一种疲劳驾驶检测方法及无人驾驶设备技术

本发明专利技术实施例涉及无人驾驶技术领域，公开了一种疲劳驾驶检测方法及无人驾驶设备。其中，所述疲劳驾驶检测方法包括：在检测到无人驾驶设备的驾驶者满足疲劳检测条件时，产生疲劳刺激信息；根据所述疲劳刺激信息，获取所述驾驶者的目标瞳孔信息；当所述目标瞳孔信息满足无人驾驶触发条件时，切换至无人驾驶模式。本发明专利技术实施例提升了无人驾驶设备的安全性。

A fatigue driving detection method and unmanned driving equipment

【技术实现步骤摘要】
一种疲劳驾驶检测方法及无人驾驶设备
本专利技术涉及无人驾驶
，特别是涉及一种疲劳驾驶检测方法及无人驾驶设备。
技术介绍
目前，无人驾驶设备包括有人驾驶模式和无人驾驶模式，有人驾驶模式和无人驾驶模式通过人为操作进行切换。但是，当在有人驾驶模式下，若驾驶者发生疲劳驾驶，驾驶者未能及时切换驾驶模式，则可能导致安全事故。
技术实现思路
本专利技术实施例旨在提供一种提升安全性的疲劳驾驶检测方法及无人驾驶设备。为解决上述技术问题，本专利技术实施例提供以下技术方案：第一方面，本专利技术实施例提供了一种疲劳驾驶检测方法，包括：在检测到无人驾驶设备的驾驶者满足疲劳检测条件时，产生疲劳刺激信息；根据所述疲劳刺激信息，获取所述驾驶者的目标瞳孔信息；当所述目标瞳孔信息满足无人驾驶触发条件时，切换至无人驾驶模式。在一些实施例中，所述在检测到无人驾驶设备的驾驶者满足疲劳检测条件时，产生疲劳刺激信息包括：获取无人驾驶设备的驾驶者的第一人脸图像；延时预设时长后，继续获取无人驾驶设备的驾驶者的第二人脸图像；基于深度学习算法，处理每张人脸图像，分别得到所述第一人脸图像的第一瞳孔大小信息，以及所述第二人脸图像的第二瞳孔大小信息；当所述第一瞳孔大小信息及所述第二瞳孔大小信息皆小于预设开度阈值，且所述第一瞳孔大小信息与所述第二瞳孔大小信息的差值小于参考差值时，确定所述驾驶者满足疲劳检测条件，并产生疲劳刺激信息。在一些实施例中，所述基于深度学习算法，处理每张人脸图像，分别得到所述第一人脸图像的第一瞳孔大小信息，以及所述第二人脸图像的第二瞳孔大小信息包括：对每张人脸图像作图像处理，获得所述人脸图像的目标图像区域；基于深度学习算法，处理每张所述目标图像区域，分别得到所述第一人脸图像的第一瞳孔大小信息，以及所述第二人脸图像的第二瞳孔大小信息。在一些实施例中，所述疲劳刺激信息包括蓝光刺激信息，所述对每张人脸图像作图像处理，获得所述人脸图像的目标图像区域，包括：剔除每张人脸图像中RGB值未在混合颜色阈值范围内的噪声图像区域，保留RGB值在混合颜色阈值范围的目标图像区域。在一些实施例中，所述产生疲劳刺激信息包括：按照光强由小到大的渐变模式，控制安装在所述无人驾驶设备的驾驶座周边的灯具产生蓝光刺激信息。在一些实施例中，所述目标瞳孔信息包括目标瞳孔大小信息，所述当所述目标瞳孔信息满足无人驾驶触发条件时，切换至无人驾驶模式包括：将所述目标瞳孔大小信息与所述第二瞳孔大小信息相除，得到比值；当所述比值小于或等于预设参考比值时，确定所述目标瞳孔信息满足无人驾驶触发条件，切换至无人驾驶模式。在一些实施例中，无人驾驶设备所述当所述比值小于或等于预设参考比值时，确定所述目标瞳孔信息满足无人驾驶触发条件，切换至无人驾驶模式包括：当所述比值小于或等于预设参考比值时，获取切换至无人驾驶模式前所述驾驶者正常驾驶的持续时长以及所述驾驶者的疲劳次数，其中，所述疲劳次数为所述驾驶者因疲劳而进入无人驾驶模式的历史次数；根据所述持续时长、所述疲劳次数及所述比值，计算所述驾驶者的疲劳分值；当所述疲劳分值满足无人驾驶触发条件，切换至无人驾驶模式。在一些实施例中，所述根据所述持续时长、所述疲劳次数及所述比值，计算所述驾驶者的疲劳分值包括：分别计算第一权重乘以所述比值的第一结果、第二权重乘以所述持续时长的第二结果以及第三权重乘以所述疲劳次数的第三结果，其中，所述第一权重、所述第二权重及所述第三权重的总和为100％；累加所述第一结果、所述第二结果及所述第三结果，得到所述驾驶者的疲劳分值。在一些实施例中，所述当所述疲劳分值满足无人驾驶触发条件，切换至无人驾驶模式包括：当所述疲劳分值大于或等于预设参考分值时，切换至无人驾驶模式。第二方面，本专利技术实施例提供了一种无人驾驶设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上任一项所述的疲劳驾驶检测方法。第三方面，本专利技术实施例提供了一种疲劳驾驶检测装置，包括：产生模块，用于在检测到无人驾驶设备的驾驶者满足疲劳检测条件时，产生疲劳刺激信息；获取模块，用于根据所述疲劳刺激信息，获取所述驾驶者的目标瞳孔信息；切换模块，用于当所述目标瞳孔信息满足无人驾驶触发条件时，切换至无人驾驶模式。在一些实施例中，所述产生模块包括：第一获取单元，用于获取无人驾驶设备的驾驶者的第一人脸图像；第二获取单元，用于延时预设时长后，继续获取无人驾驶设备的驾驶者的第二人脸图像；处理单元，用于基于深度学习算法，处理每张人脸图像，分别得到所述第一人脸图像的第一瞳孔大小信息，以及所述第二人脸图像的第二瞳孔大小信息；产生单元，用于当所述第一瞳孔大小信息及所述第二瞳孔大小信息皆小于预设开度阈值，且所述第一瞳孔大小信息与所述第二瞳孔大小信息的差值小于参考差值时，确定所述驾驶者满足疲劳检测条件，并产生疲劳刺激信息。在一些实施例中，所述处理单元包括：第一处理子单元，用于对每张人脸图像作图像处理，获得所述人脸图像的目标图像区域；第二处理子单元，用于基于深度学习算法，处理每张所述目标图像区域，分别得到所述第一人脸图像的第一瞳孔大小信息，以及所述第二人脸图像的第二瞳孔大小信息。在一些实施例中，所述疲劳刺激信息包括蓝光刺激信息，所述第一处理子单元具体用于剔除每张人脸图像中RGB值未在混合颜色阈值范围内的噪声图像区域，保留RGB值在混合颜色阈值范围的目标图像区域。在一些实施例中，所述产生单元包括：产生子单元，用于按照光强由小到大的渐变模式，控制安装在所述无人驾驶设备的驾驶座周边的灯具产生蓝光刺激信息。在一些实施例中，所述目标瞳孔信息包括目标瞳孔大小信息，所述切换模块包括：运算单元，用于将所述目标瞳孔大小信息与所述第二瞳孔大小信息相除，得到比值；切换单元，用于当所述比值小于或等于预设参考比值时，确定所述目标瞳孔信息满足无人驾驶触发条件，切换至无人驾驶模式。在一些实施例中，所述切换单元包括：获取子单元，用于当所述比值小于或等于预设参考比值时，获取切换至无人驾驶模式前所述驾驶者正常驾驶的持续时长以及所述驾驶者的疲劳次数，所疲劳次数其中，所述疲劳次数为所述驾驶者因疲劳而进入无人驾驶模式的历史次数；计算子单元，用于根据所述持续时长、所述疲劳次数及所述比值，计算所述驾驶者的疲劳分值；切换子单元，用于当所述疲劳分值满足无人驾驶触发条件，切换至无人驾驶模式。在一些实施例中，所述计算子单元具体用于分别计算第一权重乘以所述比值的第一结果、第二权重乘以所述持续时长的第二结果以及第三权重乘以所述疲劳次数本文档来自技高网...

