人因智能座舱驾驶人疲劳检测方法、装置、车辆及介质与流程

本技术涉及疲劳检测，特别涉及一种人因智能座舱驾驶人疲劳检测方法、装置、车辆及介质。

背景技术：

1、相关技术中，疲劳驾驶一直是汽车驾驶安全的重大隐患，目前对于驾驶人的疲劳驾驶检测主要是依据摄像头检测驾驶人的面部表情及相关道路信息，对驾驶人员是否处于疲劳驾驶状态进行检测。

2、但是，相关技术中，单独依据驾驶人的面部表情和道路信息对驾驶人的驾驶状态进行检测，导致疲劳检测方式与识别结果较为单一，无法精准识别驾驶人的实际驾驶状态，降低检测结果的准确性与可靠性，适用范围较窄，无法满足驾驶人的实际检测需求，降低驾驶人使用体验，亟待解决。

技术实现思路

1、本技术提供一种人因智能座舱驾驶人疲劳检测方法、装置、车辆及介质，以解决相关技术中单独依据驾驶人的面部表情和道路信息对驾驶人的驾驶状态进行检测，导致疲劳检测方式与识别结果较为单一，无法精准识别驾驶人的实际驾驶状态，降低检测结果的准确性与可靠性，适用范围较窄，无法满足驾驶人的实际检测需求，降低驾驶人使用体验等问题。

2、本技术第一方面实施例提供一种人因智能座舱驾驶人疲劳检测方法，包括以下步骤：采集驾驶人的生理数据和行为数据；根据所述生理数据和所述行为数据提取所述驾驶人的至少一个自变量特征；根据所述至少一个自变量特征识别所述驾驶人的实际疲劳状态，并基于所述实际疲劳状态控制车辆向所述驾驶人进行状态提醒。

3、通过上述技术方案，可以结合驾驶人的生理数据和行为数据提取驾驶人的至少一个自变量特征，从而利用至少一个自变量特征识别驾驶人的实际疲劳状态，进而基于实际疲劳状态向驾驶人进行状态提醒，综合利用驾驶人的生理数据和行为数据对驾驶人的疲劳状态进行识别及提醒，实现多维度检测的目的，提高检测的准确性和可靠性的同时，提升检测的适用性和实用性，有效满足驾驶人的实际检测需求，保证驾驶人的使用体验，提高客户粘性。

4、示例性地，所述采集驾驶人的生理数据和行为数据，包括：采集所述驾驶人在所述预设时长内的心率、脑电信号、肌电信号中的至少一项变化数据，作为所述生理数据；采集所述驾驶人在预设时长内的头部姿态、眨眼频率、眼睛开闭状态、面部表情中的至少一项变化数据，作为所述行为数据。

5、通过上述技术方案，可以采集驾驶人在一定时长内的生理数据和行为数据和，生理数据包括但不限于心率、脑电信号、肌电信号中的至少一项变化数据，行为数据包括但不限于头部姿态、眨眼频率、眼睛开闭状态、面部表情中的至少一项变化数据，作为后续步骤的数据支撑，有效保证检测的精确度，可靠且易实现。

6、示例性地，所述根据所述生理数据和所述行为数据提取所述驾驶人的至少一个自变量特征，包括：对所述生理数据和所述行为数据进行预处理，得到处理后的采集数据；从所述采集数据中，提取至少一个能量比值指标，作为所述至少一个自变量特征。

7、通过上述技术方案，可以对生理数据和行为数据进行预处理，保证数据的有效性，并减少冗余操作，从而提取但不限于至少一个能量比值指标作为至少一个自变量特征，进一步地提升检测的精准度，筛除无效或者冗余的数据，有效提高检测效率。

8、示例性地，所述根据所述至少一个自变量特征识别所述驾驶人的实际疲劳状态，包括：将所述至少一个自变量特征输入至预先构建的疲劳状态识别模型，输出所述实际疲劳状态，其中，所述疲劳状态识别模型由驾驶前后的kss量表评分和多种疲劳状态共同构建。

9、通过上述技术方案，可以将上述至少一个自变量特征，输入至疲劳状态识别模型并输出实际疲劳状态，疲劳状态识别模型经由专业的kss量表评分和多种疲劳状态预先构建，利用模型的识别方式，在离线训练阶段，对模型进行预先训练，保证模型的收敛性，进而提高检测的可实施性和可靠性，可靠且易实现。

