CN115457515A - 驾驶员头部状态判断方法及装置 - Google Patents
驾驶员头部状态判断方法及装置 Download PDFInfo
- Publication number
- CN115457515A CN115457515A CN202211014042.1A CN202211014042A CN115457515A CN 115457515 A CN115457515 A CN 115457515A CN 202211014042 A CN202211014042 A CN 202211014042A CN 115457515 A CN115457515 A CN 115457515A
- Authority
- CN
- China
- Prior art keywords
- head
- obtaining
- driver
- array
- value
- 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
- 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
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/771—Feature selection, e.g. selecting representative features from a multi-dimensional feature space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种驾驶员头部状态判断方法及装置,方法包括:获取头部姿态角;根据预先获取的低头姿态数据分布和头部姿态角,利用KL散度,得到差异得分;将差异得分与预设阈值进行比较,并根据比较结果,得到驾驶员的头部状态。本发明根据预先获取的低头姿态数据分布和头部姿态角,利用KL散度拟合头部姿态角分布,得到对应的差异得分,以便于后续根据差异得分与预设阈值,判断对应头部姿态角所属的头部状态,提高头部状态判断结果的准确性,且具有较强的鲁棒性。
Description
技术领域
本发明涉及计算机视觉技术领域,尤其涉及一种驾驶员头部状态判断方法及装置。
背景技术
随着科技经济的发展,人们的生活水平日益提高,汽车已经成为人们生活中不可或缺的一部分,使用智能手机和平板电脑等智能电子设备的危险驾驶行为使得驾驶人注意力分散的概率大大提升,给人们的生命和财产造成了巨大的威胁。
目前,为了准确预测低头次数,大多通过预设基准角以及检测得到的驾驶员头部姿态角度确定低头次数。然而后装舱内的环境因素较为复杂,驾驶员头部姿态角度容易受到环境因素的干扰,以致获得的低头次数的准确率较差,从而造成驾驶员头部状态判断准确率较差的情况。
发明内容
本发明提供一种驾驶员头部状态判断方法及装置,用以解决现有技术中头部姿态角受环境因素干扰以致驾驶员头部状态判断失误的缺陷,减少对驾驶员头部姿态角度以及基准角的依赖,极大提高了状态判断的精度。
本发明提供一种驾驶员头部状态判断方法,包括:获取头部姿态角;根据预先获取的低头姿态数据分布和所述头部姿态角,利用KL散度,得到差异得分;将所述差异得分与预设阈值进行比较,并根据比较结果,得到驾驶员的头部状态。
根据本发明提供的一种驾驶员头部状态判断方法,所述根据预先获取的低头姿态数据分布和所述头部姿态角,利用KL散度,得到差异得分,包括:根据所述头部姿态角,得到数组分布;根据预先获取的低头姿态数据分布和所述数组分布,利用KL散度,得到KL散度;基于预设值与所述KL散度,得到差异得分。
根据本发明提供的一种驾驶员头部状态判断方法,所述根据所述头部姿态角,得到数组分布,包括:根据所述头部姿态角,构建数组;根据所述数组,得到平均值;将所述数组中大于所述平均值的数值,记为表示低头的第一值,以及将所述数组中小于获等于所述平均值的数值,记为表示正常姿态的第二值;根据所述第一值和所述第二值,得到数组分布。
根据本发明提供的一种驾驶员头部状态判断方法,所述根据所述数组,得到平均值,还包括:去除所述数组中的最大值和最小值;根据所述数组中的剩余数值取平均值。
根据本发明提供的一种驾驶员头部状态判断方法,在所述根据所述头部姿态角,得到数组分布之后,还包括:基于预设平滑规则,对所述数组分布进行数据平滑处理,以将所述数据分布中的各个数据统一。
根据本发明提供的一种驾驶员头部状态判断方法,预先获取的低头姿态数据分布包括至少两个数据分布,所述根据预先获取的低头姿态数据分布和所述头部姿态角,利用KL散度,得到差异得分,还包括:分别将所述数据分布与所述头部姿态角,利用KL散度,得到对应初始得分;从所述初始得分中选择最大初始得分作为差异得分。
根据本发明提供的一种驾驶员头部状态判断方法,在所述根据预先获取的低头姿态数据分布和所述头部姿态角,利用KL散度,得到差异得分之前,还包括:遍历低头历史数据,并获取对应数据分布;基于预设低头次数,从所述数据分布中选择对应数据分布作为低头姿态数据分布。
