车辆驾驶状态的监控方法、车辆和计算机可读存储介质技术

本发明专利技术提供了一种车辆驾驶状态的监控方法、车辆和计算机可读存储介质，其中，车辆包括驾驶室，驾驶室中设置有媒体采集装置，监控方法包括：通过媒体采集装置获取驾驶室内的媒体信息，根据媒体信息确定驾驶员的情绪状态；根据情绪状态，控制车辆执行对应的操作。应用了本发明专利技术提供的技术方案，针对驾驶员的情绪状态执行对应的操作，一方面能够减缓驾驶员的负面情绪，防止驾驶员因压力和负面情绪导致的过激驾驶行为，有利于保护车辆和车辆驾驶员自身的安全，另一方面能够在驾驶员负面情绪较重时，通过直接控制车辆行驶的方式，避免驾驶员因负面情绪导致的危险驾驶，有利于维护良好的道路交通秩序，有利于提高道路交通安全。

【技术实现步骤摘要】
车辆驾驶状态的监控方法、车辆和计算机可读存储介质
本专利技术涉及车辆监控
，具体而言，涉及一种车辆驾驶状态的监控方法、一种车辆和一种计算机可读存储介质。
技术介绍
在相关技术中，驾驶员的情绪波动会对车辆驾驶安全产生较大影响，因驾驶员负面情绪导致的车辆事故常有发生，但相关技术中却缺乏基于驾驶员情绪的分析。因此，目前亟需一种能够根据驾驶员情绪，对车辆驾驶状态进行有效监控以保证行驶安全的技术方案。
技术实现思路
本专利技术旨在至少解决现有技术或相关技术中存在的技术问题之一。为此，本专利技术的第一方面提出一种车辆驾驶状态的监控方法。本专利技术的第二方面提出一种车辆。本专利技术的第三方面提出一种计算机可读存储介质。有鉴于此，本专利技术的第一方面提供了一种车辆驾驶状态的监控方法，车辆包括驾驶室，驾驶室中设置有媒体采集装置，监控方法包括：通过媒体采集装置获取驾驶室内的媒体信息，根据媒体信息确定驾驶员的情绪状态；根据情绪状态，控制车辆执行对应的操作。在该技术方案中，在车辆的驾驶室中设置媒体采集装置，该媒体采集装置能够采集驾驶室内的媒体信息，如视频信息和音频信息等，通过采集到的媒体信息，通过大数据人工智能算法等方法，对驾驶员的当前情绪状态加以分析和监控，如果发现驾驶员处于明显的负面情绪下，则控制车辆执行对应的操作，对驾驶员的负面情绪进行安抚，进而防止驾驶员因负面情绪导致的危险驾驶行为。在一些情况下，如果判定驾驶员负面情绪较为严重，还可以通过控制车辆减速、减速、自动靠边停车的方式，对车辆驾驶安全进行保证。应用了本专利技术提供的技术方案，通过设置在驾驶室内的媒体采集装置采集驾驶室内驾驶员的媒体信息，进而对驾驶员的当前情绪状态进行分析，并控制车辆针对驾驶员的情绪状态执行对应的操作，一方面能够减缓驾驶员的负面情绪，有利于缓解驾驶员的压力，同时防止驾驶员因压力和负面情绪导致的过激驾驶行为，有利于保护车辆和车辆驾驶员自身的安全，另一方面能够在驾驶员负面情绪较重时，通过直接控制车辆行驶的方式，避免驾驶员因负面情绪导致的危险驾驶，有利于维护良好的道路交通秩序，有利于提高道路交通安全。另外，本专利技术提供的上述技术方案中的车辆驾驶状态的监控方法还可以具有如下附加技术特征：在上述技术方案中，根据媒体信息确定驾驶员的情绪状态，具体包括：根据媒体信息确定驾驶员的情绪数据集；将情绪数据集输入至情绪识别模型中，并获取情绪识别模型输出的情绪状态。在该技术方案中，通过基于卷积神经网络算法的神经网络模型，具体为情绪识别模型，来对驾驶员的情绪状态进行分析，能够实现自动、高效且准确的情绪分析，进而实现对驾驶员情绪的实时监控。具体地，通过设置在驾驶室内的媒体采集装置，采集驾驶室内的媒体信息，对采集到的媒体信息进行处理，形成为能够被情绪识别模型应用的情绪数据集。将得到的情绪数据集输入至情绪识别模型后，情绪识别模型能够通过计算机卷积神经网络算法，对当前驾驶员的情绪状态进行预测，并输出对应的预测结果。通过基于卷积神经网络算法的情绪识别模型来预测驾驶员的情绪状态，有利于对驾驶员的情绪状态进行高效准确的识别，进而防止因驾驶员负面情绪导致的危险驾驶行为，保证道路安全。在上述任一技术方案中，媒体信息包括图像信息和音频信息；以及根据媒体信息确定驾驶员的情绪数据集，具体包括：通过人脸检测算法，在图像信息中提取驾驶员的人脸图像数据；通过快速独立成分分析算法，在音频信息中分离驾驶员的声音数据；对人脸图像和声音数据进行特征提取，得到情绪数据集。在该技术方案中，媒体信息具体包括图像信息和音频信息，相对应的，媒体采集装置可包括图像采集装置和音频采集装置，其中图像采集装置可以是摄像头，音频采集装置可以是麦克风。对于图像采集装置采集到的图像信息，通过人脸检测算法，在驾驶室图像中提取驾驶员的人脸图像数据，其中，人脸检测算法可以为MTCNN(Multi-taskconvolutionalneuralnetwork，多任务卷积神经网络)人脸检测算法或其他人脸检测算法，本专利技术实施例对人脸检测算法的具体类型不做限制。进一步地，对于音频采集装置采集到的音频信息，通过快速独立成分分析算法(FastICA，FastIndependentComponentAnalysis)，在驾驶室音频信息中分理处驾驶员的声音数据。能够理解的是，本专利技术实施例的音频处理方法，并不局限于上述FastICA算法，其他能够实现对驾驶员声音数据的分离的算法，均为本专利技术的可行实施例。在得到驾驶员的人脸图像数据和驾驶员的声音数据之后，进一步结合人脸图像数据和声音数据，进行特征提取，得到驾驶员的情绪特征。其中，人脸图像数据包括了人脸的表情、姿态、微表情等。一般来说，驾驶员在处于“悲伤”、“愤怒”、“高兴”等不同情绪下，其面部表情会有较大的差别，对驾驶员的面部表情进行有效地数据分析，提取其中的“表情特征”，并形成为对应面部表情的情绪数据集，该情绪数据集能在第一个方面上对驾驶员的情绪状态进行表征。同时，驾驶员的声音数据包括了驾驶员的音调、音量和语音内容等。一般来说，驾驶员在处于不同情欲下，其语言的音调、音量和语音内容等也会不同，比如人在高兴时，其说话的语调较高，音量适中，且语音内容一般不会有“咒骂”、“抱怨”类的词汇。而当人处于愤怒的情绪下，其说话的语调较低，音量较大，且语音中有较大可能出现“咒骂”、“抱怨”类的词汇。根据驾驶员说话时的音调、音量以及语音识别后的关键词检测等方法，形成为对应声音的情绪数据集，该情绪数据集能在第二个方面上对驾驶员的情绪状态进行表征。最后，对基于面部表情的情绪数据集，和基于声音的情绪数据集进行整合，最终得到情绪数据集，最后通过情绪识别模型对情绪数据集进行分析，预测驾驶员的情绪状态，有利于对驾驶员的情绪状态进行高效准确的识别，进而防止因驾驶员负面情绪导致的危险驾驶行为，保证道路安全。其中，对人脸图像和声音数据进行特征提取时，可通过梅尔能量谱特征提取法、短时傅里叶变换提取法、梅尔倒谱系数提取法、Bark域能量谱提取法、等效矩形带宽域(Erb，Equvivalentrectangularbandwidth)能量谱提取法或伽马通(Gammatone)倒谱系数提取法等方法，本专利技术实施例对特征提取的具体方法不做限定。在上述任一技术方案中，在将情绪数据集输入至情绪识别模型中之前，监控方法还包括：获取预设的情绪数据训练集；将初始神经网络模型输入情绪数据训练集，通过情绪数据训练集训练神经网络模型，以得到情绪识别模型。在该技术方案中，为了得到能够准确识别驾驶员情绪状态的情绪识别模型，需要通过训练集对初始神经网络模型进行训练，使得神经网络模型“学会”如何通过图像信息和音频信息等媒体信息，来识别驾驶员的情绪状态。具体地，获取预设的情绪数据训练集，该情绪数据训练集中包含大量不同性别、性格、外貌特征的“人”，在不同情绪下的音、视频数据。通过这些数据，对初始的神经网络模型进行反复训练、校验和测试，直到神经网络模型的预测精度满足需求后，将训练好的神经网络模型本文档来自技高网...

