一种多光谱AI中控台及其使用方法与流程

摘要: 本发明涉及汽车安全辅助系统,具体为一种多光谱ai中控台及其使用方法。背景技术:1、驾驶员状态监测系统是提升道路交通安全的重要技术手段,目前,现有的驾驶员监测系统...
一种多光谱AI中控台及其使用方法与流程

本发明涉及汽车安全辅助系统,具体为一种多光谱ai中控台及其使用方法。

背景技术:

1、驾驶员状态监测系统是提升道路交通安全的重要技术手段,目前,现有的驾驶员监测系统主要采用基于视觉传感器或车辆动态参数的被动监测方式,基于视觉的方案通过在车内安装摄像头采集驾驶员面部图像,利用图像处理算法识别闭眼时长超阈值、频繁打哈欠、视线偏离路面等典型的疲劳或分神特征,当特征参数超过预设阈值时触发报警,基于车辆动态参数的方案则通过监测方向盘转角平稳性、车道保持能力、车速变化等驾驶行为特征来间接判断驾驶员状态,此外,部分系统尝试融合多种传感器信息,如结合方向盘脱手检测与视线监测进行综合判断,这些系统在识别出驾驶员已处于疲劳或分神等异常状态后,向驾驶员发出声、光或触觉报警。

2、然而,上述现有技术方案存在以下不足:

3、第一,现有系统的报警触发依赖于预设的固定阈值,当驾驶员的生理或行为特征达到该阈值时才启动报警,这种“事后报警”机制导致系统干预时机严重滞后——当监测参数达到异常阈值时,驾驶员的状态已经偏离正常区间,此时再发出报警,驾驶员的自主调节能力和应急响应能力均已下降,存在风险;

4、第二,基于单一模态传感器的方案在夜间弱光、强光逆光或驾驶员佩戴墨镜等条件下检测可靠性明显下降;

5、第三,现有系统多采用统一预设模型和报警阈值,难以针对不同驾驶员的个体生理差异进行个性化评估,导致误报率高,频繁的误报警会降低驾驶员对系统的信任度,甚至导致驾驶员主动关闭系统。

技术实现思路

1、针对现有技术的不足,本发明提供了一种多光谱ai中控台及其使用方法,以解决上述背景技术中提出的问题。

2、为实现以上目的,本发明通过以下技术方案予以实现:一种多光谱ai中控台,包括中控台外壳,还包括:

3、多光谱一体化采集模块,配置为采集驾驶员的可见光、近红外和长波红外光谱图像数据;

4、ai特征提取模块,配置为从所述光谱图像数据中提取反映驾驶员自主神经生理状态的温度场熵值、瞳孔微波动频率和血氧饱和度特征;

5、趋势分析模块,配置为计算所述温度场熵值、瞳孔微波动频率和血氧饱和度特征在预设时间窗口内的变化速率作为趋势斜率,并根据所述趋势斜率计算状态置信度,以及根据所述状态置信度与预设置信度阈值的比较结果生成状态预测信号;

6、干预模块,配置为响应于所述状态预测信号,执行包含多个渐进级别的环境调整操作以试探驾驶员的响应能力,并基于驾驶员对所述环境调整操作的响应反馈动态调整干预策略。

7、优选的,所述趋势分析模块计算温度场熵值上升斜率、瞳孔微波动频率下降斜率和血氧饱和度下降斜率;所述趋势分析模块将所述温度场熵值上升斜率、瞳孔微波动频率下降斜率和血氧饱和度下降斜率分别乘以对应的预设权重系数后进行加权融合,计算得到所述状态置信度;当所述状态置信度达到所述预设置信度阈值时,所述趋势分析模块判定驾驶员状态即将异常,生成所述状态预测信号。

8、优选的,所述干预模块执行的包含多个渐进级别的环境调整操作包括:

9、第一级环境调整:控制氛围灯以第一预设变化速率从冷色向暖色过渡,并控制中控屏以第二预设变化速率提高显示亮度;

10、第二级环境调整:在所述第一级环境调整执行后驾驶员响应不满足第一响应条件的情况下,控制空调以预设降温速率降低座舱温度,并控制音频输出装置播放预设音频信号;

11、第三级环境调整:在所述第二级环境调整执行后驾驶员响应不满足第二响应条件的情况下,触发明确预警信号。

12、优选的,所述干预模块包括:

13、响应评估单元,配置为在所述第一级环境调整执行后,监测驾驶员瞳孔对光变化的调节反应速度作为第一响应反馈;在所述第二级环境调整执行后,监测驾驶员面部微表情对温度变化的反应作为第二响应反馈;

14、策略决策单元,配置为:

15、当所述第一响应反馈满足所述第一响应条件时,判定驾驶员神经反射能力正常,维持当前环境参数并继续监测;

16、当所述第一响应反馈不满足所述第一响应条件但所述第二响应反馈满足所述第二响应条件时,判定驾驶员感知能力正常但状态有下降趋势,执行维持性环境微调而不触发升级报警;

17、当所述第一响应反馈不满足所述第一响应条件且所述第二响应反馈不满足所述第二响应条件时,判定驾驶员感知-响应通路明显迟钝,触发所述第三级环境调整。

18、优选的,所述第一预设变化速率和所述第二预设变化速率均为可主动配置的变化速率值(例如0.5%/分钟),且被配置为低于驾驶员感知阈值;所述预设降温速率为可主动配置的降温速率值(例如每30秒降低0.5℃);所述预设音频信号为低音量白噪音;所述明确预警信号包括通过中控台发出的定向语音提醒和通过座椅产生的短暂振动。

