驾驶员疲劳监测系统DMS

江苏省交通运输厅牵头组织制定了《道路运输车辆主动安全智能防控系统终端技术规范》（T/JSATL 13—2017），并于 2018 年 1 月 1 日起已正式实施。
该技术规范中阐述了 DMS 的功能要求与检测方法：

一、功能要求
（1）疲劳驾驶报警
（2）分神驾驶报警
（3）抽烟报警
（4）接打电话报警
（5）驾驶员异常报警
（6）驾驶员身份识别
疲劳驾驶报警、分神驾驶报警、抽烟报警以及接打电话报警
1、在车辆行驶过程中，能够通过面部监测的方式、接触或非接触的方式检测到驾驶员疲劳驾驶、分神驾驶、抽烟以及接打电话的行为，并提供不同等级的报警。
2、能够在白天、夜晚、黄昏和黎明等不同光照条件下实现检测。
3、可在驾驶员佩戴帽子、眼镜、墨镜等情况下正常工作。
4、能够区分车辆转向、驾驶员观察后视镜等情况与分神驾驶状态（分神驾驶报警）
5、具备设置报警分级速度阈值的功能：
——当车辆速度低于报警分级速度阈值时，若检测到驾驶员疲劳驾驶、分神驾驶、抽烟以及接打电话，产生一级报警，同时进行语音报警提示或者显示报警提示。
——当车辆速度高于报警分级速度阈值时，若检测到驾驶员疲劳驾驶、分神驾驶、抽烟以及接打电话，产生二级报警，同时进行语音报警提示或者显示报警提示。
——产生报警时，终端应向平台发送报警信息，报警信息需包含报警级别。若报警级别为二级报警，则终端还需保存报警点至少包含驾驶员面部特征的照片和视频，并上传至平台。
驾驶员异常报警
在车辆行驶过程中，终端检测到驾驶员异常时，应能产生驾驶员异常报警，对驾驶员进行报警提示，同时保存报警点至少包含 JT/T 1076 中所规定音视频通道 2 的照片和视频，并向平台发送驾驶员异常报警，该报警默认为二级报警，报警信息需包含报警级别。
驾驶员身份识别
1、终端应具备驾驶员面部照片抓拍的功能，在插卡开始行驶、定时或驾驶员离开监控画面再返回等情况下应能主动抓拍包含驾驶员正面照片，并上传到平台进行身份识别。
2、终端可具备本地驾驶员面部特征识别功能，终端检测到驾驶员离开监控画面再返回时，终端应能将重新出现的驾驶员面部特征与离开前的驾驶员面部特征相对比。若驾驶员面部特征不同，则产生驾驶员身份异常事件，并向平台发送驾驶员身份更换事件信息。

二、测试方法
测试方法分为：模拟场景测试和实车场地测试
模拟场景测试
1、视频场景要求
a、视频场景分为正常驾驶、疲劳驾驶、接打电话、吸烟、左顾右盼、离开监
控画面等的节选视频，每段视频片段约一分钟左右。
b、视频场景应包含不同性别司机、戴墨镜、带帽子、白天、夜晚等环境。
c、每段视频场景应匹配有对应的场景参数说明文件。
4、视频场景播放时横向像素不小于 2000px
2、试验步骤
a、随机选择段测试场景视频，场景需包含各类异常状态以及正常驾驶状态。且每种状态次数需相对平均。
b、将显示设备放置于终端检测摄像头正前方指定区域，完成标定。
c、开始测试，测试设备记录场景信息和终端报警信息。
d、终端运算结束后，输出其判断结果。
e、根据终端监输出结果与标准结果对比，得出设备误报率与漏检率。
f、判断设备误报率与漏检率是否合格，并结束本次试验。
3、试验结果分析
将终端输出结果与标准结果进行对比判别，具体判别过程如下：
a、当对应的报警类型正确且报警时间在有效报警区间内时，为一次有效报警。
b、当对应报警类型错误、报警时间不在有效报警区间内或对异常状态未产生报警时，记为一次漏检，同时纪录此次漏检报警类型。
c、当对正常状态测试视频发出报警时，记录为一次误报，同时记录此次误报类型。
d、根据公式，计算各种类型报警的误报率与漏检率。
e、若所有类型报警的误报率均不高于 10% 且漏检率均不高于 10%，则本次试验成功。
4、驾驶员状态监测系统功能可靠性
对驾驶员状态监测系统功能的视频测试应当重复进行十次，终端应通过十次试验中的八次试验，且不得连续失败两次。

