[发明专利]基于图像识别的驾驶员负荷检测车载装置有效

专利信息
申请号: 201710237440.2 申请日: 2017-04-12
公开(公告)号: CN107145835B 公开(公告)日: 2020-08-25
发明(设计)人: 吕能超;刘元庭;任泽远;黄远锋;谢练;邓超;秦羚;段至诚 申请(专利权)人: 武汉理工大学
主分类号: G06K9/00 分类号: G06K9/00;A61B5/024
代理公司: 湖北武汉永嘉专利代理有限公司 42102 代理人: 钟锋
地址: 430070 湖*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 图像 识别 驾驶员 负荷 检测 车载 装置
【权利要求书】:

1.一种基于图像识别的驾驶员负荷检测车载装置,其特征在于,包括:

采集单元,用于采集包括车辆前方交通环境信息的图像和驾驶员的心率变异率,所述交通环境信息包括车道线、道路标志和信号灯,所述采集单元包括安装于前挡风玻璃内正中间的摄像头和设置于方向盘上的心率传感器;

图像处理单元,通过处理视景采集单元的图像信息提取识别环境信息,包括:前方道路线形指标:包括坡度和转弯半径;交通标志信息:包括字符量、图形量和组合关系;以及信号灯信息:包括灯组数和相位;并将识别的交通标志信息和信号灯信息转换为以下元素:1)汉字、2)英文字母、3)阿拉伯数字、4)颜色:道路交通标志颜色、5)方向箭头:道路交通标志上使用的方向箭头、6)符号:表示道路状况的符号;

道路线形负荷等级计算单元,用于根据心率传感器采集的心率变异率评价道路线形指标对驾驶员产生的驾驶负荷度;

道路线形负荷等级计算单元中驾驶负荷度的量化方法如下:

1)道路线形为平曲线半径驾驶负荷的量化

二者量化数学模型为:

X1=4.316×10-6R2-0.15R+15.152

其中,R为平曲线半径,X1为平曲线半径驾驶负荷;

2)道路线形为纵向坡度驾驶负荷的量化

最终选用三次函数曲线模型更能反映驾驶负荷X与道路坡度Y间的关系,二者量化数学模型为:

X2=-0.138Y3-0.8Y2-1.438Y+0.871

其中,Y为道路坡度,X2为纵向坡度驾驶负荷;

视觉负荷等级计算单元,用于根据信息理论算法对环境信息量进行计算,得出不同环境要素下的综合信息量,并根据计算得到的信息量指标,对该环境信息量所属的等级进行确定,最后确定相应道路环境的视觉负荷等级;

根据信息理论算法对交通标志及信号灯的每种元素所代表的信息量大小进行计算,具体如下:

1)汉字:每个汉字包含的信息量为H=log23500=11.77bits;

2)英文字母:每个字母包含的信息量为H=log226=4.70bits;

3)阿拉伯数字:每个数字包含的信息量为H=log210=3.32bits;

4)颜色:道路交通标志常用颜色总共8种颜色,每种颜色包含的信息量为H=log28=3.00bits;

5)方向箭头:道路交通标志上常使用的方向箭头25种,每个箭头包含的信息量为H=log225=4.64bits;

6)符号:在一般的道路条件下,总共有17种表示道路状况的符号,每种符号包含的信息量为H=log217=4.09bits;

显示单元,用于接收道路线形负荷等级计算单元和视觉负荷等级计算单元的数据,量化融合后实时显示道路环境的综合驾驶负荷,并对系统地运行状态进行显示;

储存单元,用于接收道路线形负荷等级计算单元和视觉负荷等级计算单元的数据,实时存储道路视景影像以及与之对应的道路环境信息、驾驶负荷因素、驾驶负荷量度;所有存储的信息都通过同一时间轴进行标识,便于在统一时间轴进行分析。

2.根据权利要求1所述的基于图像识别的驾驶员负荷检测车载装置,其特征在于,所述图像处理单元识别各种不同模式的目标和对象采用以下方法,其过程可分为两个阶段:1)样本训练阶段:对大量样本图像进行预处理、提取图像特征、进行模式分类,从而获得一个样本图像特征库;2)图像识别阶段:对输入图像做预处理、进行图像分析、分割并提取图像中关注部分的图像特征、利用模式识别方法对特征与图像特征库中的特征进行相关处理,以确定输入图像是否匹配。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉理工大学,未经武汉理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710237440.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top