CN117341715A - 一种基于联合自检的车辆行驶安全预警方法 - Google Patents
一种基于联合自检的车辆行驶安全预警方法 Download PDFInfo
- Publication number
- CN117341715A CN117341715A CN202311648666.3A CN202311648666A CN117341715A CN 117341715 A CN117341715 A CN 117341715A CN 202311648666 A CN202311648666 A CN 202311648666A CN 117341715 A CN117341715 A CN 117341715A
- Authority
- CN
- China
- Prior art keywords
- self
- vehicle
- checking
- equipment
- fatigue
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000001815 facial effect Effects 0.000 claims abstract description 38
- 238000012544 monitoring process Methods 0.000 claims abstract description 37
- 230000004927 fusion Effects 0.000 claims abstract description 18
- 238000012360 testing method Methods 0.000 claims abstract description 15
- 238000001514 detection method Methods 0.000 claims description 43
- 238000004458 analytical method Methods 0.000 claims description 18
- 238000007405 data analysis Methods 0.000 claims description 18
- 238000013075 data extraction Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 16
- 238000013136 deep learning model Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 7
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 5
- 239000008280 blood Substances 0.000 claims description 5
- 210000004369 blood Anatomy 0.000 claims description 5
- 230000036772 blood pressure Effects 0.000 claims description 5
- 239000010705 motor oil Substances 0.000 claims description 5
- 229910052760 oxygen Inorganic materials 0.000 claims description 5
- 239000001301 oxygen Substances 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 239000000843 powder Substances 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 230000002618 waking effect Effects 0.000 claims description 4
- 206010062519 Poor quality sleep Diseases 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000004399 eye closure Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract 1
- 230000036541 health Effects 0.000 description 8
- 230000003993 interaction Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 210000001747 pupil Anatomy 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
-
- 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
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- 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
