CN111301428A - 机动车驾驶员分心检测警示方法、系统及机动车 - Google Patents
机动车驾驶员分心检测警示方法、系统及机动车 Download PDFInfo
- Publication number
- CN111301428A CN111301428A CN201811509787.9A CN201811509787A CN111301428A CN 111301428 A CN111301428 A CN 111301428A CN 201811509787 A CN201811509787 A CN 201811509787A CN 111301428 A CN111301428 A CN 111301428A
- Authority
- CN
- China
- Prior art keywords
- driver
- distraction
- driver distraction
- warning
- distraction detection
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000006399 behavior Effects 0.000 claims abstract description 39
- 238000013136 deep learning model Methods 0.000 claims abstract description 20
- 230000009471 action Effects 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims description 8
- 230000003542 behavioural effect Effects 0.000 claims description 4
- 230000035622 drinking Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000002411 adverse Effects 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004886 head movement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W40/09—Driving style or behaviour
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
- B60W2050/143—Alarm means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2540/00—Input parameters relating to occupants
- B60W2540/30—Driving style
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Fittings On The Vehicle Exterior For Carrying Loads, And Devices For Holding Or Mounting Articles (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及基于人工智能的驾驶员分心检测警示方法以及实施该方法的系统。驾驶员分心检测警示方法包括对驾驶员的行为动作信息进行采集；将采集的行为动作信息输入驾驶员分心检测程序；驾驶员分心检测程序利用深度学习模型对驾驶员的分心进行判断和分类，在成功地判断出驾驶员的分心类别时，对驾驶员进行警示。同时，驾驶员分心检测警示系统包括驾驶员分心检测传感器组件、车内计算机处理器以及驾驶员分心警示组件，其中，驾驶员分心检测传感器组件检测采集驾驶员的行为动作信息并且将其发送给车内计算机处理器，车内计算机处理器中存储有驾驶员分心检测程序同时向驾驶员分心警示组件发送指令，驾驶员分心警示组件用以给驾驶员发出警示。
Description
技术领域
本发明涉及汽车主动安全预警控制系统，进一步而言涉及基于人工智能的驾驶员分心检测警示方法和系统。
背景技术
驾驶员在驾驶车辆的过程中，常常会受到周围环境的影响而使自己不能时刻专注于驾驶行为。而驾驶员在驾驶过程中的分心是引起交通事故的重要原因之一。驾驶分心按照行为方式基本可归纳为视觉分心，行为分心以及注意力分心。视觉分心指的是驾驶员将视线从驾驶方向移开看向其他目标的行为；行为分心指的是驾驶员将双手离开方向盘从事其他活动的行为；注意力分心指的是驾驶员不能专注于当前的驾驶事件的行为。而这些不同种类的分心基本都可以通过整体地观察驾驶员的行为动作而被检测出来。
而目前存在的一些驾驶员分心系统解决方案包括在行驶舱内安装传感器去收集驾驶员的眼睛或头部动作或者在方向盘上安装指纹传感器监测驾驶员双手是否离开方向盘这些单个的驾驶员行为对驾驶员是否分心作出判断，并通过适当的警示方式如座椅震动，方向盘震动，车内警报器发出警报，方向盘灯光闪烁等等方式引起驾驶员注意。这些分心警示系统能够在一定程度上引导驾驶员使注意力重新回归到驾驶行为上，但是检测准确率在某些场景下可能较低，并且也存在过度警示的可能，使驾驶员产生过度惊吓。
发明内容
由此，本发明的任务为提供一种检测驾驶员分心驾驶行为的准确率更高并且对驾驶员不利干扰更小的驾驶员分心检测警示方法以及实施该方法的系统。
