本发明专利技术涉及汽车技术领域，公开了一种驾驶员疲劳状态检测方法、装置、设备及存储介质，所述方法包括：在车辆处于驾驶状态时，获取车辆的驾驶员的当前脑电波数据；根据当前脑电波数据通过脑电波神经网络模型确定所述驾驶员的当前人体状态；根据当前人体状态确定驾驶员的当前疲劳状态。与现有技术中根据人体释放的固定的几种脑电波状态判断驾驶员的疲劳状态相比，本发明专利技术根据驾驶员在睡眠过程中的脑电波数据生成脑电波神经网络模型，通过与驾驶员适配的脑电波神经网络模型和当前脑电波数据来确定驾驶员的当前人体状态，进而确定驾驶员的疲劳状态，从而可更加准确地确定驾驶员的疲劳状态，达到更好的检测效果。达到更好的检测效果。达到更好的检测效果。
【技术实现步骤摘要】
驾驶员疲劳状态检测方法、装置、设备及存储介质
[0001]本专利技术涉及汽车
，尤其涉及一种驾驶员疲劳状态检测方法、装置、设备及存储介质。
技术介绍
[0002]现有技术中，对驾驶车辆的驾驶员进行监控，检测其是否疲劳，是否即将打瞌睡，将传感器佩戴在驾驶员头部，检测其脑电波，根据人体释放的固定的几种脑电波状态进行判断。例如清醒睁眼，大脑活动紧张时β波；清醒，安静，闭眼时α波；疲惫恍惚时θ波；入睡后δ波。睡眠有慢波睡眠和快波睡眠。慢波时Ⅰ期为入睡期，α波逐渐减少，低幅θ波和β波不规则地混杂在一起，脑电波呈平坦趋势；Ⅱ期为浅睡期，出现σ波，并有少量δ波。Ⅲ期为中度睡眠期，出现高幅δ波，或κ波(δ波与σ波的复合波)。Ⅳ期为深度睡眠期，出现δ波。快波睡眠表现为不规则的β波。
[0003]现有技术中存在的问题在于：每个人的脑电波释放都不是固定的，如果使用以上固定的电波检测人体是否即将入睡，难以达到准确的效果，容易产生误报。
[0004]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
[0005]本专利技术的主要目的在于提出一种驾驶员疲劳状态检测方法、装置、设备及存储介质，旨在解决现有技术中通过脑电波对驾驶员进行疲劳检测，难以达到准确的效果，容易产生误报的技术问题。
[0006]为实现上述目的，本专利技术提供一种驾驶员疲劳状态检测方法，所述驾驶员疲劳状态检测方法包括以下步骤：
[0007]在车辆处于驾驶状态时，获取所述车辆的驾驶员的当前脑电波数据；
[0008]根据所述当前脑电波数据通过脑电波神经网络模型确定所述驾驶员的当前人体状态，所述脑电波神经网络模型根据所述驾驶员在睡眠过程中的脑电波数据生成；
[0009]根据所述当前人体状态确定所述驾驶员的当前疲劳状态。
[0010]可选地，所述在车辆处于驾驶状态时，获取所述车辆的驾驶员的当前脑电波数据，包括：
[0011]在车辆处于驾驶状态时，通过脑电波采集设备获取所述车辆的驾驶员的当前脑电波数据，所述脑电波采集设备佩戴在所述驾驶员的头部。
[0012]可选地，所述在车辆处于驾驶状态时，通过脑电波采集设备获取所述车辆的驾驶员的当前脑电波数据，包括：
[0013]在所述车辆处于驾驶状态时，生成脑电波采集指令；
[0014]将所述脑电波采集指令发送给脑电波采集设备，以使所述脑电波采集设备基于所述脑电波采集指令对所述车辆的驾驶员进行脑电波采集，获得当前脑电波数据；
[0015]接收所述脑电波采集设备反馈的所述当前脑电波数据。
[0016]可选地，所述根据所述当前脑电波数据通过脑电波神经网络模型确定所述驾驶员的当前人体状态之前，还包括：
[0017]获取所述驾驶员的驾驶员信息，并根据所述驾驶员信息确定所述驾驶员的驾驶员身份；
[0018]根据所述驾驶员身份从云服务器获取与所述驾驶员对应的脑电波神经网络模型。
[0019]可选地，所述驾驶员信息包括驾驶员图像；
[0020]所述获取所述驾驶员的驾驶员信息，并根据所述驾驶员信息确定所述驾驶员的驾驶员身份，包括：
[0021]通过摄像头获取所述驾驶员的驾驶员图像；
[0022]对所述驾驶员图像进行人脸检测，以确定人脸区域；
[0023]根据所述人脸区域从所述驾驶员图像中截取人脸图像，并根据所述人脸图像确定所述驾驶员的驾驶员身份。
[0024]可选地，所述根据所述驾驶员身份从云服务器获取与所述驾驶员对应的脑电波神经网络模型，包括：
[0025]将所述驾驶员身份发送至云服务器，以使云服务器将驾驶员身份与映射关系表中的用户身份进行匹配，将与所述驾驶员身份匹配的用户身份对应的待选神经网络模型作为脑电波神经网络模型；
[0026]接收所述云服务器反馈的所述脑电波神经网络模型。
[0027]可选地，所述根据所述驾驶员身份从云服务器获取与所述驾驶员对应的脑电波神经网络模型之前，还包括：
[0028]在接收到用户输入的待睡眠指令时，获取所述用户的睡眠脑电波数据，并确定所述睡眠脑电波数据对应的待选人体状态；
[0029]获取所述用户的用户身份；
