CN114601478B - 一种提高司机警觉度的方法、装置、设备及可读存储介质 - Google Patents
一种提高司机警觉度的方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN114601478B CN114601478B CN202210507345.0A CN202210507345A CN114601478B CN 114601478 B CN114601478 B CN 114601478B CN 202210507345 A CN202210507345 A CN 202210507345A CN 114601478 B CN114601478 B CN 114601478B
- Authority
- CN
- China
- Prior art keywords
- driver
- alertness
- state
- intervention
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- 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
- A61B5/163—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state by tracking eye movement, gaze, or pupil change
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7455—Details of notification to user or communication with user or patient ; user input means characterised by tactile indication, e.g. vibration or electrical stimulation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61D—BODY DETAILS OR KINDS OF RAILWAY VEHICLES
- B61D33/00—Seats
- B61D33/0007—Details; Accessories
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Social Psychology (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mechanical Engineering (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供了一种提高司机警觉度的方法、装置、设备及可读存储介质,所述方法包括:获取第一数据,第一数据包括驾驶过程中司机在第一时间段内的眼动数据、嘴巴张合度数据和脑电信号;根据眼动数据计算眼睛闭合时间比例;根据眼睛闭合时间比例、嘴巴张合度数据和脑电信号确定司机的警觉状态;根据所述司机的警觉状态对所述司机进行干预处理,以提高所述司机的警觉度。本发明具有装备简单不影响司机行车操作,通用性强,不依赖司机主观意识,不易受行车环境影响,司机警觉唤醒有效性高的特点。
Description
技术领域
本发明涉及交通技术领域,具体而言,涉及一种提高司机警觉度的方法、装置、设备及可读存储介质。
背景技术
由于工作时长较长、工作环境单调、工作专注度要求高等原因,警觉度下降现象在高铁司机驾驶机车过程中常有发生,严重影响铁路运输安全。当前对于应对高铁司机警觉水平下降的方法研究主要有:基于接触式生理测量设备测量脑电、心电等生理信号检测司机警觉状态,通过语言、灯光等提醒高铁司机,唤醒其警觉。但通过语言、灯光等对唤醒高铁司机警觉度的有效性有待提升,且接触式生理测量设备测量生理信号所需设备装置不简单,同时还容易受到司机操作行为产生的肌电等干扰信号的影响导致司机警觉状态检测可能不准确。
发明内容
本发明的目的在于提供一种提高司机警觉度的方法、装置、设备及可读存储介质,以改善上述问题。
为了实现上述目的,本申请实施例提供了如下技术方案:
一方面,本申请实施例提供了一种提高司机警觉度的方法,所述方法包括:
获取第一数据,所述第一数据包括驾驶过程中司机在第一时间段内的眼动数据、嘴巴张合度数据和脑电信号;
根据所述眼动数据计算眼睛闭合时间比例;
根据所述眼睛闭合时间比例、嘴巴张合度数据和所述脑电信号确定司机的警觉状态;
根据所述司机的警觉状态对所述司机进行干预处理,以提高所述司机的警觉度。
第二方面,本申请实施例提供了一种提高司机警觉度的装置,所述装置包括第一获取模块、第一计算模块、第二计算模块和第一判断模块。
第一获取模块,用于获取第一数据,所述第一数据包括驾驶过程中司机在第一时间段内的眼动数据、嘴巴张合度数据和脑电信号;
第一计算模块,用于根据所述眼动数据计算眼睛闭合时间比例;
第二计算模块,用于根据所述眼睛闭合时间比例、嘴巴张合度数据和所述脑电信号确定司机的警觉状态;
第一判断模块,用于根据所述司机的警觉状态对所述司机进行干预处理,以提高所述司机的警觉度。
第三方面,本申请实施例提供了一种提高司机警觉度的设备,所述设备包括存储器和处理器。存储器用于存储计算机程序;处理器用于执行所述计算机程序时实现上述提高司机警觉度的方法的步骤。
第四方面,本申请实施例提供了一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述提高司机警觉度的方法的步骤。
本发明的有益效果为:
1、本发明借鉴震动座椅按摩理疗的原理,在司机座位安装震动座椅,当检测到司机警觉状态下降有可能影响司机行车安全时,使用震动座椅开启不同强度的震动按摩干预高铁司机,通过此种方式可以唤醒其警觉,提高高铁司机警觉,确保铁路运输安全。
