-
公开(公告)号：CN115227247B
公开(公告)日：2023-12-26
申请号：CN202210862524.6
申请日：2022-07-20
申请人： 中南大学
IPC分类号： A61B5/18 , G08B21/06 , A61B5/0205 , A61B5/0533
摘要： 本发明涉及安全驾驶技术领域，公开了一种基于多源信息融合的疲劳驾驶检测方法、系统及存储介质，该方法结合了驾驶员的视觉信号与生理信号，采用多源信息融合的方法判别驾驶员的疲劳状态，具有更高的监测精度；考虑复杂驾驶环境下可能导致的采集数据失真、无法使用等问题，当某一种信号源失效时，两种信号源均可单独判断驾驶员的疲劳状态，具有良好的鲁棒性；在实现驾驶员实时疲劳监测的情况下，不会干扰正常驾驶行为，并能够得到驾驶员的建议继续驾驶时长，帮助驾驶员合理规划行程安排，具有更强的实用价值，鲁棒性，实用性强，可以有效减少因疲劳驾驶引起的各类交通事故。
-
公开(公告)号：CN118419094A
公开(公告)日：2024-08-02
申请号：CN202410524974.3
申请日：2024-04-29
申请人： 中国神华能源股份有限公司 , 中南大学
摘要： 本发明涉及轨道交通技术领域，具体为一种列车安全交互与态势评估方法及系统，包括调取列车当前位置信息、估算列车自身倾斜时重力对向心力的抵消程度、借助检测设备评估列车态势，其中检测设备包括：交互屏和安装基座，安装基座内部设置有检测组件，检测组件包括滑动块，活动插板的一端转动安装有压紧块；压紧块表面固定连接有钢丝绳，钢丝绳的中部固定连接有指示块；有益效果为：通过在安装基座上开设有两个对称分布且呈“
-
公开(公告)号：CN116831581B
公开(公告)日：2024-06-25
申请号：CN202310712053.5
申请日：2023-06-15
申请人： 中南大学 , 北京全路通信信号研究设计院集团有限公司
IPC分类号： A61B5/18 , A61B5/0205 , A61B5/00
摘要： 本发明公开了一种基于远程生理体征提取的驾驶员状态监测方法，包括以下步骤：S1、设计双径神经网络，训练得到驾驶员rPPG信号提取模型；S2、采集驾驶员面部图像序列信息，进行预处理，将预处理得到的局部信息和全局信息发送至远程生理体征提取装置；S3、远程生理体征提取装置将局部信息和全局信息输入驾驶员rPPG信号提取模型，得到驾驶员rPPG信号，对驾驶员rPPG信号进行去噪、变换处理得到驾驶员生理特征参数后，发送至驾驶员状态警示装置；S4、驾驶员状态警示装置根据驾驶员生理特征参数，计算驾驶员实时驾驶状态，判定驾驶风险程度。本发明还提供了一种基于远程生理体征提取的驾驶员状态监测装置。
-
公开(公告)号：CN116129641B
公开(公告)日：2024-06-04
申请号：CN202310107673.6
申请日：2023-02-13
申请人： 中南大学
摘要： 本发明公开了一种基于多端协同辨识的车辆安全态势计算方法及系统，用于车载感知装置、与车载感知装置连接的车载安全态势计算装置、与车载感知装置和车载安全态势计算装置无线通信连接的多个路侧感知装置以及与路侧感知装置双向通信连接的云端感知装置相互协作的系统中，通过获得视距内以及超视距下的风险因子信息，对车载、路侧和云端的感知特征信息进行融合，同时利用不同端的优势，对不同端的计算资源互联通信并进行分配，根据安全态势的计算结果，规划车辆的路径选择。本发明所提供的方法和系统实现了智能互联交通场景下的行车风险估计，保障了感知的实时性与安全态势判定的精确性，能够大大增强智能车辆行车安全性。
-
公开(公告)号：CN116746931A
公开(公告)日：2023-09-15
申请号：CN202310713014.7
申请日：2023-06-15
申请人： 中南大学 , 北京全路通信信号研究设计院集团有限公司
摘要： 本发明涉及生物医学工程技术领域，具体为一种基于脑电的增量式驾驶员不良状态检测方法，包括以下步骤：招募具有不同驾驶年限的驾驶员进行模拟驾驶实验，在不同时间进行驾驶试验以激发驾驶人的疲劳、分心和不良情绪状态，在实验过程中收集被试脑电信号作为训练数据；有益效果为：本发明提出的基于脑电的增量式驾驶员不良状态检测方法，采用脑电信号检测技术，实时准确地检测驾驶员的大脑活动，由于每个人的大脑活动都是独一无二的，因此这种技术具有很高的个性化和精准性；此外，它还根据驾驶员的情绪、注意力、疲劳等状态，以及环境因素如路况、天气等变化，及时发出警报，准确预测驾驶员是否处于不良状态，从而有效地提高了驾驶安全性。
-
公开(公告)号：CN118205574A
公开(公告)日：2024-06-18
申请号：CN202410164759.7
申请日：2024-02-05
申请人： 中南大学