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/0205—Diagnosing or detecting failures; Failure detection models
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/04—Monitoring the functioning of the control system
- B60W50/045—Monitoring control system parameters
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/04—Monitoring the functioning of the control system
- B60W50/045—Monitoring control system parameters
- B60W2050/046—Monitoring control system parameters involving external transmission of data to or from the vehicle, e.g. via telemetry, satellite, Global Positioning System [GPS]
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Transportation (AREA)
- Human Computer Interaction (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Mechanical Engineering (AREA)
- Cardiology (AREA)
- Optics & Photonics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Vascular Medicine (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Emergency Alarm Devices (AREA)
Abstract
一种基于联合自检的车辆行驶安全预警方法,属于电气通信控制领域,所述预警方法包括以下步骤:安全预警系统进入工作状态,校车接收到监控平台的用车请求,读取账户预设信息;基于采集的生理数据和驾驶员面部视频图像评估驾驶员当前疲劳等级;当驾驶员疲劳等级为清醒状态时,启动车辆设备自检测试,分别对车辆安全设备和车辆制动设备进行自检,得到车辆安全设备和车辆制动设备的自检结果;车辆安全设备和车辆制动设备的自检结果进行决策融合,得到车辆设备的综合自检结果;监控平台根据车辆设备的综合自检结果来输出控制指令,并记录保存故障预警信息。
Description
技术领域
本发明涉及一种基于联合自检的车辆行驶安全预警方法。
背景技术
校车是指依照相关法律法条规定取得使用许可,用于接送接受义务教育的学生上下学的7座以上的载客汽车;接送小学生的校车应当是按照专用校车国家标准设计和制造的小学生专用校车。
实际使用过程中,自检工作是保障校车安全行驶的基础,而当前校车的自检工作大多采用人工自检方式,主要依赖于驾驶员在出车前,对校车的逃生锤、安全带、制动等设备及安全设施是否符合安全技术要求进行检查,一方面人工自检容易受到外界干扰,自检效率和自检效果无法得到保证;另一方面,当校车设备发生问题后,人工自检方式也不能准确区分故障发生的位置和类别,难以形成可以量化的质量标准。
同时,在当前校车自检工作过程中,大多仅关注于对车辆设备的检查,而对于驾驶员身体健康状况的监测往往容易被忽略,由于校车是一种特殊的公共交通车辆,面向未成年人使用,因此及时掌握驾驶员身体健康状况对护航学生安全出行至关重要;如何实现对驾驶员身体健康状况和车辆设备安全可靠运行的联合自检,并对故障信息进行预警提示,以保障校车的行驶安全,成为了校车自检工作中亟待解决的难题。
发明内容
本发明实施例提供了一种基于联合自检的车辆行驶安全预警方法,方法设计合理,基于多个功能模块的相互配合作用,采用自动化的手段,结合人员身体健康状况和车辆安全运行状况进行联合自检,实现对故障信息的预警提示,避免人工自检方式的滞后性,极大程度的提高了自检工作的效率和准确度,从而为校车的行驶安全提供有力支撑,准确区分故障发生的位置和类别,形成可以量化的自检质量标准,解决了现有技术中存在的问题。
本发明为解决上述技术问题所采用的技术方案是:
一种基于联合自检的车辆行驶安全预警方法,所述预警方法包括以下步骤:
S1,安全预警系统进入工作状态,校车接收到监控平台的用车请求,读取账户预设信息;
S2,驾驶员通过身份核验后,经由驾驶员佩戴的可穿戴设备终端来实时采集血压、血氧生理数据,并通过联网的移动端设备将采集的数据传送到服务器,服务器将采集的生理数据传送至监控平台,同时启动车辆,通过安装在驾驶室的红外摄像头来获取驾驶员面部视频图像并上传到监控平台;
S3,基于采集的生理数据和驾驶员面部视频图像评估驾驶员当前疲劳等级;
S4,当驾驶员疲劳等级为清醒状态时,启动车辆设备自检测试,分别对车辆安全设备和车辆制动设备进行自检,得到车辆安全设备和车辆制动设备的自检结果;
