[发明专利]疲劳驾驶判定的方法、装置、电子设备和存储介质

说明书

本发明的实施例公开了一种疲劳驾驶判定的方法、装置、电子设备和存储介质，涉及数据分析领域，该方法包括：响应于车辆开始行驶，获取司机座位处的声音信号和用户第一生理指标值；在车辆开始行驶后一段等待时间后，获取司机座位处的声音信号和用户第二生理指标值；将车辆开始行驶时司机座位处的声音信号、用户第一生理指标值、在等待时间后获取司机座位处的声音信号、和用户第二生理指标值输入第一机器学习模型，由第一机器学习模型输出用户是否在疲劳驾驶的结果，本发明技术的实施例的技术方案根据用户生理生理指标值及司机座位处的声音信息的变化情况，确定用户是在疲劳驾驶，提高了疲劳驾驶判定的准确率。

技术领域

本发明涉及数据分析领域，特别是涉及一种疲劳驾驶判定的方法、装置、电子设备和存储介质。

背景技术

据世界卫生组织2018年统计，全球每年发生交通事故死亡的人数已超250万人，交通伤亡已超世界地区局势动荡及地区战争，其中疲劳驾驶在交通事故死亡事件中所占比重大，另根据美国汽车交通安全基金会的一项调查表明：疲劳驾驶在美国的交通事故死亡事件中占据21％的比例，可见疲劳驾驶占交通事故的比例是非常之高。如何准确判定用户处于疲劳驾驶是亟待解决的问题。

发明内容

本发明实施例的目的在于提供一种疲劳驾驶判定的方法、装置、计算机可读介质及电子设备，进而可以至少在一定程度上克服现有技术中疲劳驾驶判定准确率低的问题。

根据本发明的第一方面，提供了一种疲劳驾驶判定的方法，包括：响应于车辆开始行驶，获取司机座位处的声音信号、和用户第一生理指标值；在车辆开始行驶后一段等待时间后，获取司机座位处的声音信号、和用户第二生理指标值；将车辆开始行驶时司机座位处的声音信号、用户第一生理指标值、在等待时间后获取司机座位处的声音信号、和用户第二生理指标值输入第一机器学习模型，由第一机器学习模型输出用户是否在疲劳驾驶的结果。

在一实施例中，在响应于车辆开始行驶，获取司机座位处的声音信号、和用户第一生理指标值之后还包括：获取当前环境信息；将所述当前环境信息投入第二机器学习模型，由第二机器学习模型输出所述等待时间。

在一实施例中，所述第二机器学习模型通过以下方式进行训练：预先设置环境条件样本集合，针对环境条件样本集合中每个环境条件样本，预先贴上相应的等待时间标签，将每个环境条件样本输入第二机器学习模型，由第二机器学习模型输出等待时间的判断结果，将所述第二机器学习模型输出的等待时间的判断结果与所述标签相比对，如不一致，则调整第二机器学习模型，使第二机器学习模型输出的等待时间的判断结果与标签一致。

在一实施例中，所述第一机器学习模型通过以下方式进行训练：预先设置样本用户集合，针对样本用户集合中的每个样本用户，在车辆开始行驶时获取司机座位处的声音信号、和用户第一生理指标值，在车辆开始行驶后已知该样本用户未疲劳时，获取司机座位处的声音信号、和用户第二生理指标值，将获取的车辆开始行驶时司机座位处的声音信号、用户第一生理指标值、未疲劳时获取司机座位处的声音信号、和用户第二生理指标值输入第一机器学习模型，由第一机器学习模型输出用户是否在疲劳驾驶的结果，如果给出了疲劳驾驶的结果，则调整第一机器学习模型，使之给出未疲劳驾驶的结果；在车辆开始行驶后已知该样本用户疲劳时，获取司机座位处的声音信号、和用户第二生理指标值，将获取的车辆开始行驶时司机座位处的声音信号、用户第一生理指标值、疲劳时获取司机座位处的声音信号、和用户第二生理指标值输入第一机器学习模型，由第一机器学习模型输出用户是否在疲劳驾驶的结果，如果给出了未疲劳驾驶的结果，则调整第一机器学习模型，使之给出疲劳驾驶的结果。

在一实施例中，在所述将车辆开始行驶时司机座位处的声音信号、用户第一生理指标值、在等待时间后获取司机座位处的声音信号、和用户第二生理指标值输入第一机器学习模型，由第一机器学习模型输出用户是否在疲劳驾驶的结果之后还包括：若所述用户在疲劳驾驶可显示注意休息的提醒。