一种识别驾驶员心理状态的方法及相关装置
文献发布时间:2023-06-19 09:51:02
技术领域
本申请实施例涉及心理识别领域,具体涉及一种识别驾驶员心理状态的方法及相关装置。
背景技术
随着人们的生活水平不断提高,人们出行的交通工具有了很大的改变,大部分家庭已经将小汽车作为出行的代步工具,随之而来的交通安全状况越来越多,而在这些交通事故中,由驾驶人个人原因造成的事故比例最大,其中驾驶人情绪的波动,对驾驶安全有着极大的影响。比如当驾驶人精神疲惫、情绪过于愤怒等等都会造成开车注意力不集中,若不及时调整,很可能引发交通意外。
发明内容
本申请实施例提供了一种识别驾驶员心理状态的方法及相关装置,能够对驾驶员的行为进行分析,进而提示驾驶员安全驾驶。
本申请实施例第一方面提供了一种识别驾驶员心理状态的方法,包括:
获取车辆的变化参数,所述变化参数为所述车辆的各传感设备发生变化的实时数据;
获取第一驾驶数据和第二驾驶数据,所述第一驾驶数据为第一摄像头拍摄的可清晰看到驾驶员的头部动作的图片,所述第二驾驶数据为第二摄像头拍摄的可清晰看到驾驶员手部动作的图片;
对所述变化参数、所述第一数据和所述第二数据输入预先训练好的行为分析模型中进行分析得出所述驾驶员的驾驶行为类型;
将所述驾驶行为类型与所述第一驾驶数据和所述第二驾驶数据输入预先训练好的驾驶心理分析模型中进行分析得出所述驾驶员的心理评分值;
判断所述心理评分值中危险驾驶系数是否大于预设值;
若是,则提示用户安全驾驶。
可选的,所述获取车辆的变化参数之前,所述方法还包括:
训练行为分析模型,所述行为分析模型用于获取驾驶者的驾驶行为类型。
可选的,在所述训练行为数据模型之后,所述获取车辆的变化参数之前,所述方法还包括:
训练驾驶心理分析模型,所述驾驶心理分析模型用于分析驾驶者的驾驶心理。
可选的,所述训练行为分析模型包括:
将第一驾驶样本数据、第二驾驶样本数据和车辆变化样本参数上传至驾驶行为数据库,所述第一驾驶样本数据为可清晰看到驾驶员的头部动作的图片,所述第二驾驶样本数据为驾驶员手部动作的图片,所述车辆变化样本参数为车辆的各传感设备发生变化的实时数据;
从所述驾驶行为数据库中取出第一样本对数据,所述第一样本对数据包含一个第一驾驶样本数据和一个第二驾驶样本数据;
将所述第一样本对数据输入预设的学习模型对所述第一样本对数据进行分析,得出所述第一样本数据中的第一驾驶行为结果;
则将所述第一驾驶行为结果添加至所述驾驶行为类型库中,并更新所述学习模型;
从所述驾驶行为数据库中取出第二样本对数据,所述第二样本对数据为未训练过的第一驾驶样本数据和第二驾驶样本数据;
将所述第二样本对数据输入所述学习模型对所述第二样本对数据进行分析,得出所述第二样本数据中的第二驾驶行为结果;
判断所述第二驾驶行为结果是否与所述学习模型中的驾驶行为类型库中的任一类型相同;
若是,则确定所述学习模型为最终的行为分析模型;
可选的,所述判断所述第二驾驶行为结果是否与所述学习模型中的驾驶行为类型库中的任一类型相同之后,所述方法还包括:
若否,则将所述第二驾驶行为结果添加至所述驾驶行为类型库中,并更新所述学习模型;
可选的,所述训练驾驶心理分析模型包括:
从所述行为分析模型中的驾驶行为类型库中获取的一个成员,并从所述驾驶行为数据库中取出第三样本对数据,所述第三样本对数据包含一个第一驾驶样本数据和一个第二驾驶样本数据;
将所述获取的驾驶行为类型与所述第三样本对数据输入预设的心理分析模型,得到第一权值与第一心理评分值;
使用所述第一权值对所述心理分析模型进行反向更新;
将所述获取的驾驶行为类型与所述第三样本对数据输入所述更新后的心理分析模型,得到第二权值与第二心理评分值;
判断所述第一权值与所述第二权值之间的差值是否小于预设值;
