一种人工智能预警系统和方法与流程

1.本发明涉及驾驶安全技术领域，具体涉及一种人工智能预警系统和方法。


背景技术：

2.交通事故的发生多除了车辆本身的机械故障外引发外通常多数为人为因数导致的，我国交通运输业发展迅速，随之而来的道路交通事故也呈上升趋势，在驾驶员驾驶车辆的过程中多存在疲劳驾驶以及使用不规范的姿势驾驶的现象，在参与交通的过程中，疲劳驾驶和不规范的驾驶姿势也是导致交通事故的直接诱因，目前有部分车辆上安装有驾驶员安全驾驶提醒设备，但是这些设备在正常工作状态下需要实时联网才能工作，在如隧道以及信号不好的位置这些设备往往不能正常工作，同时，这些设备只能检测驾驶员是否存在疲劳驾驶，不能检测驾驶员是否存在不规范驾驶姿势以及不规范行车动作，不能更好的避免因驾驶员的操作导致的交通事故。


技术实现要素：

3.本发明实施例提供了一种人工智能预警系统和方法，基于人工智能技术通过设置驾驶员精神状态监测模块、驾驶员姿态状态监测模块和车辆状态监测模块，分别对驾驶员的精神状态、驾驶员的姿态和车辆的状态进行判定，在驾驶员的精神状态、驾驶员的姿态和车辆的状态出现异常时对驾驶员进行预警，避免发生交通事故，同时，驾驶员精神状态监测模块、驾驶员姿态状态监测模块和车辆状态监测模块内部存储有预设的数据，根据预设的数据对驾驶员的精神状态、姿态和车辆的状态进行判定，不需要实时联网，同时预设的数据可以与云端服务器连接实时更新，解决了目前预驾驶员安全驾驶提醒设备存在的需要实时联网才能工作，只能检测驾驶员是否存在疲劳驾驶，不能检测驾驶员是否存在不规范驾驶姿势以及不规范行车动作，不能更好的避免因驾驶员的操作导致的交通事故的问题。
4.一种人工智能预警系统，包括：驾驶员精神状态监测模块、驾驶员姿态状态监测模块、车身状态监测模块、云端服务器和预警模块；驾驶员精神状态监测模块，用于获取驾驶员的图像数据，并将图像数据发送到所述云端服务器，还用于根据驾驶员的图像数据获取驾驶员的精神状态数据，并对驾驶员的精神状态进行判定，根据判定结果通过所述预警模块进行预警；驾驶员姿态状态监测模块，用于获取驾驶员的图像数据，并将图像数据发送到所述云端服务器，还用于根据驾驶员的图像数据获取驾驶员的姿态数据，并对驾驶员的姿态进行判定，根据判定结果通过所述预警模块进行预警；车辆状态监测模块，用于获取车辆的状态数据，并将获取的数据发送到云端服务器，并根据获取车辆的状态数据对车辆的状态进行判定，根据判定结果通过所述预警模块进行预警；云端服务器，用于接收所述驾驶员精神状态监测模块、所述驾驶员姿态状态监测模块、所述车辆状态监测模块发送的数据，并根据接收的数据进行深度学习得到图像识别
模型；预警模块，用于根据所述驾驶员精神状态监测模块、所述驾驶员姿态状态监测模块、所述车辆状态监测模块发送的预警信息对驾驶员进行预警。
5.进一步的，所述驾驶员精神状态监测模块包括第一数据采集单元、第一数据预处理单元、第一关键点捕获单元、第一数据存储单元、第一数据对比单元、第一预警单元和第一数据上传单元，所述第一数据采集单元用于采集驾驶员的头部图像数据，并将采集的头部图像数据发送到所述第一数据预处理单元和所述第一数据上传单元，所述第一数据上传单元接收到头部数据后实时上传到所述云端服务器，所述第一数据预处理单元对头部图像数据进行预处理后，将处理完成的头部图像数据发送到所述第一关键点捕获单元，所述第一关键点捕获单元对头部数据中的关键点进行捕捉，得到头部关键点数据，第一数据存储单元用于存储预设的头部关键点数据和对应的姿态和对应的精神状态，所述第一数据对比单元根据预设的头部关键点数据与所述第一关键点捕获单元捕捉得到的头部关键点数据进行比对得到比对结果，第一预警单元对比对结果进行判定，根据判定结果选择发出预警信号到所述预警模块和不发出预警信号到所述预警模块中任一种结果。
6.进一步的，所述第一数据采集单元为红外线摄像头，用于采集驾驶员的头部图像数据，所述第一数据预处理单元的预处理图像数据的步骤为：
①
将图像数据转换为单帧图片；
②
去除图像的颜色；
③
进行图像归一化处理。
7.进一步的，关键点数据包括眼睛轮廓的关键点数据和关键点运动轨迹数据以及驾驶员头部关键点数据和关键点运动轨迹数据。
