲劳驾驶;
预设一个低头预设幅度和低头预设时间,当低头幅度大于低头预设幅度和保持的低头时间大于低头预设时间时,则判定为疲劳驾驶;
预设一个嘴部开合预设频率,当打哈欠频率大于嘴部开合预设频率时,则判定为存在疲劳驾驶。
有益效果:通过对驾驶人员的面部图像进行采集,采集到的眨眼频率、闭眼时间、低头幅度、低头时间和打哈欠的频率,通过设置预设的阈值从而得到驾驶人员是否存在疲劳驾驶的情况。
进一步,不规范驾驶行为分析模块还包括:用于对采集到的肢体图像数据进行分析,判断驾驶人员是否在驾驶中出现手没有放置在方向盘上、看手机、打电话的行为,当在驾驶中出现手没有放置在方向盘上、看手机、打电话的行为时,判定为不规范驾驶行为。
有益效果:对驾驶人员的肢体图像数据进行分析,识别分析出驾驶人员是否出现一些不规范驾驶行为,便于后期对驾驶人员的出现的不规范驾驶行为进行强制纠正。
附图说明
图1为本发明驾驶行为分析方法的流程图。
图2为本发明实施例二驾驶行为分析方法的逻辑框图。
具体实施方式
下面通过具体实施方式进一步详细说明:
实施例一
本实施例的驾驶行为分析方法,包括以下,如图1所示:
S1、车辆行驶情况分析:采集车辆行驶中的车辆行驶情况,根据采集到的车辆行驶情况判断是否出现车辆危险行驶情况;
S101、行驶车速采集,采集车辆行驶途中车辆仪表盘显示的速度;
S102、急刹检测,采用现有技术汽车黑匣子A5检测车辆行驶途中出现的急刹情况时,检测到急刹时,发送信息给车辆安装的无线摄像头,调取急刹前车辆前方的视频图像,得到急刹路况视频图像。汽车黑匣子A5在发生急刹车、急转向、急变道、急加速、严重颠簸的情况时可以及时检测到,本实施例采用汽车黑匣子A5对车辆急刹的情况进行检测。
S103、急刹判断,对采集到的急刹路况视频图像进行图像分析,预设一个时间阈值5秒,调取急刹情况出现时刻前5秒的视频图像,得到5秒内视频图像中障碍物出现的时刻,根据障碍物出现的时刻,对急刹的情况进行判断,若该障碍物在5秒内出现则判定为是突然出现障碍物造成急刹;
S104、行驶轨迹采集,利用现有技术车辆偏离预警系统采集车辆行驶过程中是否出现突然偏离既定轨道的情况;
S105、车距采集,采集与本车前方相距最近车辆的车距,是否低于安全车距;
S106、车辆危险行驶情况判断,对于采集到车辆行驶中出现超速,非突然出现障碍物造成急刹,偏离既定轨道,车距低于安全车距的情况时,判定为出现车辆危险行驶情况。
S2、驾驶行为采集:采集驾驶人员在车辆驾驶时的驾驶人员的头部图像数据以及肢体图像数据;
S201、面部图像采集:采集驾驶人员的头部图像;
S202、眨眼检测:识别头部图像中眼部范围的图像,分离眼部范围的图像得到眼部图像数据,对眼部图像数据进行分析,预设一个眨眼时间阈值1分钟,识别1分钟内眼睑闭合的次数和每次眼睑闭合的时间,通过1分钟内眼睑闭合的次数和每次眼睑闭合的时间计算的得到眨眼频率和闭眼时间;
S203、低头检测:分析采集到的头部图像数据,得到驾驶人员低头时的低头幅度和低头时保持的低头时间;
S204、打哈欠检测:识别头部图像中的嘴部范围的图像,得到嘴部图像数据,对一段时间内嘴部图像数据进行分析,采集预设时间内嘴部开合的次数得到驾驶人员打哈欠频率;
S3、疲劳驾驶行为分析:根据采集到的眨眼频率、闭眼时间、低头幅度、低头时间和打哈欠的频率判断是否存在疲劳驾驶的情况;
预设一个眨眼预设频率为1分钟30次,预设一个闭合预设时间为0.8s,当眨眼频率和闭眼时间均超过了眨眼预设频率和闭眼预设时间,则判定为存在疲劳驾驶;
预设一个低头预设幅度45度和低头预设时间为2秒,当低头幅度大于低头预设幅度和保持的低头时间大于低头预设时间时,则判定为疲劳驾驶;
预设一个嘴部开合预设频率为1分钟5次,当打哈欠频率大于嘴部开合预设频率时,则判定为存在疲劳驾驶。
S3、疲劳驾驶行为分析:分析采集到的头部图像数据,判断驾驶人员在车辆驾驶中是否出现疲劳驾驶的行为;
