一种自适应压缩存储的驾驶员行车智能监测系统

1.本发明属于安全驾驶技术领域，具体是一种自适应压缩存储的驾驶员行车智能监测系统。


背景技术：

2.伴随着生活水平的提高，车辆数目不断增长，交通事故发生量也在不断攀升。很多事故发生的原因都在于驾驶员疲劳驾驶、危险驾驶的不当行为。因此，驾驶员监测系统的开发普及是有很大意义的。
3.目前市面上的驾驶员监测系统，主要以监测车辆行车信息和驾驶员个体生物信号两种方式为主。监测驾驶员个体生物信号是将驾驶员的面部、心脏、脑电等部位数据进行收集，再根据这些部位数据变化判断驾驶员是否处于疲劳状态。监测车辆行车信息是针对驾车行为分析，即分析驾驶员转方向盘、踩刹车等行为以及车辆速度、加速度等信息，判断行车是否正常。
4.然而，以上驾驶员监测系统主要监测的是驾驶员疲劳信息，除了疲劳信息外，还有很多隐患驾驶因素并未被纳入监测，例如制动系统有问题、驾驶员开车接打电话等，除此之外，大量的视频录像需要记录，也大大提升了硬件成本。
5.基于此，本发明提供了一种自适应压缩存储的驾驶员行车智能监测系统。