2、本发明具有装备简单不影响司机行车操作,通用性强,不依赖司机主观意识,不易受行车环境影响,司机警觉唤醒有效性高的特点。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1是本发明实施例中所述的提高司机警觉度的方法流程示意图;
图2是本发明实施例中所述的提高司机警觉度的装置结构示意图;
图3是本发明实施例中所述的提高司机警觉度的设备结构示意图;
图中标记:701、第一获取模块;702、第一计算模块;703、第二计算模块;704、第一判断模块;7031、获取单元;7032、第一计算单元;7033、第一构建单元;7034、第二构建单元;7035、第二计算单元;7036、第三计算单元;7037、第四计算单元;705、第二获取模块;706、第三计算模块;707、第四计算模块;708、第二判断模块;709、划分模块;710、集合模块;711、剔除模块;712、第三判断模块;7111、识别单元;7112、聚类单元;7113剔除单元;7114、第五计算单元;800、设备;801、处理器;802、存储器;803、多媒体组件;804、I/O接口;805、通信组件。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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他实施例,都属于本发明保护的范围。
应注意到:相似的标号或字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例1
如图1所示,本实施例提供了一种提高司机警觉度的方法,该方法包括步骤S1、步骤S2、步骤S3和步骤S4。
步骤S1、获取第一数据,所述第一数据包括驾驶过程中司机在第一时间段内的眼动数据、嘴巴张合度数据和脑电信号;
在本步骤中,第一时间段可以由用户根据需要进行自定义设置,其中第一时间段的长度例如可以是30s、40s、1min、1.5min、2min等,在本实施例中第一时间段的长度选取1min;在获取第一数据时,将桌面式眼动仪放置在司机前方采集眼动数据,采用非接触式设备采集司机状态信息,可以不影响司机的行车操作;采用目前已有的嘴巴张合度检测方法得到嘴巴张合度数据,若在第一时间段中嘴巴张合了多次,则将每一次张合时对应的嘴巴张合度数据进行平均值计算得到第一时间段内的嘴巴张合数据;采用无线可穿戴式脑电采集设备采集脑电信号;
步骤S2、根据所述眼动数据计算眼睛闭合时间比例;
在本步骤中,通过公式(1)计算眼睛闭合时间比例(眼动PERCLOS值),所述公式(1)为:
公式(1)中,f是眼睛闭合时间比例;t1是眼睛最大睁开到闭合30%的时间;t2为眼睛最大睁开到闭合70%的时间;t3为眼睛最大睁开到下一次睁开30%的时间;t4为眼睛最大睁开到下一次睁开70%的时间。
步骤S3、根据所述眼睛闭合时间比例、嘴巴张合度数据和所述脑电信号确定司机的警觉状态;
在本步骤中,在眼睛闭合时间比例、嘴巴张合度数据和所述脑电信号的基础上,可以采用多种数据分析方式来确定司机的警觉状态,在一种具体的实施方式中,可以采用步骤S31和步骤S32来确定司机的警觉状态。
步骤S31、获取眼睛闭合时间比例的标准值,根据所述眼睛闭合时间比例的标准值和眼睛闭合时间比例确定司机的第一警觉度;根据所述嘴巴张合度数据确定司机的第二警觉度;根据所述脑电信号确定所述司机的第三警觉度;
在本步骤中,眼睛闭合时间比例的标准值由用户在前期大量的实验中获取到,在本实施例中取值为0.27;
本步骤中根据所述脑电信号可以计算得到大脑顶叶区域的脑电信号α功率,再根
据大脑顶叶区域的脑电信号α功率确定司机的第三警觉度,将大脑顶叶区域的脑电信
号α功率记为α,在根据大脑顶叶区域的脑电信号α功率确定司机的第三警觉度时,采
用以下方法:
步骤S32、根据所述第一警觉度、所述第二警觉度和所述第三警觉度确定所述司机的警觉状态。本步骤的具体实施方式为:
在另一种具体的实施方式中,还可以采用步骤S33、步骤S34、步骤S35、步骤S36和步骤S37来确定司机的警觉状态。
步骤S33、构建司机警觉状态评价体系,所述司机警觉状态评价体系包括一级指标层和二级指标层,所述一级指标层为司机警觉状态指标,所述二级指标层包括眼睛闭合时间比例指标和嘴巴张合度指标;
步骤S34、根据所述司机警觉状态评价体系构建递阶层次结构,并根据所述递阶层次结构中各个因素的权重,构建判断矩阵;
步骤S35、根据所述判断矩阵计算得到所述眼睛闭合时间比例指标对应的第一权重值和嘴巴张合度指标对应的第二权重值;
步骤S36、根据所述眼睛闭合时间比例确定司机的第一警觉度值,根据所述嘴巴张合度数据确定司机的第二警觉度值;
在本步骤中,用户可以构建眼睛闭合时间比例与警觉度值之间的关系表,例如构建眼睛闭合时间比例为0.3时,警觉度值为5;同样的逻辑可以构建嘴巴张合度数据与警觉度值之间的关系表,通过关系表就可以得到第一警觉度值和第二警觉度值;
步骤S37、根据所述第一警觉度值与所述第一权重值计算得到第一数值,根据所述第二警觉度值与所述第二权重值计算得到第二数值,根据所述第一数值和第二数值确定所述司机的警觉状态。
本步骤中,根据上述计算得到的第一警觉度值和第二警觉度值,将其分别乘上其对应的权重即可得到第一数值和第二数值,此时将第一数值和第二数值相加则可以得到第三数值,在本步骤中可以构建第三数值与司机的警觉状态之间的对应关系表,根据对应关系表就可以得到司机的警觉状态。
步骤S4、根据所述司机的警觉状态对所述司机进行干预处理,以提高所述司机的警觉度。
在本步骤中,对司机进行干预处理的方式可以有多种,只要能提高司机警觉度的干预方式都可以,在本实施例的具体步骤为步骤S41、步骤S42、步骤S43和步骤S44。