8.进一步的，所述驾驶员姿态状态监测模块包括第二数据采集单元、第二数据预处理单元、第二关键点捕获单元、第二数据存储单元、第二数据对比单元、第二预警单元和第二数据上传单元，所述第二数据采集单元用于采集驾驶员的躯干和四肢的图像数据，并将采集的躯干和四肢的图像数据发送到所述第二数据预处理单元和所述第二数据上传单元，所述第二数据上传单元接收到躯干和四肢的图像数据后实时上传到所述云端服务器，所述第二数据预处理单元对躯干和四肢的图像数据进行预处理后，将处理完成的躯干和四肢的图像数据发送到所述第二关键点捕获单元，所述第二关键点捕获单元对躯干和四肢的数据中的关键点进行捕捉，得到躯干和四肢的关键点数据，第二数据存储单元用于存储预设的躯干和四肢的关键点数据，所述第二数据对比单元根据预设的躯干和四肢的关键点数据与所述第二关键点捕获单元捕捉得到的躯干和四肢的关键点数据进行比对得到比对结果，第二预警单元对比对结果进行判定，根据判定结果选择发出预警信号到所述预警模块和不发出预警信号到所述预警模块中任一种结果。
9.进一步的，所述第二数据采集单元为红外线摄像头，用于采集驾驶员的头部图像数据，所述第二数据预处理单元的预处理图像数据的步骤为：
①
将图像数据转换为单帧图片；
②
去除图像的颜色；
③
进行图像归一化处理。
10.进一步的，关键点数据包括躯干的关键点数据和关键点运动轨迹数据以四肢的关键点数据和关键点运动轨迹数据。
11.进一步的，所述车辆状态监测模块包括第三数据采集单元、第三数据预处理单元、第三关键点捕获单元、第三数据存储单元、第三数据对比单元、第三预警单元和第三数据上传单元，所述第三数据采集单元用于采集车辆前方路面的图像数据，并将采集的车辆前方
路面的图像数据发送到所述第三数据预处理单元和所述第三数据上传单元，所述第三数据上传单元接收到车辆前方路面的图像数据后实时上传到所述云端服务器，所述第三数据预处理单元对车辆前方路面的图像数据进行预处理后，将处理完成的车辆前方路面的图像数据发送到所述第三关键点捕获单元，所述第三关键点捕获单元对车辆前方路面的图像数据中的关键点进行捕捉，得到车辆前方路面的关键点数据，第三数据存储单元用于存储预设的车辆前方路面的关键点数据和对应的车辆状态，所述第三数据对比单元根据预设的车辆前方路面的关键点数据与所述第三关键点捕获单元捕捉得到的车辆前方路面的关键点数据进行比对得到比对结果，第三预警单元对比对结果进行判定，根据判定结果选择发出预警信号到所述预警模块和不发出预警信号到所述预警模块中任一种结果，所述第三数据采集单元为红外线摄像头，用于采集驾驶员的头部图像数据，所述第三数据预处理单元的预处理图像数据的步骤为：
①
将图像数据转换为单帧图片；
②
去除图像的颜色；
③
进行图像归一化处理；
④
识别车辆正前方的车道，关键点数据包括车辆前方路面的关键点数据。
12.进一步的，所述云端服务器内部设有人工智能单元和数据通信单元，所述人工智能单元用于对驾驶员的图像信息和车辆前方路面的图像信息进行识别，所述数据通信单元用于接收所述驾驶员精神状态监测模块、所述驾驶员姿态状态监测模块和所述车辆状态监测模块发送的数据，并将接收的数据输入到人工智能单元进行深度学习，还用于根据发送的数据生成关键点数据和对应的状态，并将生成的关键点数据和对应的状态通过数据通信单元将图像识别模型分别发送到所述驾驶员精神状态监测模块、所述驾驶员姿态状态监测模块和所述车辆状态监测模块中。
13.第二方面，本发明实施例提供一种人工智能预警方法，包括以下步骤：s1，数据采集，采集驾驶员和车辆的状态数据；其中，步骤s1包括：s11，驾驶员头部信息采集，第一数据采集单元采集驾驶员的头部图像数据，并将采集的头部图像数据发送到第一数据预处理单元和第一数据上传单元，第一数据上传单元接收到头部数据后实时上传到云端服务器；s12，驾驶员姿态状态采集，第二数据采集单元采集驾驶员的躯干和四肢的图像数据，并将采集的躯干和四肢的图像数据发送到第二数据预处理单元和第二数据上传单元，第二数据上传单元接收到躯干和四肢的图像数据后实时上传到云端服务器；s13，车辆状态采集，第三数据采集单元采集车辆前方路面的图像数据，并将采集的车辆前方路面的图像数据