CN114332451A - 分心区域的自动标定方法及装置、道路车辆、电子设备 - Google Patents
分心区域的自动标定方法及装置、道路车辆、电子设备 Download PDFInfo
- Publication number
- CN114332451A CN114332451A CN202111489217.XA CN202111489217A CN114332451A CN 114332451 A CN114332451 A CN 114332451A CN 202111489217 A CN202111489217 A CN 202111489217A CN 114332451 A CN114332451 A CN 114332451A
- Authority
- CN
- China
- Prior art keywords
- distraction
- driver
- angle
- normal
- determining
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种分心区域的自动标定方法及装置、道路车辆、电子设备。其中,该自动标定方法包括:采集预设时间段内包含在当前车辆内的驾驶员的多张人脸图像;结合多张人脸图像确定驾驶员在当前车辆内的正常驾驶角度;基于正常驾驶角度以及预先确定的当前车辆临界的分心偏转角度,标定驾驶员在当前车辆内的非分心区域和分心区域。本发明解决了相关技术中由于驾驶姿态或人员更换引起分心区域变化,而分心检测仍采用固定分心区域导致误检的技术问题。
Description
技术领域
本发明涉及信息处理技术领域,具体而言,涉及一种分心区域的自动标定方法及装置、道路车辆、电子设备。
背景技术
相关技术中,在驾驶员开车过程中,常常会受到疲劳、外界事务等干扰,处于分心状态,这种分心状态容易造成交通事故,因此,需要监测驾驶员是否处于分心状态,而在监测驾驶员是否处于分心状态之前,需要快速定位每个车辆的分心区域;当前在标定分心区域时,容易受到驾驶员自身差异(驾驶姿态或人员更换出现差异)、开车习惯以及每种车辆的车型影响,导致标定误差较大。此外,当前的分心区域标定方式,通常采用固定区域阈值标定分心区域,容易因驾驶姿态或人员更换导致标定的分心区域出现误差。
当前采用的标定方式,通过获取驾驶人的眼动行为信息,实现对驾驶人分心状态的实时检测,为驾驶人驾驶分心行为进行预警,有效提高道路交通安全。但是这种方式,采用传统机器学习方法,受光线和驾驶员个体差异影响,精度较差,同时该种方式,未对实车特殊场景进行处理,误检情况较多。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种分心区域的自动标定方法及装置、道路车辆、电子设备,以至少解决相关技术中由于驾驶姿态或人员更换引起分心区域变化,而分心检测仍采用固定分心区域导致误检的技术问题。
根据本发明实施例的一个方面,提供了一种分心区域的自动标定方法,包括:采集预设时间段内包含在当前车辆内的驾驶员的多张人脸图像;结合所述多张人脸图像确定所述驾驶员在所述当前车辆内的正常驾驶角度;基于所述正常驾驶角度以及预先确定的所述当前车辆临界的分心偏转角度,标定所述驾驶员在所述当前车辆内的非分心区域和分心区域。
可选地,结合所述多张人脸图像确定所述驾驶员在所述当前车辆内的正常驾驶角度,包括:结合非正常驾驶信息确定所述驾驶员的非正常驾驶状态,并从全部人脸图像中剔除所述非正常驾驶状态对应的图像,获取正常驾驶图像集;根据所述正常驾驶图像集统计并更新所述正常驾驶角度。
可选地,结合所述多张人脸图像确定所述驾驶员在所述当前车辆内的正常驾驶角度之前,所述方法还包括:初始化所述正常驾驶角度,包括:采用出厂预设值初始化所述正常驾驶角度;或,采用所述驾驶员注视第一标记点时第一视线角度初始化所述正常驾驶角度。
可选地,所述非正常驾驶信息包括以下至少一个:低车速、转向信号触发、分心偏转、握力。
可选地,结合低车速确定所述驾驶员的非正常驾驶状态,包括:采集所述当前车辆的车辆行驶速度;若所述车辆行驶速度低于预设速度阈值,确定所述驾驶员处于非正常驾驶状态。
可选地,结合转向信号触发确定所述驾驶员的非正常驾驶状态,包括:采集所述当前车辆的转向信号的信号触发状态;若所述信号触发状态指示未触发所述转向信号,则确定所述驾驶员处于正常驾驶状态;若所述信号触发状态指示已触发所述转向信号,则确定所述当前车辆处于转弯状态,确定所述驾驶员处于非正常驾驶状态。
可选地,结合分心偏转确定所述驾驶员的非正常驾驶状态,包括:采集所述驾驶员的人脸和视线角度;统计所述驾驶员的人脸和视线角度处于预设的非正常驾驶区域的时长;若处于非正常驾驶区域的时长达到第一时长阈值,则确定所述驾驶员处于非正常驾驶状态。
可选地,结合握力确定所述驾驶员的非正常驾驶状态,包括:采集所述驾驶员的方向盘握力;若所述方向盘握力低于预设的握力阈值,确定所述驾驶员处于非正常驾驶状态。
可选地,根据所述正常驾驶图像集统计并更新所述正常驾驶角度,包括:所述正常驾驶图像集中每张图像通过人脸角度和视线角度模型,输出每张图像对应的正常人脸和视线角度值;统计所有所述正常人脸和视线角度值,更新所述正常驾驶角度。
可选地,预先确定的所述当前车辆临界的分心偏转角度,包括:根据预设的感兴趣区域标定所述当前车辆内部的非分心标注区域和分心标注区域,其中,所述非分心标注区域包括:正常注视标识点,所述分心区域至少包括:边界标识点;采集多位驾驶员分别朝向所述正常注视标识点和所述边界标识点的图像,得到正常注视图像和分心注视图像;分析所述正常注视图像和所述分心注视图像,得到所述当前车辆分心区域临界的分心偏转角度。
可选地,根据预设的感兴趣区域标定所述当前车辆内部的非分心标注区域和分心标注区域,包括:将预设的感兴趣区域表征为所述当前车辆内部的非分心标注区域;确定所述非分心标注区域的中心点,得到所述正常注视标识点;确定所述非分心标注区域的多条边界,并以每条所述边界为边确定在所述非分心标注区域外的分心标注区域,其中,所述边界上的任意点表征为所述边界标识点。
