技术特征：
1.一种用于无人驾驶的汽车逐程接管方法及装置，其特征在于，所述方法执行以下步骤：步骤1：进行头距检测，具体包括：在设定的时间范围内统计每个时刻下驾驶员头部距离驾驶员座椅的头枕的距离，生成头距变化曲线；步骤2：对生成的头距变化曲线进行曲线分析，以判断驾驶员的头距在设定的时间范围内的变化是否出现异常，若出现异常，则基于出现异常的占比，生成头距异常值，同时发送控制命令和至汽车控制系统；汽车控制系统响应于所述控制命令，开启刹车辅助控制，同时开启生理参数检测；步骤3：进行生理参数检测，具体包括：在设定的时间范围内统计每个时刻下驾驶员的生理参数，生成生理参数变化曲线；所述生理参数包括：驾驶员的心跳、体温和血压；步骤4：对生成的生理参数变化曲线进行曲线分析，以判断驾驶员的生理参数在设定的时间范围内的变化是否出现异常，若出现异常，则基于出现异常的占比，生成生理异常值，同时发送控制命令和至汽车控制系统；汽车控制系统响应于所述控制命令，开启油门辅助控制，同时开启手势检测；步骤5：进行手势检测，具体包括：在设定的时间范围内统计每个时刻下驾驶员的手势参数，生成手势参数变化曲线；所述手势参数包括：手握方向盘的压力和手臂与方向盘的夹角；步骤6：对生成的手势参数变化曲线进行曲线分析，以判断驾驶员的手势参数在设定的时间范围内的变化是否出现异常，若出现异常，则基于出现异常的占比，生成手势异常值，同时发送控制命令和至汽车控制系统；汽车控制系统响应于所述控制命令，开启方向盘辅助控制，同时开启面部检测；步骤7：进行面部检测，具体包括：实时采集驾驶员的面部图像信息，进行面部图像识别，得到面部识别结果，基于面部识别结果生成面部异常值；步骤8：基于头距异常值、生理异常值、手势异常值和面部异常值，使用预设的疲劳值计算模型，计算驾驶员的疲劳值，若计算得到的疲劳值超过设定的阈值，则汽车控制系统接管汽车控制，若计算得到的疲劳值在设定的阈值范围内，则重新进行头距检测、生理参数检测和手势检测，在重新进行上述检测的过程中，若检测到任一一项的异常消失，则汽车控制系统解除该项对应的辅助控制。2.如权利要求1所述的方法，其特征在于，在进行头距检测、生理参数检测和手势检测过程中，所述设定的时间范围将按照设定的函数随着驾驶员驾驶汽车的时间而变化；所述设定的函数，使用如下公式进行表示：设定的函数，使用如下公式进行表示：其中，s表示设定的时间范围；t1为驾驶员驾驶汽车的时间。3.如权利要求2所述的方法，其特征在于，所述步骤2中对生成的头距变化曲线进行曲线分析的方法执行以下步骤：将生成的头距变化曲线与预设的头距标准曲线进行作差计算，再计算作差计算后得到的差异部分在头距标准曲线中的占比，若占比超过设定的头距阈值，则判断头距变化出现异常，则将出现异常的占比，作为头距异常值。
4.如权利要求3所述的方法，其特征在于，所述步骤4中对生成的生理参数变化曲线进行曲线分析的方法执行以下步骤：针对每种不同的生理参数均生成对应的一个变化曲线，得到压力变化曲线和夹角变化曲线；再将每个变化曲线分别与预设的对应的标准曲线进行作差计算，再计算作差计算后得到的两个差异部分分别在对应的标准曲线中的占比；最后计算三个占比的加权平均值，将得到的平均值与设定的生理阈值进行比较，若超过设定的生理阈值，则判断手势参数的变化出现异常，将计算得到的平均值作为生理异常值；所述加权平均值＝0.4*压力变化曲线的变化占比+0.6*夹角变化曲线的变化占比。5.如权利要求4所述的方法，其特征在于，所述步骤5中对生成的手势参数变化曲线进行曲线分析的方法执行以下步骤：针对每种不同的手势参数均生成对应的一个变化曲线，得到心跳变化曲线、体温变化曲线和血压变化曲线；再将每个变化曲线分别与预设的对应的标准曲线进行作差计算，再计算作差计算后得到的三个差异部分分别在对应的标准曲线中的占比；最后计算三个占比的平均值，将得到的平均值与设定的生理阈值进行比较，若超过设定的生理阈值，则判断手势参数的变化出现异常，将计算得到的平均值作为生理异常值。