【技术保护点】
1.一种车辆驾驶状态的监控方法，其特征在于，所述车辆包括驾驶室，所述驾驶室中设置有媒体采集装置，所述监控方法包括：/n通过所述媒体采集装置获取所述驾驶室内的媒体信息，根据所述媒体信息确定驾驶员的情绪状态；/n根据所述情绪状态，控制所述车辆执行对应的操作。/n

【技术特征摘要】
1.一种车辆驾驶状态的监控方法，其特征在于，所述车辆包括驾驶室，所述驾驶室中设置有媒体采集装置，所述监控方法包括：
通过所述媒体采集装置获取所述驾驶室内的媒体信息，根据所述媒体信息确定驾驶员的情绪状态；
根据所述情绪状态，控制所述车辆执行对应的操作。


2.根据权利要求1所述的车辆驾驶状态的监控方法，其特征在于，所述根据所述媒体信息确定所述驾驶员的情绪状态，具体包括：
根据所述媒体信息确定驾驶员的情绪数据集；
将所述情绪数据集输入至情绪识别模型中，并获取所述情绪识别模型输出的所述情绪状态。


3.根据权利要求2所述的车辆驾驶状态的监控方法，其特征在于，所述媒体信息包括图像信息和音频信息；以及
所述根据所述媒体信息确定驾驶员的情绪数据集，具体包括：
通过人脸检测算法，在所述图像信息中提取所述驾驶员的人脸图像数据；
在所述音频信息中分离所述驾驶员的声音数据；
对所述人脸图像和所述声音数据进行特征提取，得到所述情绪数据集。


4.根据权利要求2所述的车辆驾驶状态的监控方法，其特征在于，在所述将所述情绪数据集输入至情绪识别模型中之前，所述监控方法还包括：
获取预设的情绪数据训练集；
将初始神经网络模型输入所述情绪数据训练集，通过所述情绪数据训练集训练所述神经网络模型，以得到所述情绪识别模型。


5.根据权利要求1至4中任一项所述的车辆驾驶状态的监控方法，其特征在于，所述根据所述情绪状态，控制所述车辆执行对应的操作，具体包括：
根据所述情绪状态确定情绪类型和对应的情绪强度；
根据所述情绪类型和对应的所述情绪...

【专利技术属性】
技术研发人员：夏健平，贺志国，肖剑明，
申请(专利权)人：三一专用汽车有限责任公司，
类型：发明
国别省市：湖南;43