[發明專利]一種疲勞駕駛判斷方法、系統、設備及計算機存儲介質

在審

• 申請號: 201810672679.7
• 申請日: 2018-06-26
• 公開（公告）號: CN109044379A
• 公開（公告）日: 2018-12-21
• 發明（設計）人: 劉均;李暉齡
• 申請（專利權）人: 深圳市元征科技股份有限公司
• 主分類號: A61B5/18
• 分類號: A61B5/18
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 王仲凱

本申請公開了一種疲勞駕駛判斷方法、系統、設備及計算機存儲介質，其中該方法包括：獲取駕駛人的實時體征信息；確定實時體征信息對應的疲勞度參數；計算疲勞度參數在每個單位期間內的矢量變異系數，矢量變異系數為單位期間內疲勞度參數的標準差與疲勞度參數的平均值的比值；確定矢量變異系數隨單位期間的變化關系，以基于變化關系判斷駕駛人是否疲勞駕駛。本申請公開的一種疲勞駕駛判斷方法、系統、設備及計算機可讀存儲介質中所涉及到的算法僅僅是標準差、平均值以及標準差與平均值的比，其均是常規的簡單算法，現有技術相比，本申請對數據進行處理所用的算法較為簡單，可以在一定程度上提高對駕駛人疲勞駕駛檢測的檢測效率。

技術領域

本申請涉及信息處理技術領域，更具體地說，涉及一種疲勞駕駛判斷方法、系統、設備及計算機存儲介質。

背景技術

在汽車的行駛過程中，如果駕駛員長時間處于駕駛狀態，便會形成疲勞駕駛，這會嚴重危害駕駛員的安全。

為了避免駕駛員疲勞駕駛，現有的一種疲勞駕駛檢測方法是基于語音個性特征和模型自適應的駕駛疲勞檢測方法，首先，提取駕駛人語音樣本的線性特征和非線性特征；其次，采用基于VQ(voice quality，音量)的說話人識別算法判別駕駛人身份；隨后，根據駕駛人的個體疲勞特征差異，采用Relief(Relevant Features，特征選擇算法)算法篩選出能夠充分反映其疲勞信息的語音特征，構建疲勞個體特征向量；最后，采用SVM(Support VectorMachine，支持向量機)分類算法建立駕駛人個體的自適應疲勞檢測模型，并對模型進行樣本訓練以及駕駛疲勞檢測。

然而，現有的基于語音個性特征和模型自適應的駕駛疲勞檢測方法，步驟繁瑣，耗時長，使得對駕駛人的疲勞檢測的檢測效率較低。

綜上所述，如何提高對駕駛人疲勞駕駛檢測的檢測效率是目前本領域技術人員亟待解決的問題。

發明內容

本申請的目的是提供一種疲勞駕駛判斷方法，其能在一定程度上解決如何提高對駕駛人疲勞駕駛檢測的檢測效率的技術問題。本申請還提供了一種疲勞駕駛判斷系統、設備及計算機可讀存儲介質。

為了實現上述目的，本申請提供如下技術方案：

一種疲勞駕駛判斷方法，包括：

獲取駕駛人的實時體征信息；

確定所述實時體征信息對應的疲勞度參數；

計算所述疲勞度參數在每個單位期間內的矢量變異系數，所述矢量變異系數為所述單位期間內所述疲勞度參數的標準差與所述疲勞度參數的平均值的比值；

確定所述矢量變異系數隨所述單位期間的變化關系，以基于所述變化關系判斷駕駛人是否疲勞駕駛。

優選的，所述確定所述實時體征信息對應的疲勞度參數，包括：

計算所述實時體征信息中每項體征數據與所述體征數據對應的比例系數的乘積；

確定所有的所述體征數據對應的乘積的和為所述疲勞度參數。

優選的，所述計算所述疲勞度參數在每個單位期間內的矢量變異系數，包括：

生成所述疲勞度參數對應的疲勞度矩陣，所述疲勞度矩陣的參數包括每個所述疲勞度參數以及所述疲勞度參數的確定時刻；

根據所述疲勞度矩陣計算所述疲勞度參數在每個所述單位期間內的矢量變異系數。

優選的，所述獲取駕駛人的實時體征信息，包括：

獲取駕駛人佩戴的智能穿戴設備采集的所述實時體征信息。

優選的，所述獲取駕駛人的實時體征信息之后，所述確定所述實時體征信息對應的疲勞度參數之前，還包括：