一种人工智能预警方法及系统技术方案

本发明专利技术属于人工智能预警技术领域，且公开了一种人工智能预警方法，包括下列步骤：(一)、获取车内摄像头数据；(二)、接入行车电脑存储器接口并获取车辆运行数据；(三)、系统判断车辆的平均时速是否超过速度阈值K，若超过K则判定车辆处于高速公路上。本发明专利技术基于人工智能，并依据车辆运行数据进行多方面计算得出速度阈值K，通过判断车辆的形式环境来切换不同的预警模式，实际上，本发明专利技术中对车辆的运行数据进行二次计算和总结，从车辆被控制的状态来判断驾驶员的疲劳程度，从而有效提高了对驾驶员疲劳预警的准确性和高效性，同时能够适应包括高速在内的所有路段，并及时提供预警。并及时提供预警。并及时提供预警。

【技术实现步骤摘要】
一种人工智能预警方法及系统


[0001]本专利技术属于人工智能预警
，具体为一种人工智能预警方法及系统。

技术介绍

[0002]人工智能是基于算法高度集成化的一种多学科交叉技术，其具备叠加的学习能力，多用于预警领域，例如，车辆驾驶时，驾驶员的疲劳预警就需要用到人工智能，通过多获取的数据进行分析、过滤和学习，提高预警准确率和预警效率，但现有技术中，对于车辆驾驶员的疲劳预警所采用的数据采集、分析来源单一，多局限于摄像头中驾驶员的姿态数据，然而，这种方法存在一些局限性，如准确性不高、受环境光线和角度影响较大等问题，为了提高车辆驾驶员疲劳预警的准确性和效率，本专利技术致力于设计一种人工智能预警方法及系统。

