【技术实现步骤摘要】
本申请实施例涉及自动驾驶领域，具体而言，涉及一种驾驶状态的调整方法及装置、存储介质、电子设备、计算机程序产品。
技术介绍
1、自动驾驶是依靠计算机与人工智能技术在没有人为操纵的情况下，完成完整、安全、有效的驾驶的一项前沿科技。基于驾驶自动化系统能够执行动态驾驶任务的程度，根据在执行动态驾驶任务中的角色分配以及有无设计运行条件限制，相关技术标准《汽车驾驶自动化分级》将驾驶自动化分为0～5共6个等级。其中l3及以下的驾驶自动化即使无需驾驶员直接主动操控，仍然要求驾驶员在驾驶位对车辆行驶保持关注状态以便随时能够接管车辆控制。因此实时监控驾驶员的接管状态并根据不同状态加以干预提醒是保障l3级别以下汽车自动化驾驶安全的重要技术。
2、而目前，驾驶员状态干预提醒策略多是针对传统驾驶环境中驾驶员异常状态的，因此大多数研究只针对驾驶员状态来决定干预提醒程度，而自动驾驶中，驾驶员的状态与传统驾驶中正常驾驶的状态会有区别，因此针对驾驶员状态来决定对驾驶员的干预提醒程度并不适用于自动驾驶场景。
3、针对相关技术中，传统驾驶员状态干预提醒策略在自动驾驶场景下的提醒效果较差的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本申请实施例提供了一种驾驶状态的调整方法及装置、存储介质、电子设备、计算机程序产品，以至少解决传统驾驶员状态干预提醒策略在自动驾驶场景下的提醒效果较差的问题 。
2、根据本申请的一个实施例，提供了一种驾驶状态的调整方法，包括：从多个预设驾驶员状态中
3、在一个示例性的实施例中，所述从多个预设驾驶员状态中确定自动驾驶车辆中的驾驶员当前所处的驾驶员状态，包括：获取所述驾驶员的n个状态数据，其中，所述n个状态数据包括：所述驾驶员的图像数据和生理信号数据，n为大于或等于2的正整数；根据所述n个状态数据从多个预设驾驶员状态中确定自动驾驶车辆中的驾驶员当前所处的驾驶员状态。
4、在一个示例性的实施例中，所述根据所述n个状态数据从多个预设驾驶员状态中确定自动驾驶车辆中的驾驶员当前所处的驾驶员状态，包括：确定m个分类模型，其中，所述m个分类模型的模型输入互不相同，所述m个分类模型中的每个分类模型的输入为所述n个状态数据中的部分或全部状态数据，所述每个分类模型用于根据对应的模型输入从所述多个预设驾驶员状态中确定所述驾驶员当前所处的驾驶员状态，其中，m为大于或等于2的正整数；根据所述n个状态数据确定所述m个分类模型的m个分类结果，并根据所述m个分类结果确定所述驾驶员当前所处的驾驶员状态。
5、在一个示例性的实施例中，所述根据所述n个状态数据确定所述m个分类模型的m个分类结果，包括：通过以下方式确定所述m个分类模型中第i个分类模型的分类结果，以确定所述m个分类模型的m个分类结果：将所述n个状态数据中与所述第i个分类模型对应的状态数据输入至所述第i个分类模型中，得到所述第i个分类模型的分类结果。
6、在一个示例性的实施例中，所述根据所述m个分类结果确定所述驾驶员当前所处的驾驶员状态，包括：在所述m个分类结果相同且均为指定驾驶员状态的情况下，将所述指定驾驶员状态确定为所述驾驶员当前所处的驾驶员状态；在所述m个分类结果不全相同，且所述m个分类结果包括p类分类结果的情况下，确定所述p类分类结果中每一分类结果对应的可信度，并将所述p类分类结果中可信度最高的分类结果对应的驾驶员状态确定为所述驾驶员当前所处的驾驶员状态，其中，p为大于等于2、小于等于m的正整数。
7、在一个示例性的实施例中，所述确定所述p类分类结果中每一分类结果对应的可信度，包括：通过以下方式确定所述p类分类结果中第j类分类结果的可信度：从所述m个分类模型中确定输出结果为所述第j类分类结果的z个分类模型；确定所述z个分类模型中的每个分类模型对应的状态数据的数据质量；在所述z个分类模型对应的z组状态数据中包括q个状态数据的情况下，根据所述q个状态数据的数据质量确定所述第j类分类结果的可信度。
8、在一个示例性的实施例中，所述确定所述z个分类模型中的每个分类模型对应的状态数据的数据质量，包括：在所述状态数据为图像数据的情况下，将所述图像数据中像素值的方差确定为所述状态数据的数据质量；在所述状态数据为生理信号数据的情况下，根据所述生理信号数据的信号稳定性和信号连续性确定所述状态数据的数据质量。
