CN113343833A - 非安全握姿的脱手检测方法、装置、设备及存储介质 - Google Patents

非安全握姿的脱手检测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113343833A
CN113343833A CN202110613925.3A CN202110613925A CN113343833A CN 113343833 A CN113343833 A CN 113343833A CN 202110613925 A CN202110613925 A CN 202110613925A CN 113343833 A CN113343833 A CN 113343833A
Authority
CN
China
Prior art keywords
driver
determining
hands
unsafe
torque threshold
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
Application number
CN202110613925.3A
Other languages
English (en)
Other versions
CN113343833B (zh
Inventor
李亘
高广博
陈泊通
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dongfeng Motor Corp
Original Assignee
Dongfeng Motor Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dongfeng Motor Corp filed Critical Dongfeng Motor Corp
Priority to CN202110613925.3A priority Critical patent/CN113343833B/zh
Publication of CN113343833A publication Critical patent/CN113343833A/zh
Application granted granted Critical
Publication of CN113343833B publication Critical patent/CN113343833B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本申请公开了一种非安全握姿的脱手检测方法、装置、计算机设备及计算机可读存储介质，该方法包括：通过预置摄像头定时采集驾驶员图像，确定驾驶员是否为非正常握姿状态；若确定所述驾驶员处于非安全握姿状态，则确定所述非安全握姿状的非安全警告标志位；根据所述非安全警告标志位，确定动态扭矩阈值；根据所述动态扭矩阈值，确定所述驾驶员是否为脱手状态，实现提高脱手检测准确率，降低误报率，并不需要新增传感器从而降低成本。

Description

非安全握姿的脱手检测方法、装置、设备及存储介质
技术领域
本申请涉及自动驾驶技术领域，尤其涉及一种非安全握姿的脱手检测方法、装置、计算机设备及计算机可读存储介质。
背景技术
随着科技发展的日益更新，智能驾驶也应用到了车辆驾驶中。根据SAE-J3016《标准道路机动车驾驶自动化系统分类与定义》标准定义，自动驾驶的分类包括L0-L5共6个等级，其中L2级以上的自动驾驶已具备纵向和横向辅助控制功能，纵向可以控制制动和加速，横向可以控制方向盘转角，从而辅助驾驶员控制车辆行驶，降低驾驶员驾驶疲劳，提高行车安全性。
虽然L2以上自动驾驶在帮助驾驶员提高驾驶安全性和降低行驶疲劳的同时，也带来了一定的误用风险，例如当自动驾驶处于激活状态，驾驶员可能会双手脱离方向盘，此时只有系统在控制车辆的行驶任务。但是，由于系统开发设计时仅考虑驾驶员在环，即双手握在方向盘上，并且在系统无法正常工作时，可以快速接管驾驶任务。因此，存在风险，当系统无法正常工作时，驾驶员无法快速接管驾驶任务，给车辆行驶安全带来极大的风险。所以，在L2以上自动驾驶系统开发时，通常会设计驾驶员脱手检测功能，防止驾驶员双手脱离方向盘，造成系统激活时的行车风险。但目前驾驶员脱手检测方法包括1，基于集成在线控助力转向的扭矩传感器的检测方法；2，基于方向盘上安装电容传感器的检测方法；3,基于计算机视觉的检测方法。但目前的驾驶员脱手检测方法存在探测非安全握姿的准确率较低，或由于非复用传感器，需要新增传感器，导致成本较高。
发明内容
本申请的主要目的在于提供一种驾驶员脱手检测方法、装置、计算机设备及计算机可读存储介质，旨在解决现有驾驶员脱手检测方法存在探测非安全握姿的准确率较低，或由于非复用传感器，需要新增传感器，导致成本较高的技术问题。
第一方面，本申请提供一种非安全握姿的脱手检测方法方法，所述方法包括以下步骤：
通过预置摄像头定时采集驾驶员图像，确定驾驶员是否为非正常握姿状态；
若确定所述驾驶员处于非安全握姿状态，则确定所述非安全握姿状的非安全警告标志位；
根据所述非安全警告标志位，确定动态扭矩阈值；
根据所述动态扭矩阈值，确定所述驾驶员是否为脱手状态。
第二方面，本申请还提供一种非安全握姿的脱手检测装置，所述非安全握姿的脱手检测装置包括：
