一种针对驾驶员的路怒症检测方法和装置与流程

1.本技术涉及车辆辅助驾驶技术领域，尤其涉及一种针对驾驶员的路怒症检测方法和装置。


背景技术：

2.汽车是人们日常生活中不可缺少的交通工具，随着科学技术的发展，汽车的数量越来越多，由于驾驶员的路怒行为导致的交通事故也频频发生。一旦路怒行为发生，会引起驾驶员的情绪大幅度波动，使驾驶员对路面情况的判断能力以及对车辆操控的稳定性大幅度下降，极易引发交通事故造成不必要的损失，甚至导致驾驶员主动寻衅，严重影响交通安全。因此，亟需一种有效地预防路怒症的技术方案，来提升驾驶安全和改善驾驶体验。


技术实现要素：

3.本技术旨在至少在一定程度上解决相关技术中的技术问题之一。
4.为此，本技术的第一个目的在于提出一种针对驾驶员的路怒症检测方法，以解决现有的路怒症检测方法无法在保护用户信息安全的同时提升驾驶安全和改善驾驶体验的技术问题。
5.本技术的第二个目的在于提出一种针对驾驶员的路怒症检测装置。
6.为达到上述目的，本技术第一方面实施例提出的一种针对驾驶员的路怒症检测方法，包括：
7.获取驾驶员的路怒特征信号；
8.基于预先训练好的数学模型，根据所述路怒特征信号确定所述驾驶员的路怒程度；
9.基于所述驾驶员的路怒程度对车辆进行控制。
10.可选地，在本技术的一个实施例中，所述车头上设置有光照传感器、所述车身上设置有距离传感器、所述车辆内部设置有噪声传感器；
11.所述获取驾驶员的路怒特征信号，包括：
12.基于所述光照传感器、所述距离传感器、所述噪声传感器获取驾驶员的路怒特征信号；
13.所述路怒特征信号包括以下至少一种：光照强度、距离、声音强度。
14.可选地，在本技术的一个实施例中，所述基于预先训练好的数学模型，根据所述路怒特征信号确定所述驾驶员的路怒程度，还包括：
15.对所述路怒特征信号进行预处理，得到预处理后的路怒特征信号；
16.基于预先训练好的数学模型，根据预处理后的路怒特征信号计算所述驾驶员的路怒值；
17.根据所述路怒值确定所述驾驶员的路怒程度。
18.可选地，在本技术的一个实施例中，所述对所述路怒特征信号进行预处理，包括：
19.对所述路怒特征信号进行提炼和/或分析得到预处理后的路怒特征信号。
20.可选地，在本技术的一个实施例中，所述对所述路怒特征信号进行提炼和/或分析得到预处理后的路怒特征信号，包括：
21.过滤噪声传感器获取到的车辆内部的多媒体声音；
22.过滤光照传感器获取到的白天的光照强度。
23.可选地，在本技术的一个实施例中，所述预先训练好的数学模型，包括：
24.基于机器学习方法，根据数学模型内的场景对所述数学模型进行训练，从而确定路怒边界值。
25.可选地，在本技术的一个实施例中，所述根据数学模型内的场景对所述数学模型进行训练，包括：
26.所述数学模型内包括以下至少一种场景：夜间行驶远光灯会车、强行变道插队以及车内噪声过大。
27.可选地，在本技术的一个实施例中，所述根据所述路怒值确定所述驾驶员的路怒程度，包括：
28.所述路怒边界值包括第一阈值以及第二阈值；
29.当所述路怒值对应的数值低于第一阈值时，判断所述驾驶员的路怒程度为：无路怒；
30.当所述路怒值对应的数值高于第一阈值且低于第二阈值时，判断所述驾驶员的路怒程度为：路怒预触发；
31.当所述路怒值对应的数值高于第二阈值时，判断所述驾驶员的路怒程度为：路怒触发。
32.可选地，在本技术的一个实施例中，所述基于所述驾驶员的路怒程度对车辆进行控制，包括：
33.当所述驾驶员的路怒程度为：无路怒时，无操作；
34.当所述驾驶员的路怒程度为：路怒预触发时，对所述车辆进行的控制操作包括以下至少一种：语音提示“小心驾驶”、车身氛围灯闪烁；
35.当所述驾驶员的路怒程度为：路怒触发时，对所述车辆进行的控制操作包括以下至少一种：adas辅助驾驶系统介入、车身传感器检测精度提升至最高、稳定车身姿态、自动驾驶程度在l3及以上的车辆接管驾驶。
36.综上，本技术第一方面实施例提出的路怒症检测方法，通过获取驾驶员的路怒特征信号；基于预先训练好的数学模型，根据所述路怒特征信号确定所述驾驶员的路怒程度；基于所述驾驶员的路怒程度对车辆进行控制。本技术可以在保护用户信息安全的同时提升驾驶安全和改善驾驶体验。
37.为达到上述目的，本技术第二方面实施例提出的一种针对驾驶员的路怒症检测装置，包括：
38.获取模块，用于获取驾驶员的路怒特征信号；
39.决策模块，用于基于预先训练好的数学模型，根据所述路怒特征信号确定所述驾驶员的路怒程度；