可选地,分析所述正常注视图像和所述分心注视图像,得到所述当前车辆分心区域临界的分心偏转角度,包括:分析所述正常注视图像,确定注视所述正常注视标识点的视线角度,基于所述注视所述正常注视标识点的视线角度的分布,得到第一正常驾驶角度;分析所有所述分心注视图像,获取分心区域的临界分心驾驶角度的分布,基于所述分心区域的临界分心驾驶角度的分布,计算所述分心区域的临界分心驾驶角度均值;计算所述第一正常驾驶角度与所述临界分心驾驶角度均值之间的差值,得到所有所述当前车辆临界的分心偏转角度。
可选地,基于所述正常驾驶角度以及预先确定的所述当前车辆临界的分心偏转角度,标定所述驾驶员在所述当前车辆内的非分心区域和分心区域,包括:在所述正常驾驶角度基础上添加所述当前车辆临界的分心偏转角度,获取分心区域边界的临界位置;将所述分心区域边界的临界位置包含的区域标定为所述非分心区域,将所述分心区域边界的临界位置包含的区域以外的区域标定为所述分心区域。
根据本发明实施例的另一方面,还提供了一种分心区域的自动标定装置,包括:采集单元,用于采集预设时间段内包含在当前车辆内的驾驶员的多张人脸图像;确定单元,用于结合所述多张人脸图像确定所述驾驶员在所述当前车辆内的正常驾驶角度;标定单元,用于基于所述正常驾驶角度以及预先确定的所述当前车辆临界的分心偏转角度,标定所述驾驶员在所述当前车辆内的非分心区域和分心区域。
可选地,所述确定单元包括:第一确定模块,用于结合非正常驾驶信息确定所述驾驶员的非正常驾驶状态,并从全部人脸图像中剔除所述非正常驾驶状态对应的图像,获取正常驾驶图像集;更新模块,用于根据所述正常驾驶图像集统计并更新所述正常驾驶角度。
可选地,所述自动标定装置还包括:初始化单元,用于结合所述多张人脸图像确定所述驾驶员在所述当前车辆内的正常驾驶角度之前,初始化所述正常驾驶角度,所述初始化单元包括:第一初始化模块,用于采用出厂预设值初始化所述正常驾驶角度;或,第二初始化模块,用于采用所述驾驶员注视第一标记点时第一视线角度初始化所述正常驾驶角度。
可选地,所述非正常驾驶信息包括以下至少一个:低车速、转向信号触发、分心偏转、握力。
可选地,第一确定模块包括:第一采集子模块,用于采集所述当前车辆的车辆行驶速度;第一确定子模块,用于在所述车辆行驶速度低于预设速度阈值的情况下,确定所述驾驶员处于非正常驾驶状态。
可选地,第一确定模块包括:第二采集子模块,用于采集所述当前车辆的转向信号的信号触发状态;第二确定子模块,用于在所述信号触发状态指示未触发所述转向信号的情况下,确定所述驾驶员处于正常驾驶状态;第三确定子模块,用于在所述信号触发状态指示已触发所述转向信号的情况下,确定所述当前车辆处于转弯状态,确定所述驾驶员处于非正常驾驶状态。
可选地,第一确定模块包括:第三采集子模块,用于采集所述驾驶员的人脸和视线角度;第一统计子模块,用于统计所述驾驶员的人脸和视线角度处于预设的非正常驾驶区域的时长;第四确定子模块,用于在处于非正常驾驶区域的时长达到第一时长阈值的情况下,确定所述驾驶员处于非正常驾驶状态。
可选地,第一确定模块包括:第四采集子模块,用于采集所述驾驶员的方向盘握力;第五确定子模块,用于在所述方向盘握力低于预设的握力阈值的情况下,确定所述驾驶员处于非正常驾驶状态。
可选地,所述更新模块包括:输出子模块,用于所述正常驾驶图像集中每张图像通过人脸角度和视线角度模型,输出每张图像对应的正常人脸和视线角度值;第二统计子模块,用于统计所有所述正常人脸和视线角度值,更新所述正常驾驶角度。
可选地,分心区域的自动标定装置还包括:区域标定模块,用于根据预设的感兴趣区域标定所述当前车辆内部的非分心标注区域和分心标注区域,其中,所述非分心标注区域包括:正常注视标识点,所述分心区域至少包括:边界标识点;图像采集模块,用于采集多位驾驶员分别朝向所述正常注视标识点和所述边界标识点的图像,得到正常注视图像和分心注视图像;图像分析模块,用于分析所述正常注视图像和所述分心注视图像,得到所述当前车辆分心区域临界的分心偏转角度。
可选地,所述区域标定模块包括:第六确定子模块,用于将预设的感兴趣区域表征为所述当前车辆内部的非分心标注区域;第七确定子模块,用于确定所述非分心标注区域的中心点,得到所述正常注视标识点;第八确定子模块,用于确定所述非分心标注区域的多条边界,并以每条所述边界为边确定在所述非分心标注区域外的分心标注区域,其中,所述边界上的任意点表征为所述边界标识点。
可选地,图像分析模块包括:分析子模块,用于分析所述正常注视图像,确定注视所述正常注视标识点的视线角度,基于所述注视所述正常注视标识点的视线角度的分布,得到第一正常驾驶角度;第一计算子模块,用于分析所有所述分心注视图像,获取分心区域的临界分心驾驶角度的分布,基于所述分心区域的临界分心驾驶角度的分布,计算所述分心区域的临界分心驾驶角度均值;第二计算子模块,用于计算所述第一正常驾驶角度与所述临界分心驾驶角度均值之间的差值,得到所有所述当前车辆临界的分心偏转角度。
可选地,所述标定单元包括:第一标定模块,用于在所述正常驾驶角度基础上添加所述当前车辆临界的分心偏转角度,获取分心区域边界的临界位置;第二标定模块,用于将所述分心区域边界的临界位置包含的区域标定为所述非分心区域,将所述分心区域边界的临界位置包含的区域以外的区域标定为所述分心区域。
根据本发明实施例的另一方面,还提供了一种道路车辆,包括:车载摄像头,安装与车辆前方的挡风玻璃处,用于采集前方道路的道路图像;车载控制单元,与所述车载摄像头连接,执行上述任意一项所述的分心区域的自动标定方法。
根据本发明实施例的另一方面,还提供了一种车载电子设备,包括:处理器;以及存储器,用于存储所述处理器的可执行指令;其中,所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的分心区域的自动标定方法。
根据本发明实施例的另一方面,还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述任意一项所述的分心区域的自动标定方法。