发送到第三数据预处理单元和第三数据上传单元，第三数据上传单元接收到车辆前方路面的图像数据后实时上传到云端服务器；s2，数据比对及预警，对采集到的驾驶员和车辆的状态数据进行预处理后提取关键点与预设的关键点进行比对，得到结果，根据比对结果进行预警；其中，步骤s2包括：s21，驾驶员头部数据比对及预警，第一数据预处理单元对头部图像数据进行预处理后，将处理完成的头部图像数据发送到第一关键点捕获单元，第一关键点捕获单元对头部数据中的关键点进行捕捉，得到头部关键点数据，第一数据存储单元存储预设的头部关键点数据和对应的姿态和对应的精神状态，第一数据对比单元根据预设的头部关键点数据与第一关键点捕获单元捕捉得到的头部关键点数据进行比对得到比对结果，第一预警单元
对比对结果进行判定，根据判定结果选择发出预警信号到预警模块和不发出预警信号到预警模块；s22，驾驶员姿态数据比对及预警，第二数据预处理单元对躯干和四肢的图像数据进行预处理后，将处理完成的躯干和四肢的图像数据发送到第二关键点捕获单元，第二关键点捕获单元对躯干和四肢的数据中的关键点进行捕捉，得到躯干和四肢的关键点数据，第二数据存储单元存储预设的躯干和四肢的关键点数据，第二数据对比单元根据预设的躯干和四肢的关键点数据与第二关键点捕获单元捕捉得到的躯干和四肢的关键点数据进行比对得到比对结果，第二预警单元对比对结果进行判定，根据判定结果选择发出预警信号到预警模块和不发出预警信号到预警模块；s13，车辆状态数据比对及预警，第三数据预处理单元对车辆前方路面的图像数据进行预处理后，将处理完成的车辆前方路面的图像数据发送到第三关键点捕获单元，第三关键点捕获单元对车辆前方路面的图像数据中的关键点进行捕捉，得到车辆前方路面的关键点数据，第三数据存储单元存储预设的车辆前方路面的关键点数据和对应的车辆状态，第三数据对比单元根据预设的车辆前方路面的关键点数据与第三关键点捕获单元捕捉得到的车辆前方路面的关键点数据进行比对得到比对结果，第三预警单元对比对结果进行判定，根据判定结果选择发出预警信号到预警模块和不发出预警信号到预警模块；s3，预设数据更新，人工智能单元对驾驶员的图像信息和车辆前方路面的图像信息进行识别，数据通信单元接收驾驶员精神状态监测模块、驾驶员姿态状态监测模块和车辆状态监测模块发送的数据，并将接收的数据输入到人工智能单元进行深度学习，根据发送的数据生成驾驶员的关键点数据，并将生成的关键点数据通过数据通信单元将图像识别模型分别发送到驾驶员精神状态监测模块、驾驶员姿态状态监测模块和车辆状态监测模块中对预设的关键点书进行实时更新。
14.本发明实施例提供的上述技术方案的有益效果至少包括：本发明基于人工智能技术通过设置驾驶员精神状态监测模块、驾驶员姿态状态监测模块和车辆状态监测模块，分别对驾驶员的精神状态、驾驶员的姿态和车辆的状态进行判定，在驾驶员的精神状态、驾驶员的姿态和车辆的状态出现异常时对驾驶员进行预警，避免发生交通事故，同时，驾驶员精神状态监测模块、驾驶员姿态状态监测模块和车辆状态监测模块内部存储有预设的数据，根据预设的数据对驾驶员的精神状态、姿态和车辆的状态进行判定，不需要实时联网，同时预设的数据可以与云端服务器连接实时更新，解决了目前预驾驶员安全驾驶提醒设备存在的需要实时联网才能工作，只能检测驾驶员是否存在疲劳驾驶，不能检测驾驶员是否存在不规范驾驶姿势以及不规范行车动作，不能更好的避免因驾驶员的操作导致的交通事故的问题。
15.本发明的其它特征和优点将在随后的说明书中阐述，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而了解。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。
16.下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
17.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实
