CN109191789A

CN109191789A - 疲劳驾驶检测方法、装置、终端和存储介质

Info

Publication number: CN109191789A
Application number: CN201811212171.5A
Authority: CN
Inventors: 刘姣
Original assignee: Zebra Network Technology Co Ltd
Current assignee: Zebra Network Technology Co Ltd
Priority date: 2018-10-18
Filing date: 2018-10-18
Publication date: 2019-01-11

Abstract

本发明实施例提供一种疲劳驾驶检测方法、装置、终端和存储介质，该方法通过获取待检测驾驶员的驾驶行为特征和生理行为特征，根据驾驶行为特征和所述生理行为特征，采用预先获取的疲劳驾驶模型，确定待检测驾驶员是否疲劳驾驶，其中，疲劳驾驶模型用于根据驾驶员的驾驶行为特征和生理行为特征确定驾驶员是否疲劳驾驶，提高了疲劳检测的准确率。

Description

疲劳驾驶检测方法、装置、终端和存储介质

技术领域

本发明实施例涉及安全驾驶领域，尤其涉及一种疲劳驾驶检测方法、装置、终端和存储介质。

背景技术

随着机动车数量的增多，交通事故也越来越多，其中，疲劳驾驶是导致交通事故发生的重要原因之一，因此准确地检测驾驶员的驾驶状态显得至关重要。

相关技术中，生理信号(生理电信号：脑电、心电、肌电等，其他生理信号：眼动、脉搏、头部运动等)或驾驶行为(车道偏移、方向盘运动、车速等)都可以用来检测驾驶员是否疲劳驾驶，当生理信号或驾驶行为不满足正常驾驶的预设值时，判断该驾驶员处于疲劳驾驶。