S4、不规范驾驶行为分析:分析采集到的肢体图像数据,判断驾驶人员在驾驶中是否存在不规范驾驶行为;还包括:对采集到的肢体图像数据进行分析,判断驾驶人员是否在驾驶中出现手没有放置在方向盘上、看手机、打电话的行为,当在驾驶中出现手没有放置在方向盘上、看手机、打电话的行为时,判定为不规范驾驶行为。
S5、驾驶安全保障:包括控制器,控制器与车辆启动开关、驾驶人员的智能移动通讯终端连接,还包括:
S501、培训推送:若出现不规范驾驶行为,则向驾驶人员的智能移动通讯终端推送相应的驾驶操作学习视频;
S502、疲劳监督:若判断出现疲劳驾驶行为,则调取车辆定位系统的行程规划,识别车辆行程路线:
若识别到车辆行驶在高速路上,则自动匹配最近的服务区,将匹配到的服务区推荐给驾驶人员;成功推荐服务区给驾驶人员后间隔时间调取车辆定位,设置间隔时间为10分钟,调取四次后,若识别到车辆没有驶入该服务区,则继续推荐下一个服务区;
若识别到车辆行驶在公路上,则间隔播放语音提示;
S6、行为累积:建立数据库对于当天出现的疲劳驾驶和不规范驾驶行为进行记录:
当日识别到疲劳驾驶行为后,则在次日驾驶时需驾驶人员的智能移动通讯终端的夜间屏幕未使用时间达到预设值时,控制器开启车辆启动开关;
当疲劳驾驶行为连续录入三天,则第四天控制器关闭车辆启动开关一天;
当不规范驾驶行为同日录入三次以上,则次日控制器关闭车辆启动开关一天。
该驾驶行为分析方式需要公开驾驶行为分析系统,包括:
车辆行驶情况分析模块:用于采集车辆行驶中的车辆行驶情况,根据采集到的车辆行驶情况判断是否出现车辆危险行驶情况;
驾驶行为采集模块:用于采集驾驶人员在车辆驾驶时的驾驶人员的头部图像数据以及肢体图像数据;
疲劳驾驶行为分析模块:用于分析采集到的头部图像数据,判断驾驶人员在车辆驾驶中是否出现疲劳驾驶的行为;
疲劳驾驶行为采集模块包括:
面部图像采集模块:用于采集驾驶人员的头部图像;
眨眼检测模块:用于识别头部图像中眼部范围的图像,分离眼部范围的图像得到眼部图像数据,对眼部图像数据进行分析,预设一个眨眼时间阈值1分钟,识别1分钟内眼睑闭合的次数和每次眼睑闭合的时间,通过1分钟内眼睑闭合的次数和每次眼睑闭合的时间计算的得到眨眼频率和闭眼时间;
低头检测模块:用于分析采集到的头部图像数据,得到驾驶人员低头时的低头幅度和低头时保持的低头时间;
打哈欠检测模块:用于识别头部图像中的嘴部范围的图像,得到嘴部图像数据,对一段时间内嘴部图像数据进行分析,采集预设时间内嘴部开合的次数得到驾驶人员打哈欠频率;
疲劳驾驶行为分析模块:用于分析采集到的头部图像数据,判断驾驶人员在车辆驾驶中是否出现疲劳驾驶的行为,根据采集到的眨眼频率、闭眼时间、低头幅度、低头时间和打哈欠的频率判断是否存在疲劳驾驶的情况;
预设一个眨眼预设频率为1分钟30次,预设一个闭合预设时间为0.8s,当眨眼频率和闭眼时间均超过了眨眼预设频率和闭眼预设时间,则判定为存在疲劳驾驶;
预设一个低头预设幅度45度和低头预设时间为2秒,当低头幅度大于低头预设幅度和保持的低头时间大于低头预设时间时,则判定为疲劳驾驶;
预设一个嘴部开合预设频率为1分钟5次,当打哈欠频率大于嘴部开合预设频率时,则判定为存在疲劳驾驶。
不规范驾驶行为分析模块:用于分析采集到的肢体图像数据,判断驾驶人员在驾驶中是否存在不规范驾驶行为;还包括:用于对采集到的肢体图像数据进行分析,判断驾驶人员是否在驾驶中出现手没有放置在方向盘上、看手机、打电话的行为,当在驾驶中出现手没有放置在方向盘上、看手机、打电话的行为时,判定为不规范驾驶行为。
驾驶安全保障模块:包括控制器,控制器与车辆启动开关、驾驶人员的智能移动通讯终端连接,还包括:
培训推送模块:用于判断出现不规范驾驶行为的情况,则向驾驶人员的智能移动通讯终端推送相应的驾驶操作学习视频;
疲劳监督模块:用于判断出现疲劳驾驶的情况,则调取车辆定位系统的行程规划,识别车辆行程路线:
若识别到车辆行驶在高速路上,则自动匹配最近的服务区,将匹配到的服务区推荐给驾驶人员;
若识别到车辆行驶在公路上,则间隔播放语音提示;
行为累积模块:用于建立数据库对于当天出现的疲劳驾驶和不规范驾驶行为进行记录:
当日识别到疲劳驾驶行为后,则在次日驾驶时需驾驶人员的智能移动通讯终端的夜间屏幕未使用时间达到预设值时,控制器开启车辆启动开关;
当疲劳驾驶行为连续录入三天,则第四天控制器关闭车辆启动开关一天;
当不规范驾驶行为同日录入三次以上,则次日控制器关闭车辆启动开关一天。
实施例二
与实施例一相比,不同之处仅在于,如图2所示,还包括以下模块:
建立人脸数据库模块:用于采集所有驾驶人员的面部图像数据,建立人脸数据库,将所有驾驶人员的面部图像数据储存在人脸数据库中。
驾驶人员身份确认模块:用于在车辆启动时,采集司机的面部图像数据,得到司机面部图像数据,将司机面部图像数据发送给人脸数据库,与人脸数据库中的面部图像数据进行匹配。
驾驶人员变更判断模块:用于对驾驶人员变更的行为进行识别,判断出现变更驾驶人员后,确认是否接受到运营公司发出的人员变更信息,人员变更信息。
驾驶位重量判断子模块:用于检测驾驶位的重量,当驾驶位出现重量的变化超出正常浮动值后,判断为人员变更。
驾驶位车门识别判断子模块:用于检测驾驶位车门开启和关闭情况,当出现驾驶位车门开启和关闭的两个行为时,进行驾驶人员语音确认,当驾驶人员语音匹配失败时,判断为人员变更。
驾驶人员变更行为合规判断模块:用于没有接受到运营公司发出的人员变更信息的情况,则锁定车辆禁止启动;若接受到人员变更信息,则进一步确认人员变更是否正确。
人员变更确认模块:若接收到人员变更信息,则本地终端再次采集变更司机的面部图像数据,将采集到的变更司机面部图像数据发送给人脸数据库,与人脸数据库中的面部图像数据进行匹配,匹配成功后,调取所述驾驶人员的相关信息,并与接收到的人员变更信息进行比对。
对比结果输出模块:
若与人脸数据库汇总的面部数据匹配失败,则锁定车辆禁止启动,同时通知司机本人、车辆所属单位和报警;
若与人脸数据库汇总的面部数据匹配成功,但与接收到的人员变更消息不一致,则判断是否存在安全隐患,如果是,则锁定车辆禁止启动,同时通知司机本人和车辆所属单位;
若与人脸数据库汇总的面部数据匹配成功,且与接收到的人员变更消息一致,则允许车辆启动。
安全监测模块:若在对比结果输出步骤中出现锁定车辆禁止启动的情况,则采集驾驶人员的肢体动作,得到驾驶人员的动作图像数据,分析驾驶人员的动作图像数据,分析其肢体动作的幅度范围,当超过驾驶人员正常驾驶应该出现的正常动作幅度范围后,禁止车门锁止,自动开启车窗;本实施例中的超过驾驶人员正常驾驶应该出现的正常动作幅度范围指手臂举过脖子和身体离开驾驶位,采用云从现有技术中的人体识别技术对驾驶人员的肢体动作进行识别。
还包括数据库更新模块,数据库更新模块用于在驾驶人员身份确认模块将司机面部图像数据与人脸数据库中的面部图像数据匹配成功后,控制驾驶人员身份确认模块连续采集多组该司机的待更新图像数据,然后数据库更新模块对待更新图像数据根据图像对焦是否准确筛选清晰度最高的一张图像作为临时更新图像数据,然后更新至人脸数据库中,并提取司机的人脸数据以及穿衣数据作为识别特征点。当今日再次进行识别时,优先选取临时更新图像数据与采集的司机的面部图像数据进行对比,对比时可增加识别特征点进行识别。时间为下一日且发动机冷却至常温后,数据库更新模块删除人脸数据库中的临时更新图像数据。
采用上述方式,对于司机本人而言,在首次识别成功后,人脸数据库更新了该司机本人今日的人脸数据以及穿着数据作为识别特征点。在司机临时下车,再次进入车辆进行二次甚至三次识别时,能够极大的提升人脸识别速度,保证用户的用车体验。
司机在第一次进入车里后,由于车辆通常在冷车启动后,均需要进行简单的热车,这段时间通常无法直接忽略,因此为保证人脸识别的准确性,等待时间方面用户是可以接受的。但是如果用户仅是临时停靠(例如下车买瓶水),如果再次花费较多的时间进行识别,会影响客户的体验。因此,在本实施例中,增加了时间为下一日且发动机降至常温,才对临时更新图像数据进行删除,充分利用热车的等待时间,且保证了正常使用过程中的用户体验。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (10)