施例一起用于解释本发明，并不构成对本发明的限制。在附图中：图1为本发明实施例公开的一种人工智能预警系统的机构示意图；图2为本发明实施例公开的一种人工智能预警方法的流程示意图;图3为本发明实施例公开的数据采集的流程示意图；图4为本发明实施例公开的数据比对及预警的流程示意图；图5为本发明实施例公开的驾驶员躯干、四肢和头部图像数据关键点捕捉示意图；图6为本发明实施例公开的车辆前方图像数据关键点捕捉示意图。
18.附图标记：100、驾驶员精神状态监测模块；101、第一数据采集单元；102、第一数据预处理单元；103、第一关键点捕获单元；104、第一数据存储单元；105、第一数据对比单元；106、第一预警单元；107、第一数据上传单元；200、驾驶员姿态状态监测模块；201、第二数据采集单元；202、第二数据预处理单元；203、第二关键点捕获单元；204、第二数据存储单元；205、第二数据对比单元；206、第二预警单元；207、第二数据上传单元；300、车辆状态监测模块；301、第三数据采集单元；302、第三数据预处理单元；303、第三关键点捕获单元；304、第三数据存储单元；305、第三数据对比单元；306、第三预警单元；307、第三数据上传单元；400、云端服务器；401、人工智能单元；402、数据通信单元；500、预警模块。
具体实施例
19.下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
20.实施例一如图1和5
‑
6所示，本发明实施例提供一种人工智能预警系统，包括：驾驶员精神状态监测模块100、驾驶员姿态状态监测模块200、车身状态监测模块、云端服务器400和预警模块500；驾驶员精神状态监测模块100，用于获取驾驶员的图像数据，并将图像数据发送到云端服务器400，还用于根据驾驶员的图像数据获取驾驶员的精神状态数据，并对驾驶员的精神状态进行判定，根据判定结果通过预警模块500进行预警，驾驶员精神状态监测模块100包括第一数据采集单元101、第一数据预处理单元102、第一关键点捕获单元103、第一数据存储单元104、第一数据对比单元105、第一预警单元106和第一数据上传单元107，第一数据采集单元101用于采集驾驶员的头部图像数据，并将采集的头部图像数据发送到第一数据预处理单元102和第一数据上传单元107，第一数据上传单元107接收到头部数据后实时上传到云端服务器400，第一数据预处理单元102对头部图像数据进行预处理后，将处理完成的头部图像数据发送到第一关键点捕获单元103，第一关键点捕获单元103对头部数据中的关键点进行捕捉，得到头部关键点数据，第一数据存储单元104用于存储预设的头部关键点数据和对应的姿态和对应的精神状态，第一数据对比单元105根据预设的头部关键点数据与第一关键点捕获单元103捕捉得到的头部关键点数据进行比对得到比对结果，第一预警单元106对比对结果进行判定，根据判定结果选择发出预警信号到预警模块500和不发出
预警信号到预警模块500中任一种结果，第一数据采集单元101为红外线摄像头，用于采集驾驶员的头部图像数据，第一数据预处理单元102的预处理图像数据的步骤为：
①
将图像数据转换为单帧图片；
②
去除图像的颜色；
③
进行图像归一化处理，关键点数据包括眼睛轮廓的关键点数据和关键点运动轨迹数据以及驾驶员头部关键点数据和关键点运动轨迹数据；具体的，根据设置在车内朝向驾驶员头部的红外线摄像头采集驾驶员的头部图像数据，第一数据上传单元107将采集到的驾驶员的头部图像数据上传到云端服务器400中，同时，第一数据预处理单元102对驾驶员的头部图像数据进行预处理后得到连续的单帧图片，第一关键点捕获单元103提取连续的单帧图片中的眼睛轮廓和头部轮廓关键点的坐标和运动轨迹，形成集合，例如，左眼的轮廓关键点集合为：a（x1,y1），b（x2,y2），c（x3,y3），d（x4,y4），e（x5,y5），f（x6,y6），g（x7,y7）, 右眼的轮廓关键点集合为：a1（m1,n1），b1（m2,n2），c1（m3,n3），d1（m4,n4），e1（m5,n5），f1（m6,n6），g1（m7,n7）, 