9、在一个示例性的实施例中，所述从多个预设环境复杂度中确定所述自动驾驶车辆当前所处的环境的环境复杂度，包括：确定所述自动驾驶车辆所处的环境的动态实体数据，基础设备元素数据和天气数据，其中，所述动态实体数据用于描述所述环境中的动态实体，所述基础设备元素数据用于描述所述环境中的基础设备元素；根据所述动态实体数据，所述基础设备元素数据和所述天气数据从多个预设环境复杂度中确定所述自动驾驶车辆当前所处的环境的环境复杂度。
10、在一个示例性的实施例中，所述根据所述动态实体数据，所述基础设备元素数据和所述天气数据从多个预设环境复杂度中确定所述自动驾驶车辆当前所处的环境的环境复杂度，包括：根据所述动态实体数据中的动态实体的数量确定第一环境复杂值；以及根据所述动态实体数据和所述基础设备元素数据中的目标实体的实体数据确定第二环境复杂值，其中，所述目标实体的危险系数大于预设阈值；以及根据所述天气数据确定第三环境复杂值；根据所述第一环境复杂值、所述第二环境复杂值和所述第三环境复杂值从多个预设环境复杂度中确定所述自动驾驶车辆当前所处的环境的环境复杂度。
11、在一个示例性的实施例中，所述根据所述第一环境复杂值、所述第二环境复杂值和所述第三环境复杂值从多个预设环境复杂度中确定所述自动驾驶车辆当前所处的环境的环境复杂度，包括：将所述第一环境复杂值、所述第二环境复杂值和所述第三环境复杂值进行加权求和，得到目标环境复杂值；在所述目标环境复杂值位于多个环境复杂值范围中的目标环境复杂值范围的情况下，将所述目标环境复杂值范围对应的目标环境复杂度确定为所述自动驾驶车辆当前所处的环境的环境复杂度，其中，所述多个预设环境复杂度与所述多个环境复杂值范围具有一一对应关系，所述多个环境复杂值范围与所述自动驾驶车辆的驾驶场景具有对应关系。
12、在一个示例性的实施本文档来自技高网...
【技术保护点】
1.一种驾驶状态的调整方法，其特征在于，
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求2所述的方法，其特征在于，
4.根据权利要求3所述的方法，其特征在于，
5.根据权利要求3所述的方法，其特征在于，
6.根据权利要求5所述的方法，其特征在于，
7.根据权利要求6所述的方法，其特征在于，
8.根据权利要求1所述的方法，其特征在于，
9.根据权利要求8所述的方法，其特征在于，
10.根据权利要求9所述的方法，其特征在于，
11.根据权利要求1所述的方法，其特征在于，
12.根据权利要求11所述的方法，其特征在于，
13.根据权利要求1所述的方法，其特征在于，
14.根据权利要求1所述的方法，其特征在于，
15.根据权利要求1所述的方法，其特征在于，
16.根据权利要求1所述的方法，其特征在于，
17.根据权利要求2所述的方法，其特征在于，
18.根据权利要求1所述的
19.一种驾驶状态的调整装置，其特征在于，
20.一种计算机可读存储介质，其特征在于，
21.一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，
22.一种计算机程序产品，包括计算机程序，其特征在于，
...【技术特征摘要】
1.一种驾驶状态的调整方法，其特征在于，
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求2所述的方法，其特征在于，
4.根据权利要求3所述的方法，其特征在于，
5.根据权利要求3所述的方法，其特征在于，
6.根据权利要求5所述的方法，其特征在于，
7.根据权利要求6所述的方法，其特征在于，
8.根据权利要求1所述的方法，其特征在于，
9.根据权利要求8所述的方法，其特征在于，
10.根据权利要求9所述的方法，其特征在于，
11.根据权利要求1所述的方法，其特征在于，
12.根据权利要求11所述的方法，其特征...
【专利技术属性】
技术研发人员：陈筱琳，赵雅倩，史宏志，张亚强，许光远，高飞，李逍，
申请(专利权)人：苏州元脑智能科技有限公司，
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。