CN112998675A - 一种基于大数据的车载智能座舱安全驾驶系统 - Google Patents
一种基于大数据的车载智能座舱安全驾驶系统 Download PDFInfo
- Publication number
- CN112998675A CN112998675A CN202110199899.4A CN202110199899A CN112998675A CN 112998675 A CN112998675 A CN 112998675A CN 202110199899 A CN202110199899 A CN 202110199899A CN 112998675 A CN112998675 A CN 112998675A
- Authority
- CN
- China
- Prior art keywords
- value
- driver
- vehicle
- preset
- blood
- 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
- 239000008280 blood Substances 0.000 claims abstract description 131
- 210000004369 blood Anatomy 0.000 claims abstract description 131
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 92
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 92
- 239000001301 oxygen Substances 0.000 claims abstract description 92
- 230000036772 blood pressure Effects 0.000 claims abstract description 60
- 230000005540 biological transmission Effects 0.000 claims abstract description 15
- 238000013500 data storage Methods 0.000 claims abstract description 9
- 230000002159 abnormal effect Effects 0.000 claims description 45
- 238000012545 processing Methods 0.000 claims description 30
- 210000000744 eyelid Anatomy 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 6
- 101000878595 Arabidopsis thaliana Squalene synthase 1 Proteins 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims description 3
- 101000713575 Homo sapiens Tubulin beta-3 chain Proteins 0.000 claims description 3
- 101000713585 Homo sapiens Tubulin beta-4A chain Proteins 0.000 claims description 3
- 102100036790 Tubulin beta-3 chain Human genes 0.000 claims description 3
- 102100036788 Tubulin beta-4A chain Human genes 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 5
- 206010021143 Hypoxia Diseases 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14546—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring analytes not otherwise provided for, e.g. ions, cytochromes
-
- 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
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6893—Cars
-
- 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
Abstract
本发明公开了一种基于大数据的车载智能座舱安全驾驶系统，用于解决现有的安全驾驶系统不能及时了解驾驶员本身的身体和心理状态以及车内环境的安全状况的问题，包括传感器采集模块、中控台、数据存储模块、仪表显示模块和服务器；本发明通过安装在方向盘的人体信息采集传感器对驾驶员信息进行采集，无需驾驶员额外佩戴健康手环等传统的穿戴检测设备，驾驶员只需进入驾驶舱内，正常驾驶车辆，手握方向盘即可把驾驶员的身体状况实时稳定的传输到中控台并显示，非常方便灵活；人体信息采集传感器可以采集驾驶员的血压，血脂，心率，血氧等信息实时了解驾驶员的健康状况，并传输到中控台，提供参考，必要时提供语音告警，数据传输稳定及时。
Description
技术领域