本发明实施例,可采用自动标定,对于不同驾驶员个体和开车状态进行随动处理。和固定阈值方法相比,提高分心的准确性并有效降低误检。
本发明实施例,采用多信息融合方案,针对行车中非正常驾驶状态进行过滤,以避免误检。
本发明实施例中,采用预设时间段内包含在当前车辆内的驾驶员的多张人脸图像,结合多张人脸图像确定驾驶员在当前车辆内的正常驾驶角度,基于正常驾驶角度以及预先确定的当前车辆临界的分心偏转角度,标定驾驶员在当前车辆内的非分心区域和分心区域。在该实施例中,可以分析当前车辆内的驾驶员的多张人脸图像,自动标定驾驶员在当前车辆内的非分心区域和分心区域,对于不同驾驶员个体和开车状态进行随动处理,提高分心区域的标定准确度,进而提高分心状态的检测准确度,从而解决相关技术中由于驾驶姿态或人员更换引起分心区域变化,而分心检测仍采用固定分心区域导致误检的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种可选的分心区域的自动标定方法的流程图;
图2是根据本发明实施例的一种可选的预设的非正常驾驶区域的示意图;
图3是根据本发明实施例的一种可选的标定分心区域的示意图;
图4是根据本发明实施例的一种可选的分心区域的自动标定装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,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他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明可应用于各种类型的交通工具(汽车、大巴车、摩托车、飞机、火车等),本实施例以车辆为例进行示意说明中,实现车辆分心区域以及驾驶员分心状态的检测。车辆类型包括但不限于:轿车、卡车、跑车、SUV和MINI车等。本发明适配各种车位和区域,自动标定分心区域,同时,基于已标定的分心区域分析驾驶员是否处于分心状态,对于不同驾驶员个体和开车状态进行随动处理,和固定阈值方法相比,提高分心检测的准确性并有效降低误检。本发明可自适应调整分心区域,避免因驾驶姿态或人员更换导致分心误检。下面结合各个实施例来详细说明本发明。
实施例一
根据本发明实施例,提供了一种分心区域的自动标定方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种可选的分心区域的自动标定方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,采集预设时间段内包含在当前车辆内的驾驶员的多张人脸图像;
步骤S104,结合多张人脸图像确定驾驶员在当前车辆内的正常驾驶角度;
步骤S106,基于正常驾驶角度以及预先确定的当前车辆临界的分心偏转角度,标定驾驶员在当前车辆内的非分心区域和分心区域。
通过上述步骤,可以采集预设时间段内包含在当前车辆内的驾驶员的多张人脸图像,结合多张人脸图像确定驾驶员在当前车辆内的正常驾驶角度,基于正常驾驶角度以及预先确定的当前车辆临界的分心偏转角度,标定驾驶员在当前车辆内的非分心区域和分心区域。在该实施例中,可以分析当前车辆内的驾驶员的多张人脸图像,自动标定驾驶员在当前车辆内的非分心区域和分心区域,对于不同驾驶员个体和开车状态进行随动处理,提高分心区域的标定准确度,进而提高分心状态的检测准确度,从而解决相关技术中由于驾驶姿态或人员更换引起分心区域变化,而分心检测仍采用固定分心区域导致误检的技术问题。
下面结合上述各实施步骤来详细说明本发明实施例。
步骤S102,采集预设时间段内包含在当前车辆内的驾驶员的多张人脸图像。
为了准确标定分心区域,需要结合当前车辆的预设偏转区域(区域形状和区域大小)以及实时考虑驾驶员的驾驶属性(驾驶员的体型和驾驶角度),例如,驾驶员的体型、身高不相同,会造成标定的分心区域出现变化。通过设置在车内的摄像模块在预设时间段内采集驾驶员的多张人脸图像,从多张人脸图像中恢复准确标定分心区域的实时信息。
本实施例的预设时间段可以预先设定,具体预设时间段的时长与实际的检测精度要求有关,例如,1分钟内、30S内。此外,摄像模块采集视频流,本申请滑动处理预设时间长度的覆盖帧,在当前帧处理后,输入下一帧并剔除最早帧更新图像集后,再次处理图像集,从而实时自动标定。
本实施例中,可以在车辆内靠近车辆驾驶区域设置至少一个摄像模块,上述摄像模块具体安装位置不限定,采集包括驾驶员人脸的图像即可。摄像模块的类型包括但不限于:摄像头、深度摄像机、红外摄像仪等;采集的人脸图像的图像类型包括但不限于:普通RGB图像、深度图像、热成像等,本实施例以普通RGB图像进行示意性说明。
步骤S104,结合多张人脸图像确定驾驶员在当前车辆内的正常驾驶角度。
可选的,结合多张人脸图像确定驾驶员在当前车辆内的正常驾驶角度,包括:结合非正常驾驶信息确定驾驶员的非正常驾驶状态,并从全部人脸图像中剔除非正常驾驶状态对应的图像,获取正常驾驶图像集;根据正常驾驶图像集统计并更新正常驾驶角度。
具体的,正常驾驶角度指的是当前驾驶员在当前车辆内保持专注驾驶时的视线角度,专注驾驶意味着驾驶员视线保持正前方的状态,不存在打电话、转头和看后视镜等情况。进一步,正常驾驶角度随着场景变化会存在变化,晴朗天气行驶,正常驾驶角度保持正前方,视野范围大,进入隧道或雾天行驶,驾驶员会不自觉低头以聚焦眼前环境,视野范围减小,正常驾驶角度会较晴朗天气正前方位置相比下移,本申请实时采集视频流,并实时滑动处理采集的视频流,保证正常驾驶角度信息实时更新。此外,实际情况中,预设时间段内采集的图像集,并非都处于专注驾驶员的状态对应的状态,本申请通过删除全部人脸图像中的非正常驾驶状态对应的图像,得到正常驾驶图像集,在正常驾驶图像集基础上统计并更新长时间正常驾驶角度。
另一种可选的,非正常驾驶信息包括以下至少一个:低车速、转向信号触发、分心偏转、握力。下面分别结合各个非正常驾驶信息,对确定驾驶员的非正常驾驶状态的方式进行说明。