为解决以上技术问题，本发明提供以下技术方案。
按照本公开的第一方面，提供一种驾驶员分心检测警示方法，包括：
对驾驶员的行为动作信息进行采集；
将所述采集的行为动作信息输入驾驶员分心检测程序；
所述驾驶员分心检测程序利用深度学习模型对驾驶员的分心进行判断和分类，在成功地判断出驾驶员的分心类别的情况下，对驾驶员进行警示，从而阻止驾驶员继续分心。
根据本公开一实施例的驾驶员分心检测警示方法，其中，所述驾驶员的行为动作信息为图像。
根据本公开另一实施例或以上任一实施例的驾驶员分心检测警示方法，其中，所述深度学习模型利用大量的图像训练得到，其中，训练过程包括：
为每张图像分别配属有标签，用以指示不同类型的驾驶员分心类别；
将配属有标签的图像输入未学习的深度学习模型；
通过输入的图像来训练而获取模型中最佳的层并且对模型中的节点网络权重和偏置进行调节，而最终完成训练过程，获取学习完成的深度学习模型。
根据本公开另一实施例或以上任一实施例的驾驶员分心检测警示方法，其中，所述图像包含不同类型的分心驾驶行为，包括左手发短信、右手发短信、左手打移动电话、右手打移动电话、操作车载娱乐设备、喝水、梳头或化妆、和乘客讲话以及正常驾驶行为。
根据本公开另一实施例或以上任一实施例的驾驶员分心检测警示方法，其中，每个图像在输入所述深度学习模型之前进行预处理，用以生成更多数量的图像样本。
根据本公开另一实施例或以上任一实施例的驾驶员分心检测警示方法，其中，所述预处理包括对图像转一定的角度或调整图像的灰度。
按照本公开的第二方面，提供一种实施上述方案中任一技术方案所述的驾驶员分心检测警示方法的驾驶员分心检测警示系统，包括驾驶员分心检测传感器组件、车内计算机处理器以及驾驶员分心警示组件，其中，所述驾驶员分心检测传感器组件检测采集驾驶员的行为动作信息并且将其发送给所述车内计算机处理器，所述车内计算机处理器中存储有驾驶员分心检测程序用以对驾驶员的分心进行分类，同时所述车内计算机处理器向所述驾驶员分心警示组件发送指令，所述驾驶员分心警示组件用以给驾驶员发出警示，防止驾驶员继续分心。
根据本公开另一实施例或以上任一实施例的驾驶员分心检测警示系统，其中，所述分心检测传感器组件构造成摄像头传感器。
根据本公开另一实施例或以上任一实施例的驾驶员分心检测警示系统，其中，所述驾驶员分心警示组件包括方向盘或者后视镜。
按照本公开的第三方面，提供一种机动车，所述机动车具有按本发明第二方面所述的驾驶员分心检测警示系统。
本发明所公开的驾驶员分心检测警示方法及系统区别于传统仅仅依靠传感器来观察驾驶员的行为就直接对驾驶员是否分心作出判断的方法，而是将传感器检测到的驾驶员行为信息利用驾驶员分心检测程序进行分类，这样大大提高了对驾驶员分心进行分类的准确率，从而避免了驾驶员分心检测警示系统对驾驶员的不良干扰，提高了驾驶员的驾驶体验。
附图说明
从结合附图的以下详细说明中，将会使本发明的上述和其他目的及优点更加完整清楚，其中，相同或相似的要素采用相同的标号表示。
图1示出了按照本发明所公开的驾驶员分心检测警示方法的流程；
图2示出了按照本发明所公开的驾驶员分心检测程序中深度学习模型的训练过程；以及
图3示出了按照本发明所公开的驾驶员分心检测警示系统的结构。
具体实施方式
出于简洁和说明性目的，本文主要参考其示范实施例来描述本发明的原理。但是，本领域技术人员将容易地认识到相同的原理可等效地应用于所有类型的驾驶员分心检测警示方法和/或驾驶员分心检测警示系统，并且可以在其中实施这些相同或相似的原理，任何此类变化不背离本专利申请的真实精神和范围。而且，在下文描述中，参考了附图，这些附图图示特定的示范实施例。在不背离本发明的精神和范围的前提下可以对这些实施例进行更改。此外，虽然本发明的特征是结合若干实施/实施例的仅其中之一来公开的，但是如针对任何给定或可识别的功能可能是期望和/或有利的，可以将此特征与其他实施/实施例的一个或多个其他特征进行组合。因此，下文描述不应视为在限制意义上的，并且本发明的范围由所附权利要求及其等效物来定义。
图1示出了按照本发明所公开的驾驶员分心检测警示方法的流程图。由图能够看出，为了检测驾驶员在驾驶行为过程中的分心行为，驾驶员的行为动作信息将以一定的形式被采集；而后所述采集的行为动作信息被输入利用深度学习模型的驾驶员分心检测程序进行分析；所述驾驶员分心检测程序对输入的驾驶员行为动作信息进行判断和分类，在没有判断出驾驶员分心的情况下，该驾驶员分心检测警示方法结束，用以不对驾驶员产生任何不利的干扰，而在成功地判断出驾驶员的分心类别的情况下，对驾驶员进行警示，从而阻止驾驶员继续分心。
在图1所示出的所述驾驶员分心检测警示方法的流程的基础上，按照本发明的一种优选的实施例，所述驾驶员的行为动作信息以图像的形式被进行采集以及检测判断。
在图1所示出的所述驾驶员分心检测警示方法的流程的基础上，按照本发明另一优选的实施例，所述驾驶员分心检测程序的用以判断驾驶员分心类别的深度学习模型能够利用大量的图像训练得到。
在图1所示出的所述驾驶员分心检测警示方法的流程的基础上，按照本发明的一种优选的实施例，所述图像包含不同类型的分心驾驶行为，包括左手发短信、右手发短信、左手打移动电话、右手打移动电话、操作车载娱乐设备、喝水、梳头或化妆、和乘客讲话以及正常驾驶行为（作为比对）。也就是说，所述深度学习模型在训练的过程中，通过学习以上所述的驾驶员的分心驾驶行为所对应的类别，用以获取将来对驾驶员的驾驶行为进行分心判断的能力。