本发明还提供一种驾驶员头部状态判断装置,包括:角度获取模块,获取头部姿态角;得分获取模块,根据预先获取的低头姿态数据分布和所述头部姿态角,利用KL散度,得到差异得分;状态确定模块,将所述差异得分与预设阈值进行比较,并根据比较结果,得到驾驶员的头部状态。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述驾驶员头部状态判断方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述驾驶员头部状态判断方法的步骤。
本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述驾驶员头部状态判断方法的步骤。
本发明提供的驾驶员头部状态判断方法及装置,根据预先获取的低头姿态数据分布和头部姿态角,利用KL散度拟合头部姿态角分布,得到对应的差异得分,以便于后续根据差异得分与预设阈值,判断对应头部姿态角所属的头部状态,提高头部状态判断结果的准确性,且具有较强的鲁棒性。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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是本发明提供的驾驶员头部状态判断方法的流程示意图之一;
图2是本发明提供的驾驶员头部状态判断方法的流程示意图之二;
图3是本发明提供的驾驶员头部状态判断装置的结构示意图;
图4是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明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。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。
图1示出了本发明一种驾驶员头部状态判断方法的流程示意图,该方法,包括:
S11,获取头部姿态角;
S12,根据预先获取的低头姿态数据分布和头部姿态角,利用KL散度,得到差异得分;
S13,将差异得分与预设阈值进行比较,并根据比较结果,得到驾驶员的头部状态。
需要说明的是,本说明书中的S1N不代表驾驶员头部状态判断方法的先后顺序,下面具体结合图2描述本发明的驾驶员头部状态判断方法。
步骤S11,获取头部姿态角。
在本实施例中,参考图2,获取头部姿态角,包括:获取待检测驾驶图像;对待检测驾驶图像进行目标检测,得到头部姿态角。需要说明的是,对待检测驾驶图像进行目标检测,包括:将待检测驾驶图像输入至目标检测模型中,得到目标检测模型输出的俯仰角,即头部姿态角。目标检测模型可以是现有用于检测俯仰角的目标检测模型,也可以是未来待研发的或基于个人需求定制的模型,此处不作进一步地限定。
在一个可选实施例中,在根据预先获取的低头姿态数据分布和头部姿态角,利用KL散度,得到差异得分之前,还包括:遍历低头历史数据,并获取对应数据分布;基于预设低头次数,从数据分布中选择对应数据分布作为低头姿态数据分布。通过刻画具有代表性的低头姿态,以便于后续采用KL散度拟合头部姿态角度分布,提高拟合精度。
举例而言,预设低头次数为3次,可以理解为,当低头三次时,即为频繁低头,对应得到的低头姿态数据分布可以表示为以下三种情形:
(1)11110000111100001111表示为:低头->抬头->低头->抬头->低头;
(2)0000111100001111100001111,正常->低头->抬头->低头->抬头->低头
(3)0000111110000011111000001111100000,正常->低头->抬头->低头->抬头->低头->抬头;
需要说明的是,上述表示形式中1表示低头,0表示正常姿态,完整的一次低头是000001111100000,实际意义为逐渐低头->低头->抬头,其中通过控制1或者0的个数来保证时间间隔,通常10个1和/或0表示1秒。
步骤S12,根据预先获取的低头姿态数据分布和头部姿态角,利用KL散度,得到差异得分。
在本实施例中,根据预先获取的低头姿态数据分布和头部姿态角,利用KL散度,得到差异得分,包括:
首先,根据头部姿态角,得到数组分布。具体而言,根据头部姿态角,得到数组分布,包括:根据头部姿态角,构建数组;根据数组,得到平均值;将数组中大于平均值的数值,记为表示低头的第一值,以及将数组中小于获等于平均值的数值,记为表示正常姿态的第二值;根据第一值和第二值,得到数组分布。需要说明的是,大于平均值的数值对应表示低头,小于获等于平均值的数值对应表示正常姿态。另外,第一值可以为1,第二值可以为区别于第一值的数值,比如为0。
需要说明的是,比如获取的头部姿态角为n个,其中n为正整数,则n个头部姿态角分别表示为x1,...,xn,对应构建的数组表示为[x1,...,xn]。另外,根据数组,得到平均值,包括:去除数组中的最大值和最小值;根据数组中的剩余数值取平均值。