关键点的坐标根据单帧图片中横向像素和纵向像素点的位置确定，第一数据存储单元104存储的头部关键点数据为头部轮廓的关键点和眼睛轮廓的关键点及其坐标位置和对应的精神状态，在检测的头部关键点的坐标与预设的头部关键点重合以及重合度大于85%时，第一数据对比单元105判定驾驶员的精神状态与当前的预设的头部关键点对应的精神状态吻合，得到当前驾驶员处于疲劳驾驶状态的结果，同时，在对在检测的头部关键点的坐标变化轨迹趋于与预设的头部关键点的坐标靠近以及长时间靠近时，判定得到当前驾驶员处于疲劳驾驶状态的结果，在检测的头部关键点的坐标与预设的头部关键点重合以及重合度小于85%时，第一数据对比单元105判定驾驶员的精神状态与当前的预设的头部关键点对应的精神状态不吻合，得到当前驾驶员处于未疲劳驾驶状态的结果，同时，在对在检测的头部关键点的坐标变化轨迹未趋于与预设的头部关键点的坐标靠近以及未长时间靠近时，判定得到当前驾驶员未处于疲劳驾驶状态的结果，第一预警单元106根据得到的对比结果发出或不发出预警信息到预警模块500。
21.驾驶员姿态状态监测模块200，用于获取驾驶员的图像数据，并将图像数据发送到云端服务器400，还用于根据驾驶员的图像数据获取驾驶员的姿态数据，并对驾驶员的姿态进行判定，根据判定结果通过预警模块500进行预警，驾驶员姿态状态监测模块200包括第二数据采集单元201、第二数据预处理单元202、第二关键点捕获单元203、第二数据存储单元204、第二数据对比单元205、第二预警单元206和第二数据上传单元207，第二数据采集单元201用于采集驾驶员的躯干和四肢的图像数据，并将采集的躯干和四肢的图像数据发送到第二数据预处理单元202和第二数据上传单元207，第二数据上传单元207接收到躯干和四肢的图像数据后实时上传到云端服务器400，第二数据预处理单元202对躯干和四肢的图像数据进行预处理后，将处理完成的躯干和四肢的图像数据发送到第二关键点捕获单元203，第二关键点捕获单元203对躯干和四肢的数据中的关键点进行捕捉，得到躯干和四肢的关键点数据，第二数据存储单元204用于存储预设的躯干和四肢的关键点数据，第二数据对比单元205根据预设的躯干和四肢的关键点数据与第二关键点捕获单元203捕捉得到的躯干和四肢的关键点数据进行比对得到比对结果，第二预警单元206对比对结果进行判定，根据判定结果选择发出预警信号到预警模块500和不发出预警信号到预警模块500中任一种结果，第二数据采集单元201为红外线摄像头，用于采集驾驶员的头部图像数据，第二数据预处理单元202的预处理图像数据的步骤为：
①
将图像数据转换为单帧图片；
②
去除图像的颜色；
③
进行图像归一化处理，关键点数据包括躯干的关键点数据和关键点运动轨迹数
据以四肢的关键点数据和关键点运动轨迹数据；具体的，根据设置在车内朝向驾驶员躯干和四肢的红外线摄像头采集驾驶员的躯干和四肢的图像数据，第二数据上传单元207将采集到的驾驶员的躯干和四肢的图像数据上传到云端服务器400中，同时，第二数据预处理单元202对驾驶员的躯干和四肢的图像数据进行预处理后得到连续的单帧图片，第二关键点捕获单元203提取连续的单帧图片中的躯干和四肢的关键点的坐标和运动轨迹，形成集合, 关键点的坐标根据单帧图片中横向像素和纵向像素点的位置确定，第二数据存储单元204存储的躯干和四肢的关键点数据为躯干和四肢的关键点及其坐标位置和对应的身体姿态，在检测的躯干和四肢的关键点的坐标与预设的躯干和四肢的关键点重合以及重合度大于80%时，第二数据对比单元205判定驾驶员的身体姿态与当前的预设的躯干和四肢的关键点对应的身体姿态吻合，得到当前驾驶员处于驾驶姿势不规范的结果，同时，在对在检测的躯干和四肢的关键点的坐标变化轨迹趋于与预设的躯干和四肢的关键点的坐标靠近时，判定得到当前驾驶员处于驾驶姿势不规范的结果，在检测的躯干和四肢的关键点的坐标与预设的躯干和四肢的关键点重合以及重合度小于80%时，第二数据对比单元205判定驾驶员的身体姿态与当前的预设的躯干和四肢的关键点对应的身体姿态不吻合，得到当前驾驶员处于未驾驶姿势不规范的结果，同时，在对在检测的躯干和四肢的关键点的坐标变化轨迹未趋于与预设的躯干和四肢的关键点的坐标靠近时，判定得到当前驾驶员处于驾驶姿势规范的结果，第二预警单元206根据得到的对比结果发出或不发出预警信息到预警模块500。