第一确定模块，用于通过预置摄像头定时采集驾驶员图像，确定驾驶员是否为非正常握姿状态；
第二确定模块，用于若确定所述驾驶员处于非安全握姿状态，则确定所述非安全握姿状的非安全警告标志位；
第三确定模块，用于根据所述非安全警告标志位，确定动态扭矩阈值；
第四确定模块，用于根据所述动态扭矩阈值，确定所述驾驶员是否为脱手状态。
第三方面，本申请还提供一种计算机设备，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如上述的非安全握姿的脱手检测方法的步骤。
第四方面，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如上述的非安全握姿的脱手检测方法的步骤。
本申请提供一种非安全握姿的脱手检测方法、装置、计算机设备及计算机可读存储介质，通过预置摄像头定时采集驾驶员图像，确定驾驶员是否为非正常握姿状态；若确定所述驾驶员处于非安全握姿状态，则确定所述非安全握姿状的非安全警告标志位；根据所述非安全警告标志位，确定动态扭矩阈值；根据所述动态扭矩阈值，确定所述驾驶员是否为脱手状态，实现提高脱手检测准确率，降低误报率，并不需要新增传感器从而降低成本。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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为本申请实施例提供的一种非安全握姿的脱手检测方法的流程示意图；
图2为图1中的非安全握姿的脱手检测方法的子步骤流程示意图；
图3为图1中的非安全握姿的脱手检测方法的子步骤流程示意图；
图4为图1中的非安全握姿的脱手检测方法的子步骤流程示意图；
图5为本申请实施例提供的一种非安全握姿的脱手检测装置的示意性框图；
图6为本申请一实施例涉及的计算机设备的结构示意框图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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他实施例，都属于本申请保护的范围。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
本申请实施例提供一种非安全握姿的脱手检测方法、装置、计算机设备及计算机可读存储介质。其中，该非安全握姿的脱手检测方法可应用于计算机设备中，该计算机设备可以是车载电脑等电子设备。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
请参照图1，图1为本申请的实施例提供的一种非安全握姿的脱手检测方法的流程示意图。
如图1所示，该方法包括步骤S101至步骤S104。
步骤S101、通过预置摄像头定时采集驾驶员图像，确定驾驶员是否为非正常握姿状态。
示范性的，通过预先设置头像头定时采集驾驶员图像，该摄像头预先设置在仪表处上方，通过布置在仪表处上方的摄像头采集对应监控区域内驾驶员的上半身及上肢的图像，该图像涵盖方向盘区域图像，图像高度上应至少包含5％的驾驶员区域仪表板图像。通过预先设置时间间隔，以定时采集驾驶员图像，例如，间隔3分钟、5分钟等。该摄像头通过镜头、CMOS等感光器件以及数模转换装置，通过LVDS规格线路输出数字格式的图像信息。
在采集到驾驶员图像时，对该驾驶员图像进行预处理。该预处理包括图像过滤和图像裁剪。例如，该图像过滤为根据图像处理硬件的计算速度，合理设置图片过滤模块。如，采用每30帧图片中的第一帧作为处理图像。图像裁剪为对处理图像进行高度和宽度方向上的裁剪，剔除无关因素信息，仅保留驾驶员上半身区域及方向盘区域的图像，输出裁剪后的图像。此外，图像裁剪后的尺寸为固定尺寸，后续所有图片按统一尺寸进行裁剪。将进行预处理后的驾驶员图像与预置图像进行比对，确定该驾驶员图像中的驾驶员是否为非正常握姿状态。
在一实施例中，具体地，参照图2，步骤S101包括：子步骤S1011至子步骤S1014。
子步骤S1011、依次将所述驾驶员图像输入预置标志位分类模型，获取所述标志位分类模型输出的标志位。
示范性的，获取预置摄像头定时采集到的驾驶员图像，将采集到的多张驾驶员图像依次输入到预置标志位分类模型中，通过该预置标志位分类模型对该驾驶员图像进行识别，获取该预置标志位分类模型输出的标志位。该预置标志位分类模型为预先通过多张安全握姿图像和多张非安全握姿图像对神经网络模型进行训练得到的，该安全握姿图像为驾驶员双手在方向盘的3点和9点方向处，非安全握姿图像包括驾驶员双手不在方向盘的3点和9点方向处、单手在方向盘的3点方向处、单手在方向盘的9点方向处、或双手不在方向盘上。该标志位包括目标标志位和非目标标志位。例如，将采集到的驾驶员图像输入预置标志位分类模型，得到标志位为0，则确定该标志位0是安全握姿，将该标志位0作为非目标标志位；或者，得到的标志位1，则确定该标志位1是非安全握姿，将该标志位1作为目标标志位。
子步骤S1012、若确定所述标志位是目标标志位，则记录所述目标标志位的数量值。
示范性的，当确定该标志位是目标标志位，则记录该目标标志位的数量值。例如，当获取到标志位时，通过数字识别的方式识别到该标志位为1，确定该标志位为目标标志位。持续获取预置标志位分类模型输出的标志位，若获取到的标志位为目标标志位，则进行加1记数，并获取该目标标志位的数量值。若获取预置标志位分类模型输出的标志位为目标标志位后，获取预置标志位分类模型输出的标志位为非目标标志位，则将目标标志位的数量值清零，重新记录目标标志位的数量值。