在图1所示出的所述驾驶员分心检测警示方法的流程的基础上，按照本发明的一种优选的实施例，为了获取尽可能多的图像作为训练样本，对每个图像在输入所述深度学习模型之前进行预处理，例如对图像转一定的角度或调整图像的灰度。
图2示出了按照本发明所公开的驾驶员分心检测程序中所利用的深度学习模型的训练过程。由图能够看出所述深度学习模型是如何经过训练从而能够对驾驶员的分心行为进行分类的。其中，所述深度学习模型利用图像信息作为样本进行学习。对于每种类型的驾驶员分心行为，所述深度学习模型都需要大量的图像样本用以学习。为了尽可能多地获取图像样本，在驾驶员的驾驶行为图像信息输入未学习的深度学习模型之前，对图像进行一定的预处理、例如旋转一定的角度或调节灰度等，从而更加便捷高效地增加图像样本的数目。而后，需要为每张图像样本赋予标签用以指示其所配属的驾驶员分心类型。在完成以上的工作之后，将配属有标签的图像样本输入未学习的深度学习模型，经过大量的图像样本训练来获取模型中最佳的层并且对模型中的节点网络权重和偏置进行调节，而最终完成训练过程，获取学习完成的深度学习模型，用以被所述驾驶员分心检测程序利用进行驾驶员分心的分类。
图3示出了用以实施图1所示的驾驶员分心检测警示方法的驾驶员分心检测警示系统。由图能够看出，所述驾驶员分心检测警示系统包括驾驶员分心检测传感器组件100、车内计算机处理器200以及驾驶员分心警示组件300，其中，所述驾驶员分心检测传感器组件100检测采集驾驶员的行为动作信息并且将其发送给所述车内计算机处理器200，所述车内计算机处理器中存储有驾驶员分心检测程序用以对驾驶员的分心进行分类，同时所述车内计算机处理器200向所述驾驶员分心警示组件300发送指令，所述驾驶员分心警示组件用以给驾驶员发出警示，防止驾驶员继续分心。
在图3所示出的所述驾驶员分心检测警示系统的基础上，按照本发明的一种优选的实施例，所述驾驶员分心检测传感器组件100利用摄像头来检测采集驾驶员的驾驶行为并且通过摄像头所采集的驾驶员在驾驶行为过程中的图像来判断驾驶员是否在驾驶过程中有分心的行为。
在图3所示出的所述驾驶员分心检测警示系统的基础上，按照本发明的一种优选的实施例，所述驾驶员分心警示组件包括方向盘或者后视镜，所述驾驶员分心警示组件利用方向盘或者后视镜一定的动作来警示分心的驾驶员，使其注意力回到驾驶行为上。
以上例子主要说明了本公开的驾驶员分心检测警示方法和/或驾驶员分心检测警示系统。尽管只对其中一些本发明的实施方式进行了描述，但是本领域普通技术人员应当了解，本发明可以在不偏离其主旨与范围内以许多其他的形式实施。因此，所展示的例子与实施方式被视为示意性的而非限制性的，在不脱离如所附各权利要求所定义的本发明精神及范围的情况下，本发明可能涵盖各种的修改与替换。
Claims (10)
1.一种驾驶员分心检测警示方法，包括：
对驾驶员的行为动作信息进行采集；
将所述采集的行为动作信息输入驾驶员分心检测程序；
所述驾驶员分心检测程序利用深度学习模型对驾驶员的分心进行判断和分类，在成功地判断出驾驶员的分心类别的情况下，对驾驶员进行警示，从而阻止驾驶员继续分心。
2.按权利要求1所述的驾驶员分心检测警示方法，其中，所述驾驶员的行为动作信息为图像。
3.按权利要求2所述的驾驶员分心检测警示方法，其中，所述深度学习模型利用大量的图像训练得到，其中，训练过程包括：
为每张图像分别配属有标签，用以指示不同类型的驾驶员分心类别；
将配属有标签的图像输入未学习的深度学习模型；
通过输入的图像来训练而获取模型中最佳的层并且对模型中的节点网络权重和偏置进行调节，而最终完成训练过程，获取学习完成的深度学习模型。
4.按权利要求3所述的驾驶员分心检测警示方法，其中，所述图像包含不同类型的分心驾驶行为，包括左手发短信、右手发短信、左手打移动电话、右手打移动电话、操作车载娱乐设备、喝水、梳头或化妆、和乘客讲话以及正常驾驶行为。
5.按权利要求3或4所述的驾驶员分心检测警示方法，其中，每个图像在输入所述深度学习模型之前进行预处理，用以生成更多数量的图像样本。
6.按权利要求5所述的驾驶员分心检测警示方法，其中，所述预处理包括对图像转一定的角度或调整图像的灰度。
7.一种实施权利要求1至6中任一项所述的驾驶员分心检测警示方法的驾驶员分心检测警示系统，包括驾驶员分心检测传感器组件、车内计算机处理器以及驾驶员分心警示组件，其中，所述驾驶员分心检测传感器组件检测采集驾驶员的行为动作信息并且将其发送给所述车内计算机处理器，所述车内计算机处理器中存储有驾驶员分心检测程序用以对驾驶员的分心进行分类，同时所述车内计算机处理器向所述驾驶员分心警示组件发送指令，所述驾驶员分心警示组件用以给驾驶员发出警示，防止驾驶员继续分心。
8.按权利要求7所述的驾驶员分心检测警示系统，其中，所述分心检测传感器组件构造成摄像头传感器。
9.按权利要求7所述的驾驶员分心检测警示系统，其中，所述驾驶员分心警示组件包括方向盘或者后视镜。
10.一种机动车，其特征在于，所述机动车具有按权利要求7至9中任一项所述的驾驶员分心检测警示系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811509787.9A CN111301428A (zh) | 2018-12-11 | 2018-12-11 | 机动车驾驶员分心检测警示方法、系统及机动车 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811509787.9A CN111301428A (zh) | 2018-12-11 | 2018-12-11 | 机动车驾驶员分心检测警示方法、系统及机动车 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111301428A true CN111301428A (zh) | 2020-06-19 |