步骤S41、发送第一控制命令,所述第一控制命令包括在所述司机的座位上安装震动座椅的命令,所述震动座椅包括中等强度的震动按摩、高等强度的震动按摩和循环强度的震动按摩;
本步骤中的震动座椅可以采用市面上带有震动模式的震动座椅,其中,也可以采用生产厂家为安徽久工科技实业有限责任公司中的型号为LM211的震动座椅;
步骤S42、获取确认消息,所述确认消息包括所述震动座椅已安装好的消息;
步骤S43、获取干预等级查询表,所述干预等级查询表中包含不同的警觉状态所对应的干预等级;
步骤S44、根据所述司机的警觉状态和所述干预等级查询表判断是否进行干预,其中,若所述司机的警觉状态为高警觉状态则不需要进行干预,若所述司机的警觉状态为中警觉状态则发送第二控制命令,所述第二控制命令包括使用所述震动座椅对所述司机进行中等强度的震动按摩的命令,若所述司机的警觉状态为低警觉状态则发送第三控制命令,所述第三控制命令包括使用所述震动座椅对所述司机进行高等强度的震动按摩的命令,若所述司机的警觉状态为困倦状态则发送第四控制命令,所述第四控制命令包括使用所述震动座椅对所述司机进行循环强度的震动按摩的命令。
除了本步骤中的警觉状态与干预处理之间的对应关系之外,用户也可以根据需求设置另外的对应关系;每次输出震动干预时间为1分钟;
在评估司机警觉水平达到震动按摩干预开启水平后开启不同强度等级震动按摩干预,并保持司机状态监测,下一阶段重新评估司机警觉状态为高警觉后将震动按摩干预关闭,继续保持司机状态监测,司机警觉水平达到震动按摩干预开启水平后再次开启对应等级震动按摩干预,并持续监测司机状态至行车结束。
通过以上步骤来评估司机状态,具有不依赖司机主观意识,受工作环境影响干扰较小,抗干扰能力强的优点。
除了上述步骤提及到的提高司机警觉度的方法之外,还可以在嘴巴张合度数据的基础上结合司机在第一时间段内点头的次数来判断司机的警觉状态,进而对司机进行干预处理,具体的实施步骤为步骤S5、步骤S6、步骤S7和步骤S8。
步骤S5、通过获取所述司机在所述第一时间段内点头的次数;
步骤S6、基于所述司机在所述第一时间段内点头的次数确定所述司机的疲劳状态;
步骤S7、根据所述嘴巴张合度数据确定所述司机的警觉状态;
在步骤S6和步骤S7中,可以预设点头次数阈值和嘴巴张合度阈值,当司机在所述第一时间段内点头的次数超过了点头次数阈值,则认定其达到了高疲劳状态;嘴巴张合度数据超过了嘴巴张合度阈值则认定其警觉状态为低警觉状态;
步骤S8、根据所述疲劳状态和所述司机的警觉状态对所述司机进行干预处理。
在此步骤中,当所述疲劳状态为高疲劳状态且警觉状态为低警觉状态时,则对司机进行干预处理;
此外,还可以在眼睛闭合时间比例和嘴巴张合度数据的基础上结合司机在第一时间段内点头的次数来判断司机的警觉状态,进而对司机进行干预处理,具体的实施步骤为步骤S9、步骤S10、步骤S11和步骤S12。
步骤S9、将所述第一时间段按照第一时间长度进行划分,得到至少两个第二时间段,获取在每个所述第二时间段内所述司机的点头次数;
本步骤可以理解为:例如第一时间段为12点1分到12点2分,那么将其中的1min进行划分,划分的长度可以自定义例如为5s、10s、15s等,划分之后可以得到多个时间段,然后获取每个时间段内司机的点头次数;
步骤S10、将每个所述第二时间段内所述司机的点头次数进行集合得到点头次数集合;
步骤S11、剔除所述点头次数集合中的异常值,并根据剔除异常值后的点头次数集合计算得到在所述第一时间段内所述司机的点头次数;
在本步骤中,考虑到司机在驾驶过程中可能由于一些其他的因素导致点头次数过多,因此本步骤将采集到的点头数据进行异常数据的剔除,通过此种方法可以使最终得到的司机点头次数更为准确,进而提高计算到的司机警觉状态的准确性,在此步骤进行点头数据异常值的筛除;具体的实现步骤为步骤S111、步骤S112、步骤S113和步骤S114。
步骤S111、识别所述点头次数集合中的变点,并根据所述变点对所述点头次数集合进行划分,得到至少两个子集合;
步骤S112、将全部的所述子集合利用基于密度的聚类算法进行聚类处理,根据得到的每一个聚类类别和拉依达准则计算得到每个聚类类别对应的阈值范围,每个所述阈值范围由阈值下限和阈值上限组成;
在本步骤中,除了基于密度的聚类算法之外,还可以采用基于距离的聚类算法;通过上述步骤后每一个聚类类别都有其对应的一个阈值范围,例如第一个聚类类别的阈值范围为2-5,则阈值上限为5,阈值下限为2,第一个聚类类别的阈值范围为3-5,则阈值上限为5,阈值下限为3;
步骤S113、在全部的所述阈值下限中选取最大的阈值上限作为第一阈值,在全部的所述阈值上限中选取最小的阈值上限作为第二阈值,根据所述第一阈值和所述第二阈值组成第一数据范围;将所述点头次数集合中位于所述第一数据范围内的数据剔除,得到剔除后的点头次数集合;
除了本步骤中的第一数据范围确定方式之外,还可以根据需求采用其他的方式进行确定,例如还可以在全部的所述阈值下限中选取最小的阈值上限作为第一阈值,在全部的所述阈值上限中选取最大的阈值上限作为第二阈值;
步骤S114、对所述剔除后的点头次数集合中的全部数据进行均值计算,将计算得到的平均值作为在所述第一时间段内所述司机的点头次数。
步骤S12、根据在所述第一时间段内所述司机的点头次数、所述眼睛闭合时间比例和嘴巴张合度确定所述司机的警觉状态,并根据所述司机的警觉状态对所述司机进行干预处理。
在本步骤,可以根据大量的实验确定司机的点头次数、所述眼睛闭合时间比例和嘴巴张合度与警觉状态之间的关系表,然后根据关系表再对司机进行干预处理。
实施例2
如图2所示,本实施例提供了一种提高司机警觉度的装置,所述装置包括第一获取模块701、第一计算模块702、第二计算模块703和第一判断模块704。
第一获取模块701,用于获取第一数据,所述第一数据包括驾驶过程中司机在第一时间段内的眼动数据、嘴巴张合度数据和脑电信号;