S5,车辆安全设备和车辆制动设备的自检结果进行决策融合,得到车辆设备的综合自检结果;
S6,监控平台根据车辆设备的综合自检结果来输出控制指令,并记录保存故障预警信息。
基于采集的生理数据和驾驶员面部视频图像评估驾驶员当前疲劳等级包括以下步骤:
S3.1,对采集的生理数据进行处理,并送入疲劳检测深度学习模型中进行学习,对驾驶员的疲劳状态进行决策判断;
S3.2,对采集的面部视频图像进行处理,并基于PERCLOS标准,对驾驶员的疲劳状态进行决策判断;
S3.3,综合生理数据以及面部视频图像的疲劳检测结果,计算当前驾驶员的疲劳等级。
对采集的生理数据进行处理,并送入疲劳检测深度学习模型中进行学习,对驾驶员的疲劳状态进行决策判断包括以下步骤:
S3.1.1,对采集的生理数据进行预处理,采用标准分数进行数据标准化,通过数据标准化使得训练时不被异常值影响,且能更快收敛;
S3.1.2,将预处理的生理数据转换成生物电信号,并经由特征提取模块送入疲劳检测深度学习模型中进行学习,对驾驶员的疲劳状态进行决策判断。
对采集的面部视频图像进行处理,并基于PERCLOS标准,对驾驶员的疲劳状态进行决策判断包括以下步骤:
S3.2.1,对获取的面部视频图像进行灰度化处理,使分类器更好识别图像,同时对灰度图像进行缩放,以提升实时处理图像的速度;
S3.2.2,使用分类器监测视频中驾驶员的面部位置,在检测到面部区域的前提条件下搜索人眼,进行眼睛区域的定位;
S3.2.3,基于PERCLOS标准对驾驶员的眼睛闭合时间的长短进行分析,判断是否属于闭眼状态。
定义单位时间内眼睛闭合80%所占的时间作为疲劳判定的标准;
所述PERCLOS标准的计算公式为:
;
当0.4≤PERCLOS≤1时,则认为驾驶员进入疲劳状态。
所述驾驶员的疲劳等级包括清醒和疲劳;
所述驾驶员的疲劳等级计算为:;其中表示基于生理数据的
疲劳检测结果,表示基于面部视频图像的疲劳检测结果;、为疲劳状
态;、为清醒状态;当驾驶员疲劳等级时,监控人员通过平台下发终止驾
驶指令。
当驾驶员疲劳等级为清醒状态时,启动车辆设备自检测试,分别对车辆安全设备和车辆制动设备进行自检,得到车辆安全设备和车辆制动设备的自检结果包括以下步骤:
S4.1,对车辆安全设备进行自检,获取定位装置及各传感器采集的数据,所述数据包括车辆定位数据、逃生锤位置、干粉灭火器位置、急救箱位置和停车指示牌伸缩位置;
S4.2,对车辆制动设备进行自检,获取车辆各传感器及OBD接口数据,包括发动机转速、机油压力和轮胎气压;
S4.3,将车辆安全设备自检项的输入数据、车辆制动设备自检项的输入数据,分别经过安全设备数据分析模块及制动设备数据分析模块处理后,得到安全设备自检结果及制动设备自检结果;
所述车辆安全设备自检结果分为正常、告警、故障三类,其中n为安全设
备总自检项;自检项结果为正常时,则自检结果为1;自检项结果为告警时,则自检结果∈
{0,1};自检项结果为故障时,则自检结果为0;
车辆制动自检结果分为正常,故障两类,其中m为安全设备总自检项;自
检项结果为正常时,则自检结果为1;自检项结果为故障时,则自检结果为0。
所述安全预警系统包括采集模块、疲劳等级自检模块、车辆设备自检模块和监控平台控制模块;
将车辆安全设备和车辆制动设备的自检结果进行决策融合,得到车辆设备的综合自检结果;
当车辆综合自检结果为时,检测指示灯为绿色,表明设备状态良好,能
够按要求正常出车;当车辆综合自检结果为时,检测指示灯为黄色,表明设
备状态处于告警状态,在不影响正常出车安全的情况下,可以按要求出车;当车辆综合自检
结果为时,检测指示灯为红色,表明设备处于故障状态,若故障不排除则不能
正常出车。
所述疲劳等级自检模块包括生理数据提取模块、面部视频提取模块、生理疲劳分析模块、面部疲劳分析模块和决策融合模块;
通过采集模块获取驾驶员生理数据、面部视频图像;将获取的数据分别经过生理疲劳疲劳分析模块、面部疲劳分析模块处理后,得到驾驶员当前的生理疲劳状态和面部疲劳状态;将获取的疲劳状态结果送入决策融合模块中得到驾驶员当前的疲劳等级;监控平台控制模块根据疲劳等级决定是否启动车辆设备自检模块。
所述车辆设备自检模块包括定位数据提取模块、传感器数据提取模块、OBD数据提取模块、安全设备数据分析模块和制动设备数据分析模块。
本发明采用上述结构,通过采集模块获取驾驶员生理数据、面部视频图像;将获取的数据分别经过生理疲劳疲劳分析模块、面部疲劳分析模块处理后,得到驾驶员当前的生理疲劳状态和面部疲劳状态;将获取的疲劳状态结果送入决策融合模块中得到驾驶员当前的疲劳等级;监控平台控制模块根据疲劳等级决定是否启动车辆设备自检模块;通过采集模块获取自车辆各种装置的输入数据,如车辆定位数据、逃生锤位置、停车指示牌伸缩位置、发动机转速、机油压力、轮胎气压等;将上述输入数据按照所属设备类型,分别经过安全设备数据分析模块及制动设备数据分析模块处理后,得到安全设备自检结果及制动设备自检结果;将获取的自检结果进行决策融合,计算当前车辆设备的综合自检结果;监控平台控制模块:根据计算的设备综合自检结果输出控制指令,具有精准高效、安全实用的优点。
附图说明
图1为本发明的流程示意图。
图2为本发明的安全预警系统的结构示意图。
具体实施方式
为能清楚说明本方案的技术特点,下面通过具体实施方式,并结合其附图,对本发明进行详细阐述。
如图1-2中所示,一种基于联合自检的车辆行驶安全预警方法,所述预警方法包括以下步骤:
S1,安全预警系统进入工作状态,校车接收到监控平台的用车请求,读取账户预设信息;
S2,驾驶员通过身份核验后,经由驾驶员佩戴的可穿戴设备终端来实时采集血压、血氧生理数据,并通过联网的移动端设备将采集的数据传送到服务器,服务器将采集的生理数据传送至监控平台,同时启动车辆,通过安装在驾驶室的红外摄像头来获取驾驶员面部视频图像并上传到监控平台;
S3,基于采集的生理数据和驾驶员面部视频图像评估驾驶员当前疲劳等级;
S4,当驾驶员疲劳等级为清醒状态时,启动车辆设备自检测试,分别对车辆安全设备和车辆制动设备进行自检,得到车辆安全设备和车辆制动设备的自检结果;
S5,车辆安全设备和车辆制动设备的自检结果进行决策融合,得到车辆设备的综合自检结果;
S6,监控平台根据车辆设备的综合自检结果来输出控制指令,并记录保存故障预警信息。
基于采集的生理数据和驾驶员面部视频图像评估驾驶员当前疲劳等级包括以下步骤:
S3.1,对采集的生理数据进行处理,并送入疲劳检测深度学习模型中进行学习,对驾驶员的疲劳状态进行决策判断;
S3.2,对采集的面部视频图像进行处理,并基于PERCLOS标准,对驾驶员的疲劳状态进行决策判断;
S3.3,综合生理数据以及面部视频图像的疲劳检测结果,计算当前驾驶员的疲劳等级。
对采集的生理数据进行处理,并送入疲劳检测深度学习模型中进行学习,对驾驶员的疲劳状态进行决策判断包括以下步骤:
S3.1.1,对采集的生理数据进行预处理,采用标准分数进行数据标准化,通过数据标准化使得训练时不被异常值影响,且能更快收敛;
S3.1.2,将预处理的生理数据转换成生物电信号,并经由特征提取模块送入疲劳检测深度学习模型中进行学习,对驾驶员的疲劳状态进行决策判断。
对采集的面部视频图像进行处理,并基于PERCLOS标准,对驾驶员的疲劳状态进行决策判断包括以下步骤:
S3.2.1,对获取的面部视频图像进行灰度化处理,使分类器更好识别图像,同时对灰度图像进行缩放,以提升实时处理图像的速度;
S3.2.2,使用分类器监测视频中驾驶员的面部位置,在检测到面部区域的前提条件下搜索人眼,进行眼睛区域的定位;
S3.2.3,基于PERCLOS标准对驾驶员的眼睛闭合时间的长短进行分析,判断是否属于闭眼状态。
定义单位时间内眼睛闭合80%所占的时间作为疲劳判定的标准;
所述PERCLOS标准的计算公式为:
;
当0.4≤PERCLOS≤1时,则认为驾驶员进入疲劳状态。
所述驾驶员的疲劳等级包括清醒和疲劳;
所述驾驶员的疲劳等级计算为:;其中表示基于生理数据的
疲劳检测结果,表示基于面部视频图像的疲劳检测结果;、为疲劳状
态;、为清醒状态;当驾驶员疲劳等级时,监控人员通过平台下发终止驾
驶指令。
当驾驶员疲劳等级为清醒状态时,启动车辆设备自检测试,分别对车辆安全设备和车辆制动设备进行自检,得到车辆安全设备和车辆制动设备的自检结果包括以下步骤:
S4.1,对车辆安全设备进行自检,获取定位装置及各传感器采集的数据,所述数据包括车辆定位数据、逃生锤位置、干粉灭火器位置、急救箱位置和停车指示牌伸缩位置;
S4.2,对车辆制动设备进行自检,获取车辆各传感器及OBD接口数据,包括发动机转速、机油压力和轮胎气压;
S4.3,将车辆安全设备自检项的输入数据、车辆制动设备自检项的输入数据,分别经过安全设备数据分析模块及制动设备数据分析模块处理后,得到安全设备自检结果及制动设备自检结果;
所述车辆安全设备自检结果分为正常、告警、故障三类,其中n为安全设
备总自检项;自检项结果为正常时,则自检结果为1;自检项结果为告警时,则自检结果∈
{0,1};自检项结果为故障时,则自检结果为0;
车辆制动自检结果分为正常,故障两类,其中m为安全设备总自检项;自
检项结果为正常时,则自检结果为1;自检项结果为故障时,则自检结果为0。
所述安全预警系统包括采集模块、疲劳等级自检模块、车辆设备自检模块和监控平台控制模块;
将车辆安全设备和车辆制动设备的自检结果进行决策融合,得到车辆设备的综合自检结果;
当车辆综合自检结果为时,检测指示灯为绿色,表明设备状态良好,能
够按要求正常出车;当车辆综合自检结果为时,检测指示灯为黄色,表明设
备状态处于告警状态,在不影响正常出车安全的情况下,可以按要求出车;当车辆综合自检
结果为时,检测指示灯为红色,表明设备处于故障状态,若故障不排除则不能
正常出车。
所述疲劳等级自检模块包括生理数据提取模块、面部视频提取模块、生理疲劳分析模块、面部疲劳分析模块和决策融合模块;
通过采集模块获取驾驶员生理数据、面部视频图像;将获取的数据分别经过生理疲劳疲劳分析模块、面部疲劳分析模块处理后,得到驾驶员当前的生理疲劳状态和面部疲劳状态;将获取的疲劳状态结果送入决策融合模块中得到驾驶员当前的疲劳等级;监控平台控制模块根据疲劳等级决定是否启动车辆设备自检模块。
所述车辆设备自检模块包括定位数据提取模块、传感器数据提取模块、OBD数据提取模块、安全设备数据分析模块和制动设备数据分析模块。
本发明实施例中的一种基于联合自检的车辆行驶安全预警方法的工作原理为:基于多个功能模块的相互配合作用,采用自动化的手段,结合人员身体健康状况和车辆安全运行状况进行联合自检,实现对故障信息的预警提示,避免人工自检方式的滞后性,极大程度的提高了自检工作的效率和准确度,从而为校车的行驶安全提供有力支撑,准确区分故障发生的位置和类别,形成可以量化的自检质量标准,方便进行推广普及,可以适用于多类型和多应用场景的校车自检。