子步骤S1013、获取当前车速，并根据所述当前车速确定第一预置阈值。
示范性的，获取当前的车速，获取的方式包括通过图像识别的方式识别驾驶员图像，获取该驾驶员图像的仪表盘上的当前车速；或者，通过预置轮速传感器检测到的当前车速。在获取到当前车速时，通过该当前车速确定第一预置阈值。示范例的，获取预置车速阈值映射表，通过该当前车速，匹配该预置车速阈值映射表中的车速区间范围，获取匹配的车速区间范围对应的第一预置阈值。例如，预置车速阈值映射表包括Na为0km/h＜当前车速≤30km/h、Nb为30km/h＜当前车速≤60km/h、Nc为60km/h＜当前车速≤80km/h、Nd为80km/h＜当前车速≤100km/h、Ne为100km/h＜当前车速≤130km/h，其中，Na、Nb、Nc、Nd、Ne可以人为设置，例如，将Na设置为6、Nb设置为5、Nc设置为4、Nd设置为3、Ne设置为2。
子步骤S1014、比对所述目标标志位的数量值和所述第一预置阈值，确定驾驶员是否处于非安全握姿状态。
示范性的，将获取的目标标志位的数量值和第一预置阈值进行比对，确定该驾驶员是否处于非安全握姿状态。示范例的，当目标标志位的数量值大于第一预置阈值，则确定驾驶员是处于非安全握姿状态；当目标标志位的数量值小于或等于第一预置阈值，则确定驾驶员不是处于非安全握姿状态。
步骤S102、若确定所述驾驶员处于非安全握姿状态，则确定所述非安全握姿状的非安全警告标志位。
示范性的，当确定该驾驶员处于非安全握姿状态，确定该非安全握姿状态的非安全警报标志位。示范例的，在确定该驾驶员处于非安全握姿状态时，获取该驾驶员处于非安全握姿状态的时长，通过该驾驶员处于非安全握姿状态的时长，确定该非安全握姿状态的非安全警报标志位。
具体的，所述若确定所述驾驶员处于非安全握姿状态，则确定所述非安全握姿状的非安全警告标志位，包括：若确定所述驾驶员处于非安全握姿状态，获取所述驾驶员处于非安全握姿状态的第一时长；比对所述第一时长和第二预置阈值，确定所述非安全握姿状态的非安全警告标志位。
示范性的，在确定驾驶员处于非安全握姿状态时，启动预置计时器开始进行计时，并实时获取该预置计时器记录的时长，并将该预置计时器记录的时长作为驾驶员处于非安全握姿状态的第一时长。若实时获取该预置计时器记录的时长时，确定驾驶员不处于非安全握姿状态，则清除该预置计时器记录的时长。将该第一时长与预置第二阈值进行比对，确定所述非安全握姿状态的非安全警告标志位。示范例的，若该第一时长大于第二预置阈值，则确定该非安全握姿状态的非安全警告标志位为第一非安全警告标志位；若该第一时长小于或等于第二预置阈值，则确定该非安全握姿状态的非安全警告标志位为第二非安全警告标志位。
步骤S103、根据所述非安全警告标志位，确定动态扭矩阈值。
示范性的，该非安全警告标志位包括第一非安全警告标志位和第二非安全警告标志位，例如，第一非安全警告标志位为0；第二非安全警告标志位为1。获取预置动态扭矩阈值映射表，通过非安全警告标志位匹配该预置动态扭矩阈值映射表，确定动态扭矩阈值。示范例的，当非安全警告标志位为第一非安全警告标志位时，将第一非安全警告标志位与预置动态扭矩阈值映射表进行匹配，获取预置动态扭矩阈值映射表中该第一非安全警告标志位匹配的动态扭矩阈值；当非安全警告标志位为第二非安全警告标志位时，将第二非安全警告标志位与预置动态扭矩阈值映射表进行匹配，获取预置动态扭矩阈值映射表中该第二非安全警告标志位匹配的动态扭矩阈值。
在一实施例中，具体地，参照图3，步骤S103包括：子步骤S1031至子步骤S1035。
子步骤S1031、若确定所述非安全警告标志位为所述第一非安全警告标志位，则记录所述驾驶员处于所述第一非安全警告标志位的第二时长，并比对所述第二时长和第三预置阈值。
示范性的，若该第一时长大于第二预置阈值，则确定该非安全握姿状态的非安全警告标志位为第一非安全警告标志位。在确定非安全警告标志位为第一非安全警告标志位，获取预置计时器记录驾驶员处于所述第一非安全警告标志位的第二时长，将该第二时长与第三预置阈值进行比对。
子步骤S1032、若所述第二时长大于所述第三预置阈值，则根据所述当前车速和所述目标标志位，确定动态扭矩值。
示范性的，当该第二时长大于第三预置阈值时，通过该当前车速和目标标志位，确定动态扭矩值。示范例为，该目标标志位包括第一目标标志位、第二目标标志位、第三目标标志位和第三目标标志位。获取预置动态扭矩阈值映射表，通过当前车速和目标标志位匹配预置动态扭矩阈值映射表，获取相匹配的预置动态扭矩阈值。例如，该目标标志位为第一目标标志位时，匹配该预置动态扭矩阈值映射表中该第一目标标志位对应的车速信息，该车速信息包括当前车速，通过当前车速匹配该车速信息中车速区域对应的动态扭矩阈值。
子步骤S1033、若确定非安全警告标志位为所述第二非安全警告标志位，则重新确定所述非安全握姿状态的非安全警告标志位。
示范性的，若该第一时长小于或等于第二预置阈值，则确定该非安全握姿状态的非安全警告标志位为第二非安全警告标志位。在确定非安全警告标志位为第二非安全警告标志位时，重新获取驾驶员处于非安全握姿状态的时长；比对该时长和第二预置阈值，确定非安全握姿状态的非安全警告标志位。
