CN109034111A - 一种基于深度学习的驾驶员手离方向盘检测方法及系统 - Google Patents
一种基于深度学习的驾驶员手离方向盘检测方法及系统 Download PDFInfo
- Publication number
- CN109034111A CN109034111A CN201810940987.3A CN201810940987A CN109034111A CN 109034111 A CN109034111 A CN 109034111A CN 201810940987 A CN201810940987 A CN 201810940987A CN 109034111 A CN109034111 A CN 109034111A
- Authority
- CN
- China
- Prior art keywords
- steering wheel
- driver
- information
- deep learning
- manipulator
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种基于深度学习的驾驶员手离方向盘检测方法，包括以下步骤：对驾驶员操作方向盘的图像进行实时采集，同时获取车辆的经纬度及速度信息，采用基于深度学习的操作手检测算法对图像进行检测，获得方向盘上的操作手数量的信息，将所述方向盘上的操作手数量的信息与所述车辆的经纬度及速度信息结合后，判断其是否满足预警信号触发要求；若满足预警信号触发要求，则生成警示信息对驾驶员进行提醒。本发明具有实时检测、预警、通信功能，有利于及时发现驾驶员在驾驶过程中违规操作方向盘的行为并提醒其及时修正，督促驾驶员养成良好的方向盘操作习惯，对减少交通事故的发生、提高交通效率具有重要意义。
Description
技术领域
本发明涉及安全驾驶领域，尤其涉及一种基于深度学习的驾驶员 手离方向盘检测方法及系统。
背景技术
《基于物联网的城市智能交通关键技术研究与应用》重大科技专 项中曾对在直线、平曲线、平交口转弯以及横向有车辆突然接入的紧 急工况实验场景下，使用八自由度研究型交通及安全驾驶模拟器对异 常驾驶行为判定与交通事故风险进行关联分析，得出手离方向盘时， 紧急情况下反应滞后时间接近2秒，滞后距离约为30米(行车速度 为55km/h时)；直线段上方向盘的摆动频率过高，控制方向盘的能 力显著下降；严重降低了驾驶人保持车道的能力，规避危险能力显著 下降。
可见，对驾驶员操作方向盘的状态进行实时检测对于提升交通安 全有着重要意义。与此同时，我国部分大、中型客车等营运车辆已装 配有监控探头，但由于缺乏相应的技术手段，不能对危险驾驶行为实 现预警及报警，无法真正地起到督导驾驶员安全行车的目的。
发明内容
本发明的目的是提供一种具有实时检测、预警及通信功能的基于 深度学习的驾驶员手离方向盘检测方法及系统。
为实现上述目的，本发明的一种技术方案是提供一种基于深度学 习的驾驶员手离方向盘检测方法，包括以下步骤：对驾驶员操作方向 盘的图像进行实时采集，同时获取车辆的经纬度及速度信息，采用基 于深度学习的操作手检测算法对图像进行检测，获得方向盘上的操作 手数量的信息，将所述方向盘上的操作手数量的信息与所述车辆的经 纬度及速度信息结合后，判断其是否满足预警信号触发要求；若满足 预警信号触发要求，则生成警示信息对驾驶员进行提醒。
进一步的，所述对驾驶员操作方向盘的图像进行实时采集是通过 安装在方向盘上方的单摄像头完成的。
进一步的，所述采用基于深度学习的操作手检测算法对图像进行 检测的具体步骤包括：对驾驶员操作方向盘图像进行采集及预处理， 构建数据集；设计基于深度学习的算法基础网络，设定其训练参数， 包括学习率、权重衰减系数和迭代次数；输入提前制作好的数据集， 在PC端进行模型训练及测试，生成检测单元；使用所述检测单元对 所述实时采集的驾驶员操作方向盘的图像进行检测。
进一步的，所述预警触发条件包括：判断机动车的行驶速度是否 大于2km/h。
进一步的，如果机动车的行驶速度小于或等于2km/h，视为车辆 静止，不触发预警。
进一步的，如果机动车的行驶速度大于2km/h，视为车辆处于运 动状态，此时，如果检测到方向盘上操作手的数量为0，则生成警示 信息对驾驶员进行提醒；如果检测到方向盘上操作手的数量为1，则 生成警示信息对驾驶员进行提醒；如果检测到方向盘上操作手的数量 为2，则停止生成警示信息。