若是,则获取从所述行为分析模型中的驾驶行为类型库中获取的一个未训练过的成员,并从所述驾驶行为数据库中取出第四样本对数据,所述第四样本对数据为未训练过的第一驾驶样本数据和第二驾驶样本数据;
将所述获取的驾驶行为类型与所述第四样本对数据输入所述更新后的心理分析模型,得到第三权值与第三心理评分值;
判断所述第一权值与所述第三权值之间的差值是否小于预设值;
若是,则确定所述更新后的心理分析模型为最终的心理分析模型。
可选的,判断所述第一权值与所述第二权值之差是否小于预设值之后,所述方法还包括:
若否,使用所述第二权值对所述心理分析模型进行反向更新;
将所述获取的驾驶行为类型与所述第三样本对数据输入所述更新后的心理分析模型,得到第四权值与第四心理评分值;
判断所述第二权值与所述第四权值之间的差值是否小于预设值;
若否,使用所述第四权值对所述心理分析模型进行反向更新。
可选的,判断所述第一权值与所述第三权值之间的差值是否小于预设值之后,所述方法还包括:
若否,则使用所述第三权值对所述心理分析模型进行反向更新。
可选的,所述提示用户安全驾驶的方法有2种或2种以上的方式。
本申请实施例第二方面提供了一种识别驾驶员心理状态的装置,包括:
第一获取单元,用于获取车辆的变化参数,所述变化参数为所述车辆的各传感设备发生变化的实时数据;
第二获取单元,用于获取第一驾驶数据和第二驾驶数据,所述第一驾驶数据为第一摄像头拍摄的可清晰看到驾驶员的头部动作的图片,所述第二驾驶数据为第二摄像头拍摄的可清晰看到驾驶员手部动作的图片;
第一执行单元,用于对所述变化参数、所述第一数据和所述第二数据输入预先训练好的行为分析模型中进行分析得出所述驾驶员的驾驶行为类型;
第二执行单元,用于将所述驾驶行为类型与所述第一驾驶数据和所述第二驾驶数据输入预先训练好的驾驶心理分析模型中进行分析得出所述驾驶员的驾驶心理分析结果;
第一判断单元,用于判断所述驾驶心理分析结果是否为危险驾驶;
第三执行单元,用于当第一判断单元确定心理分析结果为危险驾驶时,提示用户安全驾驶。
可选的,所述装置还包括:
第一训练单元,用于获取驾驶者的驾驶行为类型。
可选的,所述装置还包括:
第二训练单元,用于分析驾驶者的驾驶心理情况。
可选的,所述第一训练单元还包括:
上传模块,用于将第一驾驶样本数据、第二驾驶样本数据和车辆变化样本参数上传至驾驶行为数据库,所述第一驾驶样本数据为可清晰看到驾驶员的头部动作的图片,所述第二驾驶样本数据为驾驶员手部动作的图片,所述车辆变化样本参数为车辆的各传感设备发生变化的实时数据:
第一获取模块,用于从所述驾驶行为数据库中取出第一样本对数据,所述第一样本对数据包含一个第一驾驶样本数据和一个第二驾驶样本数据;
第一执行模块,用于将所述第一样本对数据输入预设的学习模型对所述第一样本对数据进行分析,得出所述第一样本数据中的第一驾驶行为结果;
第一判断模块,用于判断所述第一驾驶行为结果是否与所述学习模型中的驾驶行为类型库中的任一类型相同;
第一确定模块,用于当第一判断模块确定所述第一驾驶行为结果与所述学习模型中的驾驶行为类型库中的任一类型相同时,则确定所述学习模型为最终的行为分析模型;
可选的,所述第一训练单元还包括:
第一反向更新模块,用于当第一判断模块的结果为否时,则将所述第一驾驶行为结果添加至所述驾驶行为类型库中,并更新所述学习模型;
第二获取模块,用于从所述驾驶行为数据库中取出第二样本对数据,所述第二样本对数据为未训练过的第一驾驶样本数据和第二驾驶样本数据;
第二执行模块,用于将所述第二样本对数据输入所述学习模型对所述第二样本对数据进行分析,得出所述第二样本数据中的第二驾驶行为结果;
第二判断模块,用于判断所述第二驾驶行为结果是否与所述学习模型中的驾驶行为类型库中的任一类型相同;
第二确定模块,用于当第二判断模块的结果为是时,则确定所述学习模型为最终的行为分析模型;