6.如权利要求5所述的方法，其特征在于，所述步骤7中进行面部图像识别，得到面部识别结果的方法执行以下步骤：从采集到的面部图像中进行关键点标注；所述关键点包括：眼镜和嘴巴；采集面部图像的二维图像特征和三维深度特征；提取所述二维图像特征的二维特征向量；通过所述三维深度特征，提取面部图像中预设的匹配特征点的特征向量形成三维特征向量；基于所述二维图像特征进行特征回归，对驾驶人员进行姿态判断，以判断驾驶员的头部的偏转和俯仰状态；其中，所述匹配特征点为面部图像中的部分特征点；使用加权运算，计算组合特征向量与匹配特征向量的加权特征向量；若驾驶员的头部处于偏转和俯仰状态，则再使用预设的姿态矫正函数基于偏转和俯仰状态计算得到的姿态校正值，对加权特征向量进行校正；再计算加权特征向量与预设的疲劳特征向量的相似度，其中，所述组合特征向量由所述二维特征向量和所述三维特征向量组合形成，所述匹配特征向量是由预设二维特征向量以及与所述匹配特征点对应的预设三维特征向量组合形成；计算出的相似度与标准值的差值即为得到的面部异常值。7.如权利要求6所述的方法，其特征在于，所述通过所述三维深度特征，提取面部图像中预设的匹配特征点的特征向量形成三维特征向量，包括：检测所述用户面部图像中关键特征点，其中，所述关键特征点为面部图像中的部分特征点；通过所述三维深度特征提取所述关键特征点的特征向量；判断面部图像识别影响因素是否正常；若所述面部图像识别影响因素正常，选择所述关键特征点的部分特征点作为所述匹配特征点，并由所述匹配特征点的特征向量形成所述三维特征向量；所述通过所述三维深度特征提取面部图像中预设的匹配特征点的特征向量形成三维特征向量，还包括：若所述面部图像识别影响因素不正常，选择所述关键特征点的全部特征点作为所述匹配特征点，并由所述匹配特征点的特征向量形成所述三维特征向量。8.如权利要求7所述的方法，其特征在于，所述基于所述二维图像特征进行特征回归，对驾驶人员进行姿态判断，以判断驾驶员的头部的偏转和俯仰状态的方法执行以下步骤：基于所述二维图像特征进行特征回归，得到二维图像特征中每个特征点的特征回归值，将所有特征点的特征回归值按照每个特征点在二维图像特征中的位置，重新组成一个特征矩
阵，使用如下公式进行表示：阵，使用如下公式进行表示：其中，b为特征矩阵，p
m，n
为二维图像特征中每个特征点的特征回归值；所述特征回归为将每个二维图像特征进行岭回归；c为调整系数，取值范围为：0.2～0.5；再计算特征矩阵的的秩和行列式，将得到的秩与预设的第一范围值进行比较，若在预设的第一范围值内，则判断出现偏转；将得到的行列式值与预设的第二范围值进行比较，若在预设的第二范围值内，则判断出现俯仰。9.如权利要求8所述的方法，其特征在于，所述姿态矫正函数使用如下公式进行表示：其中，q为姿态矫正值，b为特征矩阵的秩，y为特征矩阵的行列式值，o为调整系数，取值范围为：5～10；将计算得到的姿态校正值与加权特征向量进行相乘，即得到校正后的加权特征向量。10.一种用于实现权利要求1至9所述方法的无人驾驶的汽车逐程接管装置。
技术总结
本发明属于智能汽车技术领域，具体涉及一种用于无人驾驶的汽车逐程接管方法及装置。所述方法通过检测驾驶人员的生理参数、头距和手势参数，以及结合对驾驶人员的面部识别，让汽车控制系统逐步接管汽车驾驶，实现驾驶的逐程接管。相较于现有技术，逐程接管的方式，可以提升接管的效率，同时可以节约系统资源；同时本发明在面部识别时，引入了对于头部偏转和俯仰的校正，提升了判断的准确率。提升了判断的准确率。提升了判断的准确率。
技术研发人员：刘明华
受保护的技术使用者：刘明华
技术研发日：2022.01.17
技术公布日：2022/4/26