[0030]将所述睡眠脑电波数据、所述待选人体状态和所述用户身份发送给云服务器，以使云服务器根据所述睡眠脑电波数据和所述待选人体状态对预设神经网络模型进行训练，获得待选神经网络模型，存储所述待选神经网络模型，并根据所述用户身份和所述待选神经网络模型建立映射关系表。
[0031]可选地，所述在接收到用户输入的待睡眠指令时，获取所述用户的睡眠脑电波数据，包括：
[0032]在接收到用户输入的待睡眠指令时，根据所述待睡眠指令生成睡眠脑电波检测指令；
[0033]将所述睡眠脑电波检测指令发送给脑电波采集设备，以使所述脑电波采集设备基于所述睡眠脑电波采集指令对所述用户进行脑电波采集，获得睡眠脑电波数据；
[0034]接收所述脑电波采集设备反馈的所述睡眠脑电波数据。
[0035]可选地，所述根据所述当前脑电波数据通过脑电波神经网络模型确定所述驾驶员的当前人体状态，包括：
[0036]将所述当前脑电波数据输入脑电波神经网络模型，由所述脑电波神经网络模型根据所述当前脑电波数据进行预测，得到输出结果；
[0037]根据所述输出结果确定所述驾驶员的当前人体状态。
[0038]可选地，所述当前疲劳状态包括：一级疲劳状态、二级疲劳状态和三级疲劳状态；
[0039]所述根据所述当前人体状态确定所述驾驶员的当前疲劳状态，包括：
[0040]在所述当前人体状态为第一预设状态时，判定所述驾驶员的当前疲劳状态为一级疲劳状态；
[0041]在所述当前人体状态为第二预设状态时，判定所述驾驶员的当前疲劳状态为二级疲劳状态；
[0042]在所述当前人体状态为第三预设状态时，判定所述驾驶员的当前疲劳状态为三级疲劳状态。
[0043]可选地，所述根据所述当前人体状态确定所述驾驶员的当前疲劳状态之后，还包括：
[0044]在所述驾驶员的当前疲劳状态为一级疲劳状态时，查找目标音乐文件；
[0045]根据所述目标音乐文件进行音乐播放，并将音乐播放音量调整至预设音量。
[0046]可选地，所述根据所述当前人体状态确定所述驾驶员的当前疲劳状态之后，还包括：
[0047]在所述驾驶员的当前疲劳状态为二级疲劳状态时，查找报警提示信息；
[0048]根据所述报警提示信息进行蜂鸣报警，获取蜂鸣触发时刻，并开始记录蜂鸣报警时间；
[0049]在所述蜂鸣报警时间大于预设报警时间阈值时，将行车录像中在所述蜂鸣触发时刻之后的录像作为紧急录像；
[0050]将所述紧急录像设置为不可覆盖模式。
[0051]可选地，所述根据所述当前人体状态确定所述驾驶员的当前疲劳状态之后，还包括：
[0052]在所述驾本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种驾驶员疲劳状态检测方法，其特征在于，所述驾驶员疲劳状态检测方法包括以下步骤：在车辆处于驾驶状态时，获取所述车辆的驾驶员的当前脑电波数据；根据所述当前脑电波数据通过脑电波神经网络模型确定所述驾驶员的当前人体状态，所述脑电波神经网络模型根据所述驾驶员在睡眠过程中的脑电波数据生成；根据所述当前人体状态确定所述驾驶员的当前疲劳状态。2.如权利要求1所述的驾驶员疲劳状态检测方法，其特征在于，所述在车辆处于驾驶状态时，获取所述车辆的驾驶员的当前脑电波数据，包括：在车辆处于驾驶状态时，通过脑电波采集设备获取所述车辆的驾驶员的当前脑电波数据，所述脑电波采集设备佩戴在所述驾驶员的头部。3.如权利要求2所述的驾驶员疲劳状态检测方法，其特征在于，所述在车辆处于驾驶状态时，通过脑电波采集设备获取所述车辆的驾驶员的当前脑电波数据，包括：在所述车辆处于驾驶状态时，生成脑电波采集指令；将所述脑电波采集指令发送给脑电波采集设备，以使所述脑电波采集设备基于所述脑电波采集指令对所述车辆的驾驶员进行脑电波采集，获得当前脑电波数据；接收所述脑电波采集设备反馈的所述当前脑电波数据。4.如权利要求1所述的驾驶员疲劳状态检测方法，其特征在于，所述根据所述当前脑电波数据通过脑电波神经网络模型确定所述驾驶员的当前人体状态之前，还包括：获取所述驾驶员的驾驶员信息，并根据所述驾驶员信息确定所述驾驶员的驾驶员身份；根据所述驾驶员身份从云服务器获取与所述驾驶员对应的脑电波神经网络模型。5.如权利要求4所述的驾驶员疲劳状态检测方法，其特征在于，所述驾驶员信息包括驾驶员图像；所述获取所述驾驶员的驾驶员信息，并根据所述驾驶员信息确定所述驾驶员的驾驶员身份，包括：通过摄像头获取所述驾驶员的驾驶员图像；对所述驾驶员图像进行人脸检测，以确定人脸区域；根据所述人脸区域从所述驾驶员图像中截取人脸图像，并根据所述人脸图像确定所述驾驶员的驾驶员身份。6.如权利要求4所述的驾驶员疲劳状态检测方法，其特征在于...
【专利技术属性】
技术研发人员：陈杰，
申请(专利权)人：苏州三六零智能安全科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。