[發(fā)明專利]一種疲勞檢測模型的訓(xùn)練方法、疲勞駕駛檢測方法及裝置

有效

• 申請?zhí)枺?/td>: 202010936728.0
• 申請日: 2020-09-08
• 公開（公告）號: CN112036352B
• 公開（公告）日: 2021-09-14
• 發(fā)明（設(shè)計(jì)）人: 韓福波;劉亞書
• 申請（專利權(quán)）人: 北京嘀嘀無限科技發(fā)展有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G08B21/06;G08B21/24;G08B21/18
• 代理公司: 北京超成律師事務(wù)所 11646
• 代理人: 裴素英

本申請?zhí)峁┝艘环N疲勞檢測模型的訓(xùn)練方法、疲勞駕駛檢測方法及裝置，該訓(xùn)練方法包括：基于歷史訂單構(gòu)造訓(xùn)練樣本，該訓(xùn)練樣本中包括疲勞特征和疲勞特征對應(yīng)的是否發(fā)生交通事故的事故結(jié)果；將疲勞特征作為決策樹模型的輸入，將疲勞規(guī)則作為決策樹模型的輸出；根據(jù)決策樹模型基于輸入的疲勞特征得到的輸出結(jié)果和疲勞特征對應(yīng)的事故結(jié)果，訓(xùn)練決策樹模型，得到訓(xùn)練好的疲勞檢測模型和對應(yīng)的疲勞規(guī)則；根據(jù)疲勞檢測模型對應(yīng)的疲勞規(guī)則，建立疲勞特征和疲勞程度的映射關(guān)系，以便通過該映射關(guān)系確定目標(biāo)訂單對應(yīng)的目標(biāo)疲勞程度。本申請?zhí)岣吡藱z測效率和檢測準(zhǔn)確度，能夠滿足實(shí)時(shí)檢測的需求，且無需對樣本進(jìn)行疲勞程度的標(biāo)注，提高了模型的訓(xùn)練效率。

技術(shù)領(lǐng)域

本申請涉及疲勞檢測技術(shù)領(lǐng)域，具體而言，涉及一種疲勞檢測模型的訓(xùn)練方法、疲勞駕駛檢測方法及裝置。

背景技術(shù)

在交通領(lǐng)域，比如網(wǎng)約車領(lǐng)域，疲勞駕駛是引發(fā)嚴(yán)重交通事故的主要原因，因此，需要對駕駛員進(jìn)行疲勞駕駛檢測，以保證駕駛員和乘客的行駛安全。

目前，對駕駛員進(jìn)行疲勞駕駛檢測的方法包括：監(jiān)測駕駛員連續(xù)在線時(shí)長和工作時(shí)長等統(tǒng)計(jì)量，并基于上述統(tǒng)計(jì)量判斷駕駛員是否疲勞。但是，上述方式中，監(jiān)測的統(tǒng)計(jì)量數(shù)據(jù)單一，無法準(zhǔn)確描述駕駛員的工作強(qiáng)度，也無法準(zhǔn)確表征駕駛員的疲勞狀態(tài)，進(jìn)而導(dǎo)致檢測準(zhǔn)確度差；并且，上述方式檢測效率低，也無法滿足實(shí)時(shí)檢測的需求。

發(fā)明內(nèi)容

有鑒于此，本申請的目的在于提供一種疲勞檢測模型的訓(xùn)練方法、疲勞駕駛檢測方法及裝置，通過構(gòu)造包括疲勞特征和對應(yīng)的事故結(jié)果的訓(xùn)練樣本來訓(xùn)練疲勞檢測模型，并基于疲勞檢測模型檢測駕駛員的疲勞狀態(tài)，提高了檢測效率和檢測準(zhǔn)確度，能夠滿足實(shí)時(shí)檢測的需求；并且，通過上述訓(xùn)練樣本，無需對樣本進(jìn)行疲勞程度的標(biāo)注，提高了模型的訓(xùn)練效率。

第一方面，本申請實(shí)施例提供了一種疲勞檢測模型的訓(xùn)練方法，所述訓(xùn)練方法包括：

基于歷史訂單構(gòu)造訓(xùn)練樣本，所述訓(xùn)練樣本中包括疲勞特征和所述疲勞特征對應(yīng)的是否發(fā)生交通事故的事故結(jié)果；

將所述疲勞特征作為決策樹模型的輸入，將疲勞規(guī)則作為所述決策樹模型的輸出；根據(jù)所述決策樹模型基于輸入的疲勞特征得到的輸出結(jié)果和所述疲勞特征對應(yīng)的事故結(jié)果，訓(xùn)練決策樹模型，得到訓(xùn)練好的疲勞檢測模型和所述疲勞檢測模型對應(yīng)的疲勞規(guī)則；

根據(jù)所述疲勞檢測模型對應(yīng)的疲勞規(guī)則，建立所述疲勞特征和疲勞程度的映射關(guān)系；其中，所述映射關(guān)系用于基于所述疲勞檢測模型基于目標(biāo)訂單對應(yīng)的目標(biāo)疲勞特征的輸出結(jié)果，確定所述目標(biāo)訂單對應(yīng)的目標(biāo)疲勞程度。

在一種可能的實(shí)施方式中，所述疲勞特征包括以下至少之一：服務(wù)提供方的基本動(dòng)作特征；服務(wù)提供方的連續(xù)疲勞特征；訂單特征；

其中，所述服務(wù)提供方的基本動(dòng)作特征至少包括：服務(wù)提供方在最近時(shí)間段內(nèi)的睜閉眼次數(shù)、睜閉眼時(shí)長、張閉嘴次數(shù)、張閉嘴時(shí)長；所述服務(wù)提供方的連續(xù)疲勞特征至少包括：服務(wù)提供方在一段時(shí)間段內(nèi)連續(xù)觸發(fā)基本動(dòng)作的次數(shù)、每兩次基本動(dòng)作之間的時(shí)間間隔、每一次基本動(dòng)作在對應(yīng)時(shí)間段內(nèi)的時(shí)長占比；其中，所述一段時(shí)間段內(nèi)連續(xù)觸發(fā)的每兩次基本動(dòng)作之間的時(shí)間間隔小于第一預(yù)設(shè)閾值；所述訂單特征至少包括訂單時(shí)間、訂單距離。

在一種可能的實(shí)施方式中，所述基于歷史訂單構(gòu)造訓(xùn)練樣本，包括：

基于服務(wù)提供方對應(yīng)的歷史訂單構(gòu)造初始訓(xùn)練樣本，所述初始訓(xùn)練樣本中包括初始疲勞特征和所述初始疲勞特征對應(yīng)的是否發(fā)生交通事故的事故結(jié)果；

針對所述決策樹模型的每一節(jié)點(diǎn)，獲取該節(jié)點(diǎn)對應(yīng)的初始訓(xùn)練樣本；針對所述初始訓(xùn)練樣本中的每一初始疲勞特征，將該初始疲勞特征作為該節(jié)點(diǎn)的輸入，得到該節(jié)點(diǎn)對應(yīng)的決策結(jié)果；

若該決策結(jié)果不符合預(yù)設(shè)條件，則從所述初始訓(xùn)練樣本中刪除該初始疲勞特征，得到訓(xùn)練樣本。