22.车辆状态监测模块300，用于获取车辆的状态数据，并将获取的数据发送到云端服务器400，并根据获取车辆的状态数据对车辆的状态进行判定，根据判定结果通过预警模块500进行预警，车辆状态监测模块300包括第三数据采集单元301、第三数据预处理单元302、第三关键点捕获单元303、第三数据存储单元304、第三数据对比单元305、第三预警单元306和第三数据上传单元307，第三数据采集单元301用于采集车辆前方路面的图像数据，并将采集的车辆前方路面的图像数据发送到第三数据预处理单元302和第三数据上传单元307，第三数据上传单元307接收到车辆前方路面的图像数据后实时上传到云端服务器400，第三数据预处理单元302对车辆前方路面的图像数据进行预处理后，将处理完成的车辆前方路面的图像数据发送到第三关键点捕获单元303，第三关键点捕获单元303对车辆前方路面的图像数据中的关键点进行捕捉，得到车辆前方路面的关键点数据，第三数据存储单元304用于存储预设的车辆前方路面的关键点数据和对应的车辆状态，第三数据对比单元305根据预设的车辆前方路面的关键点数据与第三关键点捕获单元303捕捉得到的车辆前方路面的关键点数据进行比对得到比对结果，第三预警单元306对比对结果进行判定，根据判定结果选择发出预警信号到预警模块500和不发出预警信号到预警模块500中任一种结果，第三数据采集单元301为红外线摄像头，用于采集驾驶员的头部图像数据，第三数据预处理单元302的预处理图像数据的步骤为：
①
将图像数据转换为单帧图片；
②
去除图像的颜色；
③
进行图像归一化处理；
④
识别车辆正前方的车道，关键点数据包括车辆前方路面的关键点数据；具体的，第三数据采集单元301采集车辆前方路面的图像数据，第三数据上传单元307将采集到的图像数据上传到云端服务器400中，第三数据预处理单元302对采集的图像数据进行预处理后，得到连续的单帧图片，第三关键点捕获单元303提取连续的单帧图片中
的车辆前方道路车道的关键点的坐标，相互连接形成车辆前方的车道线, 关键点的坐标根据单帧图片中横向像素和纵向像素点的位置确定，第三数据存储单元304存储的车辆前方道路的关键点数据为车辆前方道路的关键点及其坐标位置和对应的车辆状态，在检测的车辆前方道路的关键点的坐标与预设的车辆前方道路的关键点重合以及重合度大于95%时，此时车辆位于车道的内部，第三数据对比单元305判定车辆的车辆状态与当前的预设的车辆前方道路的关键点对应的车辆状态吻合，得到当前车辆处于车辆状态正常结果，在检测的车辆前方道路的关键点的坐标与预设的车辆前方道路的关键点重合以及重合度小于95%时，此时车辆部分车身位于车道的外部，第三数据对比单元305判定车辆的车辆状态与当前的预设的车辆前方道路的关键点对应的车辆状态不吻合，得到当前车辆处于车辆状态不正常的结果，第三预警单元306根据得到的对比结果发出或不发出预警信息到预警模块500。
23.云端服务器400，用于接收驾驶员精神状态监测模块100、驾驶员姿态状态监测模块200、车辆状态监测模块300发送的数据，并根据接收的数据进行深度学习得到图像识别模型，云端服务器400内部设有人工智能单元401和数据通信单元402，人工智能单元401用于对驾驶员的图像信息和车辆前方路面的图像信息进行识别，数据通信单元402用于接收驾驶员精神状态监测模块100、驾驶员姿态状态监测模块200和车辆状态监测模块300发送的数据，并将接收的数据输入到人工智能单元401进行深度学习，还用于根据发送的数据生成关键点数据和对应的状态，并将生成的关键点数据和对应的状态通过数据通信单元402将图像识别模型分别发送到驾驶员精神状态监测模块100、驾驶员姿态状态监测模块200和车辆状态监测模块300中；具体的，第一数据上传单元107、第二数据上传单元207和第三数据上传单元307分别将驾驶员的头部图像、驾驶员的躯干和四肢的图像以及车辆其前方的图像数据发送到数据通信单元402，云端服务器400上设置的人工智能单元401对接收的图像数据进行预处理后进行学习，并识别出不同的精神状态、姿态状态和车辆状态以及对应的关键点及坐标，并通过数据通信单元402将关键点、坐标以及对应的精神状态、姿态和车辆状态发送到第一数据存储单元104、第二数据存储单元204、第三数据存储单元304进行存储更新。