子步骤S1034、检测到所述第一非安全警告标志位变动为所述第二非安全警告标志位，记录处于所述第二非安全警告标志位的第三时长。
示范性的，在第二时长大于第三预置阈值，则根据当前车速和目标标志位，确定动态扭矩值之后，检测到第一非安全警告标志位变动为第二非安全警告标志位，获取预置计时器记录驾驶员处于第二非安全警告标志位的第三时长。
子步骤S1035、若所述第三时长小于或等于所述第三预置阈值，则确定所述动态扭矩阈值。
示范性的，将获取到的第三时长和第三预置阈值进行比对，若该第三时长小于或等于第三预置阈值，则将上一第一非安全警告标志位对应到的动态扭矩阈值确定为当前第二非安全警告标志位的动态扭矩阈值。
步骤S104、根据所述态扭矩阈值，确定所述驾驶员是否为脱手状态。
示范性的，在获取到驾驶员处于第一非安全警告标志位的动态扭矩阈值和处于第二非安全警告标志位的动态扭矩阈值。根据该态扭矩阈值确定该驾驶员是否为脱手状态。例如，将该动态扭矩阈值与第四预置阈值进行比对，若该动态扭矩阈值大于或等于第四预置阈值，则确定驾驶员是脱手状态；若该动态扭矩阈值小于第四预置阈值，则确定驾驶员不是脱手状态。
在一实施例中，具体地，参照图4，步骤S104包括：子步骤S1041至子步骤S1043。
子步骤S1041、获取预置调整值。
示范性的，获取预置调整值，该预置调整值包括第一预置调整值和第二预置调整值。例如，确定驾驶员处于第一非安全警告标志位时，获取第一预置调整值，且第一预置调整值为0；确定驾驶员处于第二非安全警告标志位时，获取第二预置调整值，且第二预置调整值为正数，对此，不对第二预置调整值做限定。
子步骤S1042、基于所述预置调整值和所述动态扭矩阈值，确定扭矩阈值。
示范性的，在获取到预置调整值和动态扭矩阈值，通过该预置调整值和动态扭矩阈值，确定扭矩阈值。示范例的，获取预置扭矩阈值公式，通过该预置扭矩阈值公式计算该预置调整值和动态扭矩阈值，得到扭矩阈值。例如，获取预置扭矩阈值公式：扭矩阈值＝动态扭矩阈值+预置调整值，得到扭矩阈值。
子步骤S1043、根据所述扭矩阈值，确定所述驾驶员是否为脱手状态。
示范性的，在获取到该扭矩阈值时，通过该扭矩阈值确定驾驶员是否为脱手状态。例如，将该扭矩阈值与第四预置阈值进行比对，若该扭矩阈值大于或等于第四预置阈值，则确定驾驶员是脱手状态；若该扭矩阈值小于第四预置阈值，则确定驾驶员不是脱手状态。
具体的，所述根据所述扭矩阈值，确定驾驶员是否为脱手状态，包括：获取方向盘扭矩值、保持所述方向盘扭矩值的第三时长，以及保持扭矩阈值的第四时长；根据所述方向盘扭矩值、所述第三时长、所述扭矩阈值和所述第四时长，确定驾驶员是否为脱手状态。
示范性的，获取方向盘扭矩值、保持所述方向盘扭矩值的第三时长，以及保持扭矩阈值的第四时长。获取方向盘扭矩值的方式包括通过集成的扭矩传感器，例如霍尔传感器，获取扭矩的原始值，通过滤波算法，如离散傅里叶变化，获取离散扭矩值。或，电动助力转向ECU直接输出经过拟合计算得到的扭矩值。在获取到方向盘扭矩值时，获取预置计时器记录保持方向盘扭矩值的第三时长。以及在获取到扭矩阈值时，获取预置计时器记录保持扭矩阈值的第四时长。
在获取到方向盘扭矩值、保持方向盘扭矩值的第三时长和保持扭矩阈值的第四时长时，通过方向盘扭矩值、保持方向盘扭矩值的第三时长、扭矩阈值和保持扭矩阈值的第四时长，确定驾驶员是否为脱手状态。
具体的，所述根据所述方向盘扭矩值、所述第三时长、所述扭矩阈值和所述第四时长，确定驾驶员是否为脱手状态，包括：基于第一预置系数和所述扭矩阈值，得到第一扭矩阈值；基于第二预置系数和所述第四时长，得到第五时长；若所述方向盘扭矩值大于所述扭矩阈值，且所述第三时长大于所述第四时长，则确定所述驾驶员为脱手状态；若所述方向盘扭矩值小于所述第一扭矩阈值，且所述第三时长大于所述第四时长，则确定所述驾驶员不是脱手状态；若所述方向盘扭矩值大于或等于所述第一扭矩阈值，所述方向盘扭矩值小于或等于所述扭矩阈值，且所述第三时长大于所述第五时长，则确定所述驾驶员为脱手状态。
示范性的，获取第一预置系数和第二预置系数，通过第一预置系数和扭矩阈值，得到第一扭矩阈值。例如，获取第一预置系数为80％，通过将该第一预置系数80％和扭矩阈值相乘，得到第一扭矩预置。通过该第二预置系数和第四时长，得到第五时长。例如，获取第二预置系数为120％，通过将该第二预置系数120％与第四时长相乘，得到第五时长。将该方向盘扭矩值、保持方向盘扭矩值的第三时长、扭矩阈值、保持扭矩阈值的第四时长、第一扭矩阈值和第五时长进行比对，确定驾驶员是否为脱手状态。若方向盘扭矩值大于扭矩阈值，且第三时长大于第四时长，获取到驾驶员脱手状态信号为0，则确定驾驶员为脱手状态。若方向盘扭矩值小于第一扭矩阈值，且第三时长大于第四时长，获取到驾驶员脱手状态信号为1，则确定驾驶员不是脱手状态；若方向盘扭矩值大于或等于第一扭矩阈值，方向盘扭矩值小于或等于扭矩阈值，且第三时长大于第五时长，获取到驾驶员脱手状态信号为0，则确定驾驶员为脱手状态。
在本申请实施例中，通过预置摄像头定时采集驾驶员图像，确定驾驶员是否为非正常握姿状态；在驾驶员处于非安全握姿状态，确定非安全握姿状的非安全警告标志位，并根据非安全警告标志位，确定动态扭矩阈值，以确定驾驶员是否为脱手状态，实现提高脱手检测准确率，降低误报率，并不需要新增传感器从而降低成本。