近年来,关于公交车驾驶员在岗位上突发疾病的事件频发,考虑到校车作为一种特殊的公共交通车辆,其乘客都是在校的未成年人,因此及时掌握驾驶员身体健康状况对护航学生安全出行至关重要。
在整体方案中,一种基于联合自检的车辆行驶安全预警方法,其特征在于,所述预警方法包括以下步骤:
S1,安全预警系统进入工作状态,校车接收到监控平台的用车请求,读取账户预设信息;
S2,驾驶员通过身份核验后,经由驾驶员佩戴的可穿戴设备终端来实时采集血压、血氧生理数据,并通过联网的移动端设备将采集的数据传送到服务器,服务器将采集的生理数据传送至监控平台,同时启动车辆,通过安装在驾驶室的红外摄像头来获取驾驶员面部视频图像并上传到监控平台;
S3,基于采集的生理数据和驾驶员面部视频图像评估驾驶员当前疲劳等级;
S4,当驾驶员疲劳等级为清醒状态时,启动车辆设备自检测试,分别对车辆安全设备和车辆制动设备进行自检,得到车辆安全设备和车辆制动设备的自检结果;
S5,车辆安全设备和车辆制动设备的自检结果进行决策融合,得到车辆设备的综合自检结果;
S6,监控平台根据车辆设备的综合自检结果来输出控制指令,并记录保存故障预警信息。
经过准确执行上述步骤,对驾驶员身体健康状况和车辆设备安全可靠运行的联合自检,及时对故障信息进行预警提示,保障校车的行驶安全。
具体的,基于采集的生理数据和驾驶员面部视频图像评估驾驶员当前疲劳等级包括以下步骤:对采集的生理数据进行处理,并送入疲劳检测深度学习模型中进行学习,对驾驶员的疲劳状态进行决策判断;对采集的面部视频图像进行处理,并基于PERCLOS标准,对驾驶员的疲劳状态进行决策判断;综合生理数据以及面部视频图像的疲劳检测结果,计算当前驾驶员的疲劳等级。
一般情况下,生理数据为血压数据或血氧数据,采用标准分数来进行数据标准化,避免异常值带来的影响,提升处理精度,加快收敛效率;结合疲劳检测深度学习模型,对驾驶员的疲劳状态进行决策判断。
进一步的,本申请对获取的面部视频图像进行灰度化处理,以准确快捷识别出面部视频图像,同时为保证实时处理的图像速度,对灰度图像进行缩放;在检测到面部区域的前提条件下搜索人眼,进行眼睛区域的定位,进而基于PERCLOS标准对驾驶员的眼睛闭合时间的长短进行分析,判断是否属于闭眼状态。
在对上述生理数据和面部视频图像的结合下准确计算出驾驶员的当前疲劳等级,
包括清醒和疲劳,所述驾驶员的疲劳等级计算为:;其中表示基于生
理数据的疲劳检测结果,表示基于面部视频图像的疲劳检测结果;、
为疲劳状态;、为清醒状态;当驾驶员疲劳等级时,监控人员通过平台下
发终止驾驶指令。
形成准确的量化标准后,可以从数学角度直观准确的获取驾驶员的疲劳状态,避免出现较大误差。
在本申请中涉及的传感器主要包括压力传感器和光电传感器,可以车辆定位数据、逃生锤位置、干粉灭火器位置、急救箱位置、停车指示牌伸缩位置等不同类型数据。
对于制动设备,可以得到发动机转速、机油压力、轮胎气压等数据,将车辆安全设备自检项的输入数据、车辆制动设备自检项的输入数据,分别经过安全设备数据分析模块及制动设备数据分析模块处理后,得到安全设备自检结果及制动设备自检结果。
所述车辆安全设备自检结果分为正常、告警、故障三类,其中n为安全设
备总自检项;自检项结果为正常时,则自检结果为1;自检项结果为告警时,则自检结果∈
{0,1};自检项结果为故障时,则自检结果为0;
车辆制动自检结果分为正常,故障两类,其中m为安全设备总自检项;自
检项结果为正常时,则自检结果为1;自检项结果为故障时,则自检结果为0。
当车辆综合自检结果为时,检测指示灯为绿色,表明设备状态良好,能
够按要求正常出车;当车辆综合自检结果为时,检测指示灯为黄色,表明设
备状态处于告警状态,在不影响正常出车安全的情况下,可以按要求出车;当车辆综合自检
结果为 时,检测指示灯为红色,表明设备处于故障状态,若故障不排除则不能
正常出车。
对于本申请的安全预警系统,包括采集模块、疲劳等级自检模块、车辆设备自检模块和监控平台控制模块。
具体的,所述疲劳等级自检模块包括生理数据提取模块、面部视频提取模块、生理疲劳分析模块、面部疲劳分析模块和决策融合模块;
通过采集模块获取驾驶员生理数据、面部视频图像;将获取的数据分别经过生理疲劳疲劳分析模块、面部疲劳分析模块处理后,得到驾驶员当前的生理疲劳状态和面部疲劳状态;将获取的疲劳状态结果送入决策融合模块中得到驾驶员当前的疲劳等级;监控平台控制模块根据疲劳等级决定是否启动车辆设备自检模块。
所述车辆设备自检模块包括定位数据提取模块、传感器数据提取模块、OBD数据提取模块、安全设备数据分析模块和制动设备数据分析模块。
特别说明的是,监控平台控制模块根据计算的设备综合自检结果输出控制指令,包括“联合自检成功,等待发车指令”和“联合自检失败,禁止发车”两个具体指令。
综上所述,本发明实施例中的一种基于联合自检的车辆行驶安全预警方法基于多个功能模块的相互配合作用,采用自动化的手段,结合人员身体健康状况和车辆安全运行状况进行联合自检,实现对故障信息的预警提示,避免人工自检方式的滞后性,极大程度的提高了自检工作的效率和准确度,从而为校车的行驶安全提供有力支撑,准确区分故障发生的位置和类别,形成可以量化的自检质量标准,方便进行推广普及,可以适用于多类型和多应用场景的校车自检。
上述具体实施方式不能作为对本发明保护范围的限制,对于本技术领域的技术人员来说,对本发明实施方式所做出的任何替代改进或变换均落在本发明的保护范围内。