在一个可选实施例中,在根据头部姿态角,得到数组分布之后,还包括:基于预设平滑规则,对数组分布进行数据平滑处理,以将数据分布中的各个数据统一。比如,数组分布表示为11011,则进行平滑处理后,得到11111;再比如,数组分布表示为00100,则进行平滑处理后,得到00000。
其次,根据预先获取的低头姿态数据分布和数组分布,利用KL散度,得到KL散度。在本实施例中,KL散度表示为:
其中,P表示数组分布,Q表示低头姿态数据分布。
最后,基于预设值与KL散度,得到差异得分。在本实施例中,基于预设值与KL散度,得到差异得分,包括:将KL散度映射至预设区间,得到映射值;基于预设值和映射值的差值,得到差异得分。需要说明的是,由于sigmoid函数在特征相差比较复杂或是相差较小时的效果较好,因此可以利用sigmoid函数将KL散度映射至预设区间(0,1)。
另外,预设值可以为1,映射值表示为sigmoid(KL),差异得分Score表示为:
Score=1-sigmoid(KL)
在一个可选实施例中,预先获取的低头姿态数据分布包括至少两个数据分布,根据预先获取的低头姿态数据分布和头部姿态角,利用KL散度,得到差异得分,还包括:分别将数据分布与头部姿态角,利用KL散度,得到对应初始得分;从初始得分中选择最大初始得分作为差异得分。应当补充的是,在从初始得分中选择最大初始得分作为差异得分时,可以先对初始得分进行排序,并基于排序结果选择最大的初始得分作为差异得分。
需要说明的是,得到初始得分的过程可参考上文得到差异得分的过程,此处不再赘述。另外,由于多个数据分布对应多个初始得分,因此从初始得分中选择对应分值最大的初始得分,以得到与头部姿态角差异最小的低头姿态数据分布,从而便于后续根据对应差异得分判断该头部姿态角是否属于低头状态。
步骤S13,将差异得分与预设阈值进行比较,并根据比较结果,得到驾驶员的头部状态。
在本实施例中,将差异得分与预设阈值进行比较,并根据比较结果,得到驾驶员的头部状态,包括:将差异得分与预设阈值进行比较,若差异得分大于预设阈值,则将驾驶员头部状态记为低头状态;否则,将驾驶员的头部状态记为正常姿态。需要说明的是,预设阈值可以根据实际设计需求设置,比如,可以设置为0.5。
在一个可选实施例中,根据上述方式,得到连续多个驾驶员的头部状态,以便于根据驾驶员连续低头次数是否大于预设低头次数,判断驾驶员是否频繁低头。
综上所述,本发明实施例根据预先获取的低头姿态数据分布和头部姿态角,利用KL散度拟合头部姿态角分布,得到对应的差异得分,以便于后续根据差异得分与预设阈值,判断对应头部姿态角所属的头部状态,提高头部状态判断结果的准确性,且具有较强的鲁棒性。
下面对本发明提供的驾驶员头部状态判断装置进行描述,下文描述的驾驶员头部状态判断装置与上文描述的驾驶员头部状态判断方法可相互对应参照。
图3示出了一种驾驶员头部状态判断装置的结构示意图,该装置,包括:
角度获取模块31,获取头部姿态角;
得分获取模块32,根据预先获取的低头姿态数据分布和头部姿态角,利用KL散度,得到差异得分;
状态确定模块33,将差异得分与预设阈值进行比较,并根据比较结果,得到驾驶员的头部状态。
在本实施例中,角度获取模块31,包括:图像获取单元,获取待检测驾驶图像;目标检测单元,对待检测驾驶图像进行目标检测,得到头部姿态角。需要说明的是,目标检测单元可以采用目标检测模型,则对待检测驾驶图像进行目标检测,包括:将待检测驾驶图像输入至目标检测模型中,得到目标检测模型输出的俯仰角,即头部姿态角。目标检测模型可以是现有用于检测俯仰角的目标检测模型,也可以是未来待研发的或基于个人需求定制的模型,此处不作进一步地限定。
在一个可选实施例中,该装置,还包括:数据分布获取模块,遍历低头历史数据,并获取对应数据分布;选择模块,基于预设低头次数,从数据分布中选择对应数据分布作为低头姿态数据分布。通过在得到差异得分之前,刻画具有代表性的低头姿态,以便于后续采用KL散度拟合头部姿态角度分布,提高拟合精度。
在本实施例中,得分获取模块32,包括:数组分布获取单元,根据头部姿态角,得到数组分布;KL散度获取单元,根据预先获取的低头姿态数据分布和数组分布,利用KL散度,得到KL散度;分值获取单元,基于预设值与KL散度,得到差异得分。
具体而言,数组分布获取单元,包括:数组构建子单元,根据头部姿态角,构建数组;平均值获取子单元,根据数组,得到平均值;标记子单元,将数组中大于平均值的数值,记为表示低头的第一值,以及将数组中小于获等于平均值的数值,记为表示正常姿态的第二值;数组分布获取子单元,根据第一值和第二值,得到数组分布。
更进一步的说,平均值获取子单元,包括:数值去除孙单元,去除数组中的最大值和最小值;平均值获取孙单元,根据数组中的剩余数值取平均值。
在一个可选实施例中,该装置还包括:还包括:平滑处理模块,基于预设平滑规则,对数组分布进行数据平滑处理,以将数据分布中的各个数据统一。
另外,分值获取单元,包括:映射子单元,将KL散度映射至预设区间,得到映射值;分值获取子单元,基于预设值和映射值的差值,得到差异得分。需要说明的是,由于sigmoid函数在特征相差比较复杂或是相差较小时的效果较好,因此可以利用sigmoid函数将KL散度映射至预设区间(0,1)。