第二反向更新模块,用于当第二判断模块的结果为否时,则将所述第二驾驶行为结果添加至所述驾驶行为类型库中,并更新所述学习模型。
可选的,所述第二训练单元还包括:
第三获取模块,用于从所述行为分析模型中的驾驶行为类型库中获取的一个成员,并从所述驾驶行为数据库中取出第三样本对数据,所述第三样本对数据包含一个第一驾驶样本数据和一个第二驾驶样本数据;
第三执行模块,用于将所述获取的驾驶行为类型与所述第三样本对数据输入预设的心理分析模型,得到第一权值与第一心理评分值;
第三反向更新模块,用于使用所述第一权值对所述心理分析模型进行反向更新;
第四执行模块,用于将所述获取的驾驶行为类型与所述第三样本对数据输入所述更新后的心理分析模型,得到第二权值与第二心理评分值;
第三判断模块,用于判断所述第一权值与所述第二权值之间的差值是否小于预设值;
第四获取模块,用于当第三判断模块的结果为是时,则获取从所述行为分析模型中的驾驶行为类型库中获取的一个未训练过的成员,并从所述驾驶行为数据库中取出第四样本对数据,所述第四样本对数据为未训练过的第一驾驶样本数据和第二驾驶样本数据;
第五执行模块,用于将所述获取的驾驶行为类型与所述第四样本对数据输入所述更新后的心理分析模型,得到第三权值与第三心理评分值;
第四判断模块,用于判断所述第一权值与所述第三权值之间的差值是否小于预设值;
第三确定模块,用于当第四判断模块的结果为是时,则确定所述更新后的心理分析模型为最终的心理分析模型。
可选的,所述第二训练单元还包括:
第四反向更新模块,用于当第三判断模块的结果为否时,使用所述第二权值对所述心理分析模型进行反向更新;
第六执行模块,用于将所述获取的驾驶行为类型与所述第三样本对数据输入所述更新后的心理分析模型,得到第四权值与第四心理评分值;
第五判断模块,用于判断所述第二权值与所述第四权值之间的差值是否小于预设值;
第五反向更新模块,用于当第五判断模块的结果为否时,使用所述第四权值对所述心理分析模型进行反向更新。
可选的,所述第二训练单元还包括:
第六反向更新模块,用于当第四判断模块的结果为否时,则使用所述第三权值对所述心理分析模型进行反向更新。
本申请实施例第三方面提供了一种识别驾驶员心理状态的装置,包括:
处理器、存储器、输入输出单元、总线;
所述处理器与所述存储器、所述输入输出单元以及所述总线相连;
所述处理器具体执行如下操作:
获取车辆的变化参数,所述变化参数为所述车辆的各传感设备发生变化的实时数据;
获取第一驾驶数据和第二驾驶数据,所述第一驾驶数据为第一摄像头拍摄的可清晰看到驾驶员的头部动作的图片,所述第二驾驶数据为第二摄像头拍摄的可清晰看到驾驶员手部动作的图片;
对所述变化参数、所述第一数据和所述第二数据输入预先训练好的行为分析模型中进行分析得出所述驾驶员的驾驶行为类型;
将所述驾驶行为类型与所述第一驾驶数据和所述第二驾驶数据输入预先训练好的驾驶心理分析模型中进行分析得出所述驾驶员的心理评分值;
判断所述心理评分值中危险驾驶系数是否大于预设值;
若是,则提示用户安全驾驶。
本申请实施例第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质上保存有程序,所述程序在计算机上执行时执行前述识别驾驶员心理状态的方法。
从以上技术方案可以看出,本申请实施例通过获取车辆的变化参数、第一驾驶数据和第二驾驶数据能分析出驾驶员的驾驶行为类型和心理状态情况,并根据相应的情况提示驾驶员安全驾驶,能够有效避免交通事故的发生,还能够培养驾驶员规范的行车习惯。
附图说明
图1为本申请中识别驾驶员心理状态方法的一个实施例流程示意图;
图2-1、图2-2、图2-3和图2-4为本申请中识别驾驶员心理状态方法的另一个实施例流程示意图;