1.驾驶行为分析方法,其特征在于,包括以下:
S1、车辆行驶情况分析:采集车辆行驶中的车辆行驶情况,根据采集到的车辆行驶情况判断是否出现车辆危险行驶情况;
S2、驾驶行为采集:采集驾驶人员在车辆驾驶时的驾驶人员的头部图像数据以及肢体图像数据;
S3、疲劳驾驶行为分析:分析采集到的头部图像数据,判断驾驶人员在车辆驾驶中是否出现疲劳驾驶行为;
S4、不规范驾驶行为分析:分析采集到的肢体图像数据,判断驾驶人员在驾驶中是否存在不规范驾驶行为;
S5具体包括以下:
S501、培训推送:若出现不规范驾驶行为,则向驾驶人员的智能移动通讯终端推送相应的驾驶操作学习视频;
S502、疲劳监督:若出现疲劳驾驶行为,则调取车辆定位系统的路径规划,识别车辆行驶路线:若识别到车辆行驶在高速路上,则自动匹配最近的服务区,将匹配到的服务区推荐给驾驶人员;若识别到车辆行驶在公路上,则间隔播放语音提示;
S6、行为累积:建立数据库对车辆危险行驶情况、疲劳驾驶和不规范驾驶行为进行记录:
当日出现两次车辆危险行驶情况时,间隔播放语音提示;
当日识别到疲劳驾驶行为后,则在次日驾驶时需驾驶人员的智能移动通讯终端的夜间屏幕未使用时间达到预设值时,控制器开启车辆启动开关;
当疲劳驾驶行为连续录入三天,则第四天控制器关闭车辆启动开关一天;
当连续两日不规范驾驶行为每日录入三次以上时,将两日的不规范驾驶行为进行重合度分析,重合度达到预设比例则第三日控制器关闭车辆启动开关一天。
2.根据权利要求1所述的驾驶行为分析方法,其特征在于:S1、车辆行驶分析采集包括:
S101、行驶车速采集,采集车辆的行驶速度;
S102、急刹检测,检测车辆行驶途中出现的急刹情况时,对车辆前方进行视频图像采集,得到急刹路况视频图像;
S103、急刹判断,对采集到的急刹路况视频图像进行视频图像分析,根据视频图像分析得到急刹时前方障碍物出现的时刻,对急刹的情况进行判断,是否由突然出现障碍物造成急刹;
S104、行驶轨迹采集,采集车辆行驶过程中是否出现突然偏离既定轨道的情况;
S105、车距采集,采集与本车前方相距最近车辆的车距,并判断是否低于安全车距;
S106、车辆危险行驶情况判断,对于采集到车辆行驶中出现超速、非突然出现障碍物造成急刹,偏离既定轨道,车距低于安全车距的情况时,判定为出现车辆危险行驶情况。
3.根据权利要求2所述的驾驶行为分析方法,其特征在于:S2、驾驶行为采集包括:
S201、面部图像采集:采集驾驶人员的头部图像;
S202、眨眼检测:识别头部图像中眼部范围的图像,分离眼部范围的图像得到眼部图像数据,对眼部图像数据进行分析,得到眨眼频率和闭眼时间;
S203、低头检测:分析采集到的头部图像数据,得到驾驶人员低头时的低头幅度和低头时保持的低头时间;
S204、打哈欠检测:识别头部图像中的嘴部范围的图像,得到嘴部图像数据,对一段时间内嘴部图像数据进行分析,得到驾驶人员打哈欠的频率。
4.根据权利要求3所述的驾驶行为分析方法,其特征在于:S3、疲劳驾驶行为分析包括:根据采集到的眨眼频率、闭眼时间、低头幅度、低头时间和打哈欠的频率判断是否存在疲劳驾驶的情况;
预设一个眨眼预设频率和闭合预设时间,当眨眼频率大于眨眼预设频率,以及闭眼时间大于闭眼预设时间,则判定为疲劳驾驶;
预设一个低头预设幅度和低头预设时间,当低头幅度大于低头预设幅度和保持的低头时间大于低头预设时间时,则判定为疲劳驾驶;
预设一个嘴部开合预设频率,当打哈欠频率大于嘴部开合预设频率时,则判定为存在疲劳驾驶。
5.根据权利要求4所述的驾驶行为分析方法,其特征在于:S4、不规范驾驶行为分析还包括:对采集到的肢体图像数据进行分析,判断驾驶人员是否在驾驶中出现手没有放置在方向盘上、看手机、打电话的行为,当在驾驶中出现手没有放置在方向盘上、看手机、打电话的行为时,判定为不规范驾驶行为。
