[发明专利]基于行车数据的驾驶员疲劳驾驶检测方法及装置在审

专利信息
申请号: 202210209405.0 申请日: 2022-03-03
公开(公告)号: CN114581894A 公开(公告)日: 2022-06-03
发明(设计)人: 裴欣;贺晨;宿旸;岳云 申请(专利权)人: 清华大学
主分类号: G06V20/59 分类号: G06V20/59;G06K9/62;G06N3/04;G06N3/08;G06V10/764;G06V10/82
代理公司: 北京三友知识产权代理有限公司 11127 代理人: 王涛;汤在彦
地址: 10008*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 行车 数据 驾驶员 疲劳 驾驶 检测 方法 装置
【权利要求书】:

1.一种基于行车数据的驾驶员疲劳驾驶检测方法,其特征在于,包括:

获取行车过程中的车辆状态表征参数;

根据所述车辆状态表征参数以及其对应的行车时间生成车辆运动时间序列;

根据所述车辆运动时间序列以及预先建立的门控循环单元网络分类器检测驾驶员的疲劳状态。

2.如权利要求1所述的驾驶员疲劳驾驶检测方法,其特征在于,所述根据所述车辆状态表征参数以及其对应的行车时间生成车辆运动时间序列,包括:

对所述车辆状态表征参数进行数据清洗以及数据平滑,以生成预处理之后的表征参数;

提取所述预处理之后的表征参数中的车辆运动表征参数;

根据所述车辆运动表征参数以及其对应的行车时间生成所述车辆运动时间序列。

3.如权利要求1所述的驾驶员疲劳驾驶检测方法,其特征在于,建立所述门控循环单元网络分类器包括以下步骤:

建立双向门控循环单元网络的输入层以及隐藏层;

根据所述输入层读取车辆运动时间序列,以激活兴奋信号并传递给隐藏层;

根据所述隐藏层提取所述兴奋信号在时间、空间维度的耦合关系,并传递所述耦合关系至下层网络;

提取所述隐藏层中各个节点的状态特征;

根据所述状态特征生成高维时空特征;

根据所述高维时空特征以及预生成的门控循环单元网络初始模型建立所述门控循环单元网络分类器。

4.如权利要求1所述的驾驶员疲劳驾驶检测方法,其特征在于,

所述车辆状态表征参数包括:车辆的速度、三维加速度以及姿态角度;

所述车辆运动表征参数包括:经纬度、海拔、道路平整度、环境信息以及驾驶坡度。

5.一种基于行车数据的驾驶员疲劳驾驶检测装置,其特征在于,包括:

状态参数获取模块,用于获取行车过程中的车辆状态表征参数;

运动时间序列生成模块,用于根据所述车辆状态表征参数以及其对应的行车时间生成车辆运动时间序列;

疲劳状态检测模块,用于根据所述车辆运动时间序列以及预先建立的门控循环单元网络分类器检测驾驶员的疲劳状态。

6.如权利要求5所述的驾驶员疲劳驾驶检测装置,其特征在于,所述运动时间序列生成模块包括:

状态参数预处理单元,用于对所述车辆状态表征参数进行数据清洗以及数据平滑,以生成预处理之后的表征参数;

运动参数提取单元,用于提取所述预处理之后的表征参数中的车辆运动表征参数;

运动时间序列生成单元,用于根据所述车辆运动表征参数以及其对应的行车时间生成所述车辆运动时间序列。

7.如权利要求5所述的驾驶员疲劳驾驶检测装置,其特征在于,还包括:分类器建立模块,用于建立所述门控循环单元网络分类器,所述分类器建立模块包括:

层建立单元,用于建立双向门控循环单元网络的输入层以及隐藏层;

兴奋信号激活单元,用于根据所述输入层读取车辆运动时间序列,以激活兴奋信号并传递给隐藏层;

耦合关系提取单元,用于根据所述隐藏层提取所述兴奋信号在时间、空间维度的耦合关系,并传递所述耦合关系至下层网络;

状态特征提取单元,用于提取所述隐藏层中各个节点的状态特征;

时空特征生成单元,用于根据所述状态特征生成高维时空特征;

分类器建立单元,用于根据所述高维时空特征以及预生成的门控循环单元网络初始模型建立所述门控循环单元网络分类器。

8.如权利要求5所述的驾驶员疲劳驾驶检测装置,其特征在于,

所述车辆状态表征参数包括:车辆的速度、三维加速度以及姿态角度;

所述车辆运动表征参数包括:经纬度、海拔、道路平整度、环境信息以及驾驶坡度。

9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至4任一项所述基于行车数据的驾驶员疲劳驾驶检测方法的步骤。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至4任一项所述基于行车数据的驾驶员疲劳驾驶检测方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210209405.0/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top