本发明未详述之处,均为本技术领域技术人员的公知技术。
Claims (10)
1.一种基于联合自检的车辆行驶安全预警方法,其特征在于,所述预警方法包括以下步骤:
S1,安全预警系统进入工作状态,校车接收到监控平台的用车请求,读取账户预设信息;
S2,驾驶员通过身份核验后,经由驾驶员佩戴的可穿戴设备终端来实时采集血压、血氧生理数据,并通过联网的移动端设备将采集的数据传送到服务器,服务器将采集的生理数据传送至监控平台,同时启动车辆,通过安装在驾驶室的红外摄像头来获取驾驶员面部视频图像并上传到监控平台;
S3,基于采集的生理数据和驾驶员面部视频图像评估驾驶员当前疲劳等级;
S4,当驾驶员疲劳等级为清醒状态时,启动车辆设备自检测试,分别对车辆安全设备和车辆制动设备进行自检,得到车辆安全设备和车辆制动设备的自检结果;
S5,车辆安全设备和车辆制动设备的自检结果进行决策融合,得到车辆设备的综合自检结果;
S6,监控平台根据车辆设备的综合自检结果来输出控制指令,并记录保存故障预警信息。
2.根据权利要求1所述的一种基于联合自检的车辆行驶安全预警方法,其特征在于,基于采集的生理数据和驾驶员面部视频图像评估驾驶员当前疲劳等级包括以下步骤:
S3.1,对采集的生理数据进行处理,并送入疲劳检测深度学习模型中进行学习,对驾驶员的疲劳状态进行决策判断;
S3.2,对采集的面部视频图像进行处理,并基于PERCLOS标准,对驾驶员的疲劳状态进行决策判断;
S3.3,综合生理数据以及面部视频图像的疲劳检测结果,计算当前驾驶员的疲劳等级。
3.根据权利要求2所述的一种基于联合自检的车辆行驶安全预警方法,其特征在于,对采集的生理数据进行处理,并送入疲劳检测深度学习模型中进行学习,对驾驶员的疲劳状态进行决策判断包括以下步骤:
S3.1.1,对采集的生理数据进行预处理,采用标准分数进行数据标准化,通过数据标准化使得训练时不被异常值影响,且能更快收敛;
S3.1.2,将预处理的生理数据转换成生物电信号,并经由特征提取模块送入疲劳检测深度学习模型中进行学习,对驾驶员的疲劳状态进行决策判断。
4.根据权利要求2所述的一种基于联合自检的车辆行驶安全预警方法,其特征在于,对采集的面部视频图像进行处理,并基于PERCLOS标准,对驾驶员的疲劳状态进行决策判断包括以下步骤:
S3.2.1,对获取的面部视频图像进行灰度化处理,使分类器更好识别图像,同时对灰度图像进行缩放,以提升实时处理图像的速度;
S3.2.2,使用分类器监测视频中驾驶员的面部位置,在检测到面部区域的前提条件下搜索人眼,进行眼睛区域的定位;
S3.2.3,基于PERCLOS标准对驾驶员的眼睛闭合时间的长短进行分析,判断是否属于闭眼状态。
5.根据权利要求4所述的一种基于联合自检的车辆行驶安全预警方法,其特征在于,定义单位时间内眼睛闭合80%所占的时间作为疲劳判定的标准;
所述PERCLOS标准的计算公式为:
;
当0.4≤PERCLOS≤1时,则认为驾驶员进入疲劳状态。
6.根据权利要求2所述的一种基于联合自检的车辆行驶安全预警方法,其特征在于:所述驾驶员的疲劳等级包括清醒和疲劳;
所述驾驶员的疲劳等级计算为:;其中/>表示基于生理数据的疲劳检测结果,/>表示基于面部视频图像的疲劳检测结果;/>、/>为疲劳状态;、/>为清醒状态;当驾驶员疲劳等级/>时,监控人员通过平台下发终止驾驶指令。
7.根据权利要求1所述的一种基于联合自检的车辆行驶安全预警方法,其特征在于,当驾驶员疲劳等级为清醒状态时,启动车辆设备自检测试,分别对车辆安全设备和车辆制动设备进行自检,得到车辆安全设备和车辆制动设备的自检结果包括以下步骤:
S4.1,对车辆安全设备进行自检,获取定位装置及各传感器采集的数据,所述数据包括车辆定位数据、逃生锤位置、干粉灭火器位置、急救箱位置和停车指示牌伸缩位置;
S4.2,对车辆制动设备进行自检,获取车辆各传感器及OBD接口数据,包括发动机转速、机油压力和轮胎气压;
S4.3,将车辆安全设备自检项的输入数据、车辆制动设备自检项的输入数据,分别经过安全设备数据分析模块及制动设备数据分析模块处理后,得到安全设备自检结果及制动设备自检结果;
所述车辆安全设备自检结果分为正常、告警、故障三类,其中n为安全设备总自检项;自检项结果为正常时,则自检结果为1;自检项结果为告警时,则自检结果∈{0,1};自检项结果为故障时,则自检结果为0;
车辆制动自检结果分为正常,故障两类,其中m为安全设备总自检项;自检项结果为正常时,则自检结果为1;自检项结果为故障时,则自检结果为0。
8.根据权利要求7所述的一种基于联合自检的车辆行驶安全预警方法,其特征在于:所述安全预警系统包括采集模块、疲劳等级自检模块、车辆设备自检模块和监控平台控制模块;
将车辆安全设备和车辆制动设备的自检结果进行决策融合,得到车辆设备的综合自检结果;
当车辆综合自检结果为时,检测指示灯为绿色,表明设备状态良好,能够按要求正常出车;当车辆综合自检结果为/>时,检测指示灯为黄色,表明设备状态处于告警状态,在不影响正常出车安全的情况下,可以按要求出车;当车辆综合自检结果为/>时,检测指示灯为红色,表明设备处于故障状态,若故障不排除则不能正常出车。
9.根据权利要求8所述的一种基于联合自检的车辆行驶安全预警方法,其特征在于:所述疲劳等级自检模块包括生理数据提取模块、面部视频提取模块、生理疲劳分析模块、面部疲劳分析模块和决策融合模块;
