System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及安全驾驶检测,尤其涉及一种驾驶员疲劳检测方法、存储介质、电子设备及车辆。
技术介绍
1、为了提高车辆的安全行驶,避免事故发生,一些车辆生产厂家提出可以在车辆中配置驾驶员面部特征检测装置,通过检测驾驶员的面部特征或者眼睛瞳孔状态等判断驾驶员是否处于疲劳驾驶的状态,当驾驶员疲劳驾驶时对其进行提醒。
2、以上方案中,需要采集驾驶员的人脸信息并将人脸信息上传至服务器供服务器识别面部特征或瞳孔状态。当前用户对自己的隐私保护越来越重视,同时国家法律法规也加大了对于个人隐私的保护力度,上述采集人脸信息并将人脸信息上传至服务器的过程可能会导致隐私信息泄漏,因此该方式在实施时面临较大阻碍。
技术实现思路
1、本申请的目的在于提供一种驾驶员疲劳检测方法、存储介质、电子设备及车辆,以解决现有技术中疲劳驾驶方案中存在的用户个人信息安全问题。
2、本申请技术方案提供一种驾驶员疲劳检测方法,包括如下步骤:
3、获取驾驶员的脑电波信号,根据所述脑电波信号得到初始疲劳指数;
4、获取车辆行驶数据并根据所述车辆行驶数据对所述初始疲劳指数进行修正,得到实际疲劳指数;
5、若所述实际疲劳指数大于设定阈值,则确定所述驾驶员处于疲劳驾驶状态。
6、在一些技术方案中的驾驶员疲劳检测方法,所述获取车辆行驶数据并根据所述车辆行驶数据对所述初始疲劳指数进行修正,得到实际疲劳指数的步骤中包括:
7、提取所述车辆行驶数据中的本次行驶里程或本次
8、若所述本次行驶里程超出设定里程阈值或所述本次行驶时间超出设定时间阈值,则对所述初始疲劳指数放大第一预定倍数后得到所述实际疲劳指数;所述第一预定倍数根据所述本次行驶里程或所述本次行驶时间确定。
9、在一些技术方案中的驾驶员疲劳检测方法,所述获取车辆行驶数据并根据所述车辆行驶数据对所述初始疲劳指数进行修正,得到实际疲劳指数的步骤中包括:
10、提取所述车辆行驶数据中的本次启动时间;
11、若所述本次启动时间置于预设休息时间区间,则对所述初始疲劳指数放大第二预定倍数后得到所述实际疲劳指数;所述第二预定倍数根据所述本次启动时间与所述预设休息时间区间的关系确定。
12、在一些技术方案中的驾驶员疲劳检测方法,所述获取车辆行驶数据并根据所述车辆行驶数据对所述初始疲劳指数进行修正,得到实际疲劳指数的步骤中包括:
13、提取所述车辆行驶数据中的前次熄火时间和本次启动时间;
14、若所述前次熄火时间及所述本次启动时间均置于预设休息时间区间,则发出问询信号,所述问询信号用于问询前次驾驶与本次驾驶的驾驶员是否相同;
15、获取基于所述问询信号的反馈信号,若所述反馈信号表示驾驶员相同,则对所述初始疲劳指数放大第三预定倍数后得到所述实际疲劳指数;所述第三预定倍数根据所述前次熄火时间与所述本次启动时间的时间差确定。
16、在一些技术方案中的驾驶员疲劳检测方法,所述获取驾驶员的脑电波信号,根据所述脑电波信号得到初始疲劳指数的步骤包括:
17、采集所述脑电波信号,对所述脑电波信号进行滤波;
18、将滤波后的脑电波信号转换为功率谱密度特征信号,所述功率谱密度特征信号包括:意识相关的θ特征波、疲劳相关的α特征波、清醒相关的β特征波和强烈意识的γ特征波;
19、将所述功率谱密度特征信号中的各特征波输入至预置的脑电波分析模型,根据所述脑电波分析模型的输出结果得到所述初始疲劳指数;所述脑电波分析模型为基于脑电波信号样本对深度学习算法训练得到,所述脑电波信号样本包括功率谱密度特征样本和与功率谱密度特征样本对应的疲劳指数。
20、在一些技术方案中的驾驶员疲劳检测方法,所述将所述功率谱密度特征信号中的各特征波输入至预置的脑电波分析模型,根据所述脑电波分析模型的输出结果得到所述初始疲劳指数的步骤中:
21、对所述脑电波分析模型输出的多个结果求取平均值、中位数或加权平均值,得到所述初始疲劳指数。
22、在一些技术方案中的驾驶员疲劳检测方法,所述若所述实际疲劳指数大于设定阈值,则确定所述驾驶员处于疲劳驾驶状态之后还包括如下步骤:
23、若所述实际疲劳指数大于预设上限值,则控制功放单元播放预设音频,所述预设音频与清醒相关的β波属于相同频段。
24、本申请一些技术方案中还提供一种驾驶员疲劳检测装置,包括:
25、脑电波信号处理单元,用于获取驾驶员的脑电波信号,根据所述脑电波信号得到初始疲劳指数;
26、疲劳指数修正单元,用于获取车辆行驶数据并根据所述车辆行驶数据对所述初始疲劳指数进行修正,得到实际疲劳指数;