技术实现要素：

6.为了解决上述方案存在的问题，本发明提供了一种自适应压缩存储的驾驶员行车智能监测系统。
7.本发明的目的可以通过以下技术方案实现：
8.一种自适应压缩存储的驾驶员行车智能监测系统，包括：制动系统监测模块、摄像传感模块、图像处理模块、握力传感模块、主控模块、本地信息存储模块和数据服务站；
9.所述制动系统监测模块用于预设关键信息模板实时采集车辆制动系统的关键信息；
10.摄像传感模块用于在行车期间实时采集驾驶员的影像数据；
11.所述图像处理模块用于对采集的所述影像数据进行实时分析，识别驾驶员的驾驶行为；
12.所述握力传感模块用于检测驾驶员是否在操控方向盘，并获得实时握力检测数据；
13.所述主控模块与车辆自带显示器通信，获取时间信息，并实时接收对应的行为监测数据；设置事件信息表，基于所述事件信息表实时评估所述行为监测数据对应的报警方式，依据所述报警方式进行报警。
14.所述本地信息存储模块用于存储短期储存数据。
15.所述数据服务站用于储存长期储存数据。
16.进一步地，还包括电源转换模块，所述电源转换模块用于将车辆自带电源电压转换为智能监测系统供电的工作电压。
17.进一步地，事件信息表包括若干个事件类别，且每个事件类别均设置有对应的报警方式、储存权重和识别内容。
18.进一步地，图像处理模块识别影像数据中驾驶行为的方法包括：
19.将所述影像数据进行分段缓存，获得若干个δt片段，对δt片段逐帧进行图像识别，依据识别结果判定对应的驾驶行为。
20.进一步地，依据识别结果判定对应的驾驶行为的方法包括：
21.将连续n个δt片段标记为识别片段，当检测到对应驾驶行为的占比超过阈值x1，则判定所述识别片段为该驾驶行为；反之，则判定所述识别片段为未识别事件。
22.n个δt片段的累加时间一般为2s，具体可以根据实际情况进行调整，n为正整数。
23.阈值x1一般75％，可调整。
24.进一步地，当识别出识别片段的驾驶行为后，将对应的影像数据进行自适应性压缩存储。
25.进一步地，自适应性压缩存储的方法包括：
26.计算待存储视频帧实时地址与总存储地址之间的比值，匹配对应的采样系数，基于识别片段对应的事件类别匹配对应的储存权重，获取识别片段总帧数；
27.根据采样系数、储存权重和识别片段总帧数计算识别片段中要压缩存储的帧数f；
28.将视频帧按识别驾驶行为的概率进行降序排列，选取前f个视频帧，再按时间顺序存储。
29.进一步地，帧数f的计算公式为：f＝c
×q×
z；
30.式中：c、q和z分别为采样系数、储存权重和识别片段总帧数。
31.与现有技术相比，本发明的有益效果是：
32.设计出数据服务站、智能监测车载系统相结合的分布式架构开放公路驾驶员行车智能监测系统；
33.针对视频录像占用大存储空间的情况，提出了一种基于待存储视频帧地址占比和事件存储权重的自适应数据压缩存储方法，能较好地降低网络负荷和存储开销，并且保证最重要信息的记录优先权；
34.传统驾驶员监测系统主要进行疲劳监测，本发明将其扩展为隐患驾驶因素监测，采用视频识别和传感感知相结合的智能感知手段，设计了报警分级信息表，别强化了系统的功能性、完备性；
35.本设计既可用于非智能驾驶车辆，也可集成于智能驾驶车辆中，应用范围广、兼容性强。
附图说明
36.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
37.图1为本发明原理框图；
38.图2为本发明图像识别事件过程示意图；
39.图3为本发明采样系数确认示意图；
40.图4为本发明自适应性压缩存储示意图。
具体实施方式
41.下面将结合实施例对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
42.如图1至图4所示，一种自适应压缩存储的驾驶员行车智能监测系统，包括：
43.电源转换模块，将车辆自带电源电压转换为智能监测系统设备工作电压，借用车辆电源进行转换，是为了使智能监测系统更加轻巧化。
44.制动系统监测模块，用来收集制动系统的关键信息，监测其工作状态是否正常，因制动系统与行车安全强相关，对其状态的监测至关重要，如发现异常，立即传送相关信息至主控模块；关键信息所包含的具体项数据，根据车辆等实际情况进行设置。
45.摄像传感模块，用来在行车期间，监测驾驶员的种种行为，传递给主控模块。
46.图像处理模块，利用预先训练学习好的行为识别模型，对摄像传感器传来的视频进行识别，有打盹、视线不看路面、长时间闭眼、手不在方向盘等隐患驾驶行为，立即传送相关信息至主控模块；
47.在一个实施例中，行为识别模型可以基于cnn网络或dnn网络等神经网络进行建立，通过人工的方式建立对应的训练集进行训练，通过训练成功后的行为识别模型进行分析，因为神经网络为本领域现有技术，因此，具体的建立和训练过程不进行详细叙述。
48.握力传感模块，用来检测驾驶员是否在操控方向盘，与图像处理模块捕获的手不在方向盘上行为构成双重备份检测，提高准确率。
49.主控模块，用来与车辆自带显示器通信，获取时间信息，并进行隐患驾驶因素的报警显示，例如制动系统有问题、不规范驾驶行为，根据严重程度，可实行语音与弹屏结合的分类报警；
50.实时接收制动系统监测模块、图像处理模块和握力传感模块采集分析的行为监测数据，即将车辆制动系统的关键信息、驾驶行为和握力检测数据整合为行为监测数据；