然而，上述方案没有考虑驾驶员的个体特征，降低疲劳驾驶检测的准确率。

发明内容

本发明实施例提供一种疲劳驾驶检测方法、装置、终端和存储介质，以克服没有考虑驾驶员的个体特征，降低疲劳驾驶检测准确度的问题。

第一方面，本发明实施例提供一种疲劳驾驶检测方法，包括：

获取待检测驾驶员的驾驶行为特征和生理行为特征；

根据所述驾驶行为特征和所述生理行为特征，采用预先获取的疲劳驾驶模型，确定所述待检测驾驶员是否疲劳驾驶；

其中，所述疲劳驾驶模型用于根据驾驶员的驾驶行为特征和生理行为特征确定所述驾驶员是否疲劳驾驶。

可选的，所述疲劳驾驶的等级包括轻度疲劳驾驶、中度疲劳驾驶和重度疲劳驾驶。

可选的，所述方法还包括：

向所述待检测驾驶员推送指示其是否疲劳驾驶的信息。

可选的，所述向所述待检测驾驶员推送指示其是否疲劳驾驶的信息，包括：

根据所述待检测驾驶员疲劳驾驶的等级，以与所述疲劳驾驶的等级对应的方式向所述待检测驾驶员指示其是否疲劳驾驶的信息。

可选的，所述方法还包括：

获取预设多个驾驶员在疲劳驾驶时间内的驾驶行为特征和生理行为特征；

以预设每个驾驶员正常驾驶时的驾驶行为特征和生理行为特征为基准，对预设多个驾驶员的驾驶行为特征和生理行为特征进行训练，得到疲劳驾驶检测模型。

可选的，所述获取预设多个驾驶员在疲劳驾驶时间内的驾驶行为特征和生理行为特征，包括：

获取预设多个驾驶员在预设时长内的所有驾驶行为特征和所有生理行为特征；

标定预设每个驾驶员的正常行驶时间，获取所述正常行驶时间内的驾驶行为特征和生理行为特征；

标定预设每个驾驶员的疲劳驾驶时间，获取所述疲劳驾驶时间内的驾驶行为特征和生理行为特征；

采用t检验和卡方检验，筛选预设每个驾驶员在疲劳驾驶时间内满足检验阈值的驾驶行为特征和生理行为特征。

可选的，所述驾驶行为特征包括车道保持特征、方向盘运动特征、车速特征。

可选的，所述生理行为特征包括瞳孔尺寸、眨眼时间、闭眼时间。

第二方面，本发明实施例提供一种疲劳驾驶检测装置，包括：

获取模块，用于获取待检测驾驶员的驾驶行为特征和生理行为特征；

确定模块，用于根据所述驾驶行为特征和所述生理行为特征，采用预先获取的疲劳驾驶模型，确定所述待检测驾驶员是否疲劳驾驶；

可选的，所述装置还包括推送模块，所述推送模块用于：

向所述待检测驾驶员推送指示其是否疲劳驾驶的信息。

可选的，所述推送模块具体用于：

可选的，所述获取模块还用于：

还包括训练模块，所述训练模块用于：

可选的，所述获取模块具体用于：

还包括处理模块，所述处理模块用于：

第三方面，本发明实施例提供一种车载终端，包括：

至少一个处理器和存储器；所述存储器存储计算机执行指令；

所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如第一方面所述的疲劳驾驶检测方法。

第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如第一方面所述的疲劳驾驶检测方法。

本发明实施例提供的疲劳驾驶检测方法、装置、终端和存储介质，该方法通过获取待检测驾驶员的驾驶行为特征和生理行为特征，根据驾驶行为特征和所述生理行为特征，采用预先获取的疲劳驾驶模型，确定待检测驾驶员是否疲劳驾驶，其中，疲劳驾驶模型用于根据驾驶员的驾驶行为特征和生理行为特征确定驾驶员是否疲劳驾驶。本发明实施例通过采用预先获取的疲劳驾驶模型确定待检测驾驶员是否疲劳驾驶，该疲劳驾驶模型结合了驾驶行为特征和生理行为特征，提高了疲劳检测的准确率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的疲劳驾驶检测方法的流程示意图一；

图2为本发明实施例提供的疲劳驾驶检测方法的流程示意图二；

图3为本发明实施例提供的疲劳驾驶检测装置的结构示意图一；

图4为本发明实施例提供的疲劳驾驶检测装置的结构示意图二；

图5为本发明实施例提供的车载终端的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供的疲劳驾驶检测方法可以应用于检测驾驶员是否疲劳驾驶的场景中。目前，通常是利用生理信号(生理电信号：脑电、心电、肌电等，其他生理信号：眼动、脉搏、头部运动等)或驾驶行为(车道偏移、方向盘运动、车速等)来检测驾驶员是否疲劳驾驶，当生理信号或驾驶行为不满足正常驾驶的预设值时，判断该驾驶员处于疲劳驾驶，例如，预设30分钟内车道偏移的阈值为不超过3次，那么当待检测驾驶员在30分钟内的车道偏移为4次时，则确定该驾驶员处于疲劳驾驶，但是，若该驾驶员正常驾驶时在30分钟内车道偏移为4次，那么该驾驶员在30分钟内的车道偏移为4次就不是疲劳驾驶，因此，上述方式中，因受驾驶员个体特征的影响，导致对于疲劳驾驶的检测不准确。

本发明实施例考虑到上述问题，提出一种疲劳驾驶检测方法，该方法通过获取待检测驾驶员的驾驶行为特征和生理行为特征，根据驾驶行为特征和所述生理行为特征，采用预先获取的疲劳驾驶模型，确定待检测驾驶员是否疲劳驾驶，其中，疲劳驾驶模型用于根据驾驶员的驾驶行为特征和生理行为特征确定所述驾驶员是否疲劳驾驶。本发明实施例通过采用预先获取的疲劳驾驶模型确定待检测驾驶员是否疲劳驾驶，该疲劳驾驶模型结合了驾驶行为特征和生理行为特征，提高了疲劳检测的准确率。

下面以具体的实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

图1为本发明实施例提供的疲劳驾驶检测方法的流程示意图一。本发明实施例提供了一种疲劳驾驶检测方法，该方法可以由任意执行车辆位置信息的纠偏方法的装置来执行，该装置可以通过软件和/或硬件实现。本实施例中，该装置可以集成在车载终端中。如图1所示，本发明实施例提供的疲劳驾驶检测方法包括如下步骤：

