[发明专利]多源信号疲劳驾驶检测方法、装置及存储介质

权利要求书

1.一种多源信号疲劳驾驶检测方法，其特征在于，包括：

获取预设时间段内的驾驶员在驾驶过程中的多类信息的时序数据；

将所述多类信息的时序数据的时间轴对齐后进行切分，得到多个时序数据片段；

分别对所述多个时序数据片段进行质量评估，得到所述多个时序数据片段各自的数据质量评估等级；

根据所述数据质量评估等级，从多个判定模型中确定与所述多个时序数据片段各自匹配的目标判定模型；并将所述多个时序数据片段分别通过各自确定的目标判定模型进行判定，得到多个疲劳程度预测结果，以及对所述多个疲劳程度预测结果进行加权计算，得到总疲劳程度预测结果；

将所述总疲劳程度预测结果与预警阈值进行比较得到比较结果，根据所述比较结果判断是否向驾驶员进行预警提示。

2.根据权利要求1所述的方法，其特征在于，所述多个判定模型包括时序序列模型、融合数据特征模型及单数据特征模型，所述数据质量评估等级包括高质量数据、中等质量数据和低质量数据；所述根据所述数据质量评估等级，从多个判定模型中确定与所述多个时序数据片段各自匹配的目标判定模型，包括：

若所述数据质量评估等级为高质量数据，从多个判定模型中确定与所述多个时序数据片段各自匹配的目标判定模型为时序序列模型、融合数据特征模型以及单数据特征模型中的一个；

若所述数据质量评估等级为中等质量数据，从多个判定模型中确定与所述多个时序数据片段各自匹配的目标判定模型为融合数据特征模型或单数据特征模型；

若所述数据质量评估等级为低质量数据，从多个判定模型中确定与所述多个时序数据片段各自匹配的目标判定模型为单数据特征模型。

3.根据权利要求2所述的方法，其特征在于，所述时序序列模型是通过第一训练样本训练时序机器学习模型得到的，所述第一训练样本包括多个时序数据片段。

4.根据权利要求2所述的方法，其特征在于，所述融合数据特征模型是通过第二训练样本训练支持向量机模型得到的，所述第二训练样本包括从所述多个时序数据片段中提取的有效数据特征。

5.根据权利要求2所述的方法，其特征在于，所述单数据特征模型包括分别对应所述多类信息的多个独立单数据特征模型，每类信息对应的独立单数据特征模型是通过该类信息的训练样本训练支持向量机模型得到的；其中，所述该类信息的训练样本包括所述多个时序数据片段中对应该类信息的时序数据中提取的有效数据特征；所述单数据特征模型的判定输出为所述多个独立单数据特征模型输出的加权和。

6.根据权利要求1所述的方法，其特征在于，所述将所述多类信息的时序数据的时间轴对齐后进行切分之前，还包括：

对所述多类信息中的方向盘数据对应的时序数据进行巴斯沃特低通滤波，得到滤波后的方向盘数据的时序数据；

对所述多类信息中的心电数据对应的时序数据进行小波滤波，得到滤波后的心电数据的时序数据；

对所述多类信息中的皮肤电数据对应的时序数据进行低通滤波或平滑滤波，得到滤波后的皮肤电数据的时序数据。

7.根据权利要求1所述的方法，其特征在于，所述根据所述比较结果判断是否向驾驶员进行预警提示之后，还包括：

接收驾驶员的疲劳反馈信息，所述疲劳反馈信息用于在所述多个判定模型的更新训练中调整所述对应判定模型的参数。