用于车辆驾驶员的实时监测方法及系统、设备、介质与流程
本发明涉及行驶检测,具体而言,涉及用于车辆驾驶员的实时监测方法及系统、设备、介质。
背景技术:
1、在车辆智能化阶段,都装配有关于驾驶员疲劳检测的功能,来对当前驾驶员进行疲劳检测提醒,来降低发生车祸的概率。目前绝大多数的处理方案是基于机器视觉的检测通过车载摄像头采集人脸图像,利用深度学习提取面部特征,实现非接触式状态识别,进行疲劳告警。
2、但是目前现有技术中一般只依靠车辆的行驶时间和采集驾驶员人脸图像进行疲劳提醒,未结合到车辆自身的多种数据进行融合考虑,导致现有技术可能存在较大的检测误差。
技术实现思路
1、本发明的目的是提供一种用于车辆驾驶员的实时监测方法及系统、设备、介质,来解决现有技术中的上述问题。
2、本发明通过以下技术方案实现:
3、第一方面,本发明提供了一种用于车辆驾驶员的实时监测方法,包括:
4、获取当前驾驶员的状态数据、驾驶时长和车辆运行参数,对所述状态数据和车辆运行参数进行预处理后,得到目标状态数据和目标车辆运行参数;
5、构建疲劳评价模型,基于目标状态数据和运行参数通过疲劳评价模型输出疲劳指数,并设置判断阈值,若疲劳指数大于判断阈值则发出告警信号到车机端或者远程端;
6、若疲劳指数小于等于判断阈值,则构建汽车状态评估模型,基于车辆运行参数通过汽车状态评估模型输出当前汽车的评估指数,基于评估指数对所述疲劳指数进行修正,得到目标疲劳指数;
7、若目标疲劳指数大于判断阈值,则发出告警信号到车机端或者远程端,若目标疲劳指数小于等于判断阈值,则等待下一次的疲劳监测评估。
8、优选的,所述构建疲劳评价模型包括:
9、构建图像判别模型,基于图像判别模型输出当前的参考指数,基于参考指数与驾驶时长得到所述疲劳指数;
10、所述图像判别模型包括分别构建眼部得分因子、哈欠得分因子和头部姿态疲劳得分因子;
11、基于眼部得分因子、哈欠得分因子和头部姿态疲劳得分因子进行加权融合得到参考指数。
12、优选的,所述眼部得分因子包括:
13、
14、哈欠得分因子包括:
15、
16、头部姿态疲劳得分因子包括:
17、
18、汽车偏离得分因子包括:
19、
20、式中,为眼部得分因子,为驾驶员上下眼皮关键点的第一欧氏距离小于驾驶员正常状态上下眼皮关键点的第一欧氏距离阈值的时长,为采集周期时长,为哈欠得分因子,为当前采集周期下打哈欠的次数,为当前采集周期下打哈欠的基准次数,为非正常偏头时长,为头部姿态疲劳得分因子,为汽车偏离得分因子,为偏离次数,为当前采集周期下偏离的基准次数。
21、优选的,所述驾驶员上下眼皮关键点的第一欧氏距离小于驾驶员正常状态上下眼皮关键点的第一欧氏距离阈值的时长包括:
22、当第一欧氏距离小于第一欧氏距离阈值时,开始执行记录时间,当第一欧氏距离大于等于第一欧氏距离阈值时,结束时间记录得到第一目标时间段,将所有第一目标时间段相加得到;
23、打哈欠的次数包括获取上嘴皮与下嘴皮关键点的第二欧氏距离,若第二欧氏距离大于预设的第二欧氏距离阈值,且此时第一欧氏距离小于第一欧氏距离阈值,则判定为一次打哈欠的动作;
24、所述非正常偏头时长包括获取头部综合角度偏离值,设置偏离值阈值,当头部综合角度偏离值大于等于预设的偏离值阈值时,开始执行记录时间,当头部综合角度偏离值小于预设的偏离值阈值时,结束时间记录得到第二目标时间段,将所有第二目标时间段相加得到。
25、优选的,所述头部综合角度偏离值包括:
26、
27、式中,为头部姿态疲劳得分因子,、、分别为头部俯仰角、偏航角和翻滚角,、、分别为正常坐姿的头部俯仰角、偏航角和翻滚角,、、为第一计算权重,其和为1。
28、优选的,所述基于参考指数与驾驶时长得到所述疲劳指数包括:
29、
30、
31、式中,为疲劳指数,为疲劳告警的最大驾驶时长,为当前行驶时长,为参考指数,、、、为第二计算权重,其和为1。