19、优选的,所述多光谱一体化采集模块包括:

20、可见光成像单元,配置为在可见光谱段采集驾驶员面部图像,用于提取瞳孔直径微波动频率特征和微表情特征;

21、近红外成像单元,配置为在近红外光谱段采集驾驶员面部血流灌注图像,用于提取血氧饱和度特征和血流微循环特征;

22、长波红外成像单元,配置为在长波红外光谱段采集驾驶员面部温度场分布图像,用于提取面部温度场熵值特征和皮肤温度场变化特征;

23、所述可见光成像单元、所述近红外成像单元和所述长波红外成像单元采用多波段光谱协同互补检测方式同时采集,且适配车内强光、逆光、夜间弱光和颠簸震动环境。

24、优选的,还包括:

25、车载对接接口,配置为与车载中控系统、车机智能终端及云端管理平台通信连接;

26、数据融合模块,配置为将所述温度场熵值、瞳孔微波动频率和血氧饱和度特征与车辆动态参数进行融合,生成综合驾驶状态评估结果;

27、预警输出模块,配置为根据所述干预模块的干预策略和所述综合驾驶状态评估结果,输出相应的控制指令至车载执行单元。

28、本发明还公开了一种多光谱ai中控台的使用方法,基于所述的一种多光谱ai中控台,包括如下步骤:

29、步骤s1:通过多光谱一体化采集模块采集驾驶员的可见光、近红外和长波红外光谱图像数据;

30、步骤s2:从所述光谱图像数据中提取反映驾驶员自主神经生理状态的温度场熵值、瞳孔微波动频率和血氧饱和度特征;

31、步骤s3:计算所述温度场熵值、瞳孔微波动频率和血氧饱和度特征在预设时间窗口内的变化速率作为趋势斜率,根据所述趋势斜率计算状态置信度,并根据所述状态置信度与预设置信度阈值的比较结果生成状态预测信号;

32、步骤s4:响应于所述状态预测信号,执行包含多个渐进级别的环境调整操作以试探驾驶员的响应能力,并基于驾驶员对所述环境调整操作的响应反馈动态调整干预策略。

33、优选的,所述步骤s3具体包括:

34、计算温度场熵值在预设时间窗口内的上升斜率、瞳孔微波动频率在预设时间窗口内的下降斜率、以及血氧饱和度在预设时间窗口内的下降斜率;

35、设定所述温度场熵值上升斜率对应的第一预设权重系数、所述瞳孔微波动频率下降斜率对应的第二预设权重系数和所述血氧饱和度下降斜率对应的第三预设权重系数;

36、将所述上升斜率和所述下降斜率分别乘以各自对应的预设权重系数后进行加权求和,得到所述状态置信度;

37、当所述状态置信度达到预设的置信度阈值时,判定驾驶员状态即将异常,生成所述状态预测信号。

38、优选的,所述步骤s4具体包括:

39、步骤s41:执行第一级环境调整——控制氛围灯以第一预设变化速率(例如0.5%/分钟)从冷色向暖色过渡,并控制中控屏以第二预设变化速率(例如0.5%/分钟)提高显示亮度;监测驾驶员瞳孔对光变化的调节反应速度作为第一响应反馈;

40、步骤s42:当所述第一响应反馈不满足第一响应条件时,执行第二级环境调整——控制空调以预设降温速率(例如每30秒降低0.5℃)降低座舱温度,并控制音频输出装置播放低音量白噪音;监测驾驶员面部微表情对温度变化的反应作为第二响应反馈;

41、步骤s43:当所述第二响应反馈不满足第二响应条件时,执行第三级环境调整——通过中控台发出定向语音提醒,同时控制座椅产生短暂振动;

42、步骤s44:当所述第一响应反馈满足所述第一响应条件时,维持当前环境参数并继续监测;当所述第一响应反馈不满足所述第一响应条件但所述第二响应反馈满足所述第二响应条件时,执行维持性环境微调而不触发升级报警。

43、本发明的技术效果和优点:

44、该多光谱ai中控台,第一,通过多光谱一体化采集模块同时采集驾驶员的可见光、近红外和长波红外光谱图像数据,ai特征提取模块从光谱图像数据中提取温度场熵值、瞳孔微波动频率和血氧饱和度特征,趋势分析模块计算上述特征在预设时间窗口内的变化速率作为趋势斜率并根据趋势斜率计算状态置信度,当状态置信度达到预设置信度阈值时生成状态预测信号,实现了在驾驶员状态偏离正常区间之前的预判性评估,克服了传统被动监测系统事后报警的问题,减少风险。

45、第二,通过干预模块响应于状态预测信号执行包含多个渐进级别的环境调整操作,环境调整操作包括以低于驾驶员感知阈值的变化速率控制氛围灯从冷色向暖色过渡并控制中控屏提高显示亮度、控制空调以预设降温速率降低座舱温度并控制音频输出装置播放预设音频信号、以及在驾驶员响应不满足条件时触发明确预警信号,实现了在驾驶员无意识状态下对其自主神经响应能力的动态测试,避免了传统报警机制因缺乏对驾驶员响应能力评估而导致的无效干预。

46、第三,通过响应评估单元在各级环境调整执行后分别监测驾驶员瞳孔对光变化的调节反应速度和面部微表情对温度变化的反应作为响应反馈,策略决策单元根据响应反馈是否满足对应的响应条件来判定驾驶员神经反射能力和驾驶员状态并动态调整干预强度,实现了基于驾驶员个体实时响应能力的差异化干预策略,解决了传统统一阈值报警模式因忽视个体差异而导致的高误报率问题。