40.控制模块，用于基于所述驾驶员的路怒程度对车辆进行控制。
41.综上，本技术实施例提供的技术方案至少带来以下有益效果：
42.1)通过在车头上设置光照传感器来测量来车的远光灯光照强度，在车身上设置距离传感器来测量两车之间的间隔距离，在车辆内部设置噪声传感器来采集车辆内部音量的声音强度；对这些传感器采集的数据的分析不涉及到图像识别以及语音识别，可以实现更低的时延；
43.2)未使用语音传感器、摄像头，不采集用户的私人数据，保护用户信息安全；
44.3)提出了触发和预触发的路怒程度，可以根据路怒值自适应性判断路怒程度，预触发的设置让车辆辅助系统的介入更柔和，可以提升驾驶安全，改善驾驶体验。
45.本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
附图说明
46.本技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
47.图1为本技术实施例所提供的一种针对驾驶员的路怒症检测方法的流程图；
48.图2为本技术实施例所提供的一种针对驾驶员的路怒症检测装置的结构示意图。
具体实施方式
49.下面详细描述本技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本技术，而不能理解为对本技术的限制。相反，本技术的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
50.现有的路怒症检测方法需要借助语音传感器或者光学传感器，基于语音识别、面部识别(表情识别或情绪识别)的技术建立识别特征模型，达到判断驾驶员是否处在路怒状态的效果。这种路怒症检测方法需要采集用户的语音或者照片，可能会侵犯用户的隐私；另外，算法训练的模型准确性和识别速度有待提升，不能普遍适用于所有场景。
51.实施例1
52.图1为本技术实施例所提供的一种针对驾驶员的路怒症检测方法的流程图。
53.如图1所示，本技术实施例提供的一种针对驾驶员的路怒症检测方法，包括以下步骤：
54.步骤110，获取驾驶员的路怒特征信号；
55.步骤120，基于预先训练好的数学模型，根据路怒特征信号确定驾驶员的路怒程度；
56.步骤130，基于驾驶员的路怒程度对车辆进行控制。
57.在本技术实施例中，在本技术实施例中，车头上设置有光照传感器、车身上设置有距离传感器、车辆内部设置有噪声传感器；
58.获取驾驶员的路怒特征信号，包括：
59.基于光照传感器、距离传感器、噪声传感器获取驾驶员的路怒特征信号；
60.所述路怒特征信号包括以下至少一种：光照强度、距离、声音强度。
61.具体地，对光照传感器、距离传感器以及噪声传感器采集的数据的分析不涉及到图像识别以及语音识别，可以实现更低的时延；同时，未使用语音传感器、摄像头，不需要采集用户的私人数据。
62.在本技术实施例中，基于预先训练好的数学模型，根据路怒特征信号确定驾驶员的路怒程度，还包括：
63.对路怒特征信号进行预处理，得到预处理后的路怒特征信号；
64.基于预先训练好的数学模型，根据预处理后的路怒特征信号计算驾驶员的路怒值；
65.根据路怒值确定驾驶员的路怒程度。
66.在本技术实施例中，对路怒特征信号进行预处理，包括：
67.对路怒特征信号进行提炼和/或分析得到预处理后的路怒特征信号。
68.具体地，路怒症的诱发因素有85％都来自于外界因素，通过对外界干扰要素的提炼和分析，能够有效地判断驾驶员是否处在路怒状态。
69.在本技术实施例中，对路怒特征信号进行提炼和/或分析得到预处理后的路怒特征信号，包括：
70.过滤噪声传感器获取到的车辆内部的多媒体声音；
71.过滤光照传感器获取到的白天的光照强度。
72.在本技术实施例中，预先训练好的数学模型，包括：
73.基于机器学习方法，根据数学模型内的场景对数学模型进行训练，从而确定路怒边界值。
74.在本技术实施例中，根据数学模型内的场景对数学模型进行训练，包括：
75.数学模型内包括以下至少一种场景：夜间行驶远光灯会车、强行变道插队以及车内噪声过大。
76.具体地，夜间行驶时远光灯会车会降低视觉能见度，导致交通事故发生的几率提升，同时容易诱发司机的愤怒情绪；
77.强行变道插队会增大车辆间硬接触的可能性，导致交通事故发生的几率提升，同时容易诱发司机的愤怒情绪；
78.车内过大的噪音会干扰司机的决策能力和操作能力，导致交通事故发生的几率提升，同时容易诱发司机的愤怒情绪。