第一计算模块702,用于根据所述眼动数据计算眼睛闭合时间比例;
第二计算模块703,用于根据所述眼睛闭合时间比例、嘴巴张合度数据和所述脑电信号确定司机的警觉状态;
第一判断模块704,用于根据所述司机的警觉状态对所述司机进行干预处理,以提高所述司机的警觉度。
在本公开的一种具体实施方式中,所述第二计算模块703,还包括获取单元7031和第一计算单元7032。
获取单元7031,用于获取眼睛闭合时间比例的标准值,根据所述眼睛闭合时间比例的标准值和眼睛闭合时间比例确定司机的第一警觉度;根据所述嘴巴张合度数据确定司机的第二警觉度;根据所述脑电信号确定所述司机的第三警觉度;
第一计算单元7032,用于根据所述第一警觉度、所述第二警觉度和所述第三警觉度确定所述司机的警觉状态。
在本公开的一种具体实施方式中,所述第二计算模块703,还包括第一构建单元7033、第二构建单元7034、第二计算单元7035、第三计算单元7036和第四计算单元7037。
第一构建单元7033,用于构建司机警觉状态评价体系,所述司机警觉状态评价体系包括一级指标层和二级指标层,所述一级指标层为司机警觉状态指标,所述二级指标层包括眼睛闭合时间比例指标和嘴巴张合度指标;
第二构建单元7034,用于根据所述司机警觉状态评价体系构建递阶层次结构,并根据所述递阶层次结构中各个因素的权重,构建判断矩阵;
第二计算单元7035,用于根据所述判断矩阵计算得到所述眼睛闭合时间比例指标对应的第一权重值和嘴巴张合度指标对应的第二权重值;
第三计算单元7036,用于根据所述眼睛闭合时间比例确定司机的第一警觉度值,根据所述嘴巴张合度数据确定司机的第二警觉度值;
第四计算单元7037,用于根据所述第一警觉度值与所述第一权重值计算得到第一数值,根据所述第二警觉度值与所述第二权重值计算得到第二数值,根据所述第一数值和第二数值确定所述司机的警觉状态。
在本公开的一种具体实施方式中,所述装置,还包括第二获取模块705、第三计算模块706、第四计算模块707和第二判断模块708。
第二获取模块705,用于获取所述司机在所述第一时间段内点头的次数;
第三计算模块706,用于基于所述司机在所述第一时间段内点头的次数计算所述司机的疲劳状态;
第四计算模块707,用于根据所述嘴巴张合度数据确定所述司机的警觉状态;
第二判断模块708,用于根据所述疲劳状态和所述司机的警觉状态对所述司机进行干预处理。
在本公开的一种具体实施方式中,所述装置,还包括划分模块709、集合模块710、剔除模块711和第三判断模块712。
划分模块709,用于将所述第一时间段按照第一时间长度进行划分,得到至少两个第二时间段,获取在每个所述第二时间段内所述司机的点头次数;
集合模块710,用于将每个所述第二时间段内所述司机的点头次数进行集合得到点头次数集合;
剔除模块711,用于剔除所述点头次数集合中的异常值,并根据剔除异常值后的点头次数集合计算得到在所述第一时间段内所述司机的点头次数;
第三判断模块712,用于根据在所述第一时间段内所述司机的点头次数、所述眼睛闭合时间比例和嘴巴张合度确定所述司机的警觉状态,并根据所述司机的警觉状态对所述司机进行干预处理。
在本公开的一种具体实施方式中,所述剔除模块711,还包括识别单元7111、聚类单元7112、剔除单元7113和第五计算单元7114。
识别单元7111,用于识别所述点头次数集合中的变点,并根据所述变点对所述点头次数集合进行划分,得到至少两个子集合;
聚类单元7112,用于将全部的所述子集合利用基于密度的聚类算法进行聚类处理,根据得到的每一个聚类类别和拉依达准则计算得到每个聚类类别对应的阈值范围,每个所述阈值范围由阈值下限和阈值上限组成;
剔除单元7113,用于在全部的所述阈值下限中选取最大的阈值上限作为第一阈值,在全部的所述阈值上限中选取最小的阈值上限作为第二阈值,根据所述第一阈值和所述第二阈值组成第一数据范围;将所述点头次数集合中位于所述第一数据范围内的数据剔除,得到剔除后的点头次数集合;
第五计算单元7114,用于对所述剔除后的点头次数集合中的全部数据进行均值计算,将计算得到的平均值作为在所述第一时间段内所述司机的点头次数。
需要说明的是,关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
实施例3
相应于上面的方法实施例,本公开实施例还提供了提高司机警觉度的设备,下文描述的提高司机警觉度的设备与上文描述的提高司机警觉度的方法可相互对应参照。
图3是根据一示例性实施例示出的提高司机警觉度的设备800的框图。如图3所示,该提高司机警觉度的设备800可以包括:处理器801,存储器802。该提高司机警觉度的设备800还可以包括多媒体组件803,I/O接口804,以及通信组件805中的一者或多者。
其中,处理器801用于控制该提高司机警觉度的设备800的整体操作,以完成上述的提高司机警觉度的方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该提高司机警觉度的设备800的操作,这些数据例如可以包括用于在该提高司机警觉度的设备800上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random AccessMemory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable ProgrammableRead-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable ProgrammableRead-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该提高司机警觉度的设备800与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near FieldCommunication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件805可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