本发明涉及车载智能座舱安全驾驶技术领域，具体为一种基于大数据的车载智能座舱安全驾驶系统。
背景技术
传统的车载安全检测系统一般只注重检测车辆本身的故障信息，通过车辆仪表显示车辆故障状态，驾驶员虽然可以及时了解车辆的安全状况，但完全忽略了驾驶员本身的身体及心理状态，也无法及时了解车内环境的安全状况，安全驾驶无法得到很好的保障，一套既能检测车辆状态又能实时监控驾驶员身体状态和车内环境安全状态的智能检测系统就显得尤为重要。
发明内容
本发明的目的就在于为了解决现有的安全驾驶系统不能及时了解驾驶员本身的身体和心理状态以及车内环境的安全状况的问题，而提出一种基于大数据的车载智能座舱安全驾驶系统。
本发明的目的可以通过以下技术方案实现：一种基于大数据的车载智能座舱安全驾驶系统，包括传感器采集模块、中控台、数据存储模块、仪表显示模块和服务器；
所述传感器模块用于采集车辆信息和驾驶员信息并将其发送至中控台，中控台将车辆信息和驾驶员信息发送至数据存储模块内存储同时对其进行分析生成分析结果，中控台将车辆信息、驾驶员信息及分析结果发送至仪表显示模块，仪表显示模块接收到车辆信息、驾驶员信息及分析结果后进行显示及语音告警；其中分析结果包括健康告警指令、疲劳告警指令和开窗告警指令。
所述车辆信息包括车内含氧量、车辆的实时位置、车辆的运行状态参数、车辆的行驶开始时刻和行驶结束时刻；驾驶员信息包括驾驶员的人脸照片组、血压值、血脂值、心率值和血氧值。
所述中控台分析生成健康告警指令的具体步骤为：
步骤一：将驾驶员的血压值与对应的预设血压范围进行比对，当血压不在预设血压范围内时，则将驾驶员的血压值与预设血压范围的最大值和最小值进行比对，当驾驶员的血压值大于预设血压范围的最大值，将驾驶员的血压值与预设血压范围的最大值进行差值计算得到血压异常值；当驾驶员的血压值小于预设血压范围的最小值，则将预设血压范围的最小值与驾驶员的血压值进行差值计算得到血压异常值；
步骤二：将驾驶员的血脂值与对应的预设血脂范围进行比对，当血脂不在预设血脂范围内时，则将驾驶员的血脂值与预设血脂范围的最大值和最小值进行比对，当驾驶员的血脂值大于预设血脂范围的最大值，将驾驶员的血脂值与预设血脂范围的最大值进行差值计算得到血脂异常值；当驾驶员的血脂值小于预设血脂范围的最小值，则将预设血脂范围的最小值与驾驶员的血脂值进行差值计算得到血脂异常值；
步骤三：将驾驶员的心率值与对应的预设心率范围进行比对，当心率不在预设心率范围内时，则将驾驶员的心率值与预设心率范围的最大值和最小值进行比对，当驾驶员的心率值大于预设心率范围的最大值，将驾驶员的心率值与预设心率范围的最大值进行差值计算得到心率异常值；当驾驶员的心率值小于预设心率范围的最小值，则将预设心率范围的最小值与驾驶员的心率值进行差值计算得到心率异常值；
步骤四：将驾驶员的血氧值与对应的预设血氧范围进行比对，当血氧不在预设血氧范围内时，则将驾驶员的血氧值与预设血氧范围的最大值和最小值进行比对，当驾驶员的血氧值大于预设血氧范围的最大值，将驾驶员的血氧值与预设血氧范围的最大值进行差值计算得到血氧异常值；当驾驶员的血氧值小于预设血氧范围的最小值，则将预设血氧范围的最小值与驾驶员的血氧值进行差值计算得到血氧异常值；
步骤五：将血压异常值、血脂异常值、心率异常值和血氧异常值进行归一化处理并取其数值，然后将其分别标记为XY、XZ、XL和XX；
利用公式JT=XY×b1+XZ×b2+XL×b3+XX×b4获取得到异常提醒值JT；其中，b1、b2、b3和b4为预设权重系数；当异常提醒值大于设定异常阈值时，生成健康告警指令，b1、b2、b3和b4分别为1.8、1.7、2.9、1.6；
所述中控台分析生成疲劳告警指令的具体步骤为：
S1：获取驾驶员的人脸照片组，其中，驾驶员的人脸照片由安装在车内的摄像头按照预设间隔采集频率采集主驾驶上驾驶员的若干个人脸照片；
S2：对人脸照片组中的一张或多张人脸照片进行人脸识别获取得到对应的驾驶员；中控台将人脸照片组和车辆的实时位置发送至服务器，服务器接收到人脸照片组和车辆的实时位置后将其发送至选中终端，选中终端对人脸照片组进行分析，具体分析步骤为：
S21：对人脸照片组中的所有人脸照片进行眼睛轮廓识别的得到对应的行驶轮廓，通过服务器获取驾驶员的人脸标准照片，对人脸标准照片的眼睛进行轮廓识别的标准轮廓；其中，眼睛轮廓为上眼皮底部边缘处与下眼皮顶部边缘处之间形成的椭圆形轮廓，上眼皮底部边缘与下眼皮顶部边缘连接处分别记为眼角A点与眼角B点；
S22：将所有的行驶轮廓与标准轮廓进行比对，具体为：将行驶轮廓与标准轮廓放置在同一平面内，然后将行驶轮廓的眼角A点与眼角B点进行距离计算行驶眼角间距；将标准轮廓的眼角A点与眼角B点进行距离计算得到标准眼角间距；将行驶眼角间距与标准眼角间距进行比对，当行驶眼角间距与标准眼角间距相等，则直接执行S23；当行驶眼角间距大于标准眼角间距时，将行驶轮廓进行缩小，且缩小的倍数等于行驶眼角间距/标准眼角间距，然后执行S23；当行驶眼角间距小于标准眼角间距时，将行驶轮廓进行放大，且放大的倍数等于标准眼角间距/行驶眼角间距，然后执行S23；
S23：将行驶轮廓与标准轮廓的眼角A点与眼角B点进行分别重合，当行驶轮廓在标准轮廓范围内，则选取眼角A点与眼角B点之间连线的中点；以中点为圆心，等角度射出若干个射线，将射线与行驶轮廓和标准轮廓的交点分别标记为Q1和Q2，计算Q1与Q2之间的间距得到射线间距；将所有射线对应的射线间距进行求和得到总间距；
S24：将所有行驶轮廓与标准轮廓比对后得到的总间距进行求和并取均值得到间距均值并标记为FJ；
S3：选中终端将间距均值FJ发送至服务器内，服务器将接收到的间距均值FJ发送至中控台内；同时选中终端的处理总次数增加一次；