图3为本申请中识别驾驶员心理状态装置的一个实施例结构示意图;
图4为本申请中识别驾驶员心理状态装置的另一个实施例结构示意图。
具体实施方式
本申请实施例提供了一种识别驾驶员心理状态的方法及相关装置,能分析出驾驶员的心理状态,并根据相应的分析情况提示驾驶员安全驾驶能够有效避免交通事故的发生。
下面将结合本申请实施例中的附图,对本申请中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的方法可以应用于机动车终端及其它模拟机动车驾驶终端的设备,对此,本申请不作限定。为方便描述,下面以执行主体为终端为例进行描述。
请参阅图1,本申请中识别驾驶员心理状态方法一个实施例包括:
101、终端获取车辆的变化参数,所述变化参数为所述车辆的各传感设备发生变化的实时数据;
在机动车行驶过程中,为了能及时获知驾驶员对机动车的操控行为,例如启动引擎、刹车、加速、方向盘的变化等等,具体此处不做限定,终端需实时监测车辆各传感设备发生的变化,进而对驾驶员当前的驾驶心理状态进行分析。
102、终端获取第一驾驶数据和第二驾驶数据,所述第一驾驶数据为第一摄像头拍摄的可清晰看到驾驶员的头部动作的图片,所述第二驾驶数据为第二摄像头拍摄的可清晰看到驾驶员手部动作的图片;
为了提高对驾驶员进行心理状态进行分析的准确性,需要获取驾驶员在驾驶过程中的相关数据,本实施例中设置多个摄像头对驾驶员进行监测,分别对驾驶员的面部和手部的动作进行监测,比如一个摄像头监视驾驶员是否存在观察左右后视镜、低头、长时间闭眼等头部动作,另一摄像头监视驾驶员是否双手离开方向盘、单手握方向盘等,具体摄像头个数此处不做限定。
103、终端对所述变化参数、所述第一数据和所述第二数据输入预先训练好的行为分析模型中进行分析得出所述驾驶员的驾驶行为类型;
终端在获取了相关的数据之后,本实施例中分析驾驶员的心理状态要先得出驾驶员的驾驶行为类型,因为对机动车的不同操控是有不一样的效果的,终端将该变化参数、第一数据和第二数据输入预先练好的行为分析模型中,经过计算分析后得出当前驾驶员的驾驶行为类型。
104、终端将所述驾驶行为类型与所述第一驾驶数据和所述第二驾驶数据输入预先训练好的驾驶心理分析模型中进行分析得出所述驾驶员的心理评分值;
在驾驶过程中,由于对机动车操控动作,驾驶者不同的肢体动作则更进一步表现出驾驶者的心理状态,所以本实施例将步骤103得到驾驶员的驾驶行为类型、所述第一驾驶数据和所述第二驾驶数据输入预先训练好的驾驶心理分析模型中进行计算分析后得到当前驾驶员的心理评分值,该评分值包括多项评分,比如不同的操作配上不同的肢体语言的分值是不一样的,驾驶员脸部表情及状态的分数等等,具体此处不做限定。
105、终端判断所述心理评分值中危险驾驶系数是否大于预设值,若是,则执行步骤106;
本实施例中危险驾驶系数是通过将步骤104得到的心理评分值中相关的评分项的分数进行累加得到,比如握方向盘的姿势分数和驾驶员的脸部表情相加等等,具体此处不做限定。
106、终端提示用户安全驾驶。
当危险系统大于预设值时,终端根据相应的危险系数的情况对驾驶员进行提示,例如当用户单手握方向盘时,通过语音播报设备或机动车上的显示屏提示用户行车不规范,应该双手握方向盘等等,具体此处不做限定。
本申请通过获取驾驶员实时的驾驶数据对驾驶员的驾驶行为类型与心理状态进行分析,并根据分析结果对用户进行相应的提示,能够减少交通事故的发生并养生驾驶员规范行车的习惯,下面将结合附图对本申请实施例中训练模型的过程进行详细描述。
请参阅图2,本申请中识别驾驶员心理状态方法另一实施例包括:
201、终端将第一驾驶样本数据、第二驾驶样本数据和车辆变化样本参数上传至驾驶行为数据库,所述第一驾驶样本数据为可清晰看到驾驶员的头部动作的图片,所述第二驾驶样本数据为驾驶员手部动作的图片,所述车辆变化样本参数为车辆的各传感设备发生变化的实时数据:
在进行模型训练之前,需要建立包含大量的第一驾驶样本数据、第二驾驶样本数据和车辆变化样本参数的驾驶行为数据库,以使得在训练模型过程中有充足的数据可使用,该数据库可以建立在本地服务器上也可以建立在云端,具体此处不做限定。
202、终端从所述驾驶行为数据库中取出第一样本对数据,所述第一样本对数据包含一个第一驾驶样本数据和一个第二驾驶样本数据以及变化参数;
由于模型的分析精度是经过不断的训练来进行提高的,在训练驾驶行为分析模型过程中,训练一次需要一组包含一个第一驾驶样本数据和第二驾驶样本数据以及变化参数,终端从所述驾驶行为数据库中随机取出第一样本对数据。
203、终端将所述第一样本对数据输入预设的学习模型对所述第一样本对数据进行分析,得出所述第一样本数据中的第一驾驶行为结果;
终端将步骤202获取的第一样本对数据输入初始的驾驶行为分析模型中进行初次分析训练,得到该组数据的驾驶行为的分析结果。
204、终端则将所述第一驾驶行为结果添加至所述驾驶行为类型库中,并更新所述学习模型;
由于驾驶行为分析模型初建立时可能存在不完善的地方,需要通过训练后不断的对该模型进行更新才能提高分析精度,所述本实施例使用步骤203得到的分析结果对该模型进行更新。
205、终端从所述驾驶行为数据库中取出第二样本对数据,所述第二样本对数据为未训练过的第一驾驶样本数据和第二驾驶样本数据;
终端从驾驶行为数据库中取出第二样本对数据,该样本对数据为未使用于驾驶行为分析训练过的一组数据,需要说明的是,第二样本对数据中的某个数据可以为已训练过的数据,只要该数据的组合是未训练过的即可。
206、终端将所述第二样本对数据输入所述学习模型对所述第二样本对数据进行分析,得出所述第二样本数据中的第二驾驶行为结果;
终端将第二样本对数据输入步骤204更新后的驾驶行为分析模型中进行分析,得到该第二样本对数据的驾驶行为分析结果。
207、终端判断所述第二驾驶行为结果是否与所述学习模型中的驾驶行为类型库中的任一类型相同,若是,则执行步骤208,若否,则执行步骤209;
当驾驶行为分析模型经过多次训练和更新后,学习模型中的驾驶行为类型库中的数据已经得到补充和完善,终端判断该第二行为分析结果与当前驾驶行为分析模型中的驾驶行为类型库中的数据是否一致。
208、终端确定所述学习模型为最终的行为分析模型;
由于第二行为分析结果与当前驾驶行为分析模型中的驾驶行为类型库中的数据一致,由于训练时使用的样本对数据是不一致的,而得到的结果是一致的,表示该驾驶行为类型库中的数据已经包含了多个种类的驾驶行为类型,因此可以确定当前的驾驶行为分析模型为最终的驾驶行为分析模型。需要说明的是,根据使用者对驾驶行为分析模型的精度需求出发,仍可以继续对该模型进行训练,具体此处不做限定。
209、终端将所述第二驾驶行为结果添加至所述驾驶行为类型库中,并更新所述学习模型;
第二驾驶行为分析结果没有与当前驾驶行为类型库中的数据一致,则将该第二驾驶行为分析添加至当前的驾驶行为类型库中,以使得驾驶行为数据库包含各种驾驶行为类型,并对当前的驾驶行为分析模型进行更新。
210、终端从所述行为分析模型中的驾驶行为类型库中获取的一个成员,并从所述驾驶行为数据库中取出第三样本对数据,所述第三样本对数据包含一个第一驾驶样本数据和一个第二驾驶样本数据;
本实施例中进行驾驶心理分析模型建立在驾驶行为分析模型完成的情况下,由于对驾驶心理分析模型的训练需要使用驾驶行为类型分析模型中的驾驶行为类型库中的数据,进行心理分析模型的训练时,需要将一组数据输入模型中进行分析,终端从该驾驶行为类型库中获取一个驾驶行为类型数据,并从步骤201建立的驾驶行为数据库中取出一个第一驾驶样本数据和一个第二驾驶样本数据组成第三样本对数据。
