[发明专利]驾驶状态识别方法和系统

说明书

本申请涉及汽车自动识别技术领域，具体涉及一种驾驶状态识别方法和系统。其中方法包括以下步骤：确定当前时间段中车辆的行驶状态；在当前时间段中，确定所述车辆的行驶状态为需驾驶识别状态时，基于车辆的方向盘转角，计算所述当前时间段中的方向盘转角近似熵；将所述当前时间段中的方向盘转角近似熵发送给长短期记忆网络LSTM模型；所述长短期记忆网络LSTM模型用于根据所述当前时间段中的方向盘转角近似熵，预测在后时间段的驾驶状态是否疲劳。其中系统用于执行上述方法。本申请提供的驾驶状态识别方法和系统可以解决相关技术中识别精度不高，无法达到理想的效果的问题。

技术领域

本申请涉及汽车自动识别技术领域，具体涉及一种驾驶状态识别方法和系统。

背景技术

随着汽车“新四化”的深入，客户对汽车智能化的需求和驾驶安全性的要求也在不断提高，“驾驶员疲劳驾驶行为识别”也日渐成为保证驾驶员驾驶安全的必备功能。

目前的驾驶员疲劳识别功能主要分为三种：

一种是通过在座舱内安装摄像头来采取驾驶员行驶时的图像数据，然后基于卷积神经网络模型来判断驾驶员疲劳，这种方法的优势是可以得到驾驶员疲劳的直接表征，比如眨眼，打哈欠，眼神游离等，从而较为准确的判断当前驾驶员是否处于疲劳状态。但这种方法需要安装额外的摄像头硬件以及额外的通信装置，增加了车辆的硬件成本；而且，需要研发面部识别算法，大大增加了车辆的研发成本。此外，随着新数据安全相关法律法规的落地，这种收集驾驶员本人敏感数据的行为带来了一定的法律风险。

还有一种是使用侵入式设备，比如头戴式的脑电波或者生物电采集器来识别驾驶员的精神状况，这种方法的优势是准确率高，同时检测系统与车辆解耦，缺点是使用了入侵式的设备，可能会影响驾驶员的驾驶体验。

剩下的一种就是基于车辆行驶数据来判断驾驶员是否处于疲劳状态，例如Bosch公司认为可以基于转向角传感器信号及其相关识别算法进行驾驶员疲劳状态判断。

发明内容

本申请提供了一种驾驶状态识别方法和系统，可以解决相关技术中识别精度不高，无法达到理想的效果的问题。

为了解决背景技术中所述的技术问题，本申请的第一方面的提供一种驾驶状态识别方法，所述驾驶状态识别方法由车端控制器执行，包括以下步骤：

确定当前时间段中车辆的行驶状态；

在当前时间段中，确定所述车辆的行驶状态为需驾驶识别状态时，基于车辆的方向盘转角，计算所述当前时间段中的方向盘转角近似熵；

将所述当前时间段中的方向盘转角近似熵发送给长短期记忆网络LSTM模型；所述长短期记忆网络LSTM模型用于根据所述当前时间段中的方向盘转角近似熵，预测在后时间段的驾驶状态是否疲劳。

可选地，所述将所述当前时间段中的方向盘转角近似熵发送给长短期记忆网络LSTM模型的步骤包括：

将所述当前时间段中的方向盘转角近似熵，通过无线通信发送给存储于云端中的长短期记忆网络LSTM模型；

所述长短期记忆网络LSTM模型由所述云端对样本集进行预先训练得到。

可选地，所述将所述当前时间段中的方向盘转角近似熵发送给长短期记忆网络LSTM模型的步骤包括：

所述将所述当前时间段中的方向盘转角近似熵，发送给存储于车端控制器中的长短期记忆网络LSTM模型；

所述长短期记忆网络LSTM模型由所述云端对样本集进行预先训练，并通过无线通信发送给车端控制器。

可选地，所述确定当前时间段中车辆的行驶状态的步骤，包括：

获取车辆在当前时间段中的车速；