进一步的，所述检测到方向盘上操作手的数量的步骤具体包括： 如果连续检测若干帧图片中，有超过预设阈值帧图片的操作手检测结 果为0，则判断方向盘上操作手的数量为0；如果连续检测若干帧图 片中，有超过预设阈值帧图片的操作手检测结果为1，则判断方向盘 上操作手的数量为1；如果连续检测若干帧图片中，有超过预设阈值 帧图片的操作手检测结果为2，则判断方向盘上操作手的数量为2。
进一步的，所述生成警示信息对驾驶员进行提醒的步骤具体包括： 通过蜂鸣器及LED灯对驾驶员进行提醒。
进一步的，还包括以下步骤：将车辆信息、采集的图像、操作手 数量检测结果、经纬度信息及速度信息输出至远程控制中心。
为实现上述目的，本发明的另一种技术方案是提供一种基于深度 学习的驾驶员手离方向盘检测系统，包括：处理器、存储器以及通信 电路，所述处理器耦接所述存储器和所述通信电路；所述存储器存储 有通信数据信息，图像信息、车辆的经纬度信息、速度信息及处理器 的工作程序数据，所述通信电路用于信息传输，所述处理器在工作时 执行所述程序数据以上述任一一种基于深度学习的驾驶员手离方向 盘检测方法。
本发明具有以下有益效果：本发明提供了一种基于深度学习的驾 驶员手离方向盘行为检测方法及系统，具有实时检测、预警、通信功 能，有利于及时发现驾驶员在驾驶过程中违规操作方向盘的行为并提 醒其及时修正，督促驾驶员养成良好的方向盘操作习惯，对减少交通 事故的发生、提高交通效率具有重要意义。本发明还具有安装便捷、 对车辆改动较小、成本较低、对驾驶员驾驶行为不造成干扰、检测精 度较高且速度较快等优势。
附图说明
为了更清楚地说明本发明实施例或技术方案，下面将对实施例描 述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附 图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不 付出创造性劳动的前提下，还可以根据这些附图获得其它的附图，其 中：
图1是本发明一种基于深度学习的驾驶员手离方向盘行为检测 系统的结构框图；
图2是本发明一种基于深度学习的驾驶员手离方向盘行为检测 方法的流程示意图；
图3是本发明一种基于深度学习的驾驶员手离方向盘行为检测 方法中深度学习过程的流程示意图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显 然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施 例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性 劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
参阅图1，图1是本发明一种基于深度学习的驾驶员手离方向盘 行为检测系统的结构框图。本实施例中，系统包括图像采集模块、图 像处理模块、控制模块、速度采集模块、GPS模块、GPRS模块和预 警模块。图像采集模块的输出端连接图像处理模块的输入端，图像处 理模块、GPS模块、速度采集模块的输出端分别连接控制模块，由控 制模块处理，做出预警判断并通过GPRS模块的GPRS网络与远程远 程控制中心通信，实现数据与信息的传输。
本实施例中，GPS模块对车辆所在位置的经纬度信息进行实时获 取，实现车辆定位，并将采集信息传输至控制模块。
本实施例中，速度检测模块对车辆的行进速度进行实时采集，并 传输至控制模块。
本实施例中，图像采集模块由单摄像头构成，对驾驶员操作方向 盘的行为图像进行实时采集，并传输至图像处理模块。摄像头安装在 驾驶员与方向盘二者的对称中心平面内，即方向盘的正前上方，其间 无遮挡，既避免了对驾驶员的正常驾驶行为产生干扰，又能完整获取 驾驶员操作方向盘的行为图像，为后续的算法分析和处理提供了便利。 图像采集模块采集到的图像信号经过解码转换成相应的数字视频信 号并访问存储器对视频数据进行处理，处理后经过编码的模拟视频信 号及分析结果被传输至控制模块。
本实施例中，图像处理模块及控制模块均由NVIDIA Jetson TX2 嵌入式开发板构成，图像处理模块内置图像检测程序，对图像采集模 块传输来的图像进行检测，输出结果为各帧图像中方向盘上的操作手 数量，并将检测结果传输至控制模块。
本实施例中，控制模块实时获取GPS模块、速度采集模块、图 像处理模块传输来的信息，并对方向盘上操作手数量进行判断，若符 合触发预警的条件，则触发预警，将车辆信息、驾驶员信息、采集的 图像信息、操作手数量检测结果、经纬度信息及速度信息输出至远程 控制中心。