S4：中控台获取驾驶员的车辆的行驶开始时刻与当前时刻进行时间差计算获取得到车辆行驶时长并标记为CT；将车辆行驶时长与间距均值进行归一化处理并取其数值；
S5：利用公式
获取得到疲劳告警值PG；其中，b5和b6均为预设比例系数，μ为修正因子，取值为0.8644；b5和b6分别为1.1、1.71；
S6：当疲劳告警值大于设定告警阈值时，生成疲劳告警指令。
所述服务器接收到人脸照片组和车辆的实时位置后将其发送至选中终端的具体步骤为：
SS1：获取服务器内的注册终端，向注册终端发送通信连接指令并与注册终端进行通信连接，将与服务器通信连接成功的注册终端标记为初选终端；
SS2：将初选终端的位置与车辆的实时位置进行时间差计算获取得到初选终端的传输间距并标记为E1；
SS3：设定所有电脑终端型号均对应一个型号值，将初选终端的型号与所有电脑终端型号进行匹配获取得到型号值并标记为E2；
SS4：将初选终端的处理总次数和超前均值分别标记为E3和E4；将初选终端的传输间距、型号值、处理总次数和超前均值进行归一化处理并取其数值；
SS5：利用公式
获取得到初选终端的优处值EX；其中λ为校准因子，取值为0.942；d1、d2、d3和d4均为预设比例系数；d1、d2、d3和d4分别为0.9、0.68、0.64和1.1；
SS6：将优处值最大的初选终端标记为选中终端，服务器接收到人脸照片组和车辆的实时位置发送至选中终端，同时将发送人脸照片组和车辆的实时位置的时刻标记为发送时刻，服务器将接收到选中终端发送的间距均值的时刻标记为完成时刻，将完成时刻与发送时刻进行时间差计算得到单次处理时长；将单次处理时长与预设时长进行比对，当单次处理时长小于预设时长，则将预设时长减去单次处理时长得到超前时长；将选中终端所有的超前时长进行求和并取均值得到超前均值。
所述服务器内还包括注册登录模块，注册登录模块用于电脑拥有者通过电脑终端提交电脑信息进行注册并将注册成功的电脑信息发送至服务器内存储，同时将注册成功的电脑终端标记为注册终端，其中电脑信息包括电脑的型号、位置和IP地址。
所述中控台分析开窗告警指令的具体过程为：设定所有血氧值均对应一个车内含氧量；将检测到的血氧值与所有血氧值进行匹配获取得到对应的车内含氧量，将匹配到的车内含氧量与采集到车辆的车内含氧量进行比对；当匹配到的车内含氧量大于采集到车辆的车内含氧量时，生成开窗告警指令。
所述传感器模块包括安装在方向盘的人体信息采集传感器以及安装在车辆上的车辆传感器和安装在车内用于定时采集驾驶员人脸图片的高清摄像头；其中，人体信息采集传感器用于采集驾驶员的血压值、血脂值、心率值和血氧值；车辆传感器用于采集车辆的车辆信息。
与现有技术相比，本发明的有益效果是：
1、本发明通过安装在方向盘的人体信息采集传感器对驾驶员信息进行采集，无需驾驶员额外佩戴健康手环等传统的穿戴检测设备，驾驶员只需进入驾驶舱内，正常驾驶车辆，手握方向盘即可把驾驶员的身体状况实时稳定的传输到中控台并显示，非常方便灵活；
2、本发明人体信息采集传感器可以采集驾驶员的血压，血脂，心率，血氧等信息实时了解驾驶员的健康状况，并传输到中控台，提供参考，必要时提供语音告警，数据传输稳定及时；
3、本发明通过人脸照片和驾驶时间分析驾驶员是否有疲劳驾驶，比传统的只通过驾驶时间来判断是否有疲劳驾驶，更科学，更准确；通过分析驾驶员血氧情况结合驾驶舱内是否有缺氧情况，及时提醒驾驶员开窗，开外循环等操作，及时避免车内缺氧导致的危险驾驶。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为本发明的原理框图；
图2为本发明的行驶轮廓与标准轮廓对比图。
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作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1-2所示，一种基于大数据的车载智能座舱安全驾驶系统，包括传感器采集模块、中控台、数据存储模块、仪表显示模块和服务器；
传感器模块用于采集车辆信息和驾驶员信息并将其发送至中控台，中控台将车辆信息和驾驶员信息发送至数据存储模块内存储同时对其进行分析生成分析结果，中控台将车辆信息、驾驶员信息及分析结果发送至仪表显示模块，仪表显示模块接收到车辆信息、驾驶员信息及分析结果后进行显示及语音告警；其中分析结果包括健康告警指令、疲劳告警指令和开窗告警指令；
车辆信息包括车内含氧量、车辆的实时位置、车辆的运行状态参数、车辆的行驶开始时刻和行驶结束时刻；驾驶员信息包括驾驶员的人脸照片组、血压值、血脂值、心率值和血氧值；
中控台分析生成健康告警指令的具体步骤为：
步骤一：将驾驶员的血压值与对应的预设血压范围进行比对，当血压不在预设血压范围内时，则将驾驶员的血压值与预设血压范围的最大值和最小值进行比对，当驾驶员的血压值大于预设血压范围的最大值，将驾驶员的血压值与预设血压范围的最大值进行差值计算得到血压异常值；当驾驶员的血压值小于预设血压范围的最小值，则将预设血压范围的最小值与驾驶员的血压值进行差值计算得到血压异常值；
步骤二：将驾驶员的血脂值与对应的预设血脂范围进行比对，当血脂不在预设血脂范围内时，则将驾驶员的血脂值与预设血脂范围的最大值和最小值进行比对，当驾驶员的血脂值大于预设血脂范围的最大值，将驾驶员的血脂值与预设血脂范围的最大值进行差值计算得到血脂异常值；当驾驶员的血脂值小于预设血脂范围的最小值，则将预设血脂范围的最小值与驾驶员的血脂值进行差值计算得到血脂异常值；
步骤三：将驾驶员的心率值与对应的预设心率范围进行比对，当心率不在预设心率范围内时，则将驾驶员的心率值与预设心率范围的最大值和最小值进行比对，当驾驶员的心率值大于预设心率范围的最大值，将驾驶员的心率值与预设心率范围的最大值进行差值计算得到心率异常值；当驾驶员的心率值小于预设心率范围的最小值，则将预设心率范围的最小值与驾驶员的心率值进行差值计算得到心率异常值；