摘要： 本发明涉及车辆安全自动驾驶技术领域，具体为基于动态情景响应的生成式辅助驾驶接管提示方法及系统，包括以下步骤：基于多源信息融合对驾驶员接管能力评估；基于多模态特征对行车环境风险感知与识别；考虑感知可靠性与驾驶风险的辅助接管提示生成；有益效果为：本发明提出的基于动态情景响应的生成式辅助驾驶接管提示方法及系统，综合了“人‑机‑环”三位一体交通系统下驾驶员接管能力、驾驶环境风险与车辆自身的运动状态的影响，实现了辅助接管提示类型和内容的动态变化，帮助驾驶员在接管车辆时能够更快恢复对当前接管情景的态势感知或更好地完成具体接管操作，满足不同接管情境下驾驶员对接管提示的差异化需求，具有很强的针对性。
-
公开(公告)号：CN114049677B
公开(公告)日：2023-08-25
申请号：CN202111478522.9
申请日：2021-12-06
申请人： 中南大学 , 中国汽车工程研究院股份有限公司
IPC分类号： G06V40/16 , G06V20/59 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/096 , B60W40/08
摘要： 本发明公开了基于驾驶员情绪指数的车辆ADAS控制方法及系统，通过获取驾驶员实时驾驶过程中的人脸图像，提取驾驶员在行车过程中的基于时间序列的面部表情类别信息；根据所述基于时间序列的面部表情类别信息计算所述驾驶员的情绪指数；并将所述情绪指数与预设的情绪阈值进行比较，并根据比较结果调整ADAS的报警阈值/强度。相比现有技术，本发明能根据驾驶员驾驶过程中带有时间序列信息的面部表情数据，计算驾驶员的情绪指数来准确量化驾驶员当前驾驶状态，并根据驾驶员的情绪指数动态调整ADAS报警的触发条件以及报警强度，更好地保障驾驶员行车过程中的舒适性和安全性。
-
公开(公告)号：CN114049677A
公开(公告)日：2022-02-15
申请号：CN202111478522.9
申请日：2021-12-06
申请人： 中南大学 , 中国汽车工程研究院股份有限公司
摘要： 本发明公开了基于驾驶员情绪指数的车辆ADAS控制方法及系统，通过获取驾驶员实时驾驶过程中的人脸图像，提取驾驶员在行车过程中的基于时间序列的面部表情类别信息；根据所述基于时间序列的面部表情类别信息计算所述驾驶员的情绪指数；并将所述情绪指数与预设的情绪阈值进行比较，并根据比较结果调整ADAS的报警阈值/强度。相比现有技术，本发明能根据驾驶员驾驶过程中带有时间序列信息的面部表情数据，计算驾驶员的情绪指数来准确量化驾驶员当前驾驶状态，并根据驾驶员的情绪指数动态调整ADAS报警的触发条件以及报警强度，更好地保障驾驶员行车过程中的舒适性和安全性。
-
公开(公告)号：CN113997864A
公开(公告)日：2022-02-01
申请号：CN202111481026.9
申请日：2021-12-06
申请人： 中南大学 , 中国汽车工程研究院股份有限公司
IPC分类号： B60Q9/00 , B60R1/12 , B60R1/25 , G01S17/931 , G01S17/08
摘要： 本发明公开了汽车下车防撞预警与干预系统及方法，通过采集车辆后侧方图像、各个目标对象的距离和位置，从所述车辆后侧方图像中识别各个目标对象的类别，并将识别的各个目标对象的类别与采集的各个目标对象的距离和位置进行匹配，确定各个类别的目标对象的距离和位置；接收乘员的开门信号，并根据所述开门信号以及各个类别的目标对象的距离和位置确定是否存在碰撞风险；若存在碰撞风险，控制预警模块对驾驶员或乘客做出相应的预警提示/控制干预模块对驾驶员的开门行为做出干预。相比现有技术，可以最大化地对下车过程可能存在的风险进行预警，并在风险存在时通过主动干预，可有效避免发生下车碰撞事故问题。
-
公开(公告)号：CN116746931B
公开(公告)日：2024-03-19
申请号：CN202310713014.7
申请日：2023-06-15
申请人： 中南大学 , 北京全路通信信号研究设计院集团有限公司
摘要： 本发明涉及生物医学工程技术领域，具体为一种基于脑电的增量式驾驶员不良状态检测方法，包括以下步骤：招募具有不同驾驶年限的驾驶员进行模拟驾驶实验，在不同时间进行驾驶试验以激发驾驶人的疲劳、分心和不良情绪状态，在实验过程中收集被试脑电信号作为训练数据；有益效果为：本发明提出的基于脑电的增量式驾驶员不良状态检测方法，采用脑电信号检测技术，实时准确地检测驾驶员的大脑活动，由于每个人的大脑活动都是独一无二的，因此这种技术具有很高的个性化和精准性；此外，它还根据驾驶员的情绪、注意力、疲劳等状态，以及环境因素如路况、天气等变化，及时发出警报，准确预测驾驶员是否处于不良状态，从而有效地提高了驾驶安全性。
-
-
-
-
-
-
-
-
-
搜索结果
21 条记录 (耗时 0.021 秒)