在一示例性实施例中,该提高司机警觉度的设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital Signal ProcessingDevice,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的提高司机警觉度的方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的提高司机警觉度的方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器802,上述程序指令可由该提高司机警觉度的设备800的处理器801执行以完成上述的提高司机警觉度的方法。
实施例4
相应于上面的方法实施例,本公开实施例还提供了一种可读存储介质,下文描述的一种可读存储介质与上文描述的提高司机警觉度的方法可相互对应参照。
一种可读存储介质,可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例的提高司机警觉度的方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种提高司机警觉度的方法,其特征在于,包括:
获取第一数据,所述第一数据包括驾驶过程中司机在第一时间段内的眼动数据、嘴巴张合度数据和脑电信号;
根据所述眼动数据计算眼睛闭合时间比例;
根据所述眼睛闭合时间比例、嘴巴张合度数据和所述脑电信号确定所述司机的警觉状态;
根据所述司机的警觉状态判断是否需要进行干预,若需要则对所述司机进行干预处理,以提高所述司机的警觉度;
其中,在根据所述眼动数据计算眼睛闭合时间比例后,还包括:
将第一时间段按照第一时间长度进行划分,得到至少两个第二时间段,获取在每个所述第二时间段内所述司机的点头次数;
将每个所述第二时间段内所述司机的点头次数进行集合得到点头次数集合;
剔除所述点头次数集合中的异常值,并根据剔除异常值后的点头次数集合计算得到在所述第一时间段内所述司机的点头次数;
根据在所述第一时间段内所述司机的点头次数、所述眼睛闭合时间比例和嘴巴张合度确定所述司机的警觉状态,并根据所述司机的警觉状态判断是否需要对所述司机进行干预处理;
其中,剔除所述点头次数集合中的异常值,并根据剔除异常值后的点头次数集合计算得到在所述第一时间段内所述司机的点头次数,包括:
识别所述点头次数集合中的变点,并根据所述变点对所述点头次数集合进行划分,得到至少两个子集合;
将全部的所述子集合利用基于密度的聚类算法进行聚类处理,根据得到的每一个聚类类别和拉依达准则计算得到每个聚类类别对应的阈值范围,每个所述阈值范围由阈值下限和阈值上限组成;
在全部的所述阈值下限中选取最大的阈值下限作为第一阈值,在全部的所述阈值上限中选取最小的阈值上限作为第二阈值,根据所述第一阈值和所述第二阈值组成第一数据范围;将所述点头次数集合中位于所述第一数据范围外的数据剔除,得到剔除后的点头次数集合;
对所述剔除后的点头次数集合中的全部数据进行均值计算,将计算得到的平均值作为在所述第一时间段内所述司机的点头次数;
对所述司机进行干预处理,包括:
在所述司机的座位上安装震动座椅,所述震动座椅包括中等强度的震动按摩干预、高等强度的震动按摩干预和循环强度的震动按摩干预;
获取干预等级查询表,所述干预等级查询表中包含不同的警觉状态所对应的干预等级;
根据所述司机的警觉状态和所述干预等级查询表判断是否进行干预,其中,若所述司机的警觉状态为高警觉状态则不需要进行干预,若所述司机的警觉状态为中警觉状态则进行中等强度的震动按摩干预,若所述司机的警觉状态为低警觉状态则进行高等强度的震动按摩干预,若所述司机的警觉状态为困倦状态则进行循环强度的震动按摩干预。
2.根据权利要求1所述的提高司机警觉度的方法,其特征在于,根据所述眼睛闭合时间比例、嘴巴张合度数据和所述脑电信号确定所述司机的警觉状态,包括:
获取眼睛闭合时间比例的标准值,根据所述眼睛闭合时间比例的标准值和眼睛闭合时间比例确定司机的第一警觉度;根据所述嘴巴张合度数据确定司机的第二警觉度;根据所述脑电信号确定所述司机的第三警觉度;
根据所述第一警觉度、所述第二警觉度和所述第三警觉度确定所述司机的警觉状态。
3.根据权利要求1所述的提高司机警觉度的方法,其特征在于,根据所述眼睛闭合时间比例、嘴巴张合度数据和所述脑电信号确定所述司机的警觉状态,包括:
构建司机警觉状态评价体系,所述司机警觉状态评价体系包括一级指标层和二级指标层,所述一级指标层为司机警觉状态指标,所述二级指标层包括眼睛闭合时间比例指标和嘴巴张合度指标;
根据所述司机警觉状态评价体系构建递阶层次结构,并根据所述递阶层次结构中各个因素的权重,构建判断矩阵;
根据所述判断矩阵计算得到所述眼睛闭合时间比例指标对应的第一权重值和嘴巴张合度指标对应的第二权重值;
根据所述眼睛闭合时间比例确定司机的第一警觉度值,根据所述嘴巴张合度数据确定司机的第二警觉度值;
根据所述第一警觉度值与所述第一权重值计算得到第一数值,根据所述第二警觉度值与所述第二权重值计算得到第二数值,根据所述第一数值和第二数值确定所述司机的警觉状态。
4.根据权利要求1所述的提高司机警觉度的方法,其特征在于,在根据所述眼动数据计算眼睛闭合时间比例后,还包括:
获取所述司机在所述第一时间段内点头的次数;
基于所述司机在所述第一时间段内点头的次数计算所述司机的疲劳状态;
根据所述眼睛闭合时间比例和嘴巴张合度数据确定所述司机的警觉状态;