请参照图5，图5为本申请实施例提供的一种非安全握姿的脱手检测装置的示意性框图。
如图5所示，该非安全握姿的脱手检测装置400，包括：第一确定模块401、第二确定模块402、第三确定模块403、第四确定模块404。
第一确定模块401，用于通过预置摄像头定时采集驾驶员图像，确定驾驶员是否为非正常握姿状态；
第二确定模块402，用于若确定所述驾驶员处于非安全握姿状态，则确定所述非安全握姿状的非安全警告标志位；
第三确定模块403，用于根据所述非安全警告标志位，确定动态扭矩阈值；
第四确定模块404，用于根据所述动态扭矩阈值，确定所述驾驶员是否为脱手状态。
其中，第一确定模块401具体还用于：
依次将所述驾驶员图像输入预置标志位分类模型，获取所述标志位分类模型输出的标志位；
若确定所述标志位是目标标志位，则记录所述目标标志位的数量值；
获取当前车速，并根据所述当前车速确定第一预置阈值；
比对所述目标标志位的数量值和所述第一预置阈值，确定驾驶员是否处于非安全握姿状态。其中，第二确定模块402具体还用于：
若确定所述驾驶员处于非安全握姿状态，获取所述驾驶员处于非安全握姿状态的第一时长；
比对所述第一时长和第二预置阈值，确定所述非安全握姿状态的非安全警告标志位。
其中，第三确定模块403具体还用于：
若确定所述非安全警告标志位为所述第一非安全警告标志位，则记录所述驾驶员处于所述第一非安全警告标志位的第二时长，并比对所述第二时长和第三预置阈值；
若所述第二时长大于所述第三预置阈值，则根据所述当前车速和所述目标标志位，确定动态扭矩阈值；
所述根据所述非安全警告标志位，确定动态扭矩阈值，包括：
若确定所述非安全警告标志位为所述第二非安全警告标志位，则重新确定所述非安全握姿状态的非安全警告标志位；
所述确定动态扭矩值之后，还包括：
检测到所述第一非安全警告标志位变动为所述第二非安全警告标志位，记录处于所述第二非安全警告标志位的第三时长；
若所述第三时长小于或等于所述第三预置阈值，则确定所述动态扭矩阈值。其中，第四确定模块404具体还用于：
获取预置调整值；
基于所述预置调整值和所述动态扭矩阈值，确定扭矩阈值；
根据所述扭矩阈值，确定所述驾驶员是否为脱手状态。
其中，第四确定模块404具体还用于：
获取方向盘扭矩值、保持所述方向盘扭矩值的第三时长，以及保持扭矩阈值的第四时长；
根据所述方向盘扭矩值、所述第三时长、所述扭矩阈值和所述第四时长，确定驾驶员是否为脱手状态。其中，第四确定模块404具体还用于：
基于第一预置系数和所述扭矩阈值，得到第一扭矩阈值；
基于第二预置系数和所述第四时长，得到第五时长；
若所述方向盘扭矩值大于所述扭矩阈值，且所述第三时长大于所述第四时长，则确定所述驾驶员为脱手状态；
若所述方向盘扭矩值小于所述第一扭矩阈值，且所述第三时长大于所述第四时长，则确定所述驾驶员不是脱手状态；
若所述方向盘扭矩值大于或等于所述第一扭矩阈值，所述方向盘扭矩值小于或等于所述扭矩阈值，且所述第三时长大于所述第五时长，则确定所述驾驶员为脱手状态。需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和各模块及单元的具体工作过程，可以参考前述非安全握姿的脱手检测方法实施例中的对应过程，在此不再赘述。
上述实施例提供的装置可以实现为一种计算机程序的形式，该计算机程序可以在如图6所示的计算机设备上运行。
请参阅图6，图6为本申请实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以为终端。
如图6所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口，其中，存储器可以包括非易失性存储介质和内存储器。
非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器执行任意一种非安全握姿的脱手检测方法。
处理器用于提供计算和控制能力，支撑整个计算机设备的运行。
内存储器为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种非安全握姿的脱手检测方法。
该网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
应当理解的是，处理器可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(D i gita l Si gna l Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
其中，在一个实施例中，所述处理器用于运行存储在存储器中的计算机程序，以实现如下步骤：
通过预置摄像头定时采集驾驶员图像，确定驾驶员是否为非正常握姿状态；
若确定所述驾驶员处于非安全握姿状态，则确定所述非安全握姿状的非安全警告标志位；
根据所述非安全警告标志位，确定动态扭矩阈值；
根据所述动态扭矩阈值，确定所述驾驶员是否为脱手状态。
在一个实施例中，所述处理器实现确定驾驶员是否为非正常握姿状态时，用于实现：
依次将所述驾驶员图像输入预置标志位分类模型，获取所述标志位分类模型输出的标志位；
若确定所述标志位是目标标志位，则记录所述目标标志位的数量值；
获取当前车速，并根据所述当前车速确定第一预置阈值；