51.预设事件信息表，将监测数据与事件信息表进行匹配，按照匹配结果进行相应的报警；具体报警形式可以根据实际情况设置多种报警方式，如为了体现个性化，可以设置对应的报警形式选择功能，由对应的用户进行个性化选择。
52.事件信息表设计如下所示，为全面衡量识别内容，将“正常驾驶”与极少数情况下可能出现未能成功识别的“未识别事件”分别定为事件6、事件7。需要注意的是，事件0并非通过图像识别途径获得，列在该表中是因为其极其重要且需要存储下来；事件1～7则由图像识别获得。根据各事件的重要程度，确定存储权重，表征存储过程中对该事件的偏向程度：
53.在其他实施例中，可以根据实际情况的变动，对事件类别的种类和数量进行调整，并根据调整对表格中的其他数据进行相应的调整。
54.本地信息存储模块，用来存储关键信息，如监测关键过程数据、事件信息等内容，实现短期内的数据溯源和短期内的历史记录查看；
55.数据服务站，用来存储主控模块传送的关键过程数据、分级事件信息等内容进行长期记录留存，可通过主控模块调取相应时段视频信息及事件信息。
56.具体本地信息存储模块和数据服务站的储存数据类型，通过人工的方式进行相应的设置。
57.本发明工作过程如下：
58.驾驶员坐上驾驶席，车辆启动完毕，电源转换模块为智能监测系统供电，监测系统进入工作状态；
59.监测制动系统是否正常，这一点是极为重要的，如有异常，则弹窗配合语音报警(事件类别0)，强烈建议排除故障后驾驶或低速驾驶，如为误报，驾驶员可选择旁路此报警，将相关数据存入本地信息存储模块；
60.制动系统正常或制动系统报警信息被旁路，车辆开始行进时，通过摄像传感模块、图像处理模块、握力传感模块对驾驶状态进行综合智能监测，全程伴有制动系统监测。
61.在一个实施例中，考虑到驾驶员行车监测数据量庞大且具有重要价值，而车辆本身难以长期存储的问题，因此本发明设计将整个系统划分为两大部分，包含驾驶员行车监测车载系统及数据服务站两大部分，通过中心存储、分布式控制的架构。因目前车辆几乎都配备有雷达、速度仪，所以这些设备，智能监测车载系统不做冗余配置，主要配置摄像传感器、制动系统监测设备、图像处理模块、通信设备、握力传感器等。而数据服务站中包含一系列服务器，主要用于数据存储备份及日志分析。
62.图像处理模块将摄像传感模块获得的视频数据，分段进行缓存，假设帧率为
30fps，则每个视频片段含帧数15，相当于每段时长为δt＝0.5s，记为δt片段；
63.对δt片段逐帧进行图像识别，每帧的识别结果会分别产生对应七种事件的识别概率，概率总和大小为1。考虑到行为状态本身具有连续性，且当动作较快时，中间状态往往难以识别，例如，驾驶员接打手机时，从车身拿起手机靠近耳朵前，因动作较快，视频帧可能出现模糊不清，对识别造成一定影响。因此，做出以下约定：当连续4个δt片段(简称识别片段，相当于2s)检测到某事件(事件1～7)占比超过阈值75％，则认为该识别片段对应该事件；当没有事件占比超过75％，则认为该识别片段对应为事件7；如图2所示。
64.识别片段得出事件后，需要对视频内容进行自适应性压缩存储。自适应压缩存储核心思想是将标志存储模块本轮次剩余空间的采样系数和标志事件重要程度的存储权重相乘，得到视频自适应压缩率，确定压缩程度。
65.考虑到本地信息存储模块可重复利用，当存储数据溢出(超出容量)时会自动跳至初始地址继续存储，覆盖原先存储内容，对存储空间进行下一轮次的利用。为了使上一轮次存储的内容不致被快速覆盖，本发明设计出待存储视频帧地址占比方法，通过计算待存储视频帧实时地址与总存储地址之间的比值，得到存储模块本轮次剩余空间大小，剩余部分多，则可采样频繁即少量压缩；剩余部分少，则可采样稀疏即大量压缩，进而映射得到采样系数；如图3所示。
66.待存储视频帧地址占比与采样系数映射关系设定如下：
67.待存储视频帧地址占比采样系数《0.190.810.2～0.390.490.4～0.590.250.6～0.790.09≥0.80.01
68.最终，自适应压缩存储通过将标志存储模块本轮次剩余空间的采样系数和标志事件重要程度的存储权重相乘，获得视频自适应压缩率，与识别片段总帧数相乘，则为识别片段中要压缩存储的帧数f。将视频帧按识别输出事件的概率进行降序排列，选取前f个视频帧，再按时间顺序存储。
69.例如，某识别片段(共计60帧，按时间顺序标号从1到60表示)经过图像识别，获知对应事件为事件1，则对应存储权重1.0。若此时待存储视频帧地址占比为0.3，则对识别片段的采样系数0.49，则采样帧数最终为60*1.0*0.49≈29，则60帧中根据事件1概率由高到低排序，抽取前29帧图像按时间先后顺序，连同事件1结论一起存储；若识别片段对应事件为事件4，则对应存储权重0.4。其他条件不变，采样帧数最终为60*0.4*0.49≈12，则60帧中根据事件4概率由高到低排序，抽取前12帧图像按时间先后顺序，连同事件4结论一起存储；如图4所示。
70.本地信息存储模块内保留的事件信息和视频帧，闲时传至数据服务站备份留存，本地信息存储模块存储内容溢出时自动覆盖；
71.当需要调用相关事件信息时，优先调取本地信息存储模块，如时间间隔较长、本地无法获取，则调取数据服务站数据。
72.上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到
最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
73.以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