步骤四：将驾驶员的血氧值与对应的预设血氧范围进行比对，当血氧不在预设血氧范围内时，则将驾驶员的血氧值与预设血氧范围的最大值和最小值进行比对，当驾驶员的血氧值大于预设血氧范围的最大值，将驾驶员的血氧值与预设血氧范围的最大值进行差值计算得到血氧异常值；当驾驶员的血氧值小于预设血氧范围的最小值，则将预设血氧范围的最小值与驾驶员的血氧值进行差值计算得到血氧异常值；
步骤五：将血压异常值、血脂异常值、心率异常值和血氧异常值进行归一化处理并取其数值，然后将其分别标记为XY、XZ、XL和XX；
利用公式JT=XY×b1+XZ×b2+XL×b3+XX×b4获取得到异常提醒值JT；其中，b1、b2、b3和b4为预设权重系数；当异常提醒值大于设定异常阈值时，生成健康告警指令；
中控台分析生成疲劳告警指令的具体步骤为：
S1：获取驾驶员的人脸照片组，其中，驾驶员的人脸照片由安装在车内的摄像头按照预设间隔采集频率采集主驾驶上驾驶员的若干个人脸照片；
S2：对人脸照片组中的一张或多张人脸照片进行人脸识别获取得到对应的驾驶员；中控台将人脸照片组和车辆的实时位置发送至服务器，服务器接收到人脸照片组和车辆的实时位置后将其发送至选中终端，选中终端对人脸照片组进行分析，具体分析步骤为：
S21：对人脸照片组中的所有人脸照片进行眼睛轮廓识别的得到对应的行驶轮廓，通过服务器获取驾驶员的人脸标准照片，对人脸标准照片的眼睛进行轮廓识别的标准轮廓；其中，眼睛轮廓为上眼皮底部边缘处与下眼皮顶部边缘处之间形成的椭圆形轮廓，上眼皮底部边缘与下眼皮顶部边缘连接处分别记为眼角A点与眼角B点；
S22：将所有的行驶轮廓与标准轮廓进行比对，具体为：将行驶轮廓与标准轮廓放置在同一平面内，然后将行驶轮廓的眼角A点与眼角B点进行距离计算行驶眼角间距；将标准轮廓的眼角A点与眼角B点进行距离计算得到标准眼角间距；将行驶眼角间距与标准眼角间距进行比对，当行驶眼角间距与标准眼角间距相等，则直接执行S23；当行驶眼角间距大于标准眼角间距时，将行驶轮廓进行缩小，且缩小的倍数等于行驶眼角间距/标准眼角间距，然后执行S23；当行驶眼角间距小于标准眼角间距时，将行驶轮廓进行放大，且放大的倍数等于标准眼角间距/行驶眼角间距，然后执行S23；
S23：将行驶轮廓与标准轮廓的眼角A点与眼角B点进行分别重合，当行驶轮廓在标准轮廓范围内，则选取眼角A点与眼角B点之间连线的中点；以中点为圆心，等角度射出若干个射线，将射线与行驶轮廓和标准轮廓的交点分别标记为Q1和Q2，计算Q1与Q2之间的间距得到射线间距；将所有射线对应的射线间距进行求和得到总间距；
S24：将所有行驶轮廓与标准轮廓比对后得到的总间距进行求和并取均值得到间距均值并标记为FJ；
S3：选中终端将间距均值FJ发送至服务器内，服务器将接收到的间距均值FJ发送至中控台内；同时选中终端的处理总次数增加一次；
S4：中控台获取驾驶员的车辆的行驶开始时刻与当前时刻进行时间差计算获取得到车辆行驶时长并标记为CT；将车辆行驶时长与间距均值进行归一化处理并取其数值；
S5：利用公式
获取得到疲劳告警值PG；其中，b5和b6均为预设比例系数，μ为修正因子，取值为0.8644；
S6：当疲劳告警值大于设定告警阈值时，生成疲劳告警指令；
服务器接收到人脸照片组和车辆的实时位置后将其发送至选中终端的具体步骤为：
SS1：获取服务器内的注册终端，向注册终端发送通信连接指令并与注册终端进行通信连接，将与服务器通信连接成功的注册终端标记为初选终端；
SS2：将初选终端的位置与车辆的实时位置进行时间差计算获取得到初选终端的传输间距并标记为E1；
SS3：设定所有电脑终端型号均对应一个型号值，将初选终端的型号与所有电脑终端型号进行匹配获取得到型号值并标记为E2；
SS4：将初选终端的处理总次数和超前均值分别标记为E3和E4；将初选终端的传输间距、型号值、处理总次数和超前均值进行归一化处理并取其数值；
SS5：利用公式
获取得到初选终端的优处值EX；其中λ为校准因子，取值为0.942；d1、d2、d3和d4均为预设比例系数；
SS6：将优处值最大的初选终端标记为选中终端，服务器接收到人脸照片组和车辆的实时位置发送至选中终端，同时将发送人脸照片组和车辆的实时位置的时刻标记为发送时刻，服务器将接收到选中终端发送的间距均值的时刻标记为完成时刻，将完成时刻与发送时刻进行时间差计算得到单次处理时长；将单次处理时长与预设时长进行比对，当单次处理时长小于预设时长，则将预设时长减去单次处理时长得到超前时长；将选中终端所有的超前时长进行求和并取均值得到超前均值；
服务器内还包括注册登录模块，注册登录模块用于电脑拥有者通过电脑终端提交电脑信息进行注册并将注册成功的电脑信息发送至服务器内存储，同时将注册成功的电脑终端标记为注册终端，其中电脑信息包括电脑的型号、位置和IP地址；
中控台分析开窗告警指令的具体过程为：设定所有血氧值均对应一个车内含氧量；将检测到的血氧值与所有血氧值进行匹配获取得到对应的车内含氧量，将匹配到的车内含氧量与采集到车辆的车内含氧量进行比对；当匹配到的车内含氧量大于采集到车辆的车内含氧量时，生成开窗告警指令；
传感器模块包括安装在方向盘的人体信息采集传感器以及安装在车辆上的车辆传感器和安装在车内用于定时采集驾驶员人脸图片的高清摄像头；其中，人体信息采集传感器用于采集驾驶员的血压值、血脂值、心率值和血氧值；车辆传感器用于采集车辆的车辆信息；
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式，公式中的系数是由本领域技术人员根据实际情况进行设置；