比对所述目标标志位的数量值和所述第一预置阈值，确定驾驶员是否处于非安全握姿状态。
在一个实施例中，所述处理器实现若确定所述驾驶员处于非安全握姿状态，则确定所述非安全握姿状的非安全警告标志位时，用于实现：
若确定所述驾驶员处于非安全握姿状态，获取所述驾驶员处于非安全握姿状态的第一时长；
比对所述第一时长和第二预置阈值，确定所述非安全握姿状态的非安全警告标志位。
在一个实施例中，所述处理器实现非安全警告标志位包括第一非安全警告标志位和第二非安全警告标志位；所述根据所述非安全警告标志位，确定动态扭矩阈值时，用于实现：
若确定所述非安全警告标志位为所述第一非安全警告标志位，则记录所述驾驶员处于所述第一非安全警告标志位的第二时长，并比对所述第二时长和第三预置阈值；
若所述第二时长大于所述第三预置阈值，则根据所述当前车速和所述目标标志位，确定动态扭矩阈值；
所述根据所述非安全警告标志位，确定动态扭矩阈值，包括：
若确定所述非安全警告标志位为所述第二非安全警告标志位，则重新确定所述非安全握姿状态的非安全警告标志位；
所述确定动态扭矩值之后，还包括：
检测到所述第一非安全警告标志位变动为所述第二非安全警告标志位，记录处于所述第二非安全警告标志位的第三时长；
若所述第三时长小于或等于所述第三预置阈值，则确定所述动态扭矩阈值。
在一个实施例中，所述处理器实现根据所述动态扭矩阈值，确定所述驾驶员是否为脱手状态时，用于实现：
获取预置调整值；
基于所述预置调整值和所述动态扭矩阈值，确定扭矩阈值；
根据所述扭矩阈值，确定所述驾驶员是否为脱手状态。
在一个实施例中，所述处理器实现根据所述扭矩阈值，确定驾驶员是否为脱手状态时，用于实现：
获取方向盘扭矩值、保持所述方向盘扭矩值的第三时长，以及保持扭矩阈值的第四时长；
根据所述方向盘扭矩值、所述第三时长、所述扭矩阈值和所述第四时长，确定驾驶员是否为脱手状态。
在一个实施例中，所述处理器实现根据所述方向盘扭矩值、所述第三时长、所述扭矩阈值和所述第四时长，确定驾驶员是否为脱手状态时，用于实现：
基于第一预置系数和所述扭矩阈值，得到第一扭矩阈值；
基于第二预置系数和所述第四时长，得到第五时长；
若所述方向盘扭矩值大于所述扭矩阈值，且所述第三时长大于所述第四时长，则确定所述驾驶员为脱手状态；
若所述方向盘扭矩值小于所述第一扭矩阈值，且所述第三时长大于所述第四时长，则确定所述驾驶员不是脱手状态；
若所述方向盘扭矩值大于或等于所述第一扭矩阈值，所述方向盘扭矩值小于或等于所述扭矩阈值，且所述第三时长大于所述第五时长，则确定所述驾驶员为脱手状态。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序中包括程序指令，所述程序指令被执行时所实现的方法可参照本申请非安全握姿的脱手检测方法的各个实施例。
其中，所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元，例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备，例如所述计算机设备上配备的插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种非安全握姿的脱手检测方法，其特征在于，包括：
通过预置摄像头定时采集驾驶员图像，确定驾驶员是否为非正常握姿状态；
若确定所述驾驶员处于非安全握姿状态，则确定所述非安全握姿状的非安全警告标志位；
根据所述非安全警告标志位，确定动态扭矩阈值；
根据所述动态扭矩阈值，确定所述驾驶员是否为脱手状态。
2.如权利要求1所述的非安全握姿的脱手检测方法，其特征在于，所述确定驾驶员是否为非正常握姿状态，包括：
依次将所述驾驶员图像输入预置标志位分类模型，获取所述标志位分类模型输出的标志位；
若确定所述标志位是目标标志位，则记录所述目标标志位的数量值；
获取当前车速，并根据所述当前车速确定第一预置阈值；
比对所述目标标志位的数量值和所述第一预置阈值，确定驾驶员是否处于非安全握姿状态。
3.如权利要求1所述的非安全握姿的脱手检测方法，其特征在于，所述若确定所述驾驶员处于非安全握姿状态，则确定所述非安全握姿状的非安全警告标志位，包括：
若确定所述驾驶员处于非安全握姿状态，获取所述驾驶员处于非安全握姿状态的第一时长；
比对所述第一时长和第二预置阈值，确定所述非安全握姿状态的非安全警告标志位。
4.如权利要求2所述的非安全握姿的脱手检测方法，其特征在于，所述非安全警告标志位包括第一非安全警告标志位和第二非安全警告标志位；所述根据所述非安全警告标志位，确定动态扭矩阈值，包括：
若确定所述非安全警告标志位为所述第一非安全警告标志位，则记录所述驾驶员处于所述第一非安全警告标志位的第二时长，并比对所述第二时长和第三预置阈值；
若所述第二时长大于所述第三预置阈值，则根据所述当前车速和所述目标标志位，确定动态扭矩阈值；
所述根据所述非安全警告标志位，确定动态扭矩阈值，包括：
若确定所述非安全警告标志位为所述第二非安全警告标志位，则重新确定所述非安全握姿状态的非安全警告标志位；
所述确定动态扭矩值之后，还包括：
检测到所述第一非安全警告标志位变动为所述第二非安全警告标志位，记录处于所述第二非安全警告标志位的第三时长；
若所述第三时长小于或等于所述第三预置阈值，则确定所述动态扭矩阈值。
5.如权利要求1所述的非安全握姿的脱手检测方法，其特征在于，所述根据所述动态扭矩阈值，确定所述驾驶员是否为脱手状态，包括：
