疲劳驾驶判别方法及相关装置制造方法及图纸

本发明专利技术提供了一种疲劳驾驶判别方法及相关装置，该方法包括：确定车辆在预设时间段内的状态参数的值，状态参数包括车辆在预设时间段内的跟车时距标准差、车道线距离的标准差和航向角的标准差；将车辆在预设时间段内的状态参数的值输入预训练的判别模型中，获取第一判别结果，第一判别结果用于表示车辆的驾驶员处于疲劳状态的概率。本发明专利技术能够提高对驾驶员疲劳状态的判别精度。劳状态的判别精度。劳状态的判别精度。

【技术实现步骤摘要】
疲劳驾驶判别方法及相关装置


[0001]本专利技术涉及安全驾驶
，尤其涉及一种疲劳驾驶判别方法及相关装置。

技术介绍

[0002]道路交通事故是造成人类伤亡的主要原因之一，其中，疲劳驾驶对交通安全的危害甚大，据相关统计，疲劳驾驶事故占总交通事故伤害的百分比逐年攀升。事实上，疲劳驾驶由于认定困难等因素，其造成交通事故的实际数量远高于交通管理部门的统计值。
[0003]对驾驶人员是否在疲劳驾驶进行检测并及时预警，能有效降低疲劳驾驶导致的交通事故，提高道路交通安全。其中，面部表情识别法采用机器视觉技术检测驾驶人眼部、嘴部或面部特征来判别驾驶人疲劳水平。该方法能够实时检测，且无需额外的传感器。但是，该方法受驾驶人姿态、光照、遮挡等因素的影响。难以适应实际道路环境下高性能的驾驶人疲劳状态辨识，容易出现误判。
[0004]因此，如何提高对驾驶人员的疲劳驾驶状态的检测精度，是现有技术急需解决的技术问题。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种疲劳驾驶判别方法及相关装置，能够解决现有技术疲劳驾驶检测精度较低的问题。
[0006]第一方面，本专利技术实施例提供了一种疲劳驾驶判别方法，包括：
[0007]确定车辆在预设时间段内的状态参数的值，所述状态参数包括所述车辆在所述预设时间段内的跟车时距标准差、车道线距离的标准差和航向角的标准差；
[0008]将所述车辆在预设时间段内的状态参数的值输入预训练的判别模型中，获取第一判别结果，所述第一判别结果用于表示所述车辆的驾驶员处于疲劳状态的概率。
[0009]在一种可能的实现方式中，在所述确定车辆在预设时间段内的状态参数的值之前，该方法还包括：
[0010]获取多个数据样本，每个数据样本的输入参数为所述车辆的状态参数，每个数据样本的输出参数为驾驶员处于疲劳状态的概率；
[0011]通过所述多个样本数据对预设模型进行训练，得到所述判别模型。
[0012]在一种可能的实现方式中，确定所述车辆在所述预设时间段内的车道线距离的标准差包括：
[0013]针对所述车辆所在车道的左右车道线中的每一个车道线，根据所述车辆在所述预设时间段内与该车道线的距离获取所述车辆与该车道线距离的标准差，其中，在所述预设时间段内的任一时刻，若该时刻所述车辆在所述车道内，则所述车辆与该车道线的距离的值取正数，若该车辆压在该车道线上，则所述车辆与该车道线的距离的值为零，若所述车辆越过该车道线，则所述车辆与该车道线的距离的值取负数；
[0014]根据所述车辆与所述车道的左车道线距离的标准差，以及所述车辆与所述车道的
右车道线距离的标准差，计算所述车辆在所述预设时间段内的车道线距离的标准差。
[0015]在一种可能的实现方式中，在确定所述车辆在所述预设时间段内的车道线距离的标准差之前，该方法还包括：
[0016]在所述预设时间段内，判断所述车辆是否由第一车道变道至第二车道；
[0017]若所述车辆由所述第一车道变道至所述第二车道，则获取所述车辆由所述第一车道变道至所述第二车道所对应的第一时间片段；
[0018]所述获取所述车辆在所述预设时间段内的车道线距离的标准差包括：
[0019]删除所述第一时间片段所对应的数据后，计算所述车辆在所述预设时间段内的车道线距离的标准差。
[0020]在一种可能的实现方式中，确定所述车辆在所述预设时间段内的航向角的标准差包括：
[0021]根据所述车辆在所述预设时间段内的行驶数据，判断所述车辆在所述预设时间段内是否发生转弯行驶和/或掉头行驶；
[0022]若所述车辆在所述预设时间段内发生转弯行驶和/或掉头行驶，则获取所述车辆转弯行驶和/或掉头行驶所对应的第二时间片段；
[0023]删除所述第二时间片段所对应的数据后，计算所述车辆在所述预设时间段内的航向角的标准差。
[0024]在一种可能的实现方式中，该方法还包括：
[0025]获取通过对所述驾驶员进行面部特征识别所得到的第二判别结果，所述第二判别结果用于表示所述驾驶员处于疲劳状态的概率；
[0026]根据所述第一判别结果和所述第二判别结果，获取综合判别结果。