本发明在使用时，通过安装在方向盘的人体信息采集传感器对驾驶员信息进行采集，无需驾驶员额外佩戴健康手环等传统的穿戴检测设备，驾驶员只需进入驾驶舱内，正常驾驶车辆，手握方向盘即可把驾驶员的身体状况实时稳定的传输到中控台并显示，非常方便灵活，人体信息采集传感器可以采集驾驶员的血压，血脂，心率，血氧等信息实时了解驾驶员的健康状况，并传输到中控台，提供参考，必要时提供语音告警，数据传输稳定及时；通过人脸照片和驾驶时间分析驾驶员是否有疲劳驾驶，比传统的只通过驾驶时间来判断是否有疲劳驾驶，更科学，更准确；通过分析驾驶员血氧情况结合驾驶舱内是否有缺氧情况，及时提醒驾驶员开窗，开外循环等操作，及时避免车内缺氧导致的危险驾驶。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (8)
1.一种基于大数据的车载智能座舱安全驾驶系统，其特征在于，包括传感器采集模块、中控台、数据存储模块、仪表显示模块和服务器；
所述传感器模块用于采集车辆信息和驾驶员信息并将其发送至中控台，中控台将车辆信息和驾驶员信息发送至数据存储模块内存储同时对其进行分析生成分析结果，中控台将车辆信息、驾驶员信息及分析结果发送至仪表显示模块，仪表显示模块接收到车辆信息、驾驶员信息及分析结果后进行显示及语音告警；其中分析结果包括健康告警指令、疲劳告警指令和开窗告警指令。
2.根据权利要求1所述的一种基于大数据的车载智能座舱安全驾驶系统，其特征在于，所述车辆信息包括车内含氧量、车辆的实时位置、车辆的运行状态参数、车辆的行驶开始时刻和行驶结束时刻；驾驶员信息包括驾驶员的人脸照片组、血压值、血脂值、心率值和血氧值。
3.根据权利要求1所述的一种基于大数据的车载智能座舱安全驾驶系统，其特征在于，所述中控台分析生成健康告警指令的具体步骤为：
步骤一：将驾驶员的血压值与对应的预设血压范围进行比对，当血压不在预设血压范围内时，则将驾驶员的血压值与预设血压范围的最大值和最小值进行比对，当驾驶员的血压值大于预设血压范围的最大值，将驾驶员的血压值与预设血压范围的最大值进行差值计算得到血压异常值；当驾驶员的血压值小于预设血压范围的最小值，则将预设血压范围的最小值与驾驶员的血压值进行差值计算得到血压异常值；
步骤二：将驾驶员的血脂值与对应的预设血脂范围进行比对，当血脂不在预设血脂范围内时，则将驾驶员的血脂值与预设血脂范围的最大值和最小值进行比对，当驾驶员的血脂值大于预设血脂范围的最大值，将驾驶员的血脂值与预设血脂范围的最大值进行差值计算得到血脂异常值；当驾驶员的血脂值小于预设血脂范围的最小值，则将预设血脂范围的最小值与驾驶员的血脂值进行差值计算得到血脂异常值；
步骤三：将驾驶员的心率值与对应的预设心率范围进行比对，当心率不在预设心率范围内时，则将驾驶员的心率值与预设心率范围的最大值和最小值进行比对，当驾驶员的心率值大于预设心率范围的最大值，将驾驶员的心率值与预设心率范围的最大值进行差值计算得到心率异常值；当驾驶员的心率值小于预设心率范围的最小值，则将预设心率范围的最小值与驾驶员的心率值进行差值计算得到心率异常值；
步骤四：将驾驶员的血氧值与对应的预设血氧范围进行比对，当血氧不在预设血氧范围内时，则将驾驶员的血氧值与预设血氧范围的最大值和最小值进行比对，当驾驶员的血氧值大于预设血氧范围的最大值，将驾驶员的血氧值与预设血氧范围的最大值进行差值计算得到血氧异常值；当驾驶员的血氧值小于预设血氧范围的最小值，则将预设血氧范围的最小值与驾驶员的血氧值进行差值计算得到血氧异常值；
步骤五：将血压异常值、血脂异常值、心率异常值和血氧异常值进行归一化处理并取其数值，然后将其分别标记为XY、XZ、XL和XX；
利用公式JT=XY×b1+XZ×b2+XL×b3+XX×b4获取得到异常提醒值JT；其中，b1、b2、b3和b4为预设权重系数；当异常提醒值大于设定异常阈值时，生成健康告警指令。
4.根据权利要求2所述的一种基于大数据的车载智能座舱安全驾驶系统，其特征在于，所述中控台分析生成疲劳告警指令的具体步骤为：
S1：获取驾驶员的人脸照片组，其中，驾驶员的人脸照片由安装在车内的摄像头按照预设间隔采集频率采集主驾驶上驾驶员的若干个人脸照片；
S2：对人脸照片组中的一张或多张人脸照片进行人脸识别获取得到对应的驾驶员；中控台将人脸照片组和车辆的实时位置发送至服务器，服务器接收到人脸照片组和车辆的实时位置后将其发送至选中终端，选中终端对人脸照片组进行分析，具体分析步骤为：
S21：对人脸照片组中的所有人脸照片进行眼睛轮廓识别的得到对应的行驶轮廓，通过服务器获取驾驶员的人脸标准照片，对人脸标准照片的眼睛进行轮廓识别的标准轮廓；其中，眼睛轮廓为上眼皮底部边缘处与下眼皮顶部边缘处之间形成的椭圆形轮廓，上眼皮底部边缘与下眼皮顶部边缘连接处分别记为眼角A点与眼角B点；
S22：将所有的行驶轮廓与标准轮廓进行比对，具体为：将行驶轮廓与标准轮廓放置在同一平面内，然后将行驶轮廓的眼角A点与眼角B点进行距离计算行驶眼角间距；将标准轮廓的眼角A点与眼角B点进行距离计算得到标准眼角间距；将行驶眼角间距与标准眼角间距进行比对，当行驶眼角间距与标准眼角间距相等，则直接执行S23；当行驶眼角间距大于标准眼角间距时，将行驶轮廓进行缩小，且缩小的倍数等于行驶眼角间距/标准眼角间距，然后执行S23；当行驶眼角间距小于标准眼角间距时，将行驶轮廓进行放大，且放大的倍数等于标准眼角间距/行驶眼角间距，然后执行S23；
S23：将行驶轮廓与标准轮廓的眼角A点与眼角B点进行分别重合，当行驶轮廓在标准轮廓范围内，则选取眼角A点与眼角B点之间连线的中点；以中点为圆心，等角度射出若干个射线，将射线与行驶轮廓和标准轮廓的交点分别标记为Q1和Q2，计算Q1与Q2之间的间距得到射线间距；将所有射线对应的射线间距进行求和得到总间距；
S24：将所有行驶轮廓与标准轮廓比对后得到的总间距进行求和并取均值得到间距均值并标记为FJ；