S101、获取待检测驾驶员的驾驶行为特征和生理行为特征。

驾驶行为特征可以包括车道保持特征、方向盘运动特征、车速特征等，生理行为特征可以包括瞳孔尺寸、眨眼时间、闭眼时间等。

其中，车道保持特征可以包括车道偏移波动、越线严重程度等，方向盘运动特征可以包括方向盘波动、方向盘翻转纠偏行为等。

驾驶行为特征都具体可以通过人工或者仪器测量出来，该测量方法和现有技术中的方法类似，在此不再赘述。

瞳孔尺寸、眨眼时间、闭眼时间等可以通过车载摄像头获得，具体方法和现有技术中的方法类似，在此不再赘述。需要说明的是，本发明中的生理行为特征没有采用驾驶员的心率、脉搏、头部运动等特征，原因在于，对于心率、脉搏、头部运动等的测量易对驾驶员造成侵入性问题，影响驾驶安全。

在本步骤中，当检测驾驶员是否疲劳驾驶时，首先获取待检测驾驶员的驾驶行为特征和生理行为特征，以便后续根据该驾驶行为特征和生理行为特征来判断该驾驶员是否疲劳驾驶。

S102、根据驾驶行为特征和生理行为特征，采用预先获取的疲劳驾驶模型，确定待检测驾驶员是否疲劳驾驶。

其中，疲劳驾驶模型用于根据驾驶员的驾驶行为特征和生理行为特征确定驾驶员是否疲劳驾驶，该疲劳驾驶模型可以以大量的驾驶员的正常驾驶时的驾驶行为特征和生理行为特征为基准，通过训练大量的驾驶员疲劳驾驶时的驾驶行为特征和生理行为特征获得。需要说明的是，本发明的疲劳驾驶模型考虑到每个驾驶员的个体特征，即以每个驾驶员正常驾驶时的驾驶行为特征和生理行为特征为基准。

具体地，将待检测驾驶员的驾驶行为特征和生理行为特征作为该疲劳驾驶模型的输入，该疲劳驾驶模型的输出为待检测驾驶员是否疲劳驾驶。

在一种可能的实现方式中，该疲劳驾驶员的输出可以为轻度疲劳驾驶、中度疲劳驾驶和重度疲劳驾驶。

本实施例提供的疲劳驾驶检测方法，通过获取待检测驾驶员的驾驶行为特征和生理行为特征，根据，驾驶行为特征和，生理行为特征，采用预先获取的疲劳驾驶模型，确定，待检测驾驶员是否疲劳驾驶，其中，疲劳驾驶模型用于根据驾驶员的驾驶行为特征和生理行为特征确定驾驶员是否疲劳驾驶。通过采用预先获取的疲劳驾驶模型确定待检测驾驶员是否疲劳驾驶，该疲劳驾驶模型结合了驾驶行为特征和生理行为特征，提高了疲劳检测的准确率

图2为本发明实施例提供的疲劳驾驶检测方法的流程示意图二，本发明实施例提供了一种疲劳驾驶检测方法，该方法可以由任意执行疲劳驾驶检测方法的装置来执行，该装置可以通过软件和/或硬件实现。本实施例中，该装置可以集成在车载终端中。如图2所示，本发明实施例提供的疲劳驾驶检测方法包括如下步骤：

S201、获取预设多个驾驶员在疲劳驾驶时间内的驾驶行为特征和生理行为特征。

驾驶行为特征可以包括车道保持特征、方向盘运动特征、车速特征，生理行为特征包括瞳孔尺寸、眨眼时间、闭眼时间，其中，车道保持特征可以包括车道偏移波动、越线严重程度等，方向盘运动特征可以包括方向盘波动、方向盘翻转纠偏行为等。

在一种可能的实现方式中，获取预设多个驾驶员在预设时长内的所有驾驶行为特征和所有生理行为特征，其中，预设时长可以根据实际需要或经验确定，例如：8小时。

另外，标定预设每个驾驶员的正常行驶时间，获取正常行驶时间内的驾驶行为特征和生理行为特征，其中，正常行驶时间也可以根据实际需要或经验确定，例如：行驶时的第1-2小时。

标定预设每个驾驶员的疲劳驾驶时间，获取疲劳驾驶时间内的驾驶行为特征和生理行为特征，其中疲劳时间可以为预设时长减去正常行驶时间，例如：第3-8小时，可选的，疲劳驾驶的等级包括轻度疲劳驾驶、中度疲劳驾驶和重度疲劳驾驶，则疲劳驾驶时间也可以包括轻度疲劳驾驶时间、中度疲劳驾驶时间和重度疲劳驾驶时间，例如：轻度疲劳驾驶时间为第3-4小时、中度疲劳驾驶时间为第5-6小时、重度疲劳驾驶时间为第7-8小时。