通过采集模块获取驾驶员生理数据、面部视频图像;将获取的数据分别经过生理疲劳分析模块、面部疲劳分析模块处理后,得到驾驶员当前的生理疲劳状态和面部疲劳状态;将获取的疲劳状态结果送入决策融合模块中得到驾驶员当前的疲劳等级;监控平台控制模块根据疲劳等级决定是否启动车辆设备自检模块。
10.根据权利要求8所述的一种基于联合自检的车辆行驶安全预警方法,其特征在于:所述车辆设备自检模块包括定位数据提取模块、传感器数据提取模块、OBD数据提取模块、安全设备数据分析模块和制动设备数据分析模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311648666.3A CN117341715B (zh) | 2023-12-05 | 2023-12-05 | 一种基于联合自检的车辆行驶安全预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311648666.3A CN117341715B (zh) | 2023-12-05 | 2023-12-05 | 一种基于联合自检的车辆行驶安全预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117341715A true CN117341715A (zh) | 2024-01-05 |
CN117341715B CN117341715B (zh) | 2024-02-09 |
Family
ID=89371420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311648666.3A Active CN117341715B (zh) | 2023-12-05 | 2023-12-05 | 一种基于联合自检的车辆行驶安全预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117341715B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012144948A1 (en) * | 2011-04-20 | 2012-10-26 | Scania Cv Ab | Vehicle with a safety system involving prediction of driver tiredness |
CN106228821A (zh) * | 2016-07-29 | 2016-12-14 | 泽交通工程咨询(上海)有限公司 | 高危车辆疲劳驾驶综合监测及安全防控方法 |
US20190176837A1 (en) * | 2017-12-08 | 2019-06-13 | Tesla, Inc. | Personalization system and method for a vehicle based on spatial locations of occupants' body portions |
WO2019216728A1 (ko) * | 2018-05-11 | 2019-11-14 | Yoon Yeo Pyo | 자율주행차량 안전성 검사시스템 및 안전성 검사방법 |
CN110648501A (zh) * | 2019-09-26 | 2020-01-03 | 泽一交通工程咨询(上海)有限公司 | 基于视频和手环的驾驶疲劳监测及报警装置及其运行方法 |
CN111009117A (zh) * | 2019-11-27 | 2020-04-14 | 青岛海山慧谷科技有限公司 | 一种公交车人工智能服务终端综合一体机及方法 |
US20200216080A1 (en) * | 2019-01-04 | 2020-07-09 | Byton North America Corporation | Detecting and diagnosing anomalous driving behavior using driving behavior models |
CN114684194A (zh) * | 2022-02-16 | 2022-07-01 | 南京司凯奇汽车科技有限公司 | 一种基于无人驾驶双向行驶的矿用卡车 |
CN115514788A (zh) * | 2022-09-20 | 2022-12-23 | 山东高速建设管理集团有限公司 | 一种精密北斗与aiot结合的新能源校车司乘多态感知系统及其分析预警方法 |
WO2023103206A1 (zh) * | 2021-12-06 | 2023-06-15 | 江苏航天大为科技股份有限公司 | 一种基于多策略的驾驶员疲劳检测方法 |
-
2023
- 2023-12-05 CN CN202311648666.3A patent/CN117341715B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012144948A1 (en) * | 2011-04-20 | 2012-10-26 | Scania Cv Ab | Vehicle with a safety system involving prediction of driver tiredness |