S3：选中终端将间距均值FJ发送至服务器内，服务器将接收到的间距均值FJ发送至中控台内；同时选中终端的处理总次数增加一次；
S4：中控台获取驾驶员的车辆的行驶开始时刻与当前时刻进行时间差计算获取得到车辆行驶时长并标记为CT；将车辆行驶时长与间距均值进行归一化处理并取其数值；
S5：利用公式
获取得到疲劳告警值PG；其中，b5和b6均为预设比例系数，μ为修正因子，取值为0.8644；
S6：当疲劳告警值大于设定告警阈值时，生成疲劳告警指令。
5.根据权利要求4所述的一种基于大数据的车载智能座舱安全驾驶系统，其特征在于，所述服务器接收到人脸照片组和车辆的实时位置后将其发送至选中终端的具体步骤为：
SS1：获取服务器内的注册终端，向注册终端发送通信连接指令并与注册终端进行通信连接，将与服务器通信连接成功的注册终端标记为初选终端；
SS2：将初选终端的位置与车辆的实时位置进行时间差计算获取得到初选终端的传输间距并标记为E1；
SS3：设定所有电脑终端型号均对应一个型号值，将初选终端的型号与所有电脑终端型号进行匹配获取得到型号值并标记为E2；
SS4：将初选终端的处理总次数和超前均值分别标记为E3和E4；将初选终端的传输间距、型号值、处理总次数和超前均值进行归一化处理并取其数值；
SS5：利用公式
获取得到初选终端的优处值EX；其中λ为校准因子，取值为0.942；d1、d2、d3和d4均为预设比例系数；
SS6：将优处值最大的初选终端标记为选中终端，服务器接收到人脸照片组和车辆的实时位置发送至选中终端，同时将发送人脸照片组和车辆的实时位置的时刻标记为发送时刻，服务器将接收到选中终端发送的间距均值的时刻标记为完成时刻，将完成时刻与发送时刻进行时间差计算得到单次处理时长；将单次处理时长与预设时长进行比对，当单次处理时长小于预设时长，则将预设时长减去单次处理时长得到超前时长；将选中终端所有的超前时长进行求和并取均值得到超前均值。
6.根据权利要求5所述的一种基于大数据的车载智能座舱安全驾驶系统，其特征在于，所述服务器内还包括注册登录模块，注册登录模块用于电脑拥有者通过电脑终端提交电脑信息进行注册并将注册成功的电脑信息发送至服务器内存储，同时将注册成功的电脑终端标记为注册终端，其中电脑信息包括电脑的型号、位置和IP地址。
7.根据权利要求2所述的一种基于大数据的车载智能座舱安全驾驶系统，其特征在于，所述中控台分析开窗告警指令的具体过程为：设定所有血氧值均对应一个车内含氧量；将检测到的血氧值与所有血氧值进行匹配获取得到对应的车内含氧量，将匹配到的车内含氧量与采集到车辆的车内含氧量进行比对；当匹配到的车内含氧量大于采集到车辆的车内含氧量时，生成开窗告警指令。
8.根据权利要求1所述的一种基于大数据的车载智能座舱安全驾驶系统，其特征在于，所述传感器模块包括安装在方向盘的人体信息采集传感器以及安装在车辆上的车辆传感器和安装在车内用于定时采集驾驶员人脸图片的高清摄像头；其中，人体信息采集传感器用于采集驾驶员的血压值、血脂值、心率值和血氧值；车辆传感器用于采集车辆的车辆信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110199899.4A CN112998675B (zh) | 2021-02-22 | 2021-02-22 | 一种基于大数据的车载智能座舱安全驾驶系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110199899.4A CN112998675B (zh) | 2021-02-22 | 2021-02-22 | 一种基于大数据的车载智能座舱安全驾驶系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112998675A true CN112998675A (zh) | 2021-06-22 |
| CN112998675B CN112998675B (zh) | 2024-04-05 |
Family
ID=76407000
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110199899.4A Active CN112998675B (zh) | 2021-02-22 | 2021-02-22 | 一种基于大数据的车载智能座舱安全驾驶系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112998675B (zh) |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS62170225A (ja) * | 1986-01-23 | 1987-07-27 | オムロン株式会社 | 電子血圧計 |
| JP2004317165A (ja) * | 2003-04-11 | 2004-11-11 | Meiko Sangyo Kk | 高圧容器の水槽式耐圧膨張測定方法 |
| US20050124864A1 (en) * | 2003-10-27 | 2005-06-09 | Mack David C. | System and process for non-invasive collection and analysis of physiological signals |
| JP2010026855A (ja) * | 2008-07-22 | 2010-02-04 | Omron Healthcare Co Ltd | 健康状態判断装置 |