6.根据权利要求5所述的驾驶行为分析方法,其特征在于:S502、疲劳监督还包括:成功推荐服务区给驾驶人员后,间隔时间调取车辆定位,若识别到车辆没有驶入该服务区,则继续推荐下一个服务区。
7.驾驶行为分析系统,其特征在于,包括:
车辆行驶情况分析模块:用于采集车辆行驶中的车辆行驶情况,根据采集到的车辆行驶情况判断是否出现车辆危险行驶情况;
驾驶行为采集模块:用于采集驾驶人员在车辆驾驶时的驾驶人员的头部图像数据以及肢体图像数据;
疲劳驾驶行为分析模块:用于分析采集到的头部图像数据,判断驾驶人员在车辆驾驶中是否出现疲劳驾驶的行为;
不规范驾驶行为分析模块:用于分析采集到的肢体图像数据,判断驾驶人员在驾驶中是否存在不规范驾驶行为;
驾驶安全保障模块:包括控制器,控制器与车辆启动开关、驾驶人员的智能移动通讯终端连接,还包括:
培训推送模块:用于判断出现不规范驾驶行为后向驾驶人员的智能移动通讯终端推送相应的驾驶操作学习视频;
疲劳监督模块:用于判断出现疲劳驾驶行为后调取车辆定位系统的路径规划,识别车辆行驶路线:若识别到车辆行驶在高速路上,则自动匹配最近的服务区,将匹配到的服务区推荐给驾驶人员;
若识别到车辆行驶在公路上,则间隔播放语音提示;
行为累积模块:用于建立数据库对于当天出现的疲劳驾驶和不规范驾驶行为进行记录:
当日识别到疲劳驾驶行为后,则在次日驾驶时需驾驶人员的智能移动通讯终端的夜间屏幕未使用时间达到预设值时,控制器开启车辆启动开关;
当疲劳驾驶行为连续录入三天,则第四天控制器关闭车辆启动开关一天;
当不规范驾驶行为同日录入三次以上,则次日控制器关闭车辆启动开关一天。
8.根据权利要求7所述的驾驶行为分析系统,其特征在于:驾驶行为采集模块包括:
面部图像采集模块:用于采集驾驶人员的头部图像;
眨眼检测模块:用于识别头部图像中眼部范围的图像,分离眼部范围的图像得到眼部图像数据,对眼部图像数据进行分析,得到眨眼频率和闭眼时间;
低头检测模块:用于分析采集到的头部图像数据,得到驾驶人员低头时的低头幅度和低头时保持的低头时间;
打哈欠检测模块:用于识别头部图像中的嘴部范围的图像,得到嘴部图像数据,对一段时间内嘴部图像数据进行分析,得到驾驶人员打哈欠的频率。
9.根据权利要求8所述的驾驶行为分析系统,其特征在于:疲劳驾驶行为分析模块:用于根据采集到的眨眼频率、闭眼时间、低头幅度、低头时间和打哈欠的频率判断是否存在疲劳驾驶的情况;
预设一个眨眼预设频率和闭合预设时间,当眨眼频率大于眨眼预设频率,以及闭眼时间大于闭眼预设时间,则判定为疲劳驾驶;
预设一个低头预设幅度和低头预设时间,当低头幅度大于低头预设幅度和保持的低头时间大于低头预设时间时,则判定为疲劳驾驶;
预设一个嘴部开合预设频率,当打哈欠频率大于嘴部开合预设频率时,则判定为存在疲劳驾驶。
10.根据权利要求9所述的驾驶行为分析系统,其特征在于:不规范驾驶行为分析模块还包括:用于对采集到的肢体图像数据进行分析,判断驾驶人员是否在驾驶中出现手没有放置在方向盘上、看手机、打电话的行为,当在驾驶中出现手没有放置在方向盘上、看手机、打电话的行为时,判定为不规范驾驶行为。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110042574.5A CN112896175B (zh) | 2021-01-13 | 2021-01-13 | 驾驶行为分析系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110042574.5A CN112896175B (zh) | 2021-01-13 | 2021-01-13 | 驾驶行为分析系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112896175A true CN112896175A (zh) | 2021-06-04 |
CN112896175B CN112896175B (zh) | 2022-06-14 |
Family
ID=76112774