【技术保护点】
1.一种疲劳驾驶检测方法，其特征在于，包括：/n在检测到无人驾驶设备的驾驶者满足疲劳检测条件时，产生疲劳刺激信息；/n根据所述疲劳刺激信息，获取所述驾驶者的目标瞳孔信息；/n当所述目标瞳孔信息满足无人驾驶触发条件时，切换至无人驾驶模式。/n

【技术特征摘要】
1.一种疲劳驾驶检测方法，其特征在于，包括：
在检测到无人驾驶设备的驾驶者满足疲劳检测条件时，产生疲劳刺激信息；
根据所述疲劳刺激信息，获取所述驾驶者的目标瞳孔信息；
当所述目标瞳孔信息满足无人驾驶触发条件时，切换至无人驾驶模式。


2.根据权利要求1所述的方法，其特征在于，所述在检测到无人驾驶设备的驾驶者满足疲劳检测条件时，产生疲劳刺激信息包括：
获取无人驾驶设备的驾驶者的第一人脸图像；
延时预设时长后，继续获取无人驾驶设备的驾驶者的第二人脸图像；
基于深度学习算法，处理每张人脸图像，分别得到所述第一人脸图像的第一瞳孔大小信息，以及所述第二人脸图像的第二瞳孔大小信息；
当所述第一瞳孔大小信息及所述第二瞳孔大小信息皆小于预设开度阈值，且所述第一瞳孔大小信息与所述第二瞳孔大小信息的差值小于参考差值时，确定所述驾驶者满足疲劳检测条件，并产生疲劳刺激信息。


3.根据权利要求2所述的方法，其特征在于，所述基于深度学习算法，处理每张人脸图像，分别得到所述第一人脸图像的第一瞳孔大小信息，以及所述第二人脸图像的第二瞳孔大小信息包括：
对每张人脸图像作图像处理，获得所述人脸图像的目标图像区域；
基于深度学习算法，处理每张所述目标图像区域，分别得到所述第一人脸图像的第一瞳孔大小信息，以及所述第二人脸图像的第二瞳孔大小信息。


4.根据权利要求3所述的方法，其特征在于，所述疲劳刺激信息包括蓝光刺激信息，所述对每张人脸图像作图像处理，获得所述人脸图像的目标图像区域，包括：
剔除每张人脸图像中RGB值未在混合颜色阈值范围内的噪声图像区域，保留RGB值在混合颜色阈值范围的目标图像区域。


5.根据权利要求4所述的方法，其特征在于，所述产生疲劳刺激信息包括：
按照光强由小到大的渐变模式，控制安装在所述无人驾驶设备的驾驶座周边的灯具产生蓝光刺激信息。


6.根据权利要求2...

【专利技术属性】
技术研发人员：柳金峰，高晶，何飞勇，陈炳初，李广，周继彦，王志辉，卢敦陆，文海，王家明，吴扬泉，
申请(专利权)人：广东科学技术职业学院，
类型：发明
国别省市：广东;44