可选的,结合低车速确定驾驶员的非正常驾驶状态,包括:采集当前车辆的车辆行驶速度;若车辆行驶速度低于预设速度阈值,确定驾驶员处于非正常驾驶状态。
本实施例中,通常起步阶段和靠边停车等场景中,往往需要低速行驶环顾环境以做出正确决策,此阶段中并不属于正常驾驶阶段。本申请通过车辆的车速与预设速度阈值的比较判断是否处于低速运行状态,预设速度阈值可以是提前设定的,具体预设速度阈值的设置根据实际用户需求确定。例如,设定预设速度阈值为30km/h,若当前车辆的车速>30km/h,则认为是正常车速运行状态,若车速<30km/h,则认为车速处于低速运行状态,驾驶员处于非正常开车状态,进一步将非正常驾驶阶段的对应帧从图像集中剔除。
可选的,结合转向信号触发确定驾驶员的非正常驾驶状态,包括:采集当前车辆的转向信号的信号触发状态;若信号触发状态指示未触发转向信号,则确定驾驶员处于正常驾驶状态;若信号触发状态指示已触发转向信号,则确定当前车辆处于转弯状态,确定驾驶员处于非正常驾驶状态。
由于转向或掉头时,需要转向信号开启,并且驾驶员需要环顾周边环境以做出正确决策。本申请通过对转向信号的触发状态的检测从而实现对驾驶状态的判断,若转向信号未触发,则驾驶员处于正常驾驶状态;若转向信号触发,则车辆处于转弯状态,进一步将非正常驾驶阶段的对应帧从图像集中剔除。
可选的,结合分心偏转确定驾驶员的非正常驾驶状态,包括:采集驾驶员的人脸和视线角度;统计驾驶员的人脸和视线角度处于预设的非正常驾驶区域的时长;若处于非正常驾驶区域的时长达到第一时长阈值,则确定驾驶员处于非正常驾驶状态。
在本实施例中,分心区域的区域范围大于等于预设的非正常驾驶区域,预设的非正常驾驶区域是用户设定的,指示的是驾驶员明显处于分心驾驶的区域。
图2是根据本发明实施例的一种可选的预设的非正常驾驶区域的示意图,如图2所示,除分心区域以外区域的非分心区域,除预设的正常驾驶区域以外区域为预设的非正常驾驶区域,与需要准确自动标定的分心区域相比,预设的非正常驾驶区域是一个粗略大致定位的区域。当视线角度落于该区域时表示的是驾驶员明显处于分心驾驶的区域,例如,驾驶员驾驶时视线长时间被路边的广告牌吸引,若长时间处于预设的非正常驾驶区域内,则确定驾驶员为非正常驾驶状态,进一步将非正常驾驶状态的对应帧从图像集中剔除。
另一种可选的,结合握力确定驾驶员的非正常驾驶状态,包括:采集驾驶员的方向盘握力;若方向盘握力低于预设的握力阈值,确定驾驶员处于非正常驾驶状态。
实际情况中,当驾驶员处于疲劳驾驶等其他分心状态时方向盘的握力会减小。基于上述情况,本发明实施例会借助传感器获取握力值,结合握力确定驾驶员的非正常驾驶员状态,本实施例的握力阈值根据每个车辆的车辆类型自适应预先设置,若方向盘握力低于预设的握力阈值,确定驾驶员处于非正常驾驶状态,进一步将非正常驾驶状态的对应帧从图像集中剔除。
本申请实施例中不限制上述非正常驾驶信息包含种类的任意组合,亦不限制非正常驾驶信息包含种类在筛选图像集时的优先级顺序。
可选的,根据正常驾驶图像集统计并更新正常驾驶角度,包括:正常驾驶图像集中每张图像通过人脸角度和视线角度模型,输出每张图像对应的正常人脸和视线角度值;统计所有正常人脸和视线角度值,更新正常驾驶角度。
采集车辆内的正常驾驶图像集后,分析每张图像,以确定每张图像对应的正常人脸和视线角度值,从而通过所有的正常驾驶时人脸和视线角度值,更新正常驾驶角度。本实施例中,可通过将图像输入人脸角度和视线角度模型得到输出的人脸和视线角度输出值。本发明并不限制人脸角度和视线角度模型的形式和种类,可采用传统几何模型,亦可采用神经网络模型。本实施例可统计并更新长时间正常驾驶角度,例如,统计前60s内驾驶员正常驾驶人脸和视线角度,对其取均值并更新。
作为本实施例可选的实施方式,结合多张人脸图像确定驾驶员在当前车辆内的正常驾驶角度之前,方法还包括:初始化正常驾驶角度,包括:采用出厂预设值初始化正常驾驶角度;或,采用驾驶员注视第一标记点时第一视线角度初始化正常驾驶角度。
本实施例的第一标记点可以是指单独的点,也可以是多个点的均值。例如,可采用当前车辆前挡风玻璃正前方作为第一标记点,亦可以将前挡风玻璃特定区域中包含的任意多个点的均值作为第一标记点。初始化正常驾驶角度可帮助自动分心区域快速流畅地进入正常驾驶角度更新的运转模式,而不会因为初始数据存在极值偏差引起正常驾驶角度初始计算值误差过大,进一步重新回归正常运算需要耗费大量时间和资源。
步骤S106,基于正常驾驶角度以及预先确定的当前车辆临界的分心偏转角度,标定驾驶员在当前车辆内的非分心区域和分心区域。
另一种可选的,预先确定的当前车辆临界的分心偏转角度,包括:根据预设的感兴趣区域标定当前车辆内部的非分心标注区域和分心标注区域,其中,非分心标注区域包括:正常注视标识点,分心区域至少包括:边界标识点;采集多位驾驶员分别朝向正常注视标识点和边界标识点的图像,得到正常注视图像和分心注视图像;分析正常注视图像和分心注视图像,得到当前车辆分心区域临界的分心偏转角度。
在本实施例中,根据预设的感兴趣区域标定当前车辆内部的非分心标注区域和分心标注区域,包括:将预设的感兴趣区域表征为当前车辆内部的非分心标注区域;确定所述非分心标注区域的中心点,得到正常注视标识点;确定非分心标注区域的多条边界,并以每条边界为边确定在非分心标注区域外的分心标注区域,其中,边界上的任意点表征为边界标识点。
图3是根据本发明实施例的一种可选的标定分心区域的示意图,如图3所示,车内驾驶区域的图像划分出感兴趣区域(如图3中位于方向盘上方的标注框),该区域为非分心标注区域。本申请中并不限制感兴趣区域的形状,可以为圆形、三角形和方形等,一般是出厂根据车辆属性设定,图3中是以方形为例。在非分心标注区域内设置标志位1,标志位1是该区域内的中心点,即正常注视标识点。确定非分心标注区域的多条边界,并将边界上的任意点表征为边界标识点。图3在该非分心标注区域的上下左右四个边界上各设置标志位2、3、4、5,标志位2,3,4,5分别为上、右、下、左分心区域边界位置,并且边界位置以外的区域为分心标注区域。具体的,位置1为前档中间,位置2为前档玻璃上边缘,位置3为后视镜右边缘,位置4为方向盘中间,位置5为左后视镜。
