[发明专利]一种疲劳驾驶检测方法及无人驾驶设备

说明书

本发明实施例涉及无人驾驶技术领域，公开了一种疲劳驾驶检测方法及无人驾驶设备。其中，所述疲劳驾驶检测方法包括：在检测到无人驾驶设备的驾驶者满足疲劳检测条件时，产生疲劳刺激信息；根据所述疲劳刺激信息，获取所述驾驶者的目标瞳孔信息；当所述目标瞳孔信息满足无人驾驶触发条件时，切换至无人驾驶模式。本发明实施例提升了无人驾驶设备的安全性。

技术领域

本发明涉及无人驾驶技术领域，特别是涉及一种疲劳驾驶检测方法及无人驾驶设备。

背景技术

目前，无人驾驶设备包括有人驾驶模式和无人驾驶模式，有人驾驶模式和无人驾驶模式通过人为操作进行切换。但是，当在有人驾驶模式下，若驾驶者发生疲劳驾驶，驾驶者未能及时切换驾驶模式，则可能导致安全事故。

发明内容

本发明实施例旨在提供一种提升安全性的疲劳驾驶检测方法及无人驾驶设备。

为解决上述技术问题，本发明实施例提供以下技术方案：

第一方面，本发明实施例提供了一种疲劳驾驶检测方法，包括：

在检测到无人驾驶设备的驾驶者满足疲劳检测条件时，产生疲劳刺激信息；

根据所述疲劳刺激信息，获取所述驾驶者的目标瞳孔信息；

当所述目标瞳孔信息满足无人驾驶触发条件时，切换至无人驾驶模式。

在一些实施例中，所述在检测到无人驾驶设备的驾驶者满足疲劳检测条件时，产生疲劳刺激信息包括：

获取无人驾驶设备的驾驶者的第一人脸图像；

延时预设时长后，继续获取无人驾驶设备的驾驶者的第二人脸图像；

基于深度学习算法，处理每张人脸图像，分别得到所述第一人脸图像的第一瞳孔大小信息，以及所述第二人脸图像的第二瞳孔大小信息；

当所述第一瞳孔大小信息及所述第二瞳孔大小信息皆小于预设开度阈值，且所述第一瞳孔大小信息与所述第二瞳孔大小信息的差值小于参考差值时，确定所述驾驶者满足疲劳检测条件，并产生疲劳刺激信息。

在一些实施例中，所述基于深度学习算法，处理每张人脸图像，分别得到所述第一人脸图像的第一瞳孔大小信息，以及所述第二人脸图像的第二瞳孔大小信息包括：

对每张人脸图像作图像处理，获得所述人脸图像的目标图像区域；

基于深度学习算法，处理每张所述目标图像区域，分别得到所述第一人脸图像的第一瞳孔大小信息，以及所述第二人脸图像的第二瞳孔大小信息。

在一些实施例中，所述疲劳刺激信息包括蓝光刺激信息，所述对每张人脸图像作图像处理，获得所述人脸图像的目标图像区域，包括：

剔除每张人脸图像中RGB值未在混合颜色阈值范围内的噪声图像区域，保留RGB值在混合颜色阈值范围的目标图像区域。

在一些实施例中，所述产生疲劳刺激信息包括：

按照光强由小到大的渐变模式，控制安装在所述无人驾驶设备的驾驶座周边的灯具产生蓝光刺激信息。

在一些实施例中，所述目标瞳孔信息包括目标瞳孔大小信息，所述当所述目标瞳孔信息满足无人驾驶触发条件时，切换至无人驾驶模式包括：

将所述目标瞳孔大小信息与所述第二瞳孔大小信息相除，得到比值；

当所述比值小于或等于预设参考比值时，确定所述目标瞳孔信息满足无人驾驶触发条件，切换至无人驾驶模式。

在一些实施例中，无人驾驶设备所述当所述比值小于或等于预设参考比值时，确定所述目标瞳孔信息满足无人驾驶触发条件，切换至无人驾驶模式包括：