[发明专利]一种疲劳检测模型的训练方法、疲劳驾驶检测方法及装置

说明书

本申请提供了一种疲劳检测模型的训练方法、疲劳驾驶检测方法及装置，该训练方法包括：基于历史订单构造训练样本，该训练样本中包括疲劳特征和疲劳特征对应的是否发生交通事故的事故结果；将疲劳特征作为决策树模型的输入，将疲劳规则作为决策树模型的输出；根据决策树模型基于输入的疲劳特征得到的输出结果和疲劳特征对应的事故结果，训练决策树模型，得到训练好的疲劳检测模型和对应的疲劳规则；根据疲劳检测模型对应的疲劳规则，建立疲劳特征和疲劳程度的映射关系，以便通过该映射关系确定目标订单对应的目标疲劳程度。本申请提高了检测效率和检测准确度，能够满足实时检测的需求，且无需对样本进行疲劳程度的标注，提高了模型的训练效率。

技术领域

本申请涉及疲劳检测技术领域，具体而言，涉及一种疲劳检测模型的训练方法、疲劳驾驶检测方法及装置。

背景技术

在交通领域，比如网约车领域，疲劳驾驶是引发严重交通事故的主要原因，因此，需要对驾驶员进行疲劳驾驶检测，以保证驾驶员和乘客的行驶安全。

目前，对驾驶员进行疲劳驾驶检测的方法包括：监测驾驶员连续在线时长和工作时长等统计量，并基于上述统计量判断驾驶员是否疲劳。但是，上述方式中，监测的统计量数据单一，无法准确描述驾驶员的工作强度，也无法准确表征驾驶员的疲劳状态，进而导致检测准确度差；并且，上述方式检测效率低，也无法满足实时检测的需求。

发明内容

有鉴于此，本申请的目的在于提供一种疲劳检测模型的训练方法、疲劳驾驶检测方法及装置，通过构造包括疲劳特征和对应的事故结果的训练样本来训练疲劳检测模型，并基于疲劳检测模型检测驾驶员的疲劳状态，提高了检测效率和检测准确度，能够满足实时检测的需求；并且，通过上述训练样本，无需对样本进行疲劳程度的标注，提高了模型的训练效率。

第一方面，本申请实施例提供了一种疲劳检测模型的训练方法，所述训练方法包括：

基于历史订单构造训练样本，所述训练样本中包括疲劳特征和所述疲劳特征对应的是否发生交通事故的事故结果；

将所述疲劳特征作为决策树模型的输入，将疲劳规则作为所述决策树模型的输出；根据所述决策树模型基于输入的疲劳特征得到的输出结果和所述疲劳特征对应的事故结果，训练决策树模型，得到训练好的疲劳检测模型和所述疲劳检测模型对应的疲劳规则；

根据所述疲劳检测模型对应的疲劳规则，建立所述疲劳特征和疲劳程度的映射关系；其中，所述映射关系用于基于所述疲劳检测模型基于目标订单对应的目标疲劳特征的输出结果，确定所述目标订单对应的目标疲劳程度。

在一种可能的实施方式中，所述疲劳特征包括以下至少之一：服务提供方的基本动作特征；服务提供方的连续疲劳特征；订单特征；

其中，所述服务提供方的基本动作特征至少包括：服务提供方在最近时间段内的睁闭眼次数、睁闭眼时长、张闭嘴次数、张闭嘴时长；所述服务提供方的连续疲劳特征至少包括：服务提供方在一段时间段内连续触发基本动作的次数、每两次基本动作之间的时间间隔、每一次基本动作在对应时间段内的时长占比；其中，所述一段时间段内连续触发的每两次基本动作之间的时间间隔小于第一预设阈值；所述订单特征至少包括订单时间、订单距离。

在一种可能的实施方式中，所述基于历史订单构造训练样本，包括：

基于服务提供方对应的历史订单构造初始训练样本，所述初始训练样本中包括初始疲劳特征和所述初始疲劳特征对应的是否发生交通事故的事故结果；

针对所述决策树模型的每一节点，获取该节点对应的初始训练样本；针对所述初始训练样本中的每一初始疲劳特征，将该初始疲劳特征作为该节点的输入，得到该节点对应的决策结果；

若该决策结果不符合预设条件，则从所述初始训练样本中删除该初始疲劳特征，得到训练样本。