79.具体地，通过下式确定数学模型：
80.p＝f(x,y,z)
81.其中，p为路怒值，x为光照强度，x的单位为勒克斯(lux或lx)，y为距离，y的单位为米(m)，z为声音强度，z的单位为分贝(db)；p和y负相关，和x、z正相关。
82.进一步地，当平均光照强度大于5勒克斯时说明此时为白天，设置x为0；
83.当平均光照强度小于5勒克斯时说明此时为夜晚，此时，定义会车距离为100米时近光灯照射到对车的标准光强为x0，如x1》x0,则x＝x1-x0,否则x＝0。
84.进一步地，确定安全距离y0，如果y1》y0:y＝y1-y0；否则y＝0；
85.进一步地，确定安全声音强度为z0分贝，当车内没有播放多媒体时，z＝z1-z0(z》
＝0db)，当车内有播放多媒体时，对多媒体声音进行过滤后取z＝z1-z0(z》＝0db)；
86.进一步地，安全距离y0优选为0.5m；安全声音强度优选为60db。
87.在本技术实施例中，根据路怒值确定驾驶员的路怒程度，包括：
88.路怒边界值包括第一阈值p1以及第二阈值p2；
89.当路怒值对应的数值低于第一阈值时，即p《p1时，判断驾驶员的路怒程度为：无路怒；
90.当路怒值对应的数值高于第一阈值且低于第二阈值时，即p1《p《p2时，判断驾驶员的路怒程度为：路怒预触发；
91.当路怒值对应的数值高于第二阈值时，即p》p2时，判断驾驶员的路怒程度为：路怒触发。
92.在本技术实施例中，基于驾驶员的路怒程度对车辆进行控制，包括：
93.当驾驶员的路怒程度为：无路怒时，无操作；
94.当驾驶员的路怒程度为：路怒预触发时，对车辆进行的控制操作包括以下至少一种：语音提示“小心驾驶”、车身氛围灯闪烁；
95.当驾驶员的路怒程度为：路怒触发时，对车辆进行的控制操作包括以下至少一种：adas辅助驾驶系统介入、车身传感器检测精度提升至最高、稳定车身姿态、自动驾驶程度在l3及以上的车辆接管驾驶。
96.具体地，根据路怒值自适应性判断路怒程度，路怒预触发的设置让车辆辅助系统的介入更柔和。
97.综上，本技术第一方面实施例提出的路怒症检测方法，通过获取驾驶员的路怒特征信号；基于预先训练好的数学模型，根据路怒特征信号确定驾驶员的路怒程度；基于驾驶员的路怒程度对车辆进行控制。本技术可以在保护用户信息安全的同时提升驾驶安全和改善驾驶体验。
98.为了实现上述实施例，本技术还提出一种针对驾驶员的路怒症检测装置。
99.图2为本技术实施例提供的一种针对驾驶员的路怒症检测装置的结构示意图。
100.如图2所示，一种针对驾驶员的路怒症检测装置，包括：
101.获取模块210，用于获取驾驶员的路怒特征信号；
102.决策模块220，用于基于预先训练好的数学模型，根据路怒特征信号确定驾驶员的路怒程度；
103.控制模块230，用于基于驾驶员的路怒程度对车辆进行控制。
104.综上，本技术第一方面实施例提出的路怒症检测装置，通过获取模块获取驾驶员的路怒特征信号；决策模块基于预先训练好的数学模型，根据路怒特征信号确定驾驶员的路怒程度；控制模块基于驾驶员的路怒程度对车辆进行控制。本技术可以在保护用户信息安全的同时提升驾驶安全和改善驾驶体验。
105.需要说明的是，在本技术的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本技术的描述中，除非另有说明，“多个”的含义是两个或两个以上。
106.流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部
分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。
107.应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
108.本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
109.此外，在本技术各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
110.上述提到的存储介质可以是只读存储器，磁盘或光盘等。
111.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
112.尽管上面已经示出和描述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。