10、示例性地，所述根据所述至少一个自变量特征识别所述驾驶人的实际疲劳状态，包括：获取所述车辆的当前所处工况和/或当前所处环境；根据所述当前所处工况和/或当前所处环境生成所述至少一个自变量特征中每个自变量特征的权重；根据所述至少一个自变量特征及对应的权重确定所述实际疲劳状态。

11、通过上述技术方案，可以在识别驾驶人的实际疲劳状态时获取车辆的当前所处工况和/或当前所处环境，并生成至少一个自变量特征中每个自变量特征的权重，以确定驾驶人的实际疲劳状态，提高识别的适用性，在采集驾驶人的生理数据和行为数据下结合车辆的当前所处工况和/或当前所处环境共同进行确定，有效的提高检测的精准性，满足驾驶人的需求。

12、示例性地，所述基于所述实际疲劳状态向驾驶人进行状态提醒，包括：判断所述实际疲劳状态是否满足预设提醒条件；如果所述实际疲劳状态满足所述预设提醒条件，则根据所述实际疲劳状态匹配目标提醒类型和提醒信号，并根据所述目标提醒类型控制所述车辆基于所述提醒信号进行状态提醒。

13、通过上述技术方案，可以预先设置一定的提醒的提醒条件，以在实际疲劳状态满足一定的条件时，即在必要的时刻，通过生成的提醒类型和提醒信号对驾驶人进行状态提醒，减少冗余操作，满足了驾驶人在实际场景中的使用需求，提升驾驶人使用体验。

14、示例性地，所述预设提醒条件为但不限于所述实际疲劳状态的疲劳等级大于预设等级。

15、通过上述技术方案，可以预设一定的提醒条件和疲劳等级，以在实际疲劳等级大于一定的疲劳等级时判定满足一定的提醒条件，从而对驾驶人进行提醒，避免驾驶人在过度疲劳时继续驾驶，导致安全事故的发生，保障行驶安全，满足驾驶人的实际使用需求，保证客户粘性。

16、本技术第二方面实施例提供一种人因智能座舱驾驶人疲劳检测装置，包括：采集模块，用于采集驾驶人的生理数据和行为数据；提取模块，用于根据所述生理数据和所述行为数据提取所述驾驶人的至少一个自变量特征；检测模块，用于根据所述至少一个自变量特征识别所述驾驶人的实际疲劳状态，并基于所述实际疲劳状态控制车辆向所述驾驶人进行状态提醒。

17、通过上述技术方案，采集模块可以采集驾驶人的生理数据和行为数据；提取模块可以根据生理数据和行为数据提取驾驶人的至少一个自变量特征；检测模块可以根据至少一个自变量特征识别驾驶人的实际疲劳状态，并控制车辆向驾驶人进行状态提醒，结合驾驶人的生理数据和行为数据对驾驶人的疲劳状态进行识别及提醒，实现多维度检测，提高检测的准确性和可靠性的同时，提升检测的适用性和实用性，有效满足驾驶人的实际检测需求，有效保证驾驶人的使用体验，提高客户粘性。

18、示例性地，所述采集模块包括：第一采集单元，用于采集所述驾驶人在所述预设时长内的心率、脑电信号、肌电信号中的至少一项变化数据，作为所述生理数据；第二采集单元，用于采集所述驾驶人在预设时长内的头部姿态、眨眼频率、眼睛开闭状态、面部表情中的至少一项变化数据，作为所述行为数据。

19、通过上述技术方案，第一采集单元可以采集驾驶人在一定时长内的生理数据，生理数据包括但不限于心率、脑电信号、肌电信号中的至少一项变化数据；第二采集单元可以采集驾驶人在一定时长内的行为数据，行为数据包括但不限于头部姿态、眨眼频率、眼睛开闭状态、面部表情中的至少一项变化数据，作为后续数据的支撑，有效保证检测的精确度，可靠且易实现。

20、示例性地，所述提取模块包括：第一处理单元，用于对所述生理数据和所述行为数据进行预处理，得到处理后的采集数据；提取单元，用于从所述采集数据中，提取至少一个能量比值指标，作为所述至少一个自变量特征。