在一个可选实施例中,预先获取的低头姿态数据分布包括至少两个数据分布,则对应得分获取模块32,包括:初始得分获取单元,分别将数据分布与头部姿态角,利用KL散度,得到对应初始得分;选择单元,从初始得分中选择最大初始得分作为差异得分。应当补充的是,选择单元,包括:排序子单元,对初始得分进行排序;选择子单元。基于排序结果选择最大的初始得分作为差异得分。
此外,状态确定模块33,包括:比较单元,将差异得分与预设阈值进行比较;状态确定但又,根据比较结果,得到驾驶员的头部状态,进一步的说,若差异得分大于预设阈值,则将驾驶员头部状态记为低头状态;否则,将驾驶员的头部状态记为正常姿态。
综上所述,本发明实施例通过得分获取模块根据预先获取的低头姿态数据分布和头部姿态角,利用KL散度拟合头部姿态角分布,得到对应的差异得分,以便于后续通过状态确定模块根据差异得分与预设阈值,判断对应头部姿态角所属的头部状态,提高头部状态判断结果的准确性,且具有较强的鲁棒性。
图4示例了一种电子设备的实体结构示意图,如图4所示,该电子设备可以包括:处理器(processor)41、通信接口(Communications Interface)42、存储器(memory)43和通信总线44,其中,处理器41,通信接口42,存储器43通过通信总线44完成相互间的通信。处理器41可以调用存储器43中的逻辑指令,以执行驾驶员头部状态判断方法,该方法包括:获取头部姿态角;根据预先获取的低头姿态数据分布和头部姿态角,利用KL散度,得到差异得分;将差异得分与预设阈值进行比较,并根据比较结果,得到驾驶员的头部状态。
此外,上述的存储器43中的逻辑指令可以通过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(可以是个人计算机,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、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的驾驶员头部状态判断方法,该方法包括:获取头部姿态角;根据预先获取的低头姿态数据分布和头部姿态角,利用KL散度,得到差异得分;将差异得分与预设阈值进行比较,并根据比较结果,得到驾驶员的头部状态。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的驾驶员头部状态判断方法,该方法包括:获取头部姿态角;根据预先获取的低头姿态数据分布和头部姿态角,利用KL散度,得到差异得分;将差异得分与预设阈值进行比较,并根据比较结果,得到驾驶员的头部状态。
以上所描述的装置实施例仅仅是示意性的,其中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网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种驾驶员头部状态判断方法,其特征在于,包括:
获取头部姿态角;
根据预先获取的低头姿态数据分布和所述头部姿态角,利用KL散度,得到差异得分;
将所述差异得分与预设阈值进行比较,并根据比较结果,得到驾驶员的头部状态。
2.根据权利要求1所述的驾驶员头部状态判断方法,其特征在于,所述根据预先获取的低头姿态数据分布和所述头部姿态角,利用KL散度,得到差异得分,包括:
根据所述头部姿态角,得到数组分布;
根据预先获取的低头姿态数据分布和所述数组分布,利用KL散度,得到KL散度;
基于预设值与所述KL散度,得到差异得分。
3.根据权利要求2所述的驾驶员头部状态判断方法,其特征在于,所述根据所述头部姿态角,得到数组分布,包括:
根据所述头部姿态角,构建数组;
根据所述数组,得到平均值;
将所述数组中大于所述平均值的数值,记为表示低头的第一值,以及将所述数组中小于获等于所述平均值的数值,记为表示正常姿态的第二值;
根据所述第一值和所述第二值,得到数组分布。
4.根据权利要求3所述的驾驶员头部状态判断方法,其特征在于,所述根据所述数组,得到平均值,还包括:
去除所述数组中的最大值和最小值;
根据所述数组中的剩余数值取平均值。
5.根据权利要求2所述的驾驶员头部状态判断方法,其特征在于,在所述根据所述头部姿态角,得到数组分布之后,还包括:
基于预设平滑规则,对所述数组分布进行数据平滑处理,以将所述数据分布中的各个数据统一。
6.根据权利要求1所述的驾驶员头部状态判断方法,其特征在于,预先获取的低头姿态数据分布包括至少两个数据分布,所述根据预先获取的低头姿态数据分布和所述头部姿态角,利用KL散度,得到差异得分,还包括:
分别将所述数据分布与所述头部姿态角,利用KL散度,得到对应初始得分;
从所述初始得分中选择最大初始得分作为差异得分。
7.根据权利要求1所述的驾驶员头部状态判断方法,其特征在于,在所述根据预先获取的低头姿态数据分布和所述头部姿态角,利用KL散度,得到差异得分之前,还包括:
遍历低头历史数据,并获取对应数据分布;
基于预设低头次数,从所述数据分布中选择对应数据分布作为低头姿态数据分布。
