[发明专利]多源信号疲劳驾驶检测方法、装置及存储介质

说明书

本申请提供了一种多源信号疲劳驾驶检测方法、装置及存储介质。其中方法包括：获取驾驶过程中的多类信息的时序数据；将多类信息的时序数据进行切分得到多个时序数据片段；分别对多个时序数据片段进行质量评估，再根据数据质量评估等级，从多个判定模型中确定与多个时序数据片段各自匹配的目标判定模型；并将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最终得到总疲劳程度预测结果；将总疲劳程度预测结果与预警阈值进行比较以判断是否向驾驶员进行预警提示。使用多种数据融合方法有效挖掘驾驶员数据的特征，针对不同质量的数据匹配判定模型，达到更高的检测精度，实现全方位衡量驾驶员的疲劳状态，通过提醒从而降低驾驶风险。

技术领域

本申请涉及驾驶状态检测技术领域，尤其涉及一种多源信号疲劳驾驶检测方法、装置及存储介质。

背景技术

近年来，我国路网进一步延伸和完善，机动车保有量持续增高，随之而来的机动车驾驶事故量也持续走高。在驾驶事故中，因疲劳驾驶导致的事故屡见不鲜，如何及时有效监控驾驶人在机动车行驶中的状态改变并及时发出提醒成为一个重要的安全课题。

相关技术中，目前现有的疲劳驾驶检测技术主要基于以下三类数据进行处理：1)驾驶员生理信息特征，如驾驶员的心电数据、皮肤电数据等；2)驾驶员视觉信息特征，如驾驶员的面部表情、眨眼频率等；3)驾驶员行为信息特征，如驾驶员的方向盘使用情况等。上述三类数据均能在一定程度上包含驾驶员在驾驶过程中的状态信息，但使用单一信息进行预测和模拟存在一定局限性，疲劳驾驶的检测精度相对较低。尤其使用受光线影响较大的视觉信息特征进行检测时，易出现数据质量不稳定、检测误差较大的情况。

相关技术中，也存在使用多种信息进行检测的方案，但是在多类数据的融合方面的技术仍相对简单，未能完全挖掘出数据内的有效信息，对于预测准确率有所影响。

发明内容

本申请提供了一种多源信号疲劳驾驶检测方法以及装置，以疲劳驾驶检测精度。本申请的技术方案如下：

第一方面，本申请实施例提供了一种多源信号疲劳驾驶检测方法，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。

在一些实现方式中，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。

在一些实现方式中，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。