Family
ID=71152478
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811509787.9A Pending CN111301428A (zh) | 2018-12-11 | 2018-12-11 | 机动车驾驶员分心检测警示方法、系统及机动车 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111301428A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112861608A (zh) * | 2020-12-30 | 2021-05-28 | 浙江万里学院 | 一种分心驾驶行为的检测方法及系统 |
| CN113335296A (zh) * | 2021-06-24 | 2021-09-03 | 东风汽车集团股份有限公司 | 一种分心驾驶自适应检测系统及方法 |
| CN113428162A (zh) * | 2021-07-21 | 2021-09-24 | 铜陵学院 | 一种全方位汽车防撞预警系统 |
| CN114511798A (zh) * | 2021-12-10 | 2022-05-17 | 安徽大学 | 基于transformer的驾驶员分心检测方法及装置 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080120025A1 (en) * | 2006-11-22 | 2008-05-22 | Denso Corporation | Driving behavior prediction method and apparatus |
| CN102263937A (zh) * | 2011-07-26 | 2011-11-30 | 华南理工大学 | 基于视频检测的驾驶员驾驶行为监控装置及监控方法 |
| CN104504400A (zh) * | 2015-01-08 | 2015-04-08 | 中国科学院重庆绿色智能技术研究院 | 一种基于在线行为建模的驾驶员异常行为检测方法 |
| CN105260705A (zh) * | 2015-09-15 | 2016-01-20 | 西安邦威电子科技有限公司 | 一种适用于多姿态下的驾驶人员接打电话行为检测方法 |
| CN105894733A (zh) * | 2014-05-15 | 2016-08-24 | Lg电子株式会社 | 驾驶员监控系统 |
| CN107122706A (zh) * | 2017-03-17 | 2017-09-01 | 华南理工大学 | 一种基于增长型极限学习机的车辆检测方法 |
| CN108710865A (zh) * | 2018-05-28 | 2018-10-26 | 电子科技大学 | 一种基于神经网络的司机异常行为检测方法 |
| CN108875674A (zh) * | 2018-06-29 | 2018-11-23 | 东南大学 | 一种基于多列融合卷积神经网络的驾驶员行为识别方法 |
-
2018
- 2018-12-11 CN CN201811509787.9A patent/CN111301428A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080120025A1 (en) * | 2006-11-22 | 2008-05-22 | Denso Corporation | Driving behavior prediction method and apparatus |
| CN102263937A (zh) * | 2011-07-26 | 2011-11-30 | 华南理工大学 | 基于视频检测的驾驶员驾驶行为监控装置及监控方法 |
| CN105894733A (zh) * | 2014-05-15 | 2016-08-24 | Lg电子株式会社 | 驾驶员监控系统 |
| CN104504400A (zh) * | 2015-01-08 | 2015-04-08 | 中国科学院重庆绿色智能技术研究院 | 一种基于在线行为建模的驾驶员异常行为检测方法 |
| CN105260705A (zh) * | 2015-09-15 | 2016-01-20 | 西安邦威电子科技有限公司 | 一种适用于多姿态下的驾驶人员接打电话行为检测方法 |
| CN107122706A (zh) * | 2017-03-17 | 2017-09-01 | 华南理工大学 | 一种基于增长型极限学习机的车辆检测方法 |
| CN108710865A (zh) * | 2018-05-28 | 2018-10-26 | 电子科技大学 | 一种基于神经网络的司机异常行为检测方法 |
| CN108875674A (zh) * | 2018-06-29 | 2018-11-23 | 东南大学 | 一种基于多列融合卷积神经网络的驾驶员行为识别方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112861608A (zh) * | 2020-12-30 | 2021-05-28 | 浙江万里学院 | 一种分心驾驶行为的检测方法及系统 |