技术实现思路

[0003]本专利技术的目的在于提供一种人工智能预警方法及系统，以解决上述
技术介绍
中提出的问题。
[0004]为了实现上述目的，本专利技术提供如下技术方案：一种人工智能预警方法，包括下列步骤：
[0005](一)、获取车内摄像头数据；
[0006](二)、接入行车电脑存储器接口并获取车辆运行数据；
[0007](三)、系统判断车辆的平均时速是否超过速度阈值K，若超过K则判定车辆处于高速公路上，否则则判定车辆处于非高速公路上；
[0008](四)、在车辆处于高速公路行驶时，系统分析车辆运行数据并比对驾驶员在正常行驶时的数据，判断其是否处于疲劳状态；
[0009](五)、车辆在非高速高公路上时，系统通过内置的加速度传感器模块判断车辆的颠簸程度P，若其低于或等于正常值则关闭系统的数据分析模块，否则分析车辆运行数据并比对驾驶员在正常行驶时的数据，判断其是否处于疲劳状态。
[0010]优选地，所述车内摄像头数据包括但不限于车辆内部的两个或以上的摄像头数据。
[0011]优选地，所述车辆运行数据包括
[0012]油门深度的变化率S：指的是驾驶员在特定时间内调整油门的程度；油门深度的变化率可以用来评估驾驶员的加速或减速行为，较大的油门深度变化率可能表明驾驶员的操控行为较激烈或不规律，这可能与疲劳驾驶有关；
[0013]方向盘的转动角度A：指的是驾驶员在转动方向盘时所施加的角度；方向盘的转动角度可以提供关于驾驶员转向行为的信息，异常或不规律的方向盘转动角度可能暗示驾驶员的疲劳或分心状态；
[0014]刹车力度B：指的是驾驶员踩下刹车踏板时所施加的力度；刹车力度可以反映驾驶
员对车辆速度控制的方式和强度，异常的刹车力度变化可能暗示驾驶员的紧张或疲劳情况；
[0015]行驶速度D：指的是车辆在特定时间内的实际行驶速度；行驶速度可以作为评估驾驶员行为的重要指标之一，异常的行驶速度，如过高或过低，可能与驾驶员疲劳、分心或不规律行为有关；
[0016]换挡频率G：指的是车辆在特定时间内进行换挡的次数；换挡频率可以反映驾驶员对车速和引擎负荷的控制，频繁的换挡可能表明驾驶员的驾驶风格较激进或不稳定。
[0017]这些车辆运行数据项目的综合分析可以提供关于驾驶员行为和驾驶状态的信息；通过监测和分析这些数据，人工智能预警系统可以识别出驾驶员的疲劳、分心、注意力不集中等情况，并提供及时的预警提示，以提高驾驶安全性。
[0018]优选地，所述速度阈值K、颠簸程度P、油门深度的变化率S、方向盘的转动角度A、刹车力度B和行驶速度D遵循以下公式：
[0019]K＝F(P，S，A，B，D)；
[0020]其中，K为用于判断车辆是否处于高速公路上的阈值，F为一个函数，用于计算速度阈值K，具体函数F的形式可以根据实际需求和数据特点进行设计，例如，可以使用线性函数、非线性函数、逻辑函数或者基于统计模型的函数等进行计算，函数F的设计应考虑到不同形式数据之间的关系和对速度阈值K的影响程度。
[0021]优选地，所述颠簸程度P是一个指标，用于衡量车辆在行驶过程中所经历的颠簸程度或路面的平整程度，其与速度阈值K之间存在间接影响关系，通过下列数据能够对颠簸程度进行估计或近似：
[0022]加速度(C)：车辆的加速度可以提供关于车辆运动状态和路面状况的信息；较大的加速度波动可能暗示路面颠簸程度较高；
[0023]车身姿态(R)：通过车辆传感器或惯性测量单元(IMU)可以获取车辆的姿态数据，如横摆角、俯仰角；异常的车身姿态变化可能与路面颠簸程度相关；
[0024]悬挂系统压力(H)：监测车辆悬挂系统的压力变化可以提供关于路面颠簸程度的线索。
[0025]优选地，所述颠簸程度P基于加速度C、车身姿态R和悬挂系统压力H进行估计或近似：
[0026]P＝f(C,R,H)；
[0027]其中，所述f为函数，其使用机器学习算法或建立数学模型来构建，通过训练模型或建立相关规则，将加速度C、车身姿态R和悬挂系统压力H作为输入，预测或估计出颠簸程度P。
[0028]需要注意的是，颠簸程度的准确度和估计的精度取决于所使用的数据源和建模方法的质量，因此，根据实际场景和数据的可用性，可能需要进一步的数据收集、特征工程和模型优化来提高颠簸程度的估计准确性。
[0029]优选地，多组所述车内摄像头采用左右或前后对称分布于驾驶员的周边。
[0030]车内摄像头采用的对称分布设计能够提高对驾驶员姿态的捕捉精度。
[0031]一种人工智能预警系统，包括
[0032]数据采集模块：用于获取车内摄像头数据和接入行车电脑存储器接口，从中获取
车辆运行数据；数据采集模块可以通过多组车内摄像头采集驾驶员周边的视频数据，并获取车辆运行数据的信息；
[0033]速度判定模块：根据获取的车辆运行数据，系统判断车辆的平均时速是否超过预设的速度阈值K；若超过K，则判定车辆处于高速公路上；否则，则判定车辆处于非高速公路上；
[0034]疲劳判断模块：在车辆处于高速公路行驶时，系统分析车辆运行数据并比对驾驶员在正常行驶时的数据，判断驾驶员是否处于疲劳状态；疲劳判断模块可以通过机器学习算法或规则引擎，结合车辆运行数据和驾驶员行为模式，识别疲劳驾驶的迹象，如头部姿态、眼睛闭合情况等；
[0035]颠簸判断模块：在车辆处于非高速公路上时，系统利用内置的加速度传感器模块，判断车辆的颠簸程度P；如果颠簸程度低于或等于正常值，则关闭系统的数据分析模块；否则，分析车辆运行数据并比对驾驶员在正常行驶时的数据，判断驾驶员是否处于疲劳状态；颠簸判断模块可以通过对加速度数据的实时监测和分析，识别车辆所经历的颠簸程度，从而进行进一步的疲劳判断；
[0036]预警提示模块：根据疲劳判断模块和颠簸判断模块的结果，系统可以通过声音、光线、震动等方式向驾驶员发出预警提示；提醒驾驶员注意疲劳驾驶风险或路面颠簸情况，以增强驾驶员的警觉性和安全意识。
[0037]本专利技术的有益效果如下：
[0038]本专利技术基于人工智能，并依据车辆运行数据进行多方面计算得出速度阈值K，通过判断车辆的形式环境来切换不同的预本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人工智能预警方法，其特征在于：包括下列步骤：(一)、获取车内摄像头数据；(二)、接入行车电脑存储器接口并获取车辆运行数据；(三)、系统判断车辆的平均时速是否超过速度阈值K，若超过K则判定车辆处于高速公路上，否则则判定车辆处于非高速公路上；(四)、在车辆处于高速公路行驶时，系统分析车辆运行数据并比对驾驶员在正常行驶时的数据，判断其是否处于疲劳状态；(五)、车辆在非高速高公路上时，系统通过内置的加速度传感器模块判断车辆的颠簸程度P，若其低于或等于正常值则关闭系统的数据分析模块，否则分析车辆运行数据并比对驾驶员在正常行驶时的数据，判断其是否处于疲劳状态。2.根据权利要求1所述的一种人工智能预警方法，其特征在于：所述车内摄像头数据包括但不限于车辆内部的两个或以上的摄像头数据。3.根据权利要求1所述的一种人工智能预警方法，其特征在于：所述车辆运行数据包括油门深度的变化率S：指的是驾驶员在特定时间内调整油门的程度；方向盘的转动角度A：指的是驾驶员在转动方向盘时所施加的角度；刹车力度B：指的是驾驶员踩下刹车踏板时所施加的力度；行驶速度D：指的是车辆在特定时间内的实际行驶速度；换挡频率G：指的是车辆在特定时间内进行换挡的次数。4.根据权利要求1～3任意一项所述的一种人工智能预警方法，其特征在于：所述速度阈值K、颠簸程度P、油门深度的变化率S、方向盘的转动角度A、刹车力度B和行驶速度D遵循以下公式：K＝F(P，S，A，B，D)；其中，K为用于判断车辆是否处于高速公路上的阈值，F为一个函数，用于计算速度阈值K，具体函数F的形式可以根据实际需求和数据特点进行设计。5.根据权利要求1～4任意一项所述的一种人工智...

【专利技术属性】
技术研发人员：曾国伟，杨明锋，雷献明，贾晓欣，庞永建，
申请(专利权)人：上海淳粹信息技术有限公司，
类型：发明
国别省市：