[发明专利]通过车对车连接警告驾驶员的异常状态的方法和装置

说明书

本发明涉及一种方法，其基于深度学习检测车辆的驾驶员的异常状态并给予警告，其包括：步骤(a)，将所述车辆的室内图像输入到睡意检测网络中，检测所述特定驾驶员的面部，在所述面部中检测眼部，通过检测眨眼状态来判断睡意状态，将所述室内图像输入到姿势匹配网络中，检测所述驾驶员的身体关键点(body key point)，并判断所述身体关键点是否与预设驾驶姿势中的一个匹配，从而判断所述异常状态；以及步骤(b)，当参考所述睡意状态和所述异常状态中的一个，判断所述驾驶员处于危险状态时，通过车对车(vehicle‑to‑vehicle，V2V)通信，将关于所述危险状态的信息传输给周边车辆，使周边车辆识别所述危险状态。

技术领域

本发明涉及一种方法和装置，其基于深度学习(deep learning)检测车辆驾驶员的睡意状态和异常状态，从而对所述睡意状态和异常状态给予警告，更具体地，涉及一种方法和装置，其基于所述车辆的室内图像中的所述驾驶员的眨眼状态，检测所述驾驶员的所述睡意状态，并通过参考所述驾驶员的姿势检测所述驾驶员的所述异常状态，并给予警告。

背景技术

车辆交通事故中，造成最大伤害的事故是在驾驶中发生的，其中大多数是由疲劳驾驶、酒后驾车、注意力分散等引起的。

作为预先防止这种交通事故的方法，过去，只能是驾驶员自己自觉谨慎，但最近，通过运用技术来监视驾驶员的状态，并警告驾驶员，从而引导安全驾驶。作为对其的典型技术，可以举例驾驶员状态监视装置(Driven-State Monitoring Device，DSM)。

驾驶员状态监视装置利用近红外(Near Infra-Red，NIR)相机，将近红外线投射到驾驶员的面部，由此获取驾驶员的人脸图像来监视驾驶员的人脸。对眨眼频率、眨眼次数等眨眼的特性设置优先顺序，并运用对接近睡意要素分配权重的算法，判断驾驶员是否犯困。另外，通过识别人脸方向和眼睛状态来判断注意力分散状态，并且当判断驾驶员在预设时间内没有注视前方时，驾驶员会受到警告。

然而，这种传统方法中存在的问题为，当驾驶员陷入无法回应这种警告的状态时，对驾驶者的警告将变得毫无意义。

并且，在这种传统方法中，当驾驶员的姿势改变时，利用相机检测驾驶员的异常状态是有限的。

因此，本发明提出一种用于有效地检测表示驾驶员的睡意驾驶或异常状态等的危险状态，以预先防止交通事故的方案。

发明内容

本发明的目的在于解决所有上述问题。

本发明的另一目的在于能够有效地检测特定驾驶员的至少一个异常状态。

本发明的再一目的在于能够向特定驾驶员的周边车辆的驾驶员警告特定驾驶员的异常状态。

本发明的又一目的在于能够防止由于特定驾驶员的异常状态可能发生的交通事故。

为了达到如上所述的本发明的目的，并且实现后述的本发明的特征效果的，本发明的特定结构如下。

根据本发明的一个方面，公开了一种方法，其基于深度学习来检测特定车辆的特定驾驶员的睡意状态和异常状态，并给予警告，其特征在于，包括：

步骤(a)，当获取所述特定车辆内部的至少一个室内图像时，驾驶员状态检测装置执行过程(i)以及过程(ii)中的至少一个，其中，过程(i)，将所述室内图像输入到睡意检测网络中，使所述睡意检测网络，在所述室内图像中检测所述特定驾驶员的至少一个面部，在所述面部中检测所述特定驾驶员的至少一个眼部，并检测所述特定驾驶员的至少一个眼睛的眨眼状态，从而判断所述特定驾驶员的所述睡意状态，过程(ii)，将所述室内图像输入到姿势匹配网络中，使所述姿势匹配网络，在所述室内图像中检测与所述特定驾驶员的身体相对应的一个以上的身体关键点(body key point)，并判断所述身体关键点是否与预设驾驶姿势中的一个匹配，从而判断所述特定驾驶员的所述异常状态；以及