| CN102708575A (zh) * | 2012-05-17 | 2012-10-03 | 彭强 | 基于人脸特征区域识别的生活化妆容设计方法及系统 |
| US20130070043A1 (en) * | 2011-09-19 | 2013-03-21 | Nir Geva | Vehicle driver monitor and a method for monitoring a driver |
| CN103705226A (zh) * | 2013-12-23 | 2014-04-09 | 苏州亿通在线网络科技有限公司 | 一种带血压评估功能的血压计 |
| CN103854143A (zh) * | 2014-03-24 | 2014-06-11 | 深圳市众鸿科技股份有限公司 | 一种车联网服务系统及其平台层 |
| CN105151049A (zh) * | 2015-08-27 | 2015-12-16 | 嘉兴艾特远信息技术有限公司 | 基于驾驶员脸部特征和车道偏离检测的预警系统 |
| CN106553581A (zh) * | 2015-09-25 | 2017-04-05 | 北汽福田汽车股份有限公司 | 车辆的控制方法、系统及车辆 |
| KR101890355B1 (ko) * | 2017-11-15 | 2018-08-22 | (주)델타온 | 차량 단말 장치 |
| CN208027537U (zh) * | 2018-03-30 | 2018-10-30 | 比亚迪股份有限公司 | 智能穿戴设备和车辆辅助驾驶系统 |
| CN109204141A (zh) * | 2018-09-19 | 2019-01-15 | 深圳市众鸿科技股份有限公司 | 车辆行驶过程中的预警方法与装置 |
| CN109334669A (zh) * | 2018-10-17 | 2019-02-15 | 湖南仪峰安安网络科技股份有限公司 | 驾驶员驾驶状态下的体征安全监测方法及数据处理系统 |
| CN109624984A (zh) * | 2018-12-21 | 2019-04-16 | 河海大学常州校区 | 一种移动互联网智能车载系统 |
| CN111714103A (zh) * | 2020-06-24 | 2020-09-29 | 多伦科技股份有限公司 | 一种针对驾考考生的健康监测装置 |
| CN111950901A (zh) * | 2020-08-12 | 2020-11-17 | 广州立信电子科技有限公司 | 一种基于远程监控的物流运输行驶安全监测管理系统 |
| CN111986805A (zh) * | 2020-07-07 | 2020-11-24 | 南京天航智能装备研究院有限公司 | 融合驾驶员大数据的智能网联车辆健康监测系统及方法 |
-
2021
- 2021-02-22 CN CN202110199899.4A patent/CN112998675B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS62170225A (ja) * | 1986-01-23 | 1987-07-27 | オムロン株式会社 | 電子血圧計 |
| JP2004317165A (ja) * | 2003-04-11 | 2004-11-11 | Meiko Sangyo Kk | 高圧容器の水槽式耐圧膨張測定方法 |
| US20050124864A1 (en) * | 2003-10-27 | 2005-06-09 | Mack David C. | System and process for non-invasive collection and analysis of physiological signals |
| JP2010026855A (ja) * | 2008-07-22 | 2010-02-04 | Omron Healthcare Co Ltd | 健康状態判断装置 |
| US20130070043A1 (en) * | 2011-09-19 | 2013-03-21 | Nir Geva | Vehicle driver monitor and a method for monitoring a driver |
| CN102708575A (zh) * | 2012-05-17 | 2012-10-03 | 彭强 | 基于人脸特征区域识别的生活化妆容设计方法及系统 |
| CN103705226A (zh) * | 2013-12-23 | 2014-04-09 | 苏州亿通在线网络科技有限公司 | 一种带血压评估功能的血压计 |
| CN103854143A (zh) * | 2014-03-24 | 2014-06-11 | 深圳市众鸿科技股份有限公司 | 一种车联网服务系统及其平台层 |
| CN105151049A (zh) * | 2015-08-27 | 2015-12-16 | 嘉兴艾特远信息技术有限公司 | 基于驾驶员脸部特征和车道偏离检测的预警系统 |
| CN106553581A (zh) * | 2015-09-25 | 2017-04-05 | 北汽福田汽车股份有限公司 | 车辆的控制方法、系统及车辆 |
| KR101890355B1 (ko) * | 2017-11-15 | 2018-08-22 | (주)델타온 | 차량 단말 장치 |
| CN208027537U (zh) * | 2018-03-30 | 2018-10-30 | 比亚迪股份有限公司 | 智能穿戴设备和车辆辅助驾驶系统 |
| CN109204141A (zh) * | 2018-09-19 | 2019-01-15 | 深圳市众鸿科技股份有限公司 | 车辆行驶过程中的预警方法与装置 |