根据所述疲劳状态和所述司机的警觉状态判断是否需要对所述司机进行干预处理,其中,若需要则根据所述疲劳状态和所述司机的警觉状态确定干预等级,并根据所述干预等级对所述司机进行干预。
5.一种提高司机警觉度的装置,其特征在于,包括:
第一获取模块,用于获取第一数据,所述第一数据包括驾驶过程中司机在第一时间段内的眼动数据、嘴巴张合度数据和脑电信号;
第一计算模块,用于根据所述眼动数据计算眼睛闭合时间比例;
第二计算模块,用于根据所述眼睛闭合时间比例、嘴巴张合度数据和所述脑电信号确定所述司机的警觉状态;
第一判断模块,用于根据所述司机的警觉状态判断是否需要进行干预,若需要则对所述司机进行干预处理,以提高所述司机的警觉度;
所述装置还包括:
划分模块,用于将第一时间段按照第一时间长度进行划分,得到至少两个第二时间段,获取在每个所述第二时间段内所述司机的点头次数;
集合模块,用于将每个所述第二时间段内所述司机的点头次数进行集合得到点头次数集合;
剔除模块,用于剔除所述点头次数集合中的异常值,并根据剔除异常值后的点头次数集合计算得到在所述第一时间段内所述司机的点头次数;
第三判断模块,用于根据在所述第一时间段内所述司机的点头次数、所述眼睛闭合时间比例和嘴巴张合度确定所述司机的警觉状态,并根据所述司机的警觉状态判断是否需要对所述司机进行干预处理;
其中,所述剔除模块,还包括:
识别单元,用于识别所述点头次数集合中的变点,并根据所述变点对所述点头次数集合进行划分,得到至少两个子集合;
聚类单元,用于将全部的所述子集合利用基于密度的聚类算法进行聚类处理,根据得到的每一个聚类类别和拉依达准则计算得到每个聚类类别对应的阈值范围,每个所述阈值范围由阈值下限和阈值上限组成;
剔除单元,用于在全部的所述阈值下限中选取最大的阈值下限作为第一阈值,在全部的所述阈值上限中选取最小的阈值上限作为第二阈值,根据所述第一阈值和所述第二阈值组成第一数据范围;将所述点头次数集合中位于所述第一数据范围外的数据剔除,得到剔除后的点头次数集合;
第五计算单元,用于对所述剔除后的点头次数集合中的全部数据进行均值计算,将计算得到的平均值作为在所述第一时间段内所述司机的点头次数;
对所述司机进行干预处理,包括:
在所述司机的座位上安装震动座椅,所述震动座椅包括中等强度的震动按摩干预、高等强度的震动按摩干预和循环强度的震动按摩干预;
获取干预等级查询表,所述干预等级查询表中包含不同的警觉状态所对应的干预等级;
根据所述司机的警觉状态和所述干预等级查询表判断是否进行干预,其中,若所述司机的警觉状态为高警觉状态则不需要进行干预,若所述司机的警觉状态为中警觉状态则进行中等强度的震动按摩干预,若所述司机的警觉状态为低警觉状态则进行高等强度的震动按摩干预,若所述司机的警觉状态为困倦状态则进行循环强度的震动按摩干预。
6.根据权利要求5所述的提高司机警觉度的装置,其特征在于,第二计算模块,包括:
获取单元,用于获取眼睛闭合时间比例的标准值,根据所述眼睛闭合时间比例的标准值和眼睛闭合时间比例确定司机的第一警觉度;根据所述嘴巴张合度数据确定司机的第二警觉度;根据所述脑电信号确定所述司机的第三警觉度;
第一计算单元,用于根据所述第一警觉度、所述第二警觉度和所述第三警觉度确定所述司机的警觉状态。
7.根据权利要求5所述的提高司机警觉度的装置,其特征在于,第二计算模块,包括:
第一构建单元,用于构建司机警觉状态评价体系,所述司机警觉状态评价体系包括一级指标层和二级指标层,所述一级指标层为司机警觉状态指标,所述二级指标层包括眼睛闭合时间比例指标和嘴巴张合度指标;
第二构建单元,用于根据所述司机警觉状态评价体系构建递阶层次结构,并根据所述递阶层次结构中各个因素的权重,构建判断矩阵;
第二计算单元,用于根据所述判断矩阵计算得到所述眼睛闭合时间比例指标对应的第一权重值和嘴巴张合度指标对应的第二权重值;
第三计算单元,用于根据所述眼睛闭合时间比例确定司机的第一警觉度值,根据所述嘴巴张合度数据确定司机的第二警觉度值;
第四计算单元,用于根据所述第一警觉度值与所述第一权重值计算得到第一数值,根据所述第二警觉度值与所述第二权重值计算得到第二数值,根据所述第一数值和第二数值确定所述司机的警觉状态。
8.根据权利要求5所述的提高司机警觉度的装置,其特征在于,所述装置,还包括:
第二获取模块,用于获取所述司机在所述第一时间段内点头的次数;
第三计算模块,用于基于所述司机在所述第一时间段内点头的次数计算所述司机的疲劳状态;
第四计算模块,用于根据所述眼睛闭合时间比例和嘴巴张合度数据确定所述司机的警觉状态;
第二判断模块,用于根据所述疲劳状态和所述司机的警觉状态判断是否需要对所述司机进行干预处理,其中,若需要则根据所述疲劳状态和所述司机的警觉状态确定干预等级,并根据所述干预等级对所述司机进行干预。
9.一种提高司机警觉度的设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至4任一项所述提高司机警觉度的方法的步骤。
10.一种可读存储介质,其特征在于:所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述提高司机警觉度的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210507345.0A CN114601478B (zh) | 2022-05-11 | 2022-05-11 | 一种提高司机警觉度的方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210507345.0A CN114601478B (zh) | 2022-05-11 | 2022-05-11 | 一种提高司机警觉度的方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114601478A CN114601478A (zh) | 2022-06-10 |