试车场地测试
1、试验方法
本标准试验方法仅针对通过视频方法监测驾驶员状态的相关设备。试验应在试验人员数据库中随机抽取三名，然后让试验人员模拟疲劳驾驶、分神驾驶、抽烟、接打电话等异常驾驶行为，另一名工作人员在旁边纪录相关状态次数。利用设备判断该试验人员各异常状态次数，并将判断结果与实际人工纪录的异常状态发生次数进行对比，得出设备误报率和漏检率。
2、试验条件
试验应当在实际车辆的驾驶室中进行，试验条件如下:
a、车辆应当处于室外试验场地中，不得停放于室内。
b、试验人员应从数据库中随机抽取。
c、试验人员可佩带帽子、眼镜、墨镜等设备。
d、纪录人员应当位于试验人员侧前方，便于纪录试验人员的相关状态。
e、纪录人员不得出现在被测设备视频监测区域内，不得遮挡试验人员面部特征。
3、试验步骤
a、从数据库抽取用于试验的驾驶员，并与驾驶员确认测试安排。
b、试验人员进入驾驶位置，根据记录人员的口令随机做出正常驾驶、疲劳状态、分神状态、吸烟、接打电话以及离开驾驶位置等不同动作。
c、在做出动作的同时，由纪录人员在旁观察并纪录动作的有效性，分神动作持续时间不得超过 15s 左右，疲劳按照附录要求时间，其他动作持续时间不得超过 60s。
d、试验人员针对特定功能测试规定操作次数达到 10 次以上后试验结束。
e、将所记录的报警信息与传输至平台的进行对照，比较报警信息传输的实时性。
f、将纪录人员所纪录的各个状态的实际数量与设备所检测到的数量进行对比，计算得出设备的误报率或漏检率。
4、试验结果分析
试验结束后，对所纪录的报警时间及对应车头时距进行对比，具体分析步骤如下：
a、若在动作过程中设备产生报警，则结束相关动作，由纪录人员纪录设备的报警类型。
b、若动作结束后设备仍未报警，则纪录人员纪录一次漏检，并记录漏检类型。
c、若驾驶员做出正常驾驶动作时发出报警，则记录人员记录异常误报，并记录误报类型。
d、将最终记录与平台记录对比，若平台报警记录缺失或延迟，则终端网络传输功能异常，试验失败。若平台报警记录符合实际情况，则终端传输功能正常，进入下一步检验。
e、根据公式，计算各种类型报警的误报率与漏检率。
f、按照相关公式计算设备的总误报率与总漏检率。
g、若所有类型报警的误报率均不高于 10% 且漏检率均不高于 10%，则本次试验成功。
5、驾驶员状态监测可靠性
对驾驶员状态监测的实地试验应当重复进行 7 次，使用不少于 3 位测试人员，且其中应当至少包含 2 次夜间测试，终端应通过 7 次试验中的 5 次试验，不能连续失败两次。

驾驶员疲劳监测系统DMS相关推荐

【计算机视觉40例】案例38：驾驶员疲劳监测
<计算机视觉40例--从入门到深度学习(OpenCV-Python)>在介绍Python基础.OpenCV基础.计算机视觉理论基础.深度学习理论入门的基础上,介绍了计算机视觉领域内具有代表 ...
基于lbp算法的特征提取表情识别和疲劳监测系统 matlab
基于lbp算法的特征提取表情识别和疲劳监测系统 matlab 情图片进行LPB+LPQ特征提取,最后放入支持向量机中分类训练,统计出训练和测试的精度 function varargout = uns ...
基于OpenCV的驾驶员疲劳鉴别系统
(504546888) 介绍基于图像驾驶员疲劳检测技术研究更多学习记录参考: cungudafa博客:Dlib模型之驾驶员疲劳检测系列(眨眼.打哈欠.瞌睡点头.可视化界面) Dlib模型之驾驶员 ...
基于人脸关键点检测的驾驶员睡意检测系统
摘要驾驶员注意力不集中或者分心是道路交通事故的主要原因. 为了减少道路交通事故,设计开发驾驶员疲劳检测系统至关重要. 本研究利用人脸关键点检测方法提出了驾驶员睡意检测系统,目的是使驾驶更安全. 一. ...
MATLAB的疲劳检测系统
一.课题介绍本设计针对现有逐帧眼睛定位方法计算量大,速度慢的缺点,提出一种用于疲劳驾驶实时监测的眼睛定位方法,该方法能够在保证眼睛定位准确性的同时,减少人脸定位的计算量,从而提高图像处理速度,实现对 ...
基于MATLAB的疲劳检测系统
基于MATLAB的疲劳检测系统一.课题介绍随着汽车工业的不断发展,随之而来的社会问题也愈加严重.交通事故给人们造成巨大伤害的同时,也给社会带来沉重的负担和影响.由于疲劳驾驶是引起交通事故的一个主要 ...
RISC-V MCU 智能安全驾驶监测系统
智能安全驾驶检测 Binary Tree小队张浩然谢文倩杜晓霞智能安全驾驶检测系统队员:张浩然谢文倩杜晓霞摘要现代社会频频发生车祸事件,为了减少各类车祸事故的发生,我们设计了一个智能 ...
中兴智能视觉大数据在智能视觉司机疲劳监测管理平台的应用
智能视觉司机疲劳监测管理平台详细介绍司机疲劳监测管理平台是一款全新的基于疲劳模型算法实现的驾驶安全主动监测系统,该产品通过图像识别分析方法,使用摄像头,通过非接触方式,时时刻刻扫描分析驾驶 ...
驾驶员行为监控系统：需要它来管理车队
驾驶员行为监控系统:需要它来管理车队 Driver Behavior Monitoring System: Why you really need it for fleet management 如果 ...
基于改进YOLOv7＆OpenCV的行人过马路速度与交通灯实时监测系统（源码＆教程）
1.研究背景横穿马路的行人运动速度太快.太慢或者突变都可能影响驾驶者的判断,从而导致交通事故.车载辅助系统应能够在交通路口为驾驶者提供异常行人的速度预判信息.文献[1-2]通过对不同红绿灯情形进行建 ...

驾驶员疲劳监测系统DMS

驾驶员疲劳监测系统DMS相关推荐

最新文章

热门文章