8.一种驾驶员头部状态判断装置,其特征在于,包括:
角度获取模块,获取头部姿态角;
得分获取模块,根据预先获取的低头姿态数据分布和所述头部姿态角,利用KL散度,得到差异得分;
状态确定模块,将所述差异得分与预设阈值进行比较,并根据比较结果,得到驾驶员的头部状态。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述驾驶员头部状态判断方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述驾驶员头部状态判断方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211014042.1A CN115457515A (zh) | 2022-08-23 | 2022-08-23 | 驾驶员头部状态判断方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211014042.1A CN115457515A (zh) | 2022-08-23 | 2022-08-23 | 驾驶员头部状态判断方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115457515A true CN115457515A (zh) | 2022-12-09 |
Family
ID=84298308
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211014042.1A Pending CN115457515A (zh) | 2022-08-23 | 2022-08-23 | 驾驶员头部状态判断方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115457515A (zh) |
-
2022
- 2022-08-23 CN CN202211014042.1A patent/CN115457515A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6128410A (en) | Pattern matching apparatus and method that considers distance and direction | |
CN110046622B (zh) | 一种有目标的攻击样本生成方法、装置、设备及存储介质 | |
CN110263628B (zh) | 障碍物检测方法、装置、电子设备以及存储介质 | |
CN109447117B (zh) | 双层车牌识别方法、装置、计算机设备及存储介质 | |
CN112883820A (zh) | 基于激光雷达点云的道路目标3d检测方法及系统 | |
CN111597884A (zh) | 面部动作单元识别方法、装置、电子设备及存储介质 | |
CN109215119B (zh) | 受损车辆的三维模型建立方法及装置 | |
CN108256454B (zh) | 一种基于cnn模型的训练方法、人脸姿态估测方法及装置 | |
CN110378942A (zh) | 基于双目相机的障碍物标识方法、系统、设备和存储介质 | |
CN110705708A (zh) | 卷积神经网络模型的压缩方法、装置及计算机存储介质 | |
CN114162130B (zh) | 驾驶辅助模式切换方法、装置、设备及存储介质 | |
CN110276801B (zh) | 一种物体定位方法、装置及存储介质 | |
CN111862040A (zh) | 人像图片质量评价方法、装置、设备及存储介质 | |
CN116542926A (zh) | 电池的二维码缺陷识别方法、装置、设备及存储介质 | |
CN115457515A (zh) | 驾驶员头部状态判断方法及装置 | |
CN109753561B (zh) | 一种自动回复的生成方法及装置 | |
CN109035285A (zh) | 图像边界确定方法及装置、终端及存储介质 | |
CN113963428B (zh) | 模型训练方法、遮挡检测方法、系统、电子设备及介质 | |
CN111079823A (zh) | 验证码图像生成方法及系统 | |
CN111815658B (zh) | 一种图像识别方法及装置 | |
CN113326819A (zh) | 机器手素描绘画方法、装置及机器人工作台 | |
CN111259753A (zh) | 人脸关键点处理方法及装置 | |
CN111210297A (zh) | 一种上车点的划分方法及装置 | |
CN116071625B (zh) | 深度学习模型的训练方法、目标检测方法及装置 | |
CN112214750B (zh) | 字符验证码的识别方法、系统、电子设备和存储介质 |
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 |