可选的,分析正常注视图像和每张分心注视图像,得到当前车辆分心区域临界的分心偏转角度,包括:分析正常注视图像,确定注视正常注视标识点的视线角度,基于注视正常注视标识点的视线角度的分布,得到第一正常驾驶角度;分析所有分心注视图像,获取每个分心区域的临界分心驾驶角度的分布,基于每个分心区域的临界分心驾驶角度的分布,计算每个分心区域的临界分心驾驶角度均值;计算第一正常驾驶角度与临界分心驾驶角度均值之间的差值,得到所有当前车辆临界的分心偏转角度。
以图3为例,本实施例采集驾驶员的朝向标志位1-5的多张图像,将图像输入通过预先训练得过的人脸角度和视线角度模型,输出人脸和视线角度输出值。具体的,基于注视标志位1采集的图像集确定,注视正常注视标识点时的视线角度的分布,可通过计算均值得到Mean_A1,即第一正常角度,同理,针对注视标志位2-5采集的图像集确定临界分心驾驶角度均值Mean_A2,Mean_A3……Mean_A5,计算第一正常驾驶角度与临界分心驾驶角度均值之间偏航和俯仰方向分别计算差值,得到所有当前车辆临界的分心偏转角度。例如,在标志位2上的临界的分心偏转角度通过下式计算:
Yaw_A2_1=Yaw(Mean_A2)-Yaw(Mean_A1);
Pitch_A2_1=Pitch(Mean_A2)-Pitch(Mean_A1)。
根据不同车辆或分心区域,设置获取人脸和视线的分心偏转角度,避免重新采集数据训练模型,达到较好的适用性。
在本实施例中,可计算每位驾驶员看向正常注视标识点和边界标识点的角度均值,进而计算第一正常驾驶角度与临界分心驾驶角度均值之间的差值,得到所有当前车辆临界的分心偏转角度,通过该分心偏转角度和驾驶员的正常驾驶角度,可标定驾驶员在当前车辆内的非分心区域和分心区域。
可选的,基于正常驾驶角度以及预先确定的当前车辆临界的分心偏转角度,标定驾驶员在当前车辆内的非分心区域和分心区域,包括:在正常驾驶角度基础上添加当前车辆临界的分心偏转角度,获取分心区域边界的临界位置;将分心区域边界的临界位置包含的区域标定为非分心区域,将分心区域边界的临界位置包含的区域以外的区域标定为分心区域。
在标定出驾驶员在当前车辆内的非分心区域和分心区域后,输出驾驶员长时间的分心状态,例如连续5s处于分心区域则为分心驾驶状态,否则为正常驾驶状态,当车速为达到阈值或转向信号开启,则均认为处于非分心状态。通过检测驾驶员是否处于分心状态,可以在确认驾驶员处于分心状态时,及时发送提醒信息(例如,语音提醒、警报声音),降低驾驶员出现事故的概率,提高车辆驾驶安全度。
本发明实施例,采用多信息融合方案,针对行车中非正常驾驶状态进行过滤,以避免误检;同时,本发明实施例还采用自动标定,对于不同驾驶员个体和开车状态进行随动处理,和固定阈值标定方式相比,本申请能够提高分心的准确性,并有效降低误检。
下面结合另一种可选的实施例来说明本发明。
实施例二
本实施例提供了一种分心区域的自动标定装置,该自动标定装置所包含的各个单元对应于上述实施例一中的各个实施步骤。
图4是根据本发明实施例的一种可选的分心区域的自动标定装置的示意图,如图4所示,该自动标定装置可以包括:采集单元41、确定单元43、标定单元45,其中,
采集单元41,用于采集预设时间段内包含在当前车辆内的驾驶员的多张人脸图像;
确定单元43,用于结合多张人脸图像确定驾驶员在当前车辆内的正常驾驶角度;
标定单元45,用于基于正常驾驶角度以及预先确定的当前车辆临界的分心偏转角度,标定驾驶员在当前车辆内的非分心区域和分心区域。
上述分心区域的自动标定装置,可以通过采集单元41采集预设时间段内包含在当前车辆内的驾驶员的多张人脸图像,通过确定单元43结合多张人脸图像确定驾驶员在当前车辆内的正常驾驶角度,通过标定单元45基于正常驾驶角度以及预先确定的当前车辆临界的分心偏转角度,标定驾驶员在当前车辆内的非分心区域和分心区域。在该实施例中,可以分析当前车辆内的驾驶员的多张人脸图像,自动标定驾驶员在当前车辆内的非分心区域和分心区域,对于不同驾驶员个体和开车状态进行随动处理,提高分心区域的标定准确度,进而提高分心状态的检测准确度,从而解决相关技术中由于驾驶姿态或人员更换引起分心区域变化,而分心检测仍采用固定分心区域导致误检的技术问题
可选地,确定单元包括:第一确定模块,用于结合非正常驾驶信息确定驾驶员的非正常驾驶状态,并从全部人脸图像中剔除非正常驾驶状态对应的图像,获取正常驾驶图像集;更新模块,用于根据正常驾驶图像集统计并更新正常驾驶角度。
可选地,还包括:初始化单元,用于结合多张人脸图像确定驾驶员在当前车辆内的正常驾驶角度之前,初始化正常驾驶角度,初始化单元包括:第一初始化模块,用于采用出厂预设值初始化正常驾驶角度;或,第二初始化模块,用于采用驾驶员注视第一标记点时第一视线角度初始化正常驾驶角度。
可选地,非正常驾驶信息包括以下至少一个:低车速、转向信号触发、分心偏转、握力。
可选地,第一确定模块包括:第一采集子模块,用于采集当前车辆的车辆行驶速度;第一确定子模块,用于在车辆行驶速度低于预设速度阈值的情况下,确定驾驶员处于非正常驾驶状态。
可选地,第一确定模块包括:第二采集子模块,用于采集当前车辆的转向信号的信号触发状态;第二确定子模块,用于在信号触发状态指示未触发转向信号的情况下,确定驾驶员处于正常驾驶状态;第三确定子模块,用于在信号触发状态指示已触发转向信号的情况下,确定当前车辆处于转弯状态,确定驾驶员处于非正常驾驶状态。
可选地,第一确定模块包括:第三采集子模块,用于采集驾驶员的人脸和视线角度;第一统计子模块,用于统计驾驶员的人脸和视线角度处于预设的非正常驾驶区域的时长;第四确定子模块,用于在处于非正常驾驶区域的时长达到第一时长阈值的情况下,确定驾驶员处于非正常驾驶状态。
可选地,第一确定模块包括:第四采集子模块,用于采集驾驶员的方向盘握力;第五确定子模块,用于在方向盘握力低于预设的握力阈值的情况下,确定驾驶员处于非正常驾驶状态。