| CN113335296A (zh) * | 2021-06-24 | 2021-09-03 | 东风汽车集团股份有限公司 | 一种分心驾驶自适应检测系统及方法 |
| CN113428162A (zh) * | 2021-07-21 | 2021-09-24 | 铜陵学院 | 一种全方位汽车防撞预警系统 |
| CN114511798A (zh) * | 2021-12-10 | 2022-05-17 | 安徽大学 | 基于transformer的驾驶员分心检测方法及装置 |
| CN114511798B (zh) * | 2021-12-10 | 2024-04-26 | 安徽大学 | 基于transformer的驾驶员分心检测方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111301428A (zh) | 机动车驾驶员分心检测警示方法、系统及机动车 | |
| US9791857B2 (en) | System and method for monitoring and alerting vehicle occupant to operating efficiencies of autonomous driving assistance systems | |
| EP2523839B1 (en) | Combining driver and environment sensing for vehicular safety systems | |
| CN110866427A (zh) | 一种车辆行为检测方法及装置 | |
| US20130325202A1 (en) | Neuro-cognitive driver state processing | |
| JP7544502B2 (ja) | 運転支援装置及びデータ収集システム | |
| CN112699721B (zh) | 离开道路扫视时间的情境相关调整 | |
| CN112644506A (zh) | 一种基于模型长短时记忆神经网络lstm-nn检测驾驶人驾驶分心的方法 | |
| CN112861683B (zh) | 一种行驶朝向检测方法、装置、计算机设备及存储介质 | |
| CN109720348A (zh) | 车载装置、信息处理系统和信息处理方法 | |
| CN111527014A (zh) | 确定载运工具的非期望动作 | |
| CN112689587A (zh) | 考虑到在要求接管驾驶任务时驾驶员的非驾驶任务活动的可中断性而分类非驾驶任务活动的方法及因要求接管驾驶任务而中断非驾驶任务活动后重新释放非驾驶任务活动的方法 | |
| CN114274954A (zh) | 一种车内外感知结合的车辆主动接管系统及方法 | |
| Mizuno et al. | Detecting driver's visual attention area by using vehicle-mounted device | |
| CN112141093B (zh) | 用于识别车辆周围的危险对象的方法和系统 | |
| CN109795497A (zh) | 集中度判定装置、集中度判定方法及记录介质 | |
| US20200023863A1 (en) | Concentration degree determination device, concentration degree determination method, and program for determining concentration degree | |
| WO2021262166A1 (en) | Operator evaluation and vehicle control based on eyewear data | |
| CN210760742U (zh) | 智能车辆辅助驾驶系统 | |
| CN118609103A (zh) | 基于智慧交通的车辆驾驶危险行为识别预警方法及系统 | |
| CN117334047A (zh) | 一种危险驾驶行为检测方法及装置 | |
| CN117496488A (zh) | 驾驶员瞌睡识别方法、装置、设备和存储介质 | |
| AU2021105935A4 (en) | System for determining physiological condition of driver in autonomous driving and alarming the driver using machine learning model | |
| CN118790260B (zh) | 车辆行驶场景的识别方法、车辆及存储介质 | |
| CN113715834B (zh) | 车辆行驶行为识别方法、装置、电子设备和存储介质 |
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 |
Application publication date: 20200619 |
|
| RJ01 | Rejection of invention patent application after publication |