进一步，采用t检验和卡方检验，筛选预设每个驾驶员在疲劳驾驶时间内满足检验阈值的驾驶行为特征和生理行为特征，具体的，以一个驾驶员为例，根据时间提取的疲劳驾驶的驾驶行为特征和生理行为特征后，再采用t检验和卡方检验，比较正常行驶时间内的驾驶行为特征和生理行为特征和疲劳驾驶时间内的驾驶行为特征和生理行为特征的差异性，可选的，采用t检验和卡方检验，分别比较正常行驶时间内的驾驶行为特征、生理行为特征和轻度疲劳驾驶时间、中度疲劳驾驶时间以及重度疲劳驾驶时间内的驾驶行为特征和生理行为特征。

若该差异满足检验阈值，则筛选在各个疲劳驾驶时间内满足最终的驾驶行为特征和生理行为特征，也就是最终准确度量疲劳驾驶的指标，这里的检验阈值可以根据实际情况或经验确定，本方案对此不做限制。

其中，t检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。卡方检验是统计样本的实际观测值与理论推断值之间的偏离程度，实际观测值与理论推断值之间的偏离程度就决定卡方值的大小，卡方值越大，越不符合；卡方值越小，偏差越小，越趋于符合，若两个值完全相等时，卡方值就为0，表明理论值完全符合。

举例来说，采用t检验和卡方检验，比较正常行驶时间内瞳孔尺寸的平均值和轻度疲劳驾驶时间内瞳孔尺寸的平均值的差异，若该差异满足检测阈值，则确定瞳孔特征可以作为最终准确度量疲劳驾驶的特征指标，若该差异不满足检测阈值，则瞳孔特征不能作为最终准确度量疲劳驾驶的特征指标。

S202、以预设每个驾驶员正常驾驶时的驾驶行为特征和生理行为特征为基准，对预设多个驾驶员的驾驶行为特征和生理行为特征进行训练，得到疲劳驾驶检测模型。

通过S201方法筛选出最终准确度量疲劳驾驶的特征指标，即预设多个驾驶员在疲劳驾驶时间内的驾驶行为特征和生理行为特征后，再以预设每个驾驶员正常驾驶时的驾驶行为特征和生理行为特征为基准，对预设多个驾驶员的驾驶行为特征和生理行为特征进行训练，得到疲劳驾驶检测模型。

在一种可能的实现方式中，预先建立一个疲劳驾驶检测模型，设定该疲劳驾驶检测模型的输出为轻度疲劳驾驶或中度疲劳驾驶或重度疲劳驾驶，将预设每个驾驶员正常驾驶时的驾驶行为特征和生理行为特征、预设多个驾驶员在疲劳驾驶时的驾驶行为特征和生理行为特征输入到该疲劳驾驶检测模型，对该模型进行训练，得到最终的疲劳驾驶检测模型。

S203、获取待检测最终准确度量疲劳驾驶的特征指标驾驶员的驾驶行为特征和生理行为特征。

S204、根据驾驶行为特征和生理行为特征，采用预先获取的疲劳驾驶模型，确定待检测驾驶员是否疲劳驾驶。

步骤S203-S204的实现方式和图1实施例中的S101-S102实现方式类似，在此不再赘述。

另外，步骤S201-S202可以在步骤S203-S204之前执行，也可以在步骤S203-S204之后执行，当在步骤S203-S204之后执行时，相当于将待检测驾驶员的疲劳驾驶数据作为训练数据，即基于后续采集的疲劳驾驶的数据，不断更新该疲劳驾驶检测模型，使得该模型尽可能的覆盖足够大的数据，更加准确。

S205、向待检测驾驶员推送指示其是否疲劳驾驶的信息。

在一种可能的实现方式中，根据待检测驾驶员疲劳驾驶的等级，以与所述疲劳驾驶的等级对应的方式向待检测驾驶员指示其是否疲劳驾驶的信息，其中，每个疲劳驾驶的等级对应不同的提示方式。例如，轻度疲劳驾驶对应正常语音提示，中度疲劳驾驶对应大音量的语音提示，重度疲劳驾驶对应3遍大音量语音提示，本方案对于提示方式不做限制

