[发明专利]一种基于驾驶员注意力的辅助速控方法、装置及系统

权利要求书

1.一种基于驾驶员注意力的辅助速控方法，其特征在于，包括：

获取驾驶员人脸动态数据和车辆运行动态数据；

根据人脸动态数据识别面部特征；

根据车辆运行动态数据识别车辆运行特征；

根据识别出的面部特征和车辆运行特征，对驾驶员的注意力进行评分，其中，驾驶员的注意力得分用以表征驾驶员的注意力程度；

根据驾驶员的注意力得分与预先设置的决策阈值之间的关系，采取辅助速控策略。

2.如权利要求1所述的方法，其特征在于，面部特征包括眼部闭合特征和嘴部张合特征，根据人脸动态数据识别面部特征，包括：

加载预先训练的人脸识别标记模型文件，调用相应算法库对输入的每一帧图像进行人脸检测，并获得嘴唇标记点和第一位置信息、眼睛标记点以及第二位置信息，其中，第一位置信息包括上嘴唇的最高标记点和下嘴唇的最低标记点，第二位置信息包括左眼的一组垂直距离和水平距离、右眼的一组垂直距离和水平距离；

根据左眼的一组垂直距离和水平距离、右眼的一组垂直距离和水平距离，计算眼睛的长宽比作为所述眼部闭合特征值；

根据上嘴唇的最高标记点和下嘴唇的最低标记点，计算上嘴唇和下嘴唇之间的绝对欧几里德距离，作为嘴部张合特征值。

3.如权利要求1所述的方法，其特征在于，车辆运行特征包括持续行驶特征和方向盘抖动特征，根据车辆运行动态数据识别车辆运行特征，包括：

根据引擎传感器信号以及速度传感器数据，获取持续行驶特征，其中，引擎传感器信号通过引擎传感器获取，速度传感器数据通过速度传感器获取；

根据车辆方向盘传感器信号时间序列计算出方向盘抖动特征，车辆方向盘传感器信号时间序列通过方向盘转角传感器获取。

4.如权利要求3所述的方法，其特征在于，根据车辆方向盘传感器信号时间序列计算出方向盘抖动特征，包括：

获取一个时间窗口内的N个SWA时间序列，表示为{u(1),u(2),...,u(N)}，N个SWA时间序列近似熵ApEn计算公式如公式一所示：

公式一：

其中，m为整数，表示比较向量的长度；r为实数，作为尺度的容限参数，满足条件的向量数量的计算公式如公式二所示：

公式二：

其中，Bi表示满足d|X(i),X(j)|≤r的X(j)的个数，d|X(i),X(j)|测量X(i)和X(j)之间的距离，且i，j＝1～N-m+1，X(i)和X(j)用于表示输入的时间序列u(n)的m维重构向量X，X用公式三表示：

公式三：

将计算出的近似熵ApEn作为方向盘抖动特征值。

5.如权利要求1所述的方法，其特征在于，面部特征包括眼部闭合特征和嘴部张合特征，眼部闭合特征值为EAR，嘴部张合特征值为DBLs，车辆运行特征包括持续行驶特征和方向盘抖动特征，持续行驶特征值为Duration，方向盘抖动特征值为ApEn，根据识别出的面部特征和车辆运行特征，对驾驶员的注意力进行评分，包括：

将注意力得分初始化为最大得分阈值，预先设置评分规则阈值，评分规则阈值包括闭眼阈值、打哈欠阈值、持续行驶时长阈值，方向盘抖动阈值；

根据EAR与闭眼阈值的关系，对当前注意力得分进行修正；

根据DBLs与打哈欠阈值的关系，对当前注意力得分进行修正；

根据Duration与持续行驶时长阈值的关系，对当前注意力得分进行修正；

根据ApEn与方向盘抖动阈值的关系，对当前注意力得分进行修正，获得修正后的评分，作为驾驶员的注意力得分。

6.如权利要求5所述的方法，其特征在于，预先设置最大评分阈值和得分增量值，所述方法还包括：

如果在一帧图像内未检测到闭眼和打哈欠特征，且当前注意力得分小于最大得分阈值，则将当前注意力得分加上得分增量值；

如果在一个时间窗口内未检测到方向盘抖动，且当前注意力得分小于最大得分阈值，则将当前注意力得分加上得分增量值。