211、终端将所述获取的驾驶行为类型与所述第三样本对数据输入预设的心理分析模型,得到第一权值与第一心理评分值;
终端将步骤210获取的第三样本对数据输入初始的心理分析模型中,得到第一权值与第一心理评分值,权值用来表示该组数据在当前模型中计算分析的效果,心理评分值是对当前数据中的驾驶员的行为以及头部动作进行分析后的各项的分值,能够更直观的看到驾驶员在驾驶中存在的不足之处。
212、终端使用所述第一权值对所述心理分析模型进行反向更新;
由于初始的心理分析模型计算精度不高,本实施例中终端使用步骤211得到的第一权值对当前的心理分析模型进行反向更新以提升心理分析模型的分的精度和效果。
213、终端将所述获取的驾驶行为类型与所述第三样本对数据输入所述更新后的心理分析模型,得到第二权值与第二心理评分值;
由于对模型的训练是一个不断重复以求得高精度结果的过程,所以终端将步骤210获取的驾驶行为类型数据与第三样本对数据输入步骤212更新后的心理分析模型中,得到第二权值与第二心理评分值。
214、终端判断所述第一权值与所述第二权值之间的差值是否小于预设值,若是,则执行步骤215,若否,则执行步骤216;
终端判断第一权值与第二权值之间的差值是否小于预设值,若是,表示当前心理分析模型对当前数据的分析效果已将达到预期效果,若否,表示当前的分析效果未达到预期效果。
两个权值之间的差值可以表示该模型的稳定性,差值越大表示当前的心理分析模式的稳定性越低,该预设值可根据用户对该心理分析模型分析的稳定性的期望进行设置,具体值此处不做限定。
215、终端获取从所述行为分析模型中的驾驶行为类型库中获取的一个未训练过的成员,并从所述驾驶行为数据库中取出第四样本对数据,所述第四样本对数据为未训练过的第一驾驶样本数据和第二驾驶样本数据;
终端从驾驶行为类型库和驾驶行为数据库中获取新的一组数据,该数据组与已用于训练过的数据组不相同。
216、终端使用所述第二权值对所述心理分析模型进行反向更新;
当前的分析效果未达到预期效果时,使用该分析结果中的第二权值对当前的心理分析模型进行反向更新。
217、终端将所述获取的驾驶行为类型与所述第四样本对数据输入所述更新后的心理分析模型,得到第三权值与第三心理评分值;
在终端将步骤215获取的相关数据输入步骤212更新后的心理模型中,得到第三权值与第三心理评分值。
218、终端判断所述第一权值与所述第三权值之间的差值是否小于预设值,若是则执行步骤219,若否,则执行步骤220;
由于步骤212更新后的心理模型对步骤211获取的数据分析效果已经达到预期,该心理分析模型对步骤215获取的相关数据的分析效果也达到预期,终端计算第一权值与第三权值之间的差值并判断该值是否小于预设值,若是,表明当前的模型的分析效果在预期效果之中,确定该心理分析模型为最终的心理分析模型。
219、终端确定所述更新后的心理分析模型为最终的心理分析模型;
220、终端使用所述第三权值对所述心理分析模型进行反向更新;
由于步骤212更新后的心理分析模型未达到预期的效果,则使用将步骤217分析计算得到的第三权值对当前的心理分析模型进行反向更新。
221、终端将所述获取的驾驶行为类型与所述第三样本对数据输入所述更新后的心理分析模型,得到第四权值与第四心理评分值;
因为心理分析模型未达到预期值,对心理分析模型进行反向更新后,再输入该组数据进行训练,终端将步骤210获取的相关数据输入步骤216更新后的心理分析模型中,得到第四权值和第四心理评分值。
222、终端判断所述第二权值与所述第四权值之间的差值是否小于预设值,若是,则执行步骤219,若否,则执行步骤223;