[0027]在一种可能的实现方式中，所述根据所述第一判别结果和所述第二判别结果，获取综合判别结果包括：
[0028]根据预设公式获取综合判别结果，所述预设公式为
[0029]S＝α1S1+α2S2[0030]在所述预设公式中，S为所述综合判别结果的值，α1为所述第一判别结果对应的预设系数，S1为所述第一判别结果所对应的概率值，α2为所述第二判别结果所对应的预设系数，S2为所述第二判别结果所对应的概率值，α1与α2的和为1。
[0031]在一种可能的实现方式中，所述状态参数还包括所述车辆在所述预设时间段的平均车速、车速的标准差、车道偏离预警的次数和所述驾驶员刹车的频率。
[0032]第二方面，本专利技术实施例提供了一种疲劳驾驶判别装置，包括：确定模块和判别模块；
[0033]所述确定模块，用于确定车辆在预设时间段内的状态参数的值，所述状态参数包括所述车辆在所述预设时间段内的跟车时距标准差、车道线距离的标准差和航向角的标准差；
[0034]所述判别模块，用于将所述车辆在预设时间段内的状态参数的值输入预训练的判别模型中，获取第一判别结果，所述第一判别结果用于表示所述车辆的驾驶员处于疲劳状态的概率。
[0035]第三方面，本专利技术实施例提供了一种控制装置，包括存储器、处理器以及存储在所
述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
[0036]第四方面，本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
[0037]本专利技术实施例与现有技术相比存在的有益效果是：
[0038]本专利技术通过车辆的状态变量中抽取多个状态参数，包括车辆在预设时间段内的跟车时距的标准差、车道线距离的标准差和航向角的标准差，作为驾驶员疲劳状态判别指标，构建用于驾驶人疲劳概率的特征空间，利用预训练的判别模型判别驾驶员处于疲劳状态的概率。本专利技术所提供的方法为非接触式检测，且不同于现有的通过面部识别判别疲劳状态的方法，本专利技术实施例所提供的方法不受实际道路环境中光照等因素的影响，能够提高疲劳判别的精准度。
附图说明
[0039]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0040]图1是本专利技术实施例提供的一种疲劳驾驶判别方法的实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种疲劳驾驶判别方法，其特征在于，包括：确定车辆在预设时间段内的状态参数的值，所述状态参数包括所述车辆在所述预设时间段内的跟车时距标准差、车道线距离的标准差和航向角的标准差；将所述车辆在预设时间段内的状态参数的值输入预训练的判别模型中，获取第一判别结果，所述第一判别结果用于表示所述车辆的驾驶员处于疲劳状态的概率。2.根据权利要求1所述的方法，其特征在于，在所述确定车辆在预设时间段内的状态参数的值之前，该方法还包括：获取多个数据样本，每个数据样本的输入参数为所述车辆的状态参数，每个数据样本的输出参数为驾驶员处于疲劳状态的概率；通过所述多个样本数据对预设模型进行训练，得到所述判别模型。3.根据权利要求1所述的方法，其特征在于，确定所述车辆在所述预设时间段内的车道线距离的标准差包括：针对所述车辆所在车道的左右车道线中的每一个车道线，根据所述车辆在所述预设时间段内与该车道线的距离获取所述车辆与该车道线距离的标准差，其中，在所述预设时间段内的任一时刻，若该时刻所述车辆在所述车道内，则所述车辆与该车道线的距离的值取正数，若该车辆压在该车道线上，则所述车辆与该车道线的距离的值为零，若所述车辆越过该车道线，则所述车辆与该车道线的距离的值取负数；根据所述车辆与所述车道的左车道线距离的标准差，以及所述车辆与所述车道的右车道线距离的标准差，计算所述车辆在所述预设时间段内的车道线距离的标准差。4.根据权利要求3所述的方法，其特征在于，在确定所述车辆在所述预设时间段内的车道线距离的标准差之前，该方法还包括：在所述预设时间段内，判断所述车辆是否由第一车道变道至第二车道；若所述车辆由所述第一车道变道至所述第二车道，则获取所述车辆由所述第一车道变道至所述第二车道所对应的第一时间片段；所述获取所述车辆在所述预设时间段内的车道线距离的标准差包括：删除所述第一时间片段所对应的数据后，计算所述车辆在所述预设时间段内的车道线距离的标准差。5.根据权利要求1所述的方法，其特征在于，确定所述车辆在所述预设时间段内的航向角的标准差包括：根据所述车辆在所述预设时间段内的行驶数据，判断所述车辆在所...

【专利技术属性】
技术研发人员：徐显杰，胡敏智，
申请(专利权)人：所托杭州汽车智能设备有限公司，
类型：发明
国别省市：