本实施例中，预警模块由蜂鸣器及LED灯构成，若接收到触发 指令，则蜂鸣闪烁，提醒驾驶员修正驾驶行为。
图2是本发明一种基于深度学习的驾驶员手离方向盘行为检测 方法的流程示意图。结合图1和图2，详细说明本发明基于深度学习 的驾驶员手离方向盘检测方法的具体过程。
首先，对驾驶员操作方向盘的图像进行实时采集，同时获取车辆 的经纬度及速度信息。其中，对驾驶员操作方向盘的图像进行实时采 集是通过安装在方向盘上方的单摄像头完成的。
其次，采用基于深度学习的操作手检测算法对图像进行检测，获 得方向盘上的操作手数量的信息。具体的，采用基于深度学习的操作 手检测算法对图像进行检测的具体步骤包括：
对驾驶员操作方向盘图像进行采集及预处理，构建数据集；
设计基于深度学习的算法基础网络，设定其训练参数，包括学习 率、权重衰减系数、迭代次数等。
输入提前制作好的数据集，在PC端进行模型训练及测试，生成 检测单元；
使用检测单元对所述实时采集的驾驶员操作方向盘的图像进行 检测，从而检测出上传图像中方向盘内的操作手数量，并输出检测结 果；
将模型和算法移植到嵌入式端；
使用图像采集模块对驾驶员操作方向盘的图像进行实时采集，并 使用图像处理模块对图像进行逐帧检测。
最后，将所述方向盘上的操作手数量的信息与所述车辆的经纬度 及速度信息结合后，判断其是否满足预警信号触发要求。若满足预警 信号触发要求，则生成警示信息对驾驶员进行提醒。
在一个具体的实施方式中，将连续监测到的无手操作及单手操作 方向盘的视频帧数分别用n0、n1表示，图像检测结果中的方向盘上 操作手数量用m表示，车辆行进速度用v表示。具体流程如下：
步骤1：初始化，令n0＝n1＝0。
步骤2：GPS模块对车辆位置的经纬度信息进行采集并传输至控 制模块，速度采集模块对车辆的行进速度进行采集传输至控制模块， 图像采集模块对驾驶员操作方向盘的行为图像进行采集并传输至图 像处理模块，图像处理模块对所采集图像进行检测处理并将检测结果 传输至控制模块。
步骤3：控制模块接收车辆GPS信息、速度信息、操作手数量检 测信息等并对检测结果进行判断。
(1)若v小于或等于2km/h，视为车辆静止，不触发预警模块， 继续检测。
(2)若v大于2km/h，视为车辆行进，此时：
若方向盘上驾驶手数量m＝0，即驾驶员双手离开方向盘，连续检 测到异常驾驶的帧数n0＝n0+1；
若方向盘上驾驶手数量m＝1，即驾驶员单手离开方向盘，连续检 测到异常驾驶的帧数n0＝n0+1，n1＝n1+1；
若方向盘上驾驶手数量m＝2，即驾驶员双手正常操作方向盘，连 续检测到异常驾驶的帧数n0＝n1＝0，关闭预警模块。
(3)若n0大于预设阈值或n1大于预设阈值，触发预警模块， 蜂鸣器鸣响，LED灯闪烁，提醒驾驶员修正异常驾驶行为。进一步 将车辆ID、驾驶员ID、车辆位置、车辆行进速度、异常驾驶行为类 别及对应图像等传输至远程控制中心，并继续检测。反之，关闭预警 模块，继续检测，直至车辆熄火、系统关闭。
上述实施例中，预设阈值可以通过以下方式来实现：
(1)若操作手检测数量为0，设定安全时间阈值为t1，操作手 检测算法检测单帧图像的时间为t0，则安全时间阈值内检测总帧数为
触发预警信号的帧数为
其中η为修正系数。即当连续检测n0帧图片中有超过n0‘帧的操 作手检测结果为0时，触发预警信号。
(2)若操作手检测数量为1，设定安全时间阈值为t2，操作手 检测算法检测单帧图像的时间为t0，则安全时间阈值内检测总帧数为
触发预警信号的帧数为
其中η为修正系数。即当连续检测n1帧图片中有超过n1‘帧的操 作手检测结果为1时，触发预警信号。
图3是本发明一种基于深度学习的驾驶员手离方向盘行为检测 方法中深度学习过程的流程示意图。具体步骤如下。
步骤1：构建数据库。图像由图像采集模块对驾驶员操作方向盘 的图像进行采集，并剔除一些不合适的图像，其中2/3作为训练样本， 1/3作为测试样本。若样本较少，为避免过拟合，在训练时对图像进 行图像增强等操作，以增加样本数量。
步骤2：图像标注。对数据库中所有的图像进行人工标注，将图 像中的目标标注出它的ground truth，即标注出目标的位置及类别， 类别标定为steering_wheel及hand两个类别。
步骤3：训练模型。设定其训练参数，包括学习率、权重衰减系 数、迭代次数等，进行训练。
步骤4：测试模型。使用训练得到的模型权重在预先分配好的数 据库上进行测试，得到检测图像的位置和类别。