24.预警模块500，用于根据驾驶员精神状态监测模块100、驾驶员姿态状态监测模块200、车辆状态监测模块300发送的预警信息对驾驶员进行预警；具体的，预警模块500通过声音、灯光和振动等方式对驾驶员进行提醒，根据第一预警单元106、第二预警单元206和第三预警单元306发送的信息来对驾驶员进行预警。
25.本发明通过设置驾驶员精神状态监测模块100、驾驶员姿态状态监测模块200和车辆状态监测模块300，分别对驾驶员的精神状态、驾驶员的姿态和车辆的状态进行判定，在驾驶员的精神状态、驾驶员的姿态和车辆的状态出现异常时对驾驶员进行预警，避免发生交通事故，同时，驾驶员精神状态监测模块100、驾驶员姿态状态监测模块200和车辆状态监测模块300内部存储有预设的数据，根据预设的数据对驾驶员的精神状态、姿态和车辆的状态进行判定，不需要实时联网，同时预设的数据可以与云端服务器400连接实时更新，解决了目前预驾驶员安全驾驶提醒设备存在的需要实时联网才能工作，只能检测驾驶员是否存在疲劳驾驶，不能检测驾驶员是否存在不规范驾驶姿势以及不规范行车动作，不能更好的避免因驾驶员的操作导致的交通事故的问题。
26.实施例二
本发明实施例还公开了一种人工智能预警方法，如图2
‑
6，包括以下步骤：s1，数据采集，采集驾驶员和车辆的状态数据；具体的，步骤s1包括：s11，驾驶员头部信息采集，第一数据采集单元101采集驾驶员的头部图像数据，并将采集的头部图像数据发送到第一数据预处理单元102和第一数据上传单元107，第一数据上传单元107接收到头部数据后实时上传到云端服务器400；s12，驾驶员姿态状态采集，第二数据采集单元201采集驾驶员的躯干和四肢的图像数据，并将采集的躯干和四肢的图像数据发送到第二数据预处理单元202和第二数据上传单元207，第二数据上传单元207接收到躯干和四肢的图像数据后实时上传到云端服务器400；s13，车辆状态采集，第三数据采集单元301采集车辆前方路面的图像数据，并将采集的车辆前方路面的图像数据发送到第三数据预处理单元302和第三数据上传单元307，第三数据上传单元307接收到车辆前方路面的图像数据后实时上传到云端服务器400；s2，数据比对及预警，对采集到的驾驶员和车辆的状态数据进行预处理后提取关键点与预设的关键点进行比对，得到结果，根据比对结果进行预警；具体的，步骤s2包括：s21，驾驶员头部数据比对及预警，第一数据预处理单元102对头部图像数据进行预处理后，将处理完成的头部图像数据发送到第一关键点捕获单元103，第一关键点捕获单元103对头部数据中的关键点进行捕捉，得到头部关键点数据，第一数据存储单元104存储预设的头部关键点数据和对应的姿态和对应的精神状态，第一数据对比单元105根据预设的头部关键点数据与第一关键点捕获单元103捕捉得到的头部关键点数据进行比对得到比对结果，第一预警单元106对比对结果进行判定，根据判定结果选择发出预警信号到预警模块500和不发出预警信号到预警模块500；s22，驾驶员姿态数据比对及预警，第二数据预处理单元202对躯干和四肢的图像数据进行预处理后，将处理完成的躯干和四肢的图像数据发送到第二关键点捕获单元203，第二关键点捕获单元203对躯干和四肢的数据中的关键点进行捕捉，得到躯干和四肢的关键点数据，第二数据存储单元204存储预设的躯干和四肢的关键点数据，第二数据对比单元205根据预设的躯干和四肢的关键点数据与第二关键点捕获单元203捕捉得到的躯干和四肢的关键点数据进行比对得到比对结果，第二预警单元206对比对结果进行判定，根据判定结果选择发出预警信号到预警模块500和不发出预警信号到预警模块500；s13，车辆状态数据比对及预警，第三数据预处理单元302对车辆前方路面的图像数据进行预处理后，将处理完成的车辆前方路面的图像数据发送到第三关键点捕获单元303，第三关键点捕获单元303对车辆前方路面的图像数据中的关键点进行捕捉，得到车辆前方路面的关键点数据，第三数据存储单元304存储预设的车辆前方路面的关键点数据和对应的车辆状态，第三数据对比单元305根据预设的车辆前方路面的关键点数据与第三关键点捕获单元303捕捉得到的车辆前方路面的关键点数据进行比对得到比对结果，第三预警单元306对比对结果进行判定，根据判定结果选择发出预警信号到预警模块500和不发出预警信号到预警模块500；s3，预设数据更新，人工智能单元401对驾驶员的图像信息和车辆前方路面的图像