| CN109334669A (zh) * | 2018-10-17 | 2019-02-15 | 湖南仪峰安安网络科技股份有限公司 | 驾驶员驾驶状态下的体征安全监测方法及数据处理系统 |
| CN109624984A (zh) * | 2018-12-21 | 2019-04-16 | 河海大学常州校区 | 一种移动互联网智能车载系统 |
| CN111714103A (zh) * | 2020-06-24 | 2020-09-29 | 多伦科技股份有限公司 | 一种针对驾考考生的健康监测装置 |
| CN111986805A (zh) * | 2020-07-07 | 2020-11-24 | 南京天航智能装备研究院有限公司 | 融合驾驶员大数据的智能网联车辆健康监测系统及方法 |
| CN111950901A (zh) * | 2020-08-12 | 2020-11-17 | 广州立信电子科技有限公司 | 一种基于远程监控的物流运输行驶安全监测管理系统 |
Non-Patent Citations (4)
| Title |
|---|
| STACY, R .ET AL: "《A Randomized, Controlled Phase I/II Study to Evaluate the Safety and Efficacy of MGV354 for Ocular Hypertension or Glaucoma》", 《AMERICAN JOURNAL OF OPHTHALMOLOGY》, 31 August 2018 (2018-08-31) * |
| 张志刚;周明全;耿国华;: "基于人脸特征的摄影物距计算方法", 计算机应用, no. 07, 1 July 2007 (2007-07-01) * |
| 张志清;: "多参数监护仪检测指标的分析", 中国医疗器械信息, no. 08 * |
| 张志清;: "多参数监护仪检测指标的分析", 中国医疗器械信息, no. 08, 25 August 2008 (2008-08-25) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112998675B (zh) | 2024-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11514688B2 (en) | Drowsiness detection system | |
| US11715333B2 (en) | Human monitoring system incorporating calibration methodology | |
| CN105043383A (zh) | 一种姿态矫正方法及装置 | |
| CN111645694B (zh) | 一种基于姿态估计的驾驶员驾驶状态监测系统及方法 | |
| WO2023272453A1 (zh) | 视线校准方法及装置、设备、计算机可读存储介质、系统、车辆 | |
| CN111985328A (zh) | 基于面部特征分析的不安全驾驶行为检测预警方法 | |
| CN112998675A (zh) | 一种基于大数据的车载智能座舱安全驾驶系统 | |
| CN107315997B (zh) | 一种基于快速特征点定位的视线朝向判断方法及系统 | |
| CN113297966A (zh) | 一种基于多重刺激的夜间学习方法 | |
| CN116965781B (zh) | 一种驾驶员生命体征和驾驶行为监控方法及系统 | |
| CN114492656A (zh) | 一种基于计算机视觉和传感器的疲劳度监测系统 | |
| CN114037979A (zh) | 一种轻量化的驾驶员疲劳状态检测方法 | |
| CN113743172B (zh) | 一种人员注视位置检测方法及装置 | |
| CN113762194A (zh) | 一种车载疲劳驾驶检测系统 | |
| CN114022871A (zh) | 基于深度感知技术的无人机驾驶员疲劳检测方法及系统 | |
| CN112906633B (zh) | 一种基于学生注意力的教学优化方法 | |
| CN106781822B (zh) | 提高驾驶安全性的系统和方法 | |
| CN110059599A (zh) | 驾驶疲劳预警方法 | |
| CN117341715B (zh) | 一种基于联合自检的车辆行驶安全预警方法 | |
| CN112668553B (zh) | 一种司机间断瞭望行为检测方法、装置、介质及设备 | |
| CN107444116A (zh) | 一种基于云端数据库的汽车防酒驾系统 | |
| US11462027B2 (en) | Eye opening degree calculation device | |
| CN116982946A (zh) | 车辆驾驶员的监测方法、装置、车辆以及计算机存储介质 | |
| CN111753659A (zh) | 基于人脸配准点的疲劳驾驶检测方法、设备、介质及装置 | |
| US20240029454A1 (en) | Line of sight estimating device, storage medium for storing computer program for line of sight estimation, and line of sight estimating method |
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 |