终端通过第四权值与第二权值之间的差值是否小于预设值来判断步骤216更新后的心理模型的分析效果是否达到预期,若该差值小于预设值表示当前的心理分析模型以达到预期效果,可将该心理分析模型作为最终的心理分析模型,该差值大于预设值表示当前的心理分析未达到预期效果,使用第四权值对该心理分析模型进行反向更新。
223、终端使用所述第四权值对所述心理分析模型进行反向更新;
224、终端获取车辆的变化参数,所述变化参数为所述车辆的各传感设备发生变化的实时数据;
225、终端获取第一驾驶数据和第二驾驶数据,所述第一驾驶数据为第一摄像头拍摄的可清晰看到驾驶员的头部动作的图片,所述第二驾驶数据为第二摄像头拍摄的可清晰看到驾驶员手部动作的图片;
226、终端对所述变化参数、所述第一数据和所述第二数据输入预先训练好的行为分析模型中进行分析得出所述驾驶员的驾驶行为类型;
227、终端将所述驾驶行为类型与所述第一驾驶数据和所述第二驾驶数据输入预先训练好的驾驶心理分析模型中进行分析得出所述驾驶员的心理评分值;
228、终端判断所述心理评分值中危险驾驶系数是否大于预设值,若是,则执行步骤229,若否,则执行步骤224;
229、终端提示用户安全驾驶。
本申请实施例中的步骤224至步骤229与前述实施例中步骤101至步骤106类似,此处不再赘述。
上面对本申请实施例中识别驾驶员心理状态的方法进行了描述,下面对本申请实施例中识别驾驶员心理状态的装置进行描述:
请参阅图3,本申请中识别驾驶员心理状态装置一个实施例包括:
第一获取单元301,用于获取车辆的变化参数,所述变化参数为所述车辆的各传感设备发生变化的实时数据;
第二获取单元302,用于获取第一驾驶数据和第二驾驶数据,所述第一驾驶数据为第一摄像头拍摄的可清晰看到驾驶员的头部动作的图片,所述第二驾驶数据为第二摄像头拍摄的可清晰看到驾驶员手部动作的图片;
第一执行单元303,用于对所述变化参数、所述第一数据和所述第二数据输入预先训练好的行为分析模型中进行分析得出所述驾驶员的驾驶行为类型;
第二执行单元304,用于将所述驾驶行为类型与所述第一驾驶数据和所述第二驾驶数据输入预先训练好的驾驶心理分析模型中进行分析得出所述驾驶员的驾驶心理分析结果;
第一判断单元305,用于判断所述驾驶心理分析结果是否为危险驾驶;
第三执行单元306,用于当第一判断单元确定心理分析结果为危险驾驶时,提示用户安全驾驶。
第一训练单元307,用于获取驾驶者的驾驶行为类型。
第二训练单元308,用于分析驾驶者的驾驶心理情况。
本实施例中第一训练单元307包含有:
上传模块30701,用于将第一驾驶样本数据、第二驾驶样本数据和车辆变化样本参数上传至驾驶行为数据库,所述第一驾驶样本数据为可清晰看到驾驶员的头部动作的图片,所述第二驾驶样本数据为驾驶员手部动作的图片,所述车辆变化样本参数为车辆的各传感设备发生变化的实时数据:
第一获取模块30702,用于从所述驾驶行为数据库中取出第一样本对数据,所述第一样本对数据包含一个第一驾驶样本数据和一个第二驾驶样本数据;
第一执行模块30703,用于将所述第一样本对数据输入预设的学习模型对所述第一样本对数据进行分析,得出所述第一样本数据中的第一驾驶行为结果;
第一反向更新模块30704,用于当第一判断模块的结果为否时,则将所述第一驾驶行为结果添加至所述驾驶行为类型库中,并更新所述学习模型;
第二获取模块30705,用于从所述驾驶行为数据库中取出第二样本对数据,所述第二样本对数据为未训练过的第一驾驶样本数据和第二驾驶样本数据;
第二执行模块30706,用于将所述第二样本对数据输入所述学习模型对所述第二样本对数据进行分析,得出所述第二样本数据中的第二驾驶行为结果;
第一判断模块30707,用于判断所述第二驾驶行为结果是否与所述学习模型中的驾驶行为类型库中的任一类型相同;
第一确定模块30708,用于当第二判断模块的结果为是时,则确定所述学习模型为最终的行为分析模型;