27、信号判断单元,用于在所述实际疲劳指数大于设定阈值时,则确定所述驾驶员处于疲劳驾驶状态。
28、本申请一些技术方案中还提供一种存储介质,所述存储介质内存储有程序信息,计算机读取所述程序信息后执行以上任一项方案所述的驾驶员疲劳检测方法。
29、本申请一些技术方案中还提供一种电子设备,包括至少一个处理器和至少一个存储器,至少一个所述存储器中存储有程序信息,至少一个所述处理器读取所述程序信息后执行以上任一项所述的驾驶员疲劳检测方法。
30、本申请一些技术方案还提供一种车辆,所述车辆包括以上方案所述的驾驶员疲劳检测装置或电子设备。
31、在一些技术方案中的车辆,还包括基于脑电波检测的耳机,所述耳机与所述电子设备连接。
32、采用上述技术方案,具有以下有益效果:
33、本申请方案通过检测驾驶员脑电波信号并分析,确定驾驶员的初始疲劳指数。同时,通过获取车辆行驶数据,并根据车辆行驶数据对初始疲劳指数进行修正,得到最终的实际疲劳指数,实际疲劳指数大于设定阈值则确定驾驶员处于疲劳驾驶状态并发出提示。脑电波信号本身不会涉及到驾驶员的个人隐私信息,因此脑电波信息不存在泄漏驾驶员隐私信息的问题,而且本申请中利用车辆行驶数据与脑电波信号相结合的方式得到最终的实际疲劳指数,可真实地反应驾驶员的疲劳程度。
本文档来自技高网...【技术保护点】
1.一种驾驶员疲劳检测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的驾驶员疲劳检测方法,其特征在于,所述获取车辆行驶数据并根据所述车辆行驶数据对所述初始疲劳指数进行修正,得到实际疲劳指数的步骤中包括:
3.根据权利要求1所述的驾驶员疲劳检测方法,其特征在于,所述获取车辆行驶数据并根据所述车辆行驶数据对所述初始疲劳指数进行修正,得到实际疲劳指数的步骤中包括:
4.根据权利要求1所述的驾驶员疲劳检测方法,其特征在于,所述获取车辆行驶数据并根据所述车辆行驶数据对所述初始疲劳指数进行修正,得到实际疲劳指数的步骤中包括:
5.根据权利要求1-4任一项所述的驾驶员疲劳检测方法,其特征在于,所述获取驾驶员的脑电波信号,根据所述脑电波信号得到初始疲劳指数的步骤包括:
6.根据权利要求5所述的驾驶员疲劳检测方法,其特征在于,所述将所述功率谱密度特征信号中的各特征波输入至预置的脑电波分析模型,根据所述脑电波分析模型的输出结果得到所述初始疲劳指数的步骤中:
7.根据权利要求1-4任一项所述的驾驶员疲劳检测方法,其特征在
8.一种驾驶员疲劳检测装置,其特征在于,包括:
9.一种存储介质,其特征在于,所述存储介质内存储有程序信息,计算机读取所述程序信息后执行权利要求1-7任一项所述的驾驶员疲劳检测方法。
10.一种电子设备,其特征在于,包括至少一个处理器和至少一个存储器,至少一个所述存储器中存储有程序信息,至少一个所述处理器读取所述程序信息后执行权利要求1-7任一项所述的驾驶员疲劳检测方法。
11.一种车辆,其特征在于,所述车辆包括权利要求8所述的驾驶员疲劳检测装置或权利要求10所述的电子设备。
12.根据权利要求11所述的车辆,其特征在于,还包括基于脑电波检测的耳机,所述耳机与所述电子设备连接。
...【技术特征摘要】
1.一种驾驶员疲劳检测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的驾驶员疲劳检测方法,其特征在于,所述获取车辆行驶数据并根据所述车辆行驶数据对所述初始疲劳指数进行修正,得到实际疲劳指数的步骤中包括:
3.根据权利要求1所述的驾驶员疲劳检测方法,其特征在于,所述获取车辆行驶数据并根据所述车辆行驶数据对所述初始疲劳指数进行修正,得到实际疲劳指数的步骤中包括:
4.根据权利要求1所述的驾驶员疲劳检测方法,其特征在于,所述获取车辆行驶数据并根据所述车辆行驶数据对所述初始疲劳指数进行修正,得到实际疲劳指数的步骤中包括:
5.根据权利要求1-4任一项所述的驾驶员疲劳检测方法,其特征在于,所述获取驾驶员的脑电波信号,根据所述脑电波信号得到初始疲劳指数的步骤包括:
6.根据权利要求5所述的驾驶员疲劳检测方法,其特征在于,所述将所述功率谱密度特征信号中的各特征波输入至预置的脑电波分析模型,根据所述脑...
【专利技术属性】
技术研发人员:于昊田,
申请(专利权)人:北京车和家汽车科技有限公司,
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。