可选地,更新模块包括:输出子模块,用于正常驾驶图像集中每张图像通过人脸角度和视线角度模型,输出每张图像对应的正常人脸和视线角度值;第二统计子模块,用于统计所有正常人脸和视线角度值,更新正常驾驶角度。
可选地,分心区域的自动标定装置还包括:区域标定模块,用于根据预设的感兴趣区域标定当前车辆内部的非分心标注区域和分心标注区域,其中,非分心标注区域包括:正常注视标识点,分心区域至少包括:边界标识点;图像采集模块,用于采集多位驾驶员分别朝向正常注视标识点和边界标识点的图像,得到正常注视图像和分心注视图像;图像分析模块,用于分析正常注视图像和分心注视图像,得到当前车辆分心区域临界的分心偏转角度。
可选地,区域标定模块包括:第六确定子模块,用于将预设的感兴趣区域表征为当前车辆内部的非分心标注区域;第七确定子模块,用于确定非分心标注区域的中心点,得到正常注视标识点;第八确定子模块,用于确定非分心标注区域的多条边界,并以每条边界为边确定在非分心标注区域外的分心标注区域,其中,边界上的任意点表征为边界标识点。
可选地,图像分析模块包括:分析子模块,用于分析正常注视图像,确定注视正常注视标识点的视线角度,基于注视正常注视标识点的视线角度的分布,得到第一正常驾驶角度;第一计算子模块,用于分析所有分心注视图像,获取分心区域的临界分心驾驶角度的分布,基于分心区域的临界分心驾驶角度的分布,计算分心区域的临界分心驾驶角度均值;第二计算子模块,用于计算第一正常驾驶角度与临界分心驾驶角度均值之间的差值,得到所有当前车辆临界的分心偏转角度。
可选地,标定单元包括:第一标定模块,用于在正常驾驶角度基础上添加当前车辆临界的分心偏转角度,获取分心区域边界的临界位置;第二标定模块,用于将分心区域边界的临界位置包含的区域标定为非分心区域,将分心区域边界的临界位置包含的区域以外的区域标定为分心区域。
上述的分心区域的自动标定装置还可以包括处理器和存储器,上述采集单元41、确定单元43、标定单元45等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
上述处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来基于正常驾驶角度以及预先确定的当前车辆临界的分心偏转角度,标定驾驶员在当前车辆内的非分心区域和分心区域。
上述存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
根据本发明实施例的另一方面,还提供了一种道路车辆,包括:车载摄像头,安装与车辆前方的挡风玻璃处,用于采集前方道路的道路图像;车载控制单元,与车载摄像头连接,执行上述任意一项的分心区域的自动标定方法。
根据本发明实施例的另一方面,还提供了一种车载电子设备,包括:处理器;以及存储器,用于存储处理器的可执行指令;其中,处理器配置为经由执行可执行指令来执行上述任意一项的分心区域的自动标定方法。
根据本发明实施例的另一方面,还提供了一种计算机可读存储介质,计算机可读存储介质包括存储的计算机程序,其中,在计算机程序运行时控制计算机可读存储介质所在设备执行上述任意一项的分心区域的自动标定方法。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:采集预设时间段内包含在当前车辆内的驾驶员的多张人脸图像;结合多张人脸图像确定驾驶员在当前车辆内的正常驾驶角度;基于正常驾驶角度以及预先确定的当前车辆临界的分心偏转角度,标定驾驶员在当前车辆内的非分心区域和分心区域。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (20)
1.一种分心区域的自动标定方法,其特征在于,包括:
采集预设时间段内包含在当前车辆内的驾驶员的多张人脸图像;
结合所述多张人脸图像确定所述驾驶员在所述当前车辆内的正常驾驶角度;
基于所述正常驾驶角度以及预先确定的所述当前车辆临界的分心偏转角度,标定所述驾驶员在所述当前车辆内的非分心区域和分心区域。
2.根据权利要求1所述的方法,其特征在于,结合所述多张人脸图像确定所述驾驶员在所述当前车辆内的正常驾驶角度,包括:
结合非正常驾驶信息确定所述驾驶员的非正常驾驶状态,并从全部人脸图像中剔除所述非正常驾驶状态对应的图像,获取正常驾驶图像集;
根据所述正常驾驶图像集统计并更新所述正常驾驶角度。
3.根据权利要求1所述的方法,其特征在于,结合所述多张人脸图像确定所述驾驶员在所述当前车辆内的正常驾驶角度之前,所述方法还包括:初始化所述正常驾驶角度,包括:
采用出厂预设值初始化所述正常驾驶角度;或,
采用所述驾驶员注视第一标记点时第一视线角度初始化所述正常驾驶角度。
4.根据权利要求2所述的方法,其特征在于,所述非正常驾驶信息包括以下至少一个:低车速、转向信号触发、分心偏转、握力。
5.根据权利要求4所述的方法,其特征在于,结合低车速确定所述驾驶员的非正常驾驶状态,包括:
采集所述当前车辆的车辆行驶速度;
若所述车辆行驶速度低于预设速度阈值,确定所述驾驶员处于非正常驾驶状态。
6.根据权利要求4所述的方法,其特征在于,结合转向信号触发确定所述驾驶员的非正常驾驶状态,包括:
采集所述当前车辆的转向信号的信号触发状态;
若所述信号触发状态指示未触发所述转向信号,则确定所述驾驶员处于正常驾驶状态;
若所述信号触发状态指示已触发所述转向信号,则确定所述当前车辆处于转弯状态,确定所述驾驶员处于非正常驾驶状态。
7.根据权利要求4所述的方法,其特征在于,结合分心偏转确定所述驾驶员的非正常驾驶状态,包括:
采集所述驾驶员的人脸和视线角度;
统计所述驾驶员的人脸和视线角度处于预设的非正常驾驶区域的时长;
若处于非正常驾驶区域的时长达到第一时长阈值,则确定所述驾驶员处于非正常驾驶状态。
8.根据权利要求4所述的方法,其特征在于,结合握力确定所述驾驶员的非正常驾驶状态,包括:
采集所述驾驶员的方向盘握力;
若所述方向盘握力低于预设的握力阈值,确定所述驾驶员处于非正常驾驶状态。
9.根据权利要求4所述的方法,其特征在于,根据所述正常驾驶图像集统计并更新所述正常驾驶角度,包括:
所述正常驾驶图像集中每张图像通过人脸角度和视线角度模型,输出每张图像对应的正常人脸和视线角度值;
统计所有所述正常人脸和视线角度值,更新所述正常驾驶角度。
10.根据权利要求1所述的方法,其特征在于,预先确定的所述当前车辆临界的分心偏转角度,包括:
根据预设的感兴趣区域标定所述当前车辆内部的非分心标注区域和分心标注区域,其中,所述非分心标注区域包括:正常注视标识点,所述分心区域至少包括:边界标识点;
采集多位驾驶员分别朝向所述正常注视标识点和所述边界标识点的图像,得到正常注视图像和分心注视图像;
分析所述正常注视图像和所述分心注视图像,得到所述当前车辆分心区域临界的分心偏转角度。
11.根据权利要求10所述的方法,其特征在于,根据预设的感兴趣区域标定所述当前车辆内部的非分心标注区域和分心标注区域,包括:
将所述预设的感兴趣区域表征为所述当前车辆内部的非分心标注区域;
确定所述非分心标注区域的中心点,得到所述正常注视标识点;
确定所述非分心标注区域的多条边界,并以每条所述边界为边确定在所述非分心标注区域外的分心标注区域,其中,所述边界上的任意点表征为所述边界标识点。
12.根据权利要求10所述的方法,其特征在于,分析所述正常注视图像和所述分心注视图像,得到所述当前车辆分心区域临界的分心偏转角度,包括:
分析所述正常注视图像,确定注视所述正常注视标识点的视线角度,基于所述注视所述正常注视标识点的视线角度的分布,得到第一正常驾驶角度;
分析所有所述分心注视图像,获取分心区域的临界分心驾驶角度的分布,基于所述分心区域的临界分心驾驶角度的分布,计算所述分心区域的临界分心驾驶角度均值;
计算所述第一正常驾驶角度与所述临界分心驾驶角度均值之间的差值,得到所有所述当前车辆临界的分心偏转角度。
13.根据权利要求1所述的方法,其特征在于,基于所述正常驾驶角度以及预先确定的所述当前车辆临界的分心偏转角度,标定所述驾驶员在所述当前车辆内的非分心区域和分心区域,包括:
在所述正常驾驶角度基础上添加所述当前车辆临界的分心偏转角度,获取分心区域边界的临界位置;
将所述分心区域边界的临界位置包含的区域标定为所述非分心区域,将所述分心区域边界的临界位置包含的区域以外的区域标定为所述分心区域。
14.一种分心区域的自动标定装置,其特征在于,包括:
采集单元,用于采集预设时间段内包含在当前车辆内的驾驶员的多张人脸图像;
确定单元,用于结合所述多张人脸图像确定所述驾驶员在所述当前车辆内的正常驾驶角度;
标定单元,用于基于所述正常驾驶角度以及预先确定的所述当前车辆临界的分心偏转角度,标定所述驾驶员在所述当前车辆内的非分心区域和分心区域。
15.根据权利要求14所述的装置,其特征在于,所述确定单元包括:
第一确定模块,用于结合非正常驾驶信息确定所述驾驶员的非正常驾驶状态,并从全部人脸图像中剔除所述非正常驾驶状态对应的图像,获取正常驾驶图像集;
更新模块,用于根据所述正常驾驶图像集统计并更新所述正常驾驶角度。
16.根据权利要求14所述的装置,其特征在于,还包括:初始化单元,用于结合所述多张人脸图像确定所述驾驶员在所述当前车辆内的正常驾驶角度之前,初始化所述正常驾驶角度,所述初始化单元包括:
第一初始化模块,用于采用出厂预设值初始化所述正常驾驶角度;或,
第二初始化模块,用于采用所述驾驶员注视第一标记点时第一视线角度初始化所述正常驾驶角度。
17.根据权利要求15所述的装置,其特征在于,所述非正常驾驶信息包括以下至少一个:低车速、转向信号触发、分心偏转、握力。
18.一种道路车辆,其特征在于,包括:
车载摄像头,安装与车辆前方的挡风玻璃处,用于采集前方道路的道路图像;
车载控制单元,与所述车载摄像头连接,执行权利要求1至13中任意一项所述的分心区域的自动标定方法。
19.一种车载电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1至13中任意一项所述的分心区域的自动标定方法。
20.一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包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至13中任意一项所述的分心区域的自动标定方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111489217.XA CN114332451A (zh) | 2021-12-07 | 2021-12-07 | 分心区域的自动标定方法及装置、道路车辆、电子设备 |
PCT/CN2022/131200 WO2023103708A1 (zh) | 2021-12-07 | 2022-11-10 | 分心区域的自动标定方法及装置、道路车辆、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111489217.XA CN114332451A (zh) | 2021-12-07 | 2021-12-07 | 分心区域的自动标定方法及装置、道路车辆、电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114332451A true CN114332451A (zh) | 2022-04-12 |
Family
ID=81051636
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111489217.XA Pending CN114332451A (zh) | 2021-12-07 | 2021-12-07 | 分心区域的自动标定方法及装置、道路车辆、电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114332451A (zh) |