获取预置调整值；
基于所述预置调整值和所述动态扭矩阈值，确定扭矩阈值；
根据所述扭矩阈值，确定所述驾驶员是否为脱手状态。
6.如权利要求5所述的非安全握姿的脱手检测方法，其特征在于，所述根据所述扭矩阈值，确定驾驶员是否为脱手状态，包括：
获取方向盘扭矩值、保持所述方向盘扭矩值的第三时长，以及保持扭矩阈值的第四时长；
根据所述方向盘扭矩值、所述第三时长、所述扭矩阈值和所述第四时长，确定驾驶员是否为脱手状态。
7.如权利要求6所述的非安全握姿的脱手检测方法，其特征在于，所述根据所述方向盘扭矩值、所述第三时长、所述扭矩阈值和所述第四时长，确定驾驶员是否为脱手状态，包括：
基于第一预置系数和所述扭矩阈值，得到第一扭矩阈值；
基于第二预置系数和所述第四时长，得到第五时长；
若所述方向盘扭矩值大于所述扭矩阈值，且所述第三时长大于所述第四时长，则确定所述驾驶员为脱手状态；
若所述方向盘扭矩值小于所述第一扭矩阈值，且所述第三时长大于所述第四时长，则确定所述驾驶员不是脱手状态；
若所述方向盘扭矩值大于或等于所述第一扭矩阈值，所述方向盘扭矩值小于或等于所述扭矩阈值，且所述第三时长大于所述第五时长，则确定所述驾驶员为脱手状态。
8.一种非安全握姿的脱手检测装置，其特征在于，所述非安全握姿的脱手检测装置包括：
第一确定模块，用于通过预置摄像头定时采集驾驶员图像，确定驾驶员是否为非正常握姿状态；
第二确定模块，用于若确定所述驾驶员处于非安全握姿状态，则确定所述非安全握姿状的非安全警告标志位；
第三确定模块，用于根据所述非安全警告标志位，确定动态扭矩阈值；
第四确定模块，用于根据所述动态扭矩阈值，确定所述驾驶员是否为脱手状态。
9.一种计算机设备，其特征在于，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如权利要求1至7中任一项所述的非安全握姿的脱手检测方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如权利要求1至7中任一项所述的非安全握姿的脱手检测方法的步骤。
CN202110613925.3A 2021-06-02 2021-06-02 非安全握姿的脱手检测方法、装置、设备及存储介质 Active CN113343833B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110613925.3A CN113343833B (zh) 2021-06-02 2021-06-02 非安全握姿的脱手检测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110613925.3A CN113343833B (zh) 2021-06-02 2021-06-02 非安全握姿的脱手检测方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113343833A true CN113343833A (zh) 2021-09-03
CN113343833B CN113343833B (zh) 2022-08-30

Family

ID=77474632

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110613925.3A Active CN113343833B (zh) 2021-06-02 2021-06-02 非安全握姿的脱手检测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113343833B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107640152A (zh) * 2017-08-08 2018-01-30 吉利汽车研究院（宁波）有限公司 一种车道保持辅助系统的可靠性控制装置及方法
CN109177975A (zh) * 2018-07-23 2019-01-11 威马智慧出行科技（上海）有限公司 集成式巡航系统退出方法及装置
US20190217886A1 (en) * 2016-04-26 2019-07-18 Thyssenkrupp Presta Ag Hands-on/-off detection in a steer-by-wire system
CN111845764A (zh) * 2020-06-17 2020-10-30 宁波吉利汽车研究开发有限公司 一种脱手检测方法、装置、设备及存储介质
CN112036314A (zh) * 2020-08-31 2020-12-04 上海商汤临港智能科技有限公司 方向盘脱手检测方法及装置、电子设备和存储介质
CN112289003A (zh) * 2020-10-23 2021-01-29 江铃汽车股份有限公司 疲劳驾驶不端驾驶行为监测方法及主动安全驾驶监控系统
US20210070358A1 (en) * 2019-09-11 2021-03-11 Volkswagen Aktiengesellschaft Recognition Of Hands-Off Situations Based On Swarm Data