21、通过上述技术方案，第一处理单元可以对生理数据和行为数据进行预处理，得到处理后的采集数据，保证数据的有效性，并减少冗余操作；提取单元可以从采集数据中，提取至少一个能量比值指标，作为至少一个自变量特征，进一步地提升检测的精准度，筛除无效或者冗余的操作，有效提高检测的效率。

22、示例性地，所述检测模块包括：第二处理单元，用于将所述至少一个自变量特征输入至预先构建的疲劳状态识别模型，输出所述实际疲劳状态，其中，所述疲劳状态识别模型由驾驶前后的kss量表评分和多种疲劳状态共同构建。

23、通过上述技术方案，第二处理单元可以将上述至少一个自变量特征，输入至疲劳状态识别模型并输出实际疲劳状态，疲劳状态识别模型经由专业的kss量表评分和多种疲劳状态预先构建，利用模型的识别方式，在离线训练阶段，对模型进行预先训练，保证模型的收敛性，进而提高检测的可实施性，可靠且易实现。

24、示例性地，所述检测模块包括：获取单元，用于获取所述车辆的当前所处工况和/或当前所处环境；生成单元，用于根据所述当前所处工况和/或当前所处环境生成所述至少一个自变量特征中每个自变量特征的权重；确定单元，用于根据所述至少一个自变量特征及对应的权重确定所述实际疲劳状态。

25、通过上述技术方案，获取单元可以获取车辆的当前所处工况和/或当前所处环境；生成单元可以根据当前所处工况和/或当前所处环境生成至少一个自变量特征中每个自变量特征的权重；确定单元可以根据至少一个自变量特征及对应的权重确定实际疲劳状态，提高识别的适用性，在采集驾驶人的行为数据和生理数据结合车辆的当前所处工况和/或当前所处环境共同进行确定，有效的提高检测的精准性，满足驾驶人的需求。

26、示例性地，所述检测模块包括：判断单元，用于判断所述实际疲劳状态是否满足预设提醒条件；控制单元，用于在所述实际疲劳状态满足所述预设提醒条件时，根据所述实际疲劳状态匹配目标提醒类型和提醒信号，并根据所述目标提醒类型控制所述车辆基于所述提醒信号进行状态提醒。

27、通过上述技术方案，判断单元可以判断实际疲劳状态是否满足一定的提醒条件；控制单元可以在实际疲劳状态满足一定的提醒条件时，即在必要的时刻，通过匹配生成的提醒类型和提醒信号控制车辆对驾驶人进行状态提醒，减少冗余操作，满足了驾驶人在实际场景中的使用需求，提升驾驶人使用体验。

28、示例性地，人因智能座舱驾驶人疲劳检测装置还包括：设定模块，用于所述预设提醒条件为所述实际疲劳状态的疲劳等级大于预设等级。

29、通过上述技术方案，设定模块可以预设一定的提醒条件和疲劳等级，以在实际疲劳等级大于一定的疲劳等级时判定满足一定的提醒条件，从而对驾驶人进行提醒，避免驾驶人在过度疲劳时继续驾驶，导致安全事故的发生，保障行驶安全，满足驾驶人的实际使用需求，保证客户粘性。

30、本技术第三方面提供一种人因智能座舱，包括：上述实施例所述的人因智能座舱驾驶人疲劳检测装置。

31、本技术第四方面实施例提供一种车辆，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的人因智能座舱驾驶人疲劳检测方法。

32、本技术第五方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的人因智能座舱驾驶人疲劳检测方法。

33、上述实施方式中，采集驾驶人的生理数据和行为数据；根据所述生理数据和所述行为数据提取所述驾驶人的至少一个自变量特征；根据所述至少一个自变量特征识别所述驾驶人的实际疲劳状态，并基于所述实际疲劳状态控制车辆向所述驾驶人进行状态提醒，提高驾驶人的疲劳状态识别的准确度，增加了识别结果的可靠性，增强驾驶人体验和客户粘性，满足驾驶人不同场景下的不同需求。由此，解决了相关技术中单独依据驾驶人员的面部表情和道路信息对驾驶人员的驾驶状态进行检测，导致疲劳检测方式与识别结果较为单一，无法精准识别驾驶人的实际驾驶状态，降低检测结果的准确性与可靠性，适用范围较窄，无法满足驾驶人的实际检测需求，降低驾驶人使用体验等问题。

34、本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。