WO (1) | WO2023103708A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023103708A1 (zh) * | 2021-12-07 | 2023-06-15 | 虹软科技股份有限公司 | 分心区域的自动标定方法及装置、道路车辆、电子设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110826369A (zh) * | 2018-08-10 | 2020-02-21 | 北京魔门塔科技有限公司 | 一种驾驶员驾驶时注意力检测方法和系统 |
CN111709264A (zh) * | 2019-03-18 | 2020-09-25 | 北京市商汤科技开发有限公司 | 驾驶员注意力监测方法和装置及电子设备 |
CN113378771B (zh) * | 2021-06-28 | 2022-07-26 | 济南大学 | 驾驶员状态确定方法、装置、驾驶员监控系统、车辆 |
CN114332451A (zh) * | 2021-12-07 | 2022-04-12 | 虹软科技股份有限公司 | 分心区域的自动标定方法及装置、道路车辆、电子设备 |
-
2021
- 2021-12-07 CN CN202111489217.XA patent/CN114332451A/zh active Pending
-
2022
- 2022-11-10 WO PCT/CN2022/131200 patent/WO2023103708A1/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023103708A1 (zh) * | 2021-12-07 | 2023-06-15 | 虹软科技股份有限公司 | 分心区域的自动标定方法及装置、道路车辆、电子设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2023103708A1 (zh) | 2023-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7332726B2 (ja) | ヒートマップを使用したドライバーの注目の検出 | |
EP3759700B1 (en) | Method for determining driving policy | |
JP6307629B2 (ja) | 運転者の安全運転状態を検知する方法及び装置 | |
CN102510480B (zh) | 驾驶员视线自动校准和跟踪系统 | |
US9041789B2 (en) | System and method for determining driver alertness | |
CN102203837B (zh) | 车辆周围监测装置 | |
US8085140B2 (en) | Travel information providing device | |
EP2950521B1 (en) | Camera capable of reducing motion blur in a low luminance environment and vehicle including the same | |
CN110765807B (zh) | 驾驶行为分析、处理方法、装置、设备和存储介质 | |
US10255528B1 (en) | Sensor fusion for lane departure behavior detection | |
US20160084661A1 (en) | Performance driving system and method | |
CN113378771B (zh) | 驾驶员状态确定方法、装置、驾驶员监控系统、车辆 | |
EP3164756B1 (de) | Lokalisierung eines hmd im fahrzeug | |
CN105966311B (zh) | 用于校准摄像机的方法、车辆用的设备和计算机程序产品 | |
WO2016184541A1 (de) | Verfahren zum betreiben einer datenbrille in einem kraftfahrzeug und system mit einer datenbrille | |
CN105599765A (zh) | 一种车道偏离的判断和预警方法 | |
CN110826369A (zh) | 一种驾驶员驾驶时注意力检测方法和系统 | |
CN108263387B (zh) | 用于在车辆中生成车道偏离预警的方法、相关系统 | |
DE102018201509A1 (de) | Verfahren und Vorrichtung zum Betreiben eines Anzeigesystems mit einer Datenbrille | |
KR101986734B1 (ko) | 차량 운전 보조 장치 및 이의 안전 운전 유도 방법 | |
DE102020215667A1 (de) | System und verfahren zum überwachen eines kognitiven zustands eines fahrers eines fahrzeugs | |
JP6673005B2 (ja) | 顔向き推定装置及び顔向き推定方法 | |
WO2023103708A1 (zh) | 分心区域的自动标定方法及装置、道路车辆、电子设备 | |
JP7058800B2 (ja) | 表示制御装置、表示制御方法、及び表示制御プログラム | |
DE102012200762A1 (de) | Verfahren und Fahrerassistenzsystem zur Signalisierung einer Verkehrssituation in einem Umfeld eines Fahrzeuges |
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 |