信息进行识别，数据通信单元402接收驾驶员精神状态监测模块100、驾驶员姿态状态监测模块200和车辆状态监测模块300发送的数据，并将接收的数据输入到人工智能单元401进行深度学习，根据发送的数据生成驾驶员的关键点数据，并将生成的关键点数据通过数据通信单元402将图像识别模型分别发送到驾驶员精神状态监测模块100、驾驶员姿态状态监测模块200和车辆状态监测模块300中对预设的关键点书进行实时更新。
27.本实施例公开的一种人工智能预警方法，基于人工智能技术通过设置驾驶员精神状态监测模块100、驾驶员姿态状态监测模块200和车辆状态监测模块300，分别对驾驶员的精神状态、驾驶员的姿态和车辆的状态进行判定，在驾驶员的精神状态、驾驶员的姿态和车辆的状态出现异常时对驾驶员进行预警，避免发生交通事故，同时，驾驶员精神状态监测模块100、驾驶员姿态状态监测模块200和车辆状态监测模块300内部存储有预设的数据，根据预设的数据对驾驶员的精神状态、姿态和车辆的状态进行判定，不需要实时联网，同时预设的数据可以与云端服务器400连接实时更新，解决了目前预驾驶员安全驾驶提醒设备存在的需要实时联网才能工作，只能检测驾驶员是否存在疲劳驾驶，不能检测驾驶员是否存在不规范驾驶姿势以及不规范行车动作，不能更好的避免因驾驶员的操作导致的交通事故的问题。
28.应该明白，公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。
29.在上述的详细描述中，各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即，所要求保护的主题的实施方案需要清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的那样，本发明处于比所公开的单个实施方案的全部特征少的状态。因此，所附的权利要求书特此清楚地被并入详细描述中，其中每项权利要求独自作为本发明单独的优选实施方案。
30.本领域技术人员还应当理解，结合本文的实施例描述的各种说明性的逻辑框、模块、电路和算法步骤均可以实现成电子硬件、计算机软件或其组合。为了清楚地说明硬件和软件之间的可交换性，上面对各种说明性的部件、框、模块、电路和步骤均围绕其功能进行了一般地描述。至于这种功能是实现成硬件还是实现成软件，取决于特定的应用和对整个系统所施加的设计约束条件。熟练的技术人员可以针对每个特定应用，以变通的方式实现所描述的功能，但是，这种实现决策不应解释为背离本公开的保护范围。
31.结合本文的实施例所描述的方法或者算法的步骤可直接体现为硬件、由处理器执行的软件模块或其组合。软件模块可以位于ram存储器、闪存、rom存储器、eprom存储器、eeprom存储器、寄存器、硬盘、移动磁盘、cd
‑
rom或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质连接至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于asic中。该asic可以位于用户终端中。当然，处理器和存储介质也可以作为分立组件存在于用户终端中。
32.对于软件实现，本技术中描述的技术可用执行本技术所述功能的模块(例如，过程、函数等)来实现。这些软件代码可以存储在存储器单元并由处理器执行。存储器单元可
以实现在处理器内，也可以实现在处理器外，在后一种情况下，它经由各种手段以通信方式耦合到处理器，这些都是本领域中所公知的。
33.上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括，”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。