CN106228821A (zh) * | 2016-07-29 | 2016-12-14 | 泽交通工程咨询(上海)有限公司 | 高危车辆疲劳驾驶综合监测及安全防控方法 |
US20190176837A1 (en) * | 2017-12-08 | 2019-06-13 | Tesla, Inc. | Personalization system and method for a vehicle based on spatial locations of occupants' body portions |
WO2019216728A1 (ko) * | 2018-05-11 | 2019-11-14 | Yoon Yeo Pyo | 자율주행차량 안전성 검사시스템 및 안전성 검사방법 |
US20200216080A1 (en) * | 2019-01-04 | 2020-07-09 | Byton North America Corporation | Detecting and diagnosing anomalous driving behavior using driving behavior models |
CN110648501A (zh) * | 2019-09-26 | 2020-01-03 | 泽一交通工程咨询(上海)有限公司 | 基于视频和手环的驾驶疲劳监测及报警装置及其运行方法 |
CN111009117A (zh) * | 2019-11-27 | 2020-04-14 | 青岛海山慧谷科技有限公司 | 一种公交车人工智能服务终端综合一体机及方法 |
WO2023103206A1 (zh) * | 2021-12-06 | 2023-06-15 | 江苏航天大为科技股份有限公司 | 一种基于多策略的驾驶员疲劳检测方法 |
CN114684194A (zh) * | 2022-02-16 | 2022-07-01 | 南京司凯奇汽车科技有限公司 | 一种基于无人驾驶双向行驶的矿用卡车 |
CN115514788A (zh) * | 2022-09-20 | 2022-12-23 | 山东高速建设管理集团有限公司 | 一种精密北斗与aiot结合的新能源校车司乘多态感知系统及其分析预警方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117341715B (zh) | 2024-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110001652A (zh) | 驾驶员状态的监测方法、装置及终端设备 | |
CN104637246B (zh) | 一种驾驶员多种行为预警系统及危险评估方法 | |
CN110648075A (zh) | 驾驶安全评估方法及装置 | |
CN104207791B (zh) | 一种疲劳驾驶检测方法 | |
WO2021023064A1 (zh) | 一种列车安全驾驶监测系统及方法 | |
CN102163368A (zh) | 不安全驾驶行为的识别与监控系统及方法 | |
CN208498370U (zh) | 基于方向盘的疲劳驾驶检测预警装置 | |
CN104228839B (zh) | 一种智能出租车 | |
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 | |
CN103700220A (zh) | 一种疲劳驾驶监控装置 | |
CN114092922A (zh) | 一种基于特异性的驾驶员情绪识别及行为干预方法 | |
US10085683B1 (en) | Vehicle fatigue monitoring system | |
CN202046206U (zh) | 一种基于图像差异识别的汽车酒精气敏点火自锁装置 | |
CN104217539A (zh) | 出租车人员实时监控平台 | |
CN109543577A (zh) | 一种基于面部表情特征的疲劳驾驶检测预警方法 | |
CN106600894A (zh) | 一种疲劳驾驶和酒后驾驶监控预警系统 | |
CN105787438A (zh) | 一种基于视频的机车司机值乘状态检测方法及系统 | |
El Masri et al. | Toward self-policing: Detecting drunk driving behaviors through sampling CAN bus data | |
CN111613329A (zh) | 一种驾驶员状态监控系统 | |
CN108357517A (zh) | 动车组列车运行故障信息检测方法和系统 | |
CN109472224A (zh) | 基于eeg与eog融合的疲劳驾驶检测系统 | |
CN113370786A (zh) | 基于多源信息融合的单位用车车载酒驾综合检测系统 | |
CN117341715B (zh) | 一种基于联合自检的车辆行驶安全预警方法 | |
CN106092948A (zh) | 一种车辆监测用远程红外线酒精测试系统 | |
CN110121731A (zh) | 点呼/点检辅助装置、点呼/点检辅助系统以及点呼/点检辅助程序 |
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 |