技术特征：
1.一种自适应压缩存储的驾驶员行车智能监测系统，其特征在于，包括：制动系统监测模块、摄像传感模块、图像处理模块、握力传感模块、主控模块、本地信息存储模块和数据服务站；所述制动系统监测模块用于预设关键信息模板实时采集车辆制动系统的关键信息；摄像传感模块用于在行车期间实时采集驾驶员的影像数据；所述图像处理模块用于对采集的所述影像数据进行实时分析，识别驾驶员的驾驶行为；所述握力传感模块用于检测驾驶员是否在操控方向盘，并获得实时握力检测数据；所述主控模块与车辆自带显示器通信，获取时间信息，并实时接收对应的行为监测数据；设置事件信息表，基于所述事件信息表实时评估所述行为监测数据对应的报警方式，依据所述报警方式进行报警。所述本地信息存储模块用于存储短期储存数据。所述数据服务站用于储存长期储存数据。2.根据权利要求1所述的一种自适应压缩存储的驾驶员行车智能监测系统，其特征在于，还包括电源转换模块，所述电源转换模块用于将车辆自带电源电压转换为智能监测系统供电的工作电压。3.根据权利要求1所述的一种自适应压缩存储的驾驶员行车智能监测系统，其特征在于，事件信息表包括若干个事件类别，且每个事件类别均设置有对应的报警方式、储存权重和识别内容。4.根据权利要求3所述的一种自适应压缩存储的驾驶员行车智能监测系统，其特征在于，图像处理模块识别影像数据中驾驶行为的方法包括：将所述影像数据进行分段缓存，获得若干个δt片段，对δt片段逐帧进行图像识别，依据识别结果判定对应的驾驶行为。5.根据权利要求4所述的一种自适应压缩存储的驾驶员行车智能监测系统，其特征在于，依据识别结果判定对应的驾驶行为的方法包括：将连续n个δt片段标记为识别片段，当检测到对应驾驶行为的占比超过阈值x1，则判定所述识别片段为该驾驶行为；反之，则判定所述识别片段为未识别事件。6.根据权利要求5所述的一种自适应压缩存储的驾驶员行车智能监测系统，其特征在于，当识别出识别片段的驾驶行为后，将对应的影像数据进行自适应性压缩存储。7.根据权利要求6所述的一种自适应压缩存储的驾驶员行车智能监测系统，其特征在于，自适应性压缩存储的方法包括：计算待存储视频帧实时地址与总存储地址之间的比值，匹配对应的采样系数，基于识别片段对应的事件类别匹配对应的储存权重，获取识别片段总帧数；根据采样系数、储存权重和识别片段总帧数计算识别片段中要压缩存储的帧数f；将视频帧按识别驾驶行为的概率进行降序排列，选取前f个视频帧，再按时间顺序存储。8.根据权利要求7所述的一种自适应压缩存储的驾驶员行车智能监测系统，其特征在于，帧数f的计算公式为：f＝c
×
q
×
z；式中：c、q和z分别为采样系数、储存权重和识别片段总帧数。

技术总结
本发明公开了一种自适应压缩存储的驾驶员行车智能监测系统，属于安全驾驶技术领域，包括：制动系统监测模块、摄像传感模块、图像处理模块、握力传感模块、主控模块、本地信息存储模块和数据服务站；制动系统监测模块用于预设关键信息模板实时采集车辆制动系统的关键信息；摄像传感模块用于在行车期间实时采集驾驶员的影像数据；图像处理模块用于对采集的影像数据进行实时分析，识别驾驶员的驾驶行为；握力传感模块用于检测驾驶员是否在操控方向盘，并获得实时握力检测数据；主控模块与车辆自带显示器通信，获取时间信息，并实时接收对应的行为监测数据；设置事件信息表，基于事件信息表实时评估行为监测数据对应的报警方式。表实时评估行为监测数据对应的报警方式。表实时评估行为监测数据对应的报警方式。


技术研发人员：魏涛 李小龙 雷荣华 李晓翠 杨逸夫
受保护的技术使用者：湖南工商大学
技术研发日：2023.04.10
技术公布日：2023/7/4