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110042574.5A Active CN112896175B (zh) | 2021-01-13 | 2021-01-13 | 驾驶行为分析系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112896175B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113628415A (zh) * | 2021-07-08 | 2021-11-09 | 中铁大桥局集团有限公司 | 一种桥梁施工便道重载车辆行车安全预警方法及系统 |
CN115620267A (zh) * | 2022-10-27 | 2023-01-17 | 广东金上网络科技有限公司 | 一种司机驾驶行为分析方法、系统、设备及可存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013114668A (ja) * | 2011-11-25 | 2013-06-10 | Jiaotong Univ | 運転行為分析警告システム及び方法 |
US20170132521A1 (en) * | 2015-11-06 | 2017-05-11 | Leauto Intelligent Technology (Beijing) Co. Ltd. | Driving behavior evaluating method and device |
CN107499230A (zh) * | 2017-07-28 | 2017-12-22 | 广州亿程交通信息有限公司 | 车辆驾驶行为分析方法及系统 |
CN108229245A (zh) * | 2016-12-14 | 2018-06-29 | 贵港市瑞成科技有限公司 | 基于面部视频特征的疲劳驾驶检测方法 |
CN108960065A (zh) * | 2018-06-01 | 2018-12-07 | 浙江零跑科技有限公司 | 一种基于视觉的驾驶行为检测方法 |
CN109243006A (zh) * | 2018-08-24 | 2019-01-18 | 深圳市国脉畅行科技股份有限公司 | 异常驾驶行为识别方法、装置、计算机设备及存储介质 |
CN109903565A (zh) * | 2019-04-11 | 2019-06-18 | 深圳成有科技有限公司 | 一种车路协同的疲劳驾驶判定方法及系统 |
-
2021
- 2021-01-13 CN CN202110042574.5A patent/CN112896175B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013114668A (ja) * | 2011-11-25 | 2013-06-10 | Jiaotong Univ | 運転行為分析警告システム及び方法 |
US20170132521A1 (en) * | 2015-11-06 | 2017-05-11 | Leauto Intelligent Technology (Beijing) Co. Ltd. | Driving behavior evaluating method and device |
CN108229245A (zh) * | 2016-12-14 | 2018-06-29 | 贵港市瑞成科技有限公司 | 基于面部视频特征的疲劳驾驶检测方法 |
CN107499230A (zh) * | 2017-07-28 | 2017-12-22 | 广州亿程交通信息有限公司 | 车辆驾驶行为分析方法及系统 |
CN108960065A (zh) * | 2018-06-01 | 2018-12-07 | 浙江零跑科技有限公司 | 一种基于视觉的驾驶行为检测方法 |
