一种驾驶安全智能化控制系统及方法技术方案

一种驾驶安全智能化控制系统及方法，包括驾驶员心率监测方法、驾驶台环境监测方法以及危险报警方法；其中驾驶员心率监测方法、驾驶台环境监测方法分别完成驾驶员心率监测及驾驶台环境监测，并将心率监测的结果、环境监测的结果送入危险报警方法，综合判决得到危险报警结果；完成了对驾驶员心率较高精度的自动监测和驾驶员驾驶环境的自动监测；完成了车辆行驶过程中的危险报警判决，进而对驾驶员进行报警提醒，并上传危险报警数据、车辆定位数据至车辆监控平台；实现了对路面车辆安全行驶的保障以及对驾驶员身体健康的保证，避免因驾驶员身体原因而出现重大交通事故。

【技术实现步骤摘要】
一种驾驶安全智能化控制系统及方法
本专利技术涉及道路安全系统，具体涉及一种驾驶安全智能化控制系统及方法。
技术介绍
随着科技的发展，人们生活水平不断提高，私家车拥有量与日剧增，城市交通的压力也越来越大，安全驾驶就逐渐成为严峻的问题。对于都市人群而言，每天都会有大量的时间在车上度过，越来越多的人，将汽车作为了学习、工作的场所之一。但是目前经常有报道称驾驶员在驾驶过程中因身体不适、突发疾病而导致交通事故或因疲劳驾驶而导致交通事故。现有技术中，一般的车辆不具备可以监测驾驶员健康状况的装置。因此，无法预防驾驶员在操作车辆行驶时因疲劳、身体不适、突发疾病而导致交通事故的风险。因此实时准确地对驾驶员的生理状态进行监控对避免交通事故、保护驾驶员及乘客的生命财产安全有着重要意义。
技术实现思路
本专利技术的目的在于提供一种驾驶安全智能化控制方法，其能在行驶过程中完成对驾驶员是否处于安全驾驶行为的智能化和自动化监测，提供及时准确的报警以及上传数据、或者采取相应措施依据和决策的方法。本专利技术的另一目的在于提供一种驾驶安全智能化控制系统，通过对驾驶员心率与驾驶环境的智能化和自动化监测，完成安全驾驶行为的预测与报警，进而采取其他相应措施阻止交通事故的发生，保证交通网络的正常运行，确保驾驶员与车上乘客的身体安全。本专利技术目的按如下技术方案实现：一种驾驶安全智能化控制方法，包括驾驶员心率监测方法、驾驶台环境监测方法以及危险报警方法；所述驾驶员心率监测方法、驾驶台环境监测方法分别完成驾驶员心率监测及驾驶台环境监测，并将心率监测的结果、环境监测的结果送入危险报警方法，综合判决得到危险报警结果；所述驾驶员心率监测方法，采用对驾驶员面部特定区域的近红外图像的分析，获取驾驶员心率曲线；具体步骤如下：S001、对含有驾驶员正面图像的近红外视频进行周期性采样；采样周期为T；S002、对每帧图像做人脸检测；S003、依据人脸检测结果做人脸定位和ROI截取；S004、计算截取ROI区域的近红外强度评估值；S005、计算每帧图像近红外强度评估值相比于上帧的近红外强度变化量；S006、视频段中所有帧图像的近红外强度变化量构成变化量序列；时间间隔为采样周期T；S007、对变化量序列进行傅里叶变换，求取频域变化模值；S008、选取模值峰值求取驾驶员心率值；所述驾驶台环境监测方法，采用对驾驶台环境的可见光视频分析，获取是否有危害驾驶员或者可能影响驾驶员安全行驶的行为发生，判断驾驶员是否进行疲劳驾驶；具体步骤如下：S101、标定：在各种常见路况下，对正常驾驶车辆的驾驶员进行摄像并保存摄像头图片，作为标定图片；S102、数据采集：对实时运行中的车辆驾驶台环境的可见光视频进行周期性采样，获取图片帧；S103、将标定图片和图片帧同时输入线下训练完成的驾驶台环境危险预警网络；S104、实时监测环境危险预警网络输出结果；所述危险报警方法，综合驾驶员心率监测和驾驶台环境监测，综合判决并提供危险报警提示；所述具体步骤如下：S201、实时计算驾驶员心率值变化率；所述心率值变化率计算公式如下：Δpt＝pt-pt-T，T为近红外视频采