CN114601478B true CN114601478B (zh) | 2022-09-02 |
Family
ID=81870452
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210507345.0A Active CN114601478B (zh) | 2022-05-11 | 2022-05-11 | 一种提高司机警觉度的方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114601478B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115512503B (zh) * | 2022-08-01 | 2023-07-11 | 四川通信科研规划设计有限责任公司 | 一种高铁线路的周界入侵行为预警方法及装置 |
CN117407807B (zh) * | 2023-12-11 | 2024-02-27 | 西南交通大学 | 一种基于单通道eeg信号监测的警觉度干预方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6927694B1 (en) * | 2001-08-20 | 2005-08-09 | Research Foundation Of The University Of Central Florida | Algorithm for monitoring head/eye motion for driver alertness with one camera |
CN103340637A (zh) * | 2013-06-06 | 2013-10-09 | 同济大学 | 基于眼动与脑电融合的驾驶员警觉度智能监控系统及方法 |
CN110532976A (zh) * | 2019-09-03 | 2019-12-03 | 湘潭大学 | 基于机器学习和多特征融合的疲劳驾驶检测方法及系统 |
CN112754498A (zh) * | 2021-01-11 | 2021-05-07 | 一汽解放汽车有限公司 | 驾驶员的疲劳检测方法、装置、设备及存储介质 |
CN113838265A (zh) * | 2021-09-27 | 2021-12-24 | 科大讯飞股份有限公司 | 疲劳驾驶预警方法、装置以及电子设备 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0612767D0 (en) * | 2006-06-28 | 2006-08-09 | Ibm | Data processing system and method |
WO2011156272A1 (en) * | 2010-06-07 | 2011-12-15 | Affectiva,Inc. | Mental state analysis using web services |
US8909375B2 (en) * | 2012-05-25 | 2014-12-09 | The United States Of America, As Represented By The Secretary Of The Navy | Nodding mechanism for a single-scan sensor |
US20170249434A1 (en) * | 2016-02-26 | 2017-08-31 | Daniela Brunner | Multi-format, multi-domain and multi-algorithm metalearner system and method for monitoring human health, and deriving health status and trajectory |
CN107224292B (zh) * | 2017-05-27 | 2019-12-31 | 西南交通大学 | 一种调度员的注意广度的测试方法和系统 |
CN111581046A (zh) * | 2020-03-19 | 2020-08-25 | 平安科技(深圳)有限公司 | 数据异常检测方法、装置、电子设备及存储介质 |
CN111860311A (zh) * | 2020-07-20 | 2020-10-30 | 南京智金科技创新服务中心 | 一种人体异常姿态的提示方法及系统 |
CN112287844B (zh) * | 2020-10-30 | 2023-04-18 | 北京市商汤科技开发有限公司 | 学情分析方法及装置、电子设备和存储介质 |
-
2022
- 2022-05-11 CN CN202210507345.0A patent/CN114601478B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6927694B1 (en) * | 2001-08-20 | 2005-08-09 | Research Foundation Of The University Of Central Florida | Algorithm for monitoring head/eye motion for driver alertness with one camera |
CN103340637A (zh) * | 2013-06-06 | 2013-10-09 | 同济大学 | 基于眼动与脑电融合的驾驶员警觉度智能监控系统及方法 |
CN110532976A (zh) * | 2019-09-03 | 2019-12-03 | 湘潭大学 | 基于机器学习和多特征融合的疲劳驾驶检测方法及系统 |