本发明还提供一种基于深度学习的驾驶员手离方向盘检测系统， 包括：处理器、存储器以及通信电路，所述处理器耦接所述存储器和 所述通信电路；所述存储器存储有通信数据信息，图像信息、车辆的 经纬度信息、速度信息及处理器的工作程序数据，所述通信电路用于 信息传输，所述处理器在工作时执行所述程序数据以上述任一一种基 于深度学习的驾驶员手离方向盘检测方法。相关内容的详细说明请参 见上述方法部分，在此不再赘述。
本发明还提供一种具有存储功能的装置，其上存储有程序数据， 所述程序数据被处理器执行时实现上述任一一种基于深度学习的驾 驶员手离方向盘检测方法，相关内容的详细说明请参见上述方法部分， 在此不再赘述。
其中，该具有存储功能的装置可以为服务器、软盘驱动器、硬盘 驱动器、CD-ROM读取器、磁光盘读取器等中的至少一种。
本发明提供了一种基于深度学习的驾驶员手离方向盘行为检测 方法及系统，具有实时检测、预警、通信功能，有利于及时发现驾驶 员在驾驶过程中违规操作方向盘的行为并提醒其及时修正，督促驾驶 员养成良好的方向盘操作习惯，对减少交通事故的发生、提高交通效 率具有重要意义。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围， 凡是利用本发明说明书内容所作的等效结构或等效流程变换，或直接 或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护 范围内。
Claims (10)
1.一种基于深度学习的驾驶员手离方向盘检测方法，其特征在于，包括以下步骤：
对驾驶员操作方向盘的图像进行实时采集，同时获取车辆的经纬度及速度信息，
采用基于深度学习的操作手检测算法对图像进行检测，获得方向盘上的操作手数量的信息，
将所述方向盘上的操作手数量的信息与所述车辆的经纬度及速度信息结合后，判断其是否满足预警信号触发要求；
若满足预警信号触发要求，则生成警示信息对驾驶员进行提醒。
2.根据权利要求1所述的一种基于深度学习的驾驶员手离方向盘检测方法，其特征在于：所述对驾驶员操作方向盘的图像进行实时采集是通过安装在方向盘上方的单摄像头完成的。
3.根据权利要求1所述的一种基于深度学习的驾驶员手离方向盘检测方法，其特征在于：所述采用基于深度学习的操作手检测算法对图像进行检测的具体步骤包括：
对驾驶员操作方向盘图像进行采集及预处理，构建数据集；
设计基于深度学习的算法基础网络，设定其训练参数，包括学习率、权重衰减系数和迭代次数；
输入提前制作好的数据集，在PC端进行模型训练及测试，生成检测单元；
使用所述检测单元对所述实时采集的驾驶员操作方向盘的图像进行检测。
4.根据权利要求1所述的一种基于深度学习的驾驶员手离方向盘检测方法，其特征在于：所述预警触发条件包括：判断机动车的行驶速度是否大于2km/h。
5.根据权利要求4所述的一种基于深度学习的驾驶员手离方向盘检测方法，其特征在于：如果机动车的行驶速度小于或等于2km/h，视为车辆静止，不触发预警。
6.根据权利要求4所述的一种基于深度学习的驾驶员手离方向盘检测方法，其特征在于：如果机动车的行驶速度大于2km/h，视为车辆处于运动状态，此时
如果检测到方向盘上操作手的数量为0，则生成警示信息对驾驶员进行提醒；
如果检测到方向盘上操作手的数量为1，则生成警示信息对驾驶员进行提醒；
如果检测到方向盘上操作手的数量为2，则停止生成警示信息。
7.根据权利要求6所述的一种基于深度学习的驾驶员手离方向盘检测方法，其特征在于：所述检测到方向盘上操作手的数量的步骤具体包括：
如果连续检测若干帧图片中，有超过预设阈值帧图片的操作手检测结果为0，则判断方向盘上操作手的数量为0；
如果连续检测若干帧图片中，有超过预设阈值帧图片的操作手检测结果为1，则判断方向盘上操作手的数量为1；
如果连续检测若干帧图片中，有超过预设阈值帧图片的操作手检测结果为2，则判断方向盘上操作手的数量为2。
8.根据权利要求1所述的一种基于深度学习的驾驶员手离方向盘检测方法，其特征在于：所述生成警示信息对驾驶员进行提醒的步骤具体包括：通过蜂鸣器及LED灯对驾驶员进行提醒。
9.根据权利要求1所述的一种基于深度学习的驾驶员手离方向盘检测方法，其特征在于：还包括以下步骤：将车辆信息、驾驶员信息、采集的图像信息、操作手数量检测结果、经纬度信息及速度信息输出至远程控制中心。