样周期；S202、计算驾驶员心率值变化率强度均值，计算公式如下：S203、依据环境危险预警网络输出结果计算抑制因子λ：S204、统计MT时间内驾驶员心率值变化率强度与驾驶员心率值变化率强度均值的比值是否大于门限值的次数：式中，μ(x)为阶跃函数，r为门限值，用于判决驾驶员心率值变化率强度过大门限值；S205、只有当n大于0.5M时，给出危险报警提示；S206、危险报警提示先由驾驶员确认，若驾驶员直接确认危险或超过一定时间未进行危险确认选择，则上传危险报警、车辆位置信息及其他相关信息至车辆监控平台；若驾驶员取消危险报警提示，则不上传；若驾驶员取消危险报警提示后短时间内又继续进行危险报警提示，则直接上传。具体地说，所述依据人脸检测结果做人脸定位和ROI截取，人脸检测结果为人脸面部9个关键点，分别为人中(p1)、左眼左眼角(p2)、左眼右眼角(p3)、右眼左眼角(p4)、右眼右眼角(p5)、左嘴角(p6)、右嘴角(p7)、上嘴皮中心(p8)、下嘴皮中心(p9)；所述ROI为左右额头，其坐标分别为以和中心，宽为高为式中xi(i＝1,...,9)和yi(i＝1,...,9)分别为pi(i＝1,...,9)的坐标值。更具体地说，所述计算截取ROI区域的近红外强度评估值，首先将ROI区域按y方向均分为N等份，计算每等份的红外强度值：式中，pix(x,y)为内点(x,y)的像素值；为C1为中心ROI的第k等份；为C2为中心ROI的第k等份；为区域的像素点个数；其次，计算均值：然后祛除超出均值的0.8～1.2的等份，重新计算均值：最后求得截取ROI区域的近红外强度评估值：更优选地，所述驾驶台环境危险预警网络，为深度神经网络，选择两个标准的VGG16网络结构为标定图片和图片帧的处理特征子网络，在两个子网络后接BN层，输出接入自定义DIFF层，合并为同维度的增强特征；将增强特征依次输入三个conv模块，再通过GlobalPooling层得到输出特征，后接BN层和全链接层组成的判决网络，得到输出结果；所述自定义DIFF层主要完成两个输出特征像素求差值操作，输入输出维度相同；其作用在于使得图片帧得到的输出特征祛除固定的背景信息影响，更凸显出区别于固定背景信息的变化信息；所述三个conv模块间以maxpool层连接；maxpool层均采用3*3卷积核并保证2倍下采样，输出输入特征通道数保持不变；所述三个conv模块采用conv层、BN层、ReLU层依次连接组成；其中三个conv层分别采用3*3*256、3*3*128、3*3*64三组参数，输入输出特征宽高维度不变。一种驾驶安全智能化控制系统，由安装于车辆驾驶舱的近红外摄像头、可见光摄像头、监控主机、确认按键、存储设备、音响、无线通信终端以及车辆监控平台组成；所述近红外摄像头安装于车辆驾驶台正前方上部，将监测到驾驶员正面近红外视频帧采样送入监控主机；所述可见光摄像头安装于车辆驾驶台偏右位置上部，将监测到驾驶台环境视频帧采样送入监控主机；所述监控主机基于智能行为监测的车辆危险报警方法，根据输入的近红外视频帧和车辆驾驶台环境视频帧作出危险报警判决；所述确认按键设置在车辆控制面板上，用于驾驶员对危险报警判决的确认；所述存储设备与监控主机相连，当危险报警判决为真后，即车辆存在安全行驶隐患时，存储当前的近红外视频帧和车辆驾驶台环境视频帧；所述无线通信终端与监控主机相连，当危险报警判决为真后，无线通信终端发送危险报警通知信息到车辆监控平台；所述危险报警通知信息包含无线终端唯一标识，车辆唯一标识，危险报警判决结果、当前的近红外视频帧和车辆驾驶台环境视频帧，车辆位置信息；所述车辆监控平台接收所有管控范围车辆无线通信终端发送的危险报警通知信息；根据危险报警通知信息人工介入研判确认危险，发送安全警告信息，并采取相应措施；本文档来自技高网...

