[发明专利]一种基于多特征融合的危险驾驶管控方法及系统

权利要求书

1.一种基于多特征融合的危险驾驶管控方法，其特征在于：所述的方法包括步骤如下：

获取驾驶员状态特征和车辆操控特征，并根据权重系数计算驾驶行为危险度；

将驾驶行为危险度输入第一神经网络判断驾驶员当前状态是否存在危险驾驶，当存在危险驾驶时，进行报警提示；

在报警提示满足设定的条件后，将车辆信息发送给云端控制系统，所述云端控制系统根据车辆信息规划出当前车辆的停车路线；

将车辆控制权切换给所述云端控制系统，并由云端控制系统根据停车路线控制车辆停在指定地点；

直到检测安全后，解除云端控制系统的车辆控制权。

2.根据权利要求1所述的基于多特征融合的危险驾驶管控方法，其特征在于：所述驾驶员状态特征通过采集驾驶员的面部图像和声音信息进行分析判断。

3.根据权利要求2所述的基于多特征融合的危险驾驶管控方法，其特征在于：根据采集驾驶员的面部图像进行分析判断驾驶员状态特征，具体如下：

将采集的驾驶员的面部图像输入第二神经网络识别出驾驶员的眼睛和嘴巴，再通过第三神经网络判别嘴巴和眼睛的开合状态；

当驾驶员的眼睛睁开，嘴巴闭合时，认为驾驶员处于清醒状态；

当驾驶员的眼睛闭合，嘴巴闭合时，认为驾驶员处于困倦状态；

当驾驶员的眼睛和嘴巴都是张开时，认为驾驶员处于激动状态。

4.根据权利要求2所述的基于多特征融合的危险驾驶管控方法，其特征在于：根据采集驾驶员的声音信息进行分析判断驾驶员状态特征，具体如下：

将采集驾驶员的声音信息输入卷积神经网络提出语音信号中的谱特征和声纹特征，再通过特征融合提取出其中暴力言语特征，利用分类神经网络LSTM识别声音中是否存在暴力言语，进行判断驾驶员的情绪是愤怒或者正常。

5.根据权利要求3或4任一项所述的基于多特征融合的危险驾驶管控方法，其特征在于：将整个驾驶员的面部图像的状态特征时间序列、或声音信息的状态特征时间序列，输入长短期记忆模型；所述的长短期记忆模型中的记忆单元的细胞状态，不断更新记录面部图像或声音信息的状态特征时间序列，直到结束后输出给融合网络，用于通过添加权重系数计算驾驶行为危险度。

6.根据权利要求1所述的基于多特征融合的危险驾驶管控方法，其特征在于：所述车辆操控特征包括急加速、急减速、方向盘转动速度、车速。

7.根据权利要求6所述的基于多特征融合的危险驾驶管控方法，其特征在于：通过车端传感器检测得到方向盘转动角度时间序列、油门踏板力度时间序列、刹车踏板力度时间序列、车轮转速时间序列几种车端数据信息；

先对车端数据信息进行预处理，再将车端数据信息输入到深度卷积神经网络，提取得到急加速、急减速、方向盘转动速度、车速几种车辆操控特征时间序列；

再将车辆操控特征时间序列输入长短期记忆模型，提取出车辆操控特征时间序列中的特征信息；

将提取出的特征信息输入融合网络，用于通过添加权重系数计算驾驶行为危险度。

8.根据权利要求1所述的基于多特征融合的危险驾驶管控方法，其特征在于：所述权重系数，根据采集驾驶员以往的驾驶行为，通过驾驶行为分析得到驾驶员在不同状态特征下所对应的车辆操控特征，计算出危险驾驶操作下的权重系数。

9.根据权利要求1所述的基于多特征融合的危险驾驶管控方法，其特征在于：判断驾驶员当前状态是否存在危险驾驶，具体，设定一个次数阈值，当驾驶员的危险驾驶行为达到设定的次数阈值后，判断存在危险驾驶。

10.根据权利要求1所述的基于多特征融合的危险驾驶管控方法，其特征在于：所述报警提示满足设定的条件，具体指，报警提示超过预设的时间阈值，或者报警提示超过预设的报警次数阈值。