32、优选的,所述构建汽车状态评估模型包括:
33、
34、式中,为目标疲劳指数,为当前道路最高上限时速,为当前时速,为道路指数,取0至1,为当前车辆乘坐人数,为当前车辆准载人数,为从出发点到终点的全程距离,为当前已行驶路程,当大于等于1时,取1,小于1时,取原值。
35、第二方面,本发明还提供了用于车辆驾驶员的实时监测系统,用于执行上述的用于车辆驾驶员的实时监测方法,包括:
36、数据处理模块,被配置为获取当前驾驶员的状态数据、驾驶时长和车辆运行参数,对所述状态数据和车辆运行参数进行预处理后,得到目标状态数据和目标车辆运行参数;
37、告警模块,被配置为构建疲劳评价模型,基于目标状态数据和运行参数通过疲劳评价模型输出疲劳指数,并设置判断阈值,若疲劳指数大于判断阈值则发出告警信号到车机端或者远程端;若疲劳指数小于等于判断阈值,则构建汽车状态评估模型,基于车辆运行参数通过汽车状态评估模型输出当前汽车的评估指数,基于评估指数对所述疲劳指数进行修正,得到目标疲劳指数;若目标疲劳指数大于判断阈值,则发出告警信号到车机端或者远程端,若目标疲劳指数小于等于判断阈值,则等待下一次的疲劳监测评估。
38、第三方面,本发明还提供了一种电子设备,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,所述处理器执行所述计算机程序时实现上述的用于车辆驾驶员的实时监测方法。
39、第四方面,本发明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上存储计算机程序,所述计算机程序被处理器执行时实现上述的用于车辆驾驶员的实时监测方法。
40、本发明的技术方案至少具有如下优点和有益效果:
41、采用本发明提供的方法,主要包括构建疲劳评价模型,基于目标状态数据和运行参数通过疲劳评价模型输出疲劳指数,并设置判断阈值,若疲劳指数大于判断阈值则发出告警信号到车机端或者远程端;若疲劳指数小于等于判断阈值,则构建汽车状态评估模型,基于车辆运行参数通过汽车状态评估模型输出当前汽车的评估指数,基于评估指数对所述疲劳指数进行修正。通过上述方法,弥补单一视觉检测易受光照、佩戴口罩、姿态干扰带来的识别偏差,通过获取车辆实际行驶行为数据,与人脸疲劳特征相互校验,提升识别的综合可靠性,降低系统误报率。
1.用于车辆驾驶员的实时监测方法,其特征在于,包括:
2.根据权利要求1所述的用于车辆驾驶员的实时监测方法,其特征在于,所述构建疲劳评价模型包括:
3.根据权利要求所述2的用于车辆驾驶员的实时监测方法,其特征在于,所述眼部得分因子包括:
4.根据权利要求3所述的用于车辆驾驶员的实时监测方法,其特征在于,所述驾驶员上下眼皮关键点的第一欧氏距离小于驾驶员正常状态上下眼皮关键点的第一欧氏距离阈值的时长包括:
5.根据权利要求4所述的用于车辆驾驶员的实时监测方法,其特征在于,所述头部综合角度偏离值包括:
6.根据权利要求2所述的用于车辆驾驶员的实时监测方法,其特征在于,所述基于参考指数与驾驶时长得到所述疲劳指数包括:
7.根据权利要求1所述的用于车辆驾驶员的实时监测方法,其特征在于,所述构建汽车状态评估模型包括:
8.用于车辆驾驶员的实时监测系统,其特征在于,用于执行权利要求1-7任意一项所述的用于车辆驾驶员的实时监测方法,包括:
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计算机程序时实现权利要求1-7任意一项所述的用于车辆驾驶员的实时监测方法。
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1-7任意一项所述的用于车辆驾驶员的实时监测方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com