10.一种基于深度学习的驾驶员手离方向盘检测系统，包括：处理器、存储器以及通信电路，所述处理器耦接所述存储器和所述通信电路；所述存储器存储有通信数据信息，图像信息、车辆的经纬度信息、速度信息及处理器的工作程序数据，所述通信电路用于信息传输，所述处理器在工作时执行所述程序数据以实现权利要求1-9任一所述的基于深度学习的驾驶员手离方向盘检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810940987.3A CN109034111A (zh) | 2018-08-17 | 2018-08-17 | 一种基于深度学习的驾驶员手离方向盘检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810940987.3A CN109034111A (zh) | 2018-08-17 | 2018-08-17 | 一种基于深度学习的驾驶员手离方向盘检测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109034111A true CN109034111A (zh) | 2018-12-18 |
Family
ID=64630899
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810940987.3A Pending CN109034111A (zh) | 2018-08-17 | 2018-08-17 | 一种基于深度学习的驾驶员手离方向盘检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109034111A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109035287A (zh) * | 2018-07-02 | 2018-12-18 | 广州杰赛科技股份有限公司 | 前景图像提取方法和装置、运动车辆识别方法和装置 |
| CN110135398A (zh) * | 2019-05-28 | 2019-08-16 | 厦门瑞为信息技术有限公司 | 基于计算机视觉的双手脱离方向盘检测方法 |
| CN111717210A (zh) * | 2020-06-01 | 2020-09-29 | 重庆大学 | 一种驾驶员手部相对静止状态下脱离方向盘检测方法 |
| WO2020192498A1 (zh) * | 2019-03-28 | 2020-10-01 | 虹软科技股份有限公司 | 手握方向盘状态的检测方法及装置 |
| CN111797670A (zh) * | 2019-04-04 | 2020-10-20 | Aptiv技术有限公司 | 用于确定手是否与车辆的手动转向元件协作的方法和装置 |
| CN112183466A (zh) * | 2020-10-26 | 2021-01-05 | 同济大学 | 一种基于道路场景识别的分心驾驶识别方法 |
| CN113869146A (zh) * | 2021-09-10 | 2021-12-31 | 杭州鸿泉物联网技术股份有限公司 | 方向盘持握状态检测方法及装置 |
| CN113942521A (zh) * | 2021-11-18 | 2022-01-18 | 北京航空航天大学 | 一种智能车路系统下驾驶员风格辨识方法 |
| WO2022027894A1 (zh) * | 2020-08-07 | 2022-02-10 | 上海商汤临港智能科技有限公司 | 驾驶员行为检测方法、装置、电子设备、存储介质和程序 |
| CN114360321A (zh) * | 2021-11-09 | 2022-04-15 | 易显智能科技有限责任公司 | 机动车驾驶员手部动作感知系统、培训系统和培训方法 |
| CN114530035A (zh) * | 2021-10-19 | 2022-05-24 | 杭州金通科技集团股份有限公司 | 一种基于主动安全终端的单双手脱离方向盘预警系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102592143A (zh) * | 2012-01-09 | 2012-07-18 | 清华大学 | 一种驾驶员行车中手持电话违规行为检测方法 |
| CN104276080A (zh) * | 2014-10-16 | 2015-01-14 | 北京航空航天大学 | 客车驾驶员手离方向盘检测预警系统及预警方法 |