可选的，车载终端和待检测驾驶员的移动终端通过蓝牙连接，当待检测驾驶员疲劳驾驶时，待检测驾驶员的移动终端可以以震动、语音播报等的形式提示该驾驶员。

举例来说，当待检测驾驶员轻度疲劳驾驶时，车载终端以语音提示，并且连接的移动终端也会以震动的形式提示该驾驶员。

本实施例提供的疲劳驾驶检测方法，通过获取预设多个驾驶员在疲劳驾驶时间内的驾驶行为特征和生理行为特征，以预设每个驾驶员正常驾驶时的驾驶行为特征和生理行为特征为基准，对预设多个驾驶员的驾驶行为特征和生理行为特征进行训练，得到疲劳驾驶检测模型，获取待检测最终准确度量疲劳驾驶的特征指标驾驶员的驾驶行为特征和生理行为特征，根据驾驶行为特征和生理行为特征，采用预先获取的疲劳驾驶模型，确定待检测驾驶员是否疲劳驾驶，向待检测驾驶员推送指示其是否疲劳驾驶的信息。提高了疲劳检测的准确度，而且通过向驾驶员推送提示信息，有效避免了疲劳驾驶。

图3为本发明实施例提供的疲劳驾驶检测装置的结构示意图一，该疲劳驾驶检测装置可以为独立的车载终端，也可以为集成在车载终端中的装置，该装置可以通过软件、硬件或者软硬件结合的方式实现。如图5所示，该疲劳驾驶检测装置30包括：

获取模块301，用于获取待检测驾驶员的驾驶行为特征和生理行为特征；

确定模块302，用于根据所述驾驶行为特征和所述生理行为特征，采用预先获取的疲劳驾驶模型，确定所述待检测驾驶员是否疲劳驾驶；

本发明实施例提供的疲劳驾驶检测装置，可以执行上述图1、图2所示的方法实施例，其实现原理和技术效果类似，在此不再赘述。

图4为本发明实施例提供的疲劳驾驶检测装置的结构示意图二，在上述实施例的基础上，如图4所示，疲劳驾驶检测装置30还包括：推送模块303、训练模块304以及处理模块305。

可选的，所述推送模块303用于：

向所述待检测驾驶员推送指示其是否疲劳驾驶的信息。

可选的，所述推送模块303具体用于：

可选的，所述获取模块301还用于：

可选的，所述训练模块304用于：

可选的，所述获取模块301具体用于：

所述处理模块305用于：

图5为本发明实施例提供的车载终端的结构示意图，如图5所示，该车载终端50包括：处理器501以及存储器502；其中：

存储器502，用于存储计算机执行指令；

处理器501，用于执行存储器存储的计算机执行指令，以实现上述实施例中接收设备所执行的各个步骤。具体可以参见前述方法实施例中的相关描述。

可选地，存储器502既可以是独立的，也可以跟处理器501集成在一起。

当存储器502独立设置时，该语音交互设备还包括总线503，用于连接所述存储器502和处理器501。

本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上所述的疲劳驾驶检测方法。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(英文：processor)执行本申请各个实施例所述方法的部分步骤。

应理解，上述处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application Specific Integrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器，还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。

总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component，PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。

上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。

一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits，简称：ASIC)中。当然，处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims

1.一种疲劳驾驶检测方法，其特征在于，包括：

获取待检测驾驶员的驾驶行为特征和生理行为特征；

2.根据权利要求1所述的方法，其特征在于，所述疲劳驾驶的等级包括轻度疲劳驾驶、中度疲劳驾驶和重度疲劳驾驶。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

向所述待检测驾驶员推送指示其是否疲劳驾驶的信息。

4.根据权利要求3所述的方法，其特征在于，所述向所述待检测驾驶员推送指示其是否疲劳驾驶的信息，包括：

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

6.根据权利要求5所述的方法，其特征在于，所述获取预设多个驾驶员在疲劳驾驶时间内的驾驶行为特征和生理行为特征，包括：

7.根据权利要求1-6任一项所述的方法，其特征在于，所述驾驶行为特征包括车道保持特征、方向盘运动特征、车速特征。

8.根据权利要求1-6任一项所述的方法，其特征在于，所述生理行为特征包括瞳孔尺寸、眨眼时间、闭眼时间。

9.一种疲劳驾驶检测装置，其特征在于，包括：

10.一种车载终端，其特征在于，包括：

所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至8任一项所述的疲劳驾驶检测方法。

11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至8任一项所述的疲劳驾驶检测方法。