CN109243006A (zh) * | 2018-08-24 | 2019-01-18 | 深圳市国脉畅行科技股份有限公司 | 异常驾驶行为识别方法、装置、计算机设备及存储介质 |
CN109903565A (zh) * | 2019-04-11 | 2019-06-18 | 深圳成有科技有限公司 | 一种车路协同的疲劳驾驶判定方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113628415A (zh) * | 2021-07-08 | 2021-11-09 | 中铁大桥局集团有限公司 | 一种桥梁施工便道重载车辆行车安全预警方法及系统 |
CN115620267A (zh) * | 2022-10-27 | 2023-01-17 | 广东金上网络科技有限公司 | 一种司机驾驶行为分析方法、系统、设备及可存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112896175B (zh) | 2022-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108960065B (zh) | 一种基于视觉的驾驶行为检测方法 | |
CN108791299B (zh) | 一种基于视觉的驾驶疲劳检测及预警系统及方法 | |
CN112896175B (zh) | 驾驶行为分析系统及方法 | |
CN109823345B (zh) | 一种基于生理信息的安全驾驶系统 | |
CN113479211B (zh) | 基于机器视觉的汽车驾驶安全行为识别和提醒方法及系统 | |
US8164463B2 (en) | Driver management apparatus and travel management system | |
CN106970619A (zh) | 一种无人驾驶车辆的智能控制系统及控制方法 | |
CN112428952A (zh) | 一种基于物联网的车辆安全预警系统 | |
EP3664043A1 (en) | Detecting driver tampering of vehicle information | |
CN113076856B (zh) | 基于人脸识别的公交车安全保障系统 | |
CN108045227A (zh) | 一种用于驾驶安全的智能预警方法 | |
CN111526311B (zh) | 驾驶用户行为的判断方法、系统、计算机设备及存储介质 | |
CN108053669A (zh) | 一种智能车载管理器 | |
CN113239754A (zh) | 一种应用于车联网的危险驾驶行为检测定位方法及系统 | |
CN110379107A (zh) | 一种公交行车安全保障系统及方法 | |
CN109606376A (zh) | 一种基于车载智能终端的安全驾驶行为识别系统 | |
CN112277954A (zh) | 综合监控车辆安全及人员安全驾驶的方法及其装置 | |
CN108230717A (zh) | 一种智能交通管理系统 | |
CN113715837A (zh) | 车辆安全隐患管理系统和方法 | |
CN112810616B (zh) | 用于营运车辆的人脸识别抓拍系统及方法 | |
CN114841483A (zh) | 一种物流货运车辆的安全监控方法及系统 | |
CN111540208A (zh) | 一种基于区块链技术的防无证驾驶及疲劳驾驶的方法 | |
CN116572984A (zh) | 一种基于多特征融合的危险驾驶管控方法及系统 | |
CN116513199A (zh) | 一种融合视觉识别和车辆信号的驾驶员疲劳监测方法 | |
CN114793334A (zh) | 基于车联网的救援呼叫方法、装置、设备及存储介质 |
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 |