[发明专利]一种基于AI识别的主动安全预警方法及系统

权利要求书

1.一种基于AI识别的主动安全预警方法，其特征在于,包括以下步骤：

1)获取驾驶员的胸腔的震动曲线；

2)检测识别驾驶员的驾驶行为及情绪；

3)通过高精度北斗/INS组合导航捕捉车辆的行驶轨迹，分析车辆的平稳状态；

4)通过ADAS获取车辆所在车道偏移度；

5)获取驾驶员的音频信号，并根据音频信号识别其音阶及音调；

6)获取驾驶员的驾驶时长；

7)将1)-6)获得的特征数据与API特征数据进行比对，获得1)-6)特征数据所对应的疲劳值、疲劳值准确度与情绪值、情绪值准确度，并根据API特征数据限定出疲劳程度及情绪影响程度的判断阈值；其中API特征数据经过前期各传感器识别单元大量数据采样，通过支持向量机、分类器训练得到疲劳、情绪特征数据库样本；

8)将1)-6)各项获得的疲劳值与疲劳值准确度乘积之和比去疲劳值准确度之和，求得综合疲劳值将1)-6)各项获得的情绪值与情绪值准确度乘积之和比去情绪值准确度之和，求得综合情绪值ū；

9)当求得的综合疲劳值综合情绪值ū超过限定的疲劳程度及情绪影响程度的判断阈值时，进行安全预警。

2.根据权利要求1所述的基于AI识别的主动安全预警方法，其特征在于，其中1)具体包括以下步骤：

1.1)通过距离分辨率4cm，震动测量精度1mm的77GHz的毫米波雷达，检测同一个距离位置上面反射信号的相位变化，反向推导出距离的变化，同时利用相对差分方法消除人体间的相对位移分量，获得人体胸腔震动原始数据；

1.2)将获得的人体胸腔震动原始数据进行降噪处理，通过0.1～0.6Hz和0.8～4.0Hz带通滤波器分离出呼吸和心跳信号，经过傅里叶变换后得到距离的曲线，通过相位与距离的变化关系得到胸腔的震动曲线。

3.根据权利要求1所述的基于AI识别的主动安全预警方法，其特征在于，其中2)具体包括以下步骤：

2.1)利用DSM摄像头获取图像；

2.2)通过预设检测识别方法对图像中驾驶员的驾驶行为及情绪进行识别；其中预设检测识别方法包括但不限于视觉跟踪、人脸识别、目标检测、动作识别及AI动态情绪识别。

4.根据权利要求1所述的基于AI识别的主动安全预警方法，其特征在于，其中3)中车辆平稳状态分析包括急加、急减、急转弯、振动频率。

5.根据权利要求1所述的基于AI识别的主动安全预警方法，其特征在于，其中6)中通过检测ACC状态获取驾驶员的驾驶时长。

6.根据权利要求1所述的基于AI识别的主动安全预警方法，其特征在于，其中9)中安全预警方式包括语音提醒、将相关人员情绪值及车辆数据、音视频等数据上报云服务监控中心。

7.一种AI识别的主动安全预警系统，其特征在于,包括：包括驾驶员动态情绪监测系统与云服务监控中心；驾驶员动态情绪监测系统通过4G/5G网络与云服务监控中心数据交互；

所述驾驶员动态情绪监测系统包括

毫米波雷达AI情绪识别单元，用于获取驾驶员的胸腔的震动曲线；

疲劳监测单元，用于检测识别驾驶员的驾驶行为及情绪；

惯性导航单元，用于分析车辆的平稳状态；

ADAS车道偏移检测单元，用于获取车辆所在车道偏移度；

I/O信号检测单元，其通过信号检测线接车辆ACC线路，用于获取驾驶员的驾驶时长；

拾音器，用于获取音频信号；

扬声器，用于播放语音提醒；

处理器MCU，其分别与毫米波雷达AI情绪识别单元、疲劳监测单元、惯性导航单元、ADAS车道偏移检测单元、I/O信号检测单元、拾音器与扬声器进行电性连接，所述处理器MCU内含语音处理模块及加权平均数算法模块；语音处理模块，用于分离识别音频信号中分离出音阶、音调；加权平均数算法模块，用于测算综合疲劳值与综合情绪值，并分别将测算值与对应的阀值进行比较；处理器MCU通过4G/5G网络与互联网进行信息交互；

所述云服务监控中心，用于进行情绪超阀值时的预警提示与反馈。

8.根据权利要求7所述的AI识别的主动安全预警系统，其特征在于，所述云服务监控中心包括但不仅限于网关、数据库服务与业务系统。