US20210122366A1 (en) * 2019-10-29 2021-04-29 Hyundai Motor Company Vehicle and control method thereof

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190217886A1 (en) * 2016-04-26 2019-07-18 Thyssenkrupp Presta Ag Hands-on/-off detection in a steer-by-wire system
CN107640152A (zh) * 2017-08-08 2018-01-30 吉利汽车研究院（宁波）有限公司 一种车道保持辅助系统的可靠性控制装置及方法
CN109177975A (zh) * 2018-07-23 2019-01-11 威马智慧出行科技（上海）有限公司 集成式巡航系统退出方法及装置
US20210070358A1 (en) * 2019-09-11 2021-03-11 Volkswagen Aktiengesellschaft Recognition Of Hands-Off Situations Based On Swarm Data
US20210122366A1 (en) * 2019-10-29 2021-04-29 Hyundai Motor Company Vehicle and control method thereof
CN111845764A (zh) * 2020-06-17 2020-10-30 宁波吉利汽车研究开发有限公司 一种脱手检测方法、装置、设备及存储介质
CN112036314A (zh) * 2020-08-31 2020-12-04 上海商汤临港智能科技有限公司 方向盘脱手检测方法及装置、电子设备和存储介质
CN112289003A (zh) * 2020-10-23 2021-01-29 江铃汽车股份有限公司 疲劳驾驶不端驾驶行为监测方法及主动安全驾驶监控系统

Also Published As

Publication number Publication date
CN113343833B (zh) 2022-08-30

Similar Documents

Publication Publication Date Title
WO2022143425A1 (zh) 驾驶数据的处理
US9076340B2 (en) Vehicle detecting system and method
US11027746B2 (en) Drive mode switching control device, method and program
US20090058622A1 (en) Method for predicting lane line and lane departure warning system using the same
US11423673B2 (en) Method and device for detecting state of holding steering wheel
JP6447958B2 (ja) 標識認識表示装置
JP2008186174A (ja) 走行状況記録装置
CN110178141A (zh) 用于操控自主机动车辆的方法
JP2018151686A5 (zh)
CN113022578B (zh) 基于车辆运动信息乘客提醒方法、系统、车辆及存储介质
DE102016218811B4 (de) Warnsystem bei Müdigkeit eines Fahrers und Verfahren für dieses
CN113343833B (zh) 非安全握姿的脱手检测方法、装置、设备及存储介质
JP4858516B2 (ja) 顔向き検出装置
US11325609B2 (en) Vehicle driving assist system
CN112829759B (zh) 一种驾驶员脱手检测方法、系统、计算机设备及存储介质
WO2009116221A1 (ja) 車両走行支援装置、車両、車両走行支援プログラム
JP2018124825A (ja) ドライブレコーダ、画像記録方法及び監視装置
CN112277956B (zh) 一种用方向盘检测酒驾行为的方法和装置
US20200265807A1 (en) Vehicle, display method, and program
CN113968241A (zh) 危险驾驶行为的控制方法、装置、车辆及存储介质
US11308801B2 (en) Driving assistance apparatus and driving assistance method
US9428221B2 (en) Drive assist control device
JP2020194228A (ja) 運転者状態判定装置、運転者状態判定方法、および、プログラム
CN113192362B (zh) 数据记录方法、装置、电子设备及车辆
CN117622167A (zh) 方向盘脱手检测方法、车辆和存储介质

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