【技术保护点】
1.一种驾驶安全智能化控制方法，其特征在于：包括驾驶员心率监测方法、驾驶台环境监测方法以及危险报警方法；所述驾驶员心率监测方法、驾驶台环境监测方法分别完成驾驶员心率监测及驾驶台环境监测，并将心率监测的结果、环境监测的结果送入危险报警方法，综合判决得到危险报警结果；所述驾驶员心率监测方法，采用对驾驶员面部特定区域的近红外图像的分析，获取驾驶员心率曲线；具体步骤如下：S001、对含有驾驶员正面图像的近红外视频进行周期性采样；采样周期可以为T；S002、对每帧图像做人脸检测；S003、依据人脸检测结果做人脸定位和ROI截取；S004、计算截取ROI区域的近红外强度评估值；S005、计算每帧图像近红外强度评估值相比于上帧的近红外强度变化量；S006、视频段中所有帧图像的近红外强度变化量构成变化量序列；时间间隔可为采样周期T；S007、对变化量序列进行傅里叶变换，求取频域变化模值；S008、选取模值峰值求取驾驶员心率值；/n所述驾驶台环境监测方法，采用对驾驶台环境的可见光视频分析，获取是否有危害驾驶员或者可能影响驾驶员安全行驶的行为发生，判断驾驶员是否进行疲劳驾驶；具体步骤如下：S101、标定：在各种常见路况下，对正常驾驶车辆的驾驶员进行摄像并保存摄像头图片，作为标定图片；S102、数据采集：对实时运行中的车辆驾驶台环境的可见光视频进行周期性采样，获取图片帧；S103、将标定图片和图片帧同时输入线下训练完成的驾驶台环境危险预警网络；S104、实时监测环境危险预警网络输出结果；/n所述危险报警方法，综合驾驶员心率监测和驾驶台环境监测，综合判决并提供危险报警提示；所述具体步骤如下：S201、实时计算驾驶员心率值变化率；所述心率值变化率计算公式如下：Δp...

【技术特征摘要】
1.一种驾驶安全智能化控制方法，其特征在于：包括驾驶员心率监测方法、驾驶台环境监测方法以及危险报警方法；所述驾驶员心率监测方法、驾驶台环境监测方法分别完成驾驶员心率监测及驾驶台环境监测，并将心率监测的结果、环境监测的结果送入危险报警方法，综合判决得到危险报警结果；所述驾驶员心率监测方法，采用对驾驶员面部特定区域的近红外图像的分析，获取驾驶员心率曲线；具体步骤如下：S001、对含有驾驶员正面图像的近红外视频进行周期性采样；采样周期可以为T；S002、对每帧图像做人脸检测；S003、依据人脸检测结果做人脸定位和ROI截取；S004、计算截取ROI区域的近红外强度评估值；S005、计算每帧图像近红外强度评估值相比于上帧的近红外强度变化量；S006、视频段中所有帧图像的近红外强度变化量构成变化量序列；时间间隔可为采样周期T；S007、对变化量序列进行傅里叶变换，求取频域变化模值；S008、选取模值峰值求取驾驶员心率值；
所述驾驶台环境监测方法，采用对驾驶台环境的可见光视频分析，获取是否有危害驾驶员或者可能影响驾驶员安全行驶的行为发生，判断驾驶员是否进行疲劳驾驶；具体步骤如下：S101、标定：在各种常见路况下，对正常驾驶车辆的驾驶员进行摄像并保存摄像头图片，作为标定图片；S102、数据采集：对实时运行中的车辆驾驶台环境的可见光视频进行周期性采样，获取图片帧；S103、将标定图片和图片帧同时输入线下训练完成的驾驶台环境危险预警网络；S104、实时监测环境危险预警网络输出结果；
所述危险报警方法，综合驾驶员心率监测和驾驶台环境监测，综合判决并提供危险报警提示；所述具体步骤如下：S201、实时计算驾驶员心率值变化率；所述心率值变化率计算公式如下：Δpt＝pt-pt-T，T为近红外视频采样周期；S202、计算驾驶员心率值变化率强度均值，计算公式...

【专利技术属性】
技术研发人员：李晓华，潘容，潘国晨，
申请(专利权)人：重庆圣盈达科技开发有限公司，
类型：发明
国别省市：重庆;50