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】
本申请实施例涉及智能交通,特别涉及一种面向情绪识别的驾驶员状态检测方法及系统。
技术介绍
1、在现代社会,交通安全一直是一个备受关注的问题。每年都有大量的交通事故,其中很多是由驾驶员的状态不佳引起的,如疲劳驾驶、酒后驾驶和分散注意力驾驶。驾驶也是一项复杂的任务,驾驶员的情感状态对安全性和效率有着重大影响。例如,愉快的情感可能会使驾驶员更加警觉,而沮丧或愤怒的情感可能导致决策不当和危险驾驶行为。
2、目前,对驾驶员的状态检测多为基于视觉传感器的疲劳状态检测,或者是通过毫米波雷达的非接触式传感器和直接接触的传感器来检测驾驶员的心跳等健康检测。然而,单一的传感器检测驾驶员状态,存在检测特征点少,数据不准确等问题;接触式的传感器,会存在佩戴不舒服,从而导致分心驾驶等问题。
技术实现思路
1、本申请实施例提供一种面向情绪识别的驾驶员状态检测方法及系统,通过多种传感器和人工智能技术,融合驾驶员的语义情绪和面部情绪状态,心率和呼吸状态、疲劳状态和其它分心驾驶状态,从而得出驾驶员行为,对其行为进行安全等级打分,对不同分数的行为给予不同的响应,以提高驾驶安全性。
2、为解决上述技术问题,第一方面,本申请实施例提供一种面向情绪识别的驾驶员状态检测方法,包括以下步骤:首先,采集驾驶员的环境状态信息;然后,基于环境状态信息,得到驾驶员状态;驾驶员状态包括情绪状态、分心状态以及疲劳状态;最后,设定驾驶员风险等级,根据驾驶员状态评估风险等级,并根据评估的风险等级进行风险响应。
< ...【技术保护点】
1.一种面向情绪识别的驾驶员状态检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的面向情绪识别的驾驶员状态检测方法,其特征在于,所述环境状态信息通过传感器采集获取;
3.根据权利要求1所述的面向情绪识别的驾驶员状态检测方法,其特征在于,基于所述环境状态信息,得到驾驶员的情绪状态,包括:
4.根据权利要求3所述的面向情绪识别的驾驶员状态检测方法,其特征在于,所述面部表情特征的提取是通过以相机拍摄的驾驶员面部图片作为输入,经过机器学习方式提取面部表情获取;
5.根据权利要求3所述的面向情绪识别的驾驶员状态检测方法,其特征在于,将所述面部表情特征、所述心率特征、呼吸频率特征和所述声音特征进行特征融合,得到驾驶员的情绪状态,包括:
6.根据权利要求5所述的面向情绪识别的驾驶员状态检测方法,其特征在于,所述情绪状态包括一级情绪、二级情绪和三级情绪;一级情绪为利于驾驶的情绪,包括:中性、快乐;二级情绪为在监督下可以正常驾驶的情绪,包括:惊讶、厌恶;三级情绪为不利于驾驶、容易失控的情绪,包括:悲伤、愤怒、恐惧。
8.根据权利要求1所述的面向情绪识别的驾驶员状态检测方法,其特征在于,基于所述环境状态信息,得到驾驶员的疲劳状态;
9.根据权利要求1所述的面向情绪识别的驾驶员状态检测方法,其特征在于,设定驾驶员风险等级,根据所述驾驶员状态评估风险等级,并根据评估的风险等级进行风险响应,包括:
10.一种面向情绪识别的驾驶员状态检测系统,其特征在于,包括:
...【技术特征摘要】
1.一种面向情绪识别的驾驶员状态检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的面向情绪识别的驾驶员状态检测方法,其特征在于,所述环境状态信息通过传感器采集获取;
3.根据权利要求1所述的面向情绪识别的驾驶员状态检测方法,其特征在于,基于所述环境状态信息,得到驾驶员的情绪状态,包括:
4.根据权利要求3所述的面向情绪识别的驾驶员状态检测方法,其特征在于,所述面部表情特征的提取是通过以相机拍摄的驾驶员面部图片作为输入,经过机器学习方式提取面部表情获取;
5.根据权利要求3所述的面向情绪识别的驾驶员状态检测方法,其特征在于,将所述面部表情特征、所述心率特征、呼吸频率特征和所述声音特征进行特征融合,得到驾驶员的情绪状态,包括:
6.根据权利要求5所述的面向情绪识别的驾驶员...
【专利技术属性】
技术研发人员:徐坤,沈启广,潘仲鸣,李慧云,
申请(专利权)人:深圳先进技术研究院,
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。