| CN107657236A (zh) * | 2017-09-29 | 2018-02-02 | 厦门知晓物联技术服务有限公司 | 汽车安全驾驶预警方法及车载预警系统 |
| CN107862296A (zh) * | 2017-11-20 | 2018-03-30 | 深圳市深视创新科技有限公司 | 驾驶员行为的监控方法及系统、计算机可读存储介质 |
| US20180232636A1 (en) * | 2017-02-16 | 2018-08-16 | Panasonic Intellectual Property Management Co., Ltd. | Learning device, estimating device, estimating system, learning method, estimating method, and storage medium |
-
2018
- 2018-08-17 CN CN201810940987.3A patent/CN109034111A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102592143A (zh) * | 2012-01-09 | 2012-07-18 | 清华大学 | 一种驾驶员行车中手持电话违规行为检测方法 |
| CN104276080A (zh) * | 2014-10-16 | 2015-01-14 | 北京航空航天大学 | 客车驾驶员手离方向盘检测预警系统及预警方法 |
| US20180232636A1 (en) * | 2017-02-16 | 2018-08-16 | Panasonic Intellectual Property Management Co., Ltd. | Learning device, estimating device, estimating system, learning method, estimating method, and storage medium |
| CN107657236A (zh) * | 2017-09-29 | 2018-02-02 | 厦门知晓物联技术服务有限公司 | 汽车安全驾驶预警方法及车载预警系统 |
| CN107862296A (zh) * | 2017-11-20 | 2018-03-30 | 深圳市深视创新科技有限公司 | 驾驶员行为的监控方法及系统、计算机可读存储介质 |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109035287A (zh) * | 2018-07-02 | 2018-12-18 | 广州杰赛科技股份有限公司 | 前景图像提取方法和装置、运动车辆识别方法和装置 |
| CN109035287B (zh) * | 2018-07-02 | 2021-01-12 | 广州杰赛科技股份有限公司 | 前景图像提取方法和装置、运动车辆识别方法和装置 |
| US11423673B2 (en) | 2019-03-28 | 2022-08-23 | Arcsoft Corporation Limited | Method and device for detecting state of holding steering wheel |
| WO2020192498A1 (zh) * | 2019-03-28 | 2020-10-01 | 虹软科技股份有限公司 | 手握方向盘状态的检测方法及装置 |
| CN111797670A (zh) * | 2019-04-04 | 2020-10-20 | Aptiv技术有限公司 | 用于确定手是否与车辆的手动转向元件协作的方法和装置 |
| CN110135398A (zh) * | 2019-05-28 | 2019-08-16 | 厦门瑞为信息技术有限公司 | 基于计算机视觉的双手脱离方向盘检测方法 |
| CN111717210A (zh) * | 2020-06-01 | 2020-09-29 | 重庆大学 | 一种驾驶员手部相对静止状态下脱离方向盘检测方法 |
| CN111717210B (zh) * | 2020-06-01 | 2022-11-11 | 重庆大学 | 一种驾驶员手部相对静止状态下脱离方向盘检测方法 |
| WO2022027894A1 (zh) * | 2020-08-07 | 2022-02-10 | 上海商汤临港智能科技有限公司 | 驾驶员行为检测方法、装置、电子设备、存储介质和程序 |