第二反向更新模块30709,用于当第二判断模块的结果为否时,则将所述第二驾驶行为结果添加至所述驾驶行为类型库中,并更新所述学习模型。
本实施例中第二训练单元308包含有:
第三获取模块30801,用于从所述行为分析模型中的驾驶行为类型库中获取的一个成员,并从所述驾驶行为数据库中取出第三样本对数据,所述第三样本对数据包含一个第一驾驶样本数据和一个第二驾驶样本数据;
第三执行模块30802,用于将所述获取的驾驶行为类型与所述第三样本对数据输入预设的心理分析模型,得到第一权值与第一心理评分值;
第三反向更新模块30803,用于使用所述第一权值对所述心理分析模型进行反向更新;
第四执行模块30804,用于将所述获取的驾驶行为类型与所述第三样本对数据输入所述更新后的心理分析模型,得到第二权值与第二心理评分值;
第二判断模块30805,用于判断所述第一权值与所述第二权值之间的差值是否小于预设值;
第四获取模块30806,用于当第二判断模块的结果为是时,则获取从所述行为分析模型中的驾驶行为类型库中获取的一个未训练过的成员,并从所述驾驶行为数据库中取出第四样本对数据,所述第四样本对数据为未训练过的第一驾驶样本数据和第二驾驶样本数据;
第五执行模块30807,用于将所述获取的驾驶行为类型与所述第四样本对数据输入所述更新后的心理分析模型,得到第三权值与第三心理评分值;
第三判断模块30808,用于判断所述第一权值与所述第三权值之间的差值是否小于预设值;
第二确定模块30809,用于当第三判断模块的结果为是时,则确定所述更新后的心理分析模型为最终的心理分析模型。
第四反向更新模块30810,用于当第二判断模块的结果为否时,使用所述第二权值对所述心理分析模型进行反向更新;
第六执行模块30811,用于将所述获取的驾驶行为类型与所述第三样本对数据输入所述更新后的心理分析模型,得到第四权值与第四心理评分值;
第四判断模块30812,用于判断所述第二权值与所述第四权值之间的差值是否小于预设值;
第五反向更新模块30813,用于当第四判断模块的结果为否时,使用所述第四权值对所述心理分析模型进行反向更新。
第六反向更新模块30814,用于当第三判断模块的结果为否时,则使用所述第三权值对所述心理分析模型进行反向更新。
请参阅图4,本申请中识别驾驶员心理状态装置一个实施例包括:
处理器401、存储器402、输入输出单元403、总线404;
所述处理器401与所述存储器402、所述输入输出单元403以及所述总线404相连;
所述处理器401具体执行如下操作:
获取车辆的变化参数,所述变化参数为所述车辆的各传感设备发生变化的实时数据;
获取第一驾驶数据和第二驾驶数据,所述第一驾驶数据为第一摄像头拍摄的可清晰看到驾驶员的头部动作的图片,所述第二驾驶数据为第二摄像头拍摄的可清晰看到驾驶员手部动作的图片;
对所述变化参数、所述第一数据和所述第二数据输入预先训练好的行为分析模型中进行分析得出所述驾驶员的驾驶行为类型;
将所述驾驶行为类型与所述第一驾驶数据和所述第二驾驶数据输入预先训练好的驾驶心理分析模型中进行分析得出所述驾驶员的心理评分值;
判断所述心理评分值中危险驾驶系数是否大于预设值;
若是,则提示用户安全驾驶。
本实施例中,处理器401的功能与前述图1、图2-1、图2-2、图2-3以及图2-4所示实施例中的步骤对应,此处不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,read-onlymemory)、随机存取存储器(RAM,random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
- 一种识别驾驶员心理状态的方法及相关装置
- 驾驶员的行为识别方法及相关装置