[發明專利]信息輸出方法和裝置

有效

• 申請號: 201711136211.8
• 申請日: 2017-11-16
• 公開（公告）號: CN107909037B
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 賈巍;商興奇;李宏言
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;B60W40/08
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

本申請實施例公開了信息輸出方法和裝置。該方法的一具體實施方式包括：獲取記錄有目標駕駛員的當前駕車過程的目標視頻；將目標視頻輸入至預先訓練的深度學習模型，得到目標駕駛員的預測疲勞駕駛出現時間段，其中，深度學習模型用于表征記錄有駕駛員的當前駕車過程的視頻與駕駛員的預測疲勞駕駛出現時間段之間的對應關系；確定目標駕駛員的預測疲勞駕駛出現時間段是否在預設時間段范圍內；響應于確定在預設時間段范圍內，輸出目標駕駛員的預測疲勞駕駛出現時間段。該實施方式能夠預測駕駛員的疲勞駕駛出現時間段，并輸出所預測的疲勞駕駛出現時間段，有助于減少因疲勞駕駛所造成的交通事故。

技術領域

本申請實施例涉及計算機技術領域，具體涉及互聯網技術領域，尤其涉及信息輸出方法和裝置。

背景技術

駕駛疲勞，是指駕駛員在長時間連續行車后，產生生理機能和心理機能的失調，而在客觀上出現駕駛技能下降的現象。駕駛員睡眠質量差或不足，長時間駕駛車輛，容易出現疲勞。駕駛疲勞會影響到駕駛員的注意、感覺、知覺、思維、判斷、意志、決定和運動等諸方面。

駕駛員疲勞時判斷能力下降、反應遲鈍和操作失誤增加。駕駛員處于輕微疲勞時，會出現換檔不及時、不準確；駕駛員處于中度疲勞時，操作動作呆滯，有時甚至會忘記操作；駕駛員處于重度疲勞時，往往會下意識操作或出現短時間睡眠現象，嚴重時會失去對車輛的控制能力。駕駛員疲勞時，會出現視線模糊、腰酸背疼、動作呆板、手腳發脹或有精力不集中、反應遲鈍、思考不周全、精神渙散、焦慮、急躁等現象。如果仍勉強駕駛車輛，則可能導致交通事故的發生。

發明內容

本申請實施例提出了信息輸出方法和裝置。

第一方面，本申請實施例提供了一種信息輸出方法，該方法包括：獲取記錄有目標駕駛員的當前駕車過程的目標視頻；將目標視頻輸入至預先訓練的深度學習模型，得到目標駕駛員的預測疲勞駕駛出現時間段，其中，深度學習模型用于表征記錄有駕駛員的當前駕車過程的視頻與駕駛員的預測疲勞駕駛出現時間段之間的對應關系；確定目標駕駛員的預測疲勞駕駛出現時間段是否在預設時間段范圍內；響應于確定在預設時間段范圍內，輸出目標駕駛員的預測疲勞駕駛出現時間段。

在一些實施例中，該方法還包括：獲取包括緩解疲勞駕駛的方式的提示信息，并輸出。

在一些實施例中，深度學習模型包括卷積神經網絡、循環神經網絡和全連接層。

在一些實施例中，將目標視頻輸入至預先訓練的深度學習模型，得到目標駕駛員的預測疲勞駕駛出現時間段，包括：將目標視頻輸入至卷積神經網絡，得到目標視頻的各幀圖像的特征向量，其中，卷積神經網絡用于表征視頻與視頻的各幀圖像的特征向量之間的對應關系；將目標視頻的各幀圖像的特征向量輸入至循環神經網絡，得到目標視頻的特征向量，其中，循環神經網絡用于表征視頻的各幀圖像的特征向量與視頻的特征向量之間的對應關系，視頻的特征向量用于表征視頻的各幀圖像的特征向量之間的關聯關系；將目標視頻的特征向量輸入至全連接層，得到目標駕駛員的預測疲勞駕駛出現時間段，其中，全連接層用于表征視頻的特征向量與駕駛員的預測疲勞駕駛出現時間段之間的對應關系。

在一些實施例中，深度學習模型通過如下步驟訓練得到：獲取多個記錄有樣本駕駛員的駕車過程的樣本視頻和多個樣本視頻中的每個樣本視頻所對應的樣本駕駛員的疲勞駕駛出現時間段；將多個樣本視頻中的每個樣本視頻作為輸入，將多個樣本視頻中的每個樣本視頻所對應的樣本駕駛員的疲勞駕駛出現時間段作為輸出，訓練得到深度學習模型。