| CN112183466A (zh) * | 2020-10-26 | 2021-01-05 | 同济大学 | 一种基于道路场景识别的分心驾驶识别方法 |
| CN112183466B (zh) * | 2020-10-26 | 2022-12-16 | 同济大学 | 一种基于道路场景识别的分心驾驶识别方法 |
| CN113869146A (zh) * | 2021-09-10 | 2021-12-31 | 杭州鸿泉物联网技术股份有限公司 | 方向盘持握状态检测方法及装置 |
| CN114530035A (zh) * | 2021-10-19 | 2022-05-24 | 杭州金通科技集团股份有限公司 | 一种基于主动安全终端的单双手脱离方向盘预警系统 |
| CN114360321A (zh) * | 2021-11-09 | 2022-04-15 | 易显智能科技有限责任公司 | 机动车驾驶员手部动作感知系统、培训系统和培训方法 |
| CN113942521A (zh) * | 2021-11-18 | 2022-01-18 | 北京航空航天大学 | 一种智能车路系统下驾驶员风格辨识方法 |
| CN113942521B (zh) * | 2021-11-18 | 2023-06-06 | 北京航空航天大学 | 一种智能车路系统下驾驶员风格辨识方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109034111A (zh) | 一种基于深度学习的驾驶员手离方向盘检测方法及系统 | |
| CN102390320B (zh) | 基于车载传感网络的车辆防撞预警系统及用途 | |
| US10957201B2 (en) | System and method for relative positioning based safe autonomous driving | |
| CN104670155B (zh) | 基于云端车联网的车辆防盗报警系统 | |
| WO2018058958A1 (zh) | 一种道路车辆交通告警系统及其方法 | |
| CN111415533B (zh) | 弯道安全预警监控方法、装置以及系统 | |
| CN110866427A (zh) | 一种车辆行为检测方法及装置 | |
| CN103909826A (zh) | 一种协同感知驾驶员违规行为的优化处理方法 | |
| CN115179960B (zh) | 一种多源数据采集人车状态综合监测系统及方法 | |
| CN110077398B (zh) | 一种用于智能驾驶的危险处理方法 | |
| CN110316198A (zh) | 一种用于高速公路提速的安全保障系统及运行方法 | |
| CN106530831A (zh) | 一种高威胁车辆监测预警系统及方法 | |
| CN104599443A (zh) | 一种基于信息融合的驾驶行为预警车载终端及其预警方法 | |
| CN104575102A (zh) | 一种车辆告警系统及方法 | |
| Alluhaibi et al. | Driver behavior detection techniques: A survey | |
| CN110901385B (zh) | 一种基于驾驶员疲劳状态的主动限速方法 | |
| TWI613108B (zh) | 針對事故的駕駛行為分析系統及方法 | |
| CN109118787A (zh) | 一种基于深度神经网络的车辆速度预测方法 | |
| CN105235680A (zh) | 一种基于云计算的避让行人的方法及系统 | |
| CN104766445A (zh) | 一种车载预警、警告及呼救系统 | |
| CN111231972A (zh) | 基于驾驶行为习惯的告警方法、系统、车辆及存储介质 | |
| CN209486891U (zh) | 共享单车违停检测系统 | |
| CN206961331U (zh) | 一种高威胁车辆监测预警系统 | |
| CN110992709A (zh) | 一种基于驾驶员疲劳状态的主动限速系统 | |
| CN117995021B (zh) | 基于多源数据融合算法的车辆安全预警方法和系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181218 |