CN112754498A (zh) * | 2021-01-11 | 2021-05-07 | 一汽解放汽车有限公司 | 驾驶员的疲劳检测方法、装置、设备及存储介质 |
CN113838265A (zh) * | 2021-09-27 | 2021-12-24 | 科大讯飞股份有限公司 | 疲劳驾驶预警方法、装置以及电子设备 |
Non-Patent Citations (1)
Title |
---|
基于面部多指标的疲劳驾驶预警系统研制;姜雪冰;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20210715;C035-243 * |
Also Published As
Publication number | Publication date |
---|---|
CN114601478A (zh) | 2022-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114601478B (zh) | 一种提高司机警觉度的方法、装置、设备及可读存储介质 | |
US20220095975A1 (en) | Detection of cognitive state of a driver | |
Mårtensson et al. | Driver sleepiness classification based on physiological data and driving performance from real road driving | |
US9861308B2 (en) | Method and system for monitoring stress conditions | |
RU2540901C2 (ru) | Способ и устройство для выявления случаев микросна | |
KR101851690B1 (ko) | 착용형 센서를 이용한 일주기 생체리듬의 비정상성 탐지 장치 및 방법 | |
JP2010068848A (ja) | 眠気判定装置及びプログラム | |
Panagopoulos et al. | Forecasting markers of habitual driving behaviors associated with crash risk | |
JP2007312824A (ja) | まばたきデータ種別装置、覚醒状態判定装置及び覚醒状態判断装置 | |
US20230211780A1 (en) | Operation support method, operation support system, and operation support server | |
CN109716411A (zh) | 用以监测驾驶员的活动水平的方法和设备 | |
Murata | Proposal of a method to predict subjective rating on drowsiness using physiological and behavioral measures | |
Damousis et al. | Fuzzy fusion of eyelid activity indicators for hypovigilance-related accident prediction | |
Vasudevan et al. | Driver drowsiness monitoring by learning vehicle telemetry data | |
US20220274608A1 (en) | Comfort driving data collection system, driving control device, method, and program | |
Damousis et al. | A fuzzy expert system for the early warning of accidents due to driver hypo-vigilance | |
CN116807478B (zh) | 一种驾驶员瞌睡开始状态检测方法、装置及设备 | |
CN117352180B (zh) | 一种精神科病人自虐风险预警方法 | |
JP5962751B2 (ja) | 覚醒度判定装置、覚醒度判定プログラムおよび覚醒度判定方法 | |
CN117292505B (zh) | 基于数据处理的智慧交通疲劳驾驶监控系统及监控方法 | |
Zhang et al. | Fatigue Driving Detection of EEG Signals by LSTM Deep Neural Network with LPSD and DE | |
CN118323165B (zh) | 一种基于驾驶人驾驶压力反馈的车辆控制方法及系统 | |
EP4358092A1 (en) | Notification handling dependent upon user state | |
Halim et al. | Real-time Driver Drowsiness Detection Using Deep Neural Networks | |
Balasubrahmanyan et al. | Quantification of Alertness and Evaluation Method for Vision Based Driver Drowsiness and Alertness Warning System |
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 |