CN112193252B 驾驶风险的预警方法、装置、计算设备及存储介质 （腾讯科技（深圳）有限公司）

本申请实施例提供一种驾驶风险的预警方取驾驶员在当前时间段内的第一危险驾驶行为应关系和第一危险驾驶行为数据中每一种危险确预测出的每一种危险场景的可能发生次数进可以实现对驾驶员当前时刻的危险驾驶行为可2获取驾驶员在当前时间段内的第一危险驾驶行为数据，以及获取M种危险驾驶行为的发生次数与N种危险场景的实际发生次数之间的对应关系，所述第一危险驾驶行为数据是驾驶员在当前时间段内发生所述M种危险驾驶行为中每一种危险驾驶行为的发生次数，所根据所述第一危险驾驶行为数据中每一种危险驾驶行为的发生次数2.根据权利要求1所述的方法，其特征在于，获取所述驾驶员在预设的历史时间段内的历史危险驾驶行为数据和历史危险场景数根据所述驾驶员的所述历史危险驾驶行驶数据，获得所述驾驶员在根据所述驾驶员的所述历史危险场景数据，获取所述驾驶根据所述驾驶员在所述历史时间段内发生每一种危险驾驶行为的次数和所述驾驶员在所述历史时间段内发生每一种危险场景的次数，获得所述M种危险驾驶行为的发生次数4.根据权利要求1或2所述的方法，其特征在于，所述根据根据预测的所述驾驶员在当前时间段内发生每一种危险场景的根据每一种所述危险场景的被预警概率，确定至少一个待预警的5.根据权利要求4所述的方法，其特征在于，所述根据每个所述危险场景的被预警概根据每个所述危险场景的被预警概率和所述随机数，确定至少一个待预警的危险场在所述随机数大于前k种所述危险场景的被预警概率之和，且在所述随机数大于第一数值，且小于或等于前k种所述危险场景的被预警概率之和的3根据预设的所述危险驾驶行为的类型，识别所述驾驶员图像中所述根据识别出的所述驾驶员发生的各所述危险驾驶行为，获得所8.根据权利要求1或2所述的方法，其特征从第二车载摄像头中，获得所述驾驶员在当前时间段内的所述第一危险驾驶行为数险驾驶行为的发生次数与N种危险场景的实际发生次数之间的对应关系，所述第一危险驾数据包括所述驾驶员在当前时间段内发生所述M种危险驾驶行为中每一种危险驾驶行为的预测单元，用于根据所述第一危险驾驶行为数据中每一种危险驾驶行为的发生次数，确定单元，用于根据预测的所述驾驶员在当前时间段内发生每一种危险场景的次数，所述处理器，用于执行所述计算机程序以实现如上述权利要求1至94[0003]目前的驾驶风险预警方法是基于驾驶员的历史驾驶行为预测驾驶员发生一种危危险驾驶行为的发生次数与危险场景的实际发生根据驾驶员在历史时间段内发生每一种危险驾驶行为的次数和驾驶员在历史时间段内发5种危险场景的被预警概率之和，且小于或等于前k+1种危险场景的被预警概率之和的情况前k种危险场景的被预警概率之和的情况下，则确定第k种危险场景为待预警的危险场景；6[0043]人工智能(ArtificialIntelligence，AI)是利用数字计算机或者数字计算机控7[0045]计算机视觉技术(ComputerVision，CV)计算机视觉是一门研究如何使机器“看”字样也并不限定一定不同。C均为行驶中的车辆，其中至少一个车辆在行驶过程中可以执行本申请实施例提供的驾驶中获得驾驶员的驾驶行为数据，以及可以从预警系统中获得车辆所发生的危险场景数据。生次数之间的对应关系；并根据第一危险驾驶行为数据中每一种危险驾驶行为的发生次8种危险场景的次数，并基于准确预测出的每一种危险场景的可能发生次数进行风险预警，[0061]图3为本申请实施例提供的驾驶风险的预警方法的一种流行为的发生次数与危险场景的实际发生次数之间的对应关[0064]本申请实施例涉及的危险驾驶行为包括预设的M种不同类型的危险驾驶行为，如9[0069]本申请实施例涉及的危险场景包括预设的N种不同类型的[0078]该第一车载摄像头安装在车辆上朝向驾驶员的位置处，用于实时采集驾驶员图中驾驶员的面部特征和行为特征进行识别，判断驾驶员在当前时间段内出现了M种危险驾驶行为中的哪些危险驾驶行为。例如计算设备包括事先训练好的图像识别模型，该图像识别模型可以识别驾驶员的面部特征和行为特征。计算设备将驾驶员图像输入该图像识别模型中，该图像识别模型识别出驾驶员的面部特征和行为特征，其中面部特征包括眼睛状态等，行为特征包括手部动作和上身动作等。计算设备将图像识别模型识别出的驾驶员的面部特征和行为特征，与M种危险驾驶行为中每一种危险驾驶行为对应的面部特征和行为特数，i大于等于1且小于等于M。为预测的驾驶员在时间段[0097]举例说明，假设上述M和N均为4，即包括4种危险驾驶行为依次为表1中的疲劳驾劳驾驶和5次未系安全带的危险驾驶行为，没有发生分神驾驶和醉酒驾驶，则h,-10，[0099]此时，危险驾驶行为的发生次数与危险场景的实际发生次数之间的对应关系段内发生前碰撞的发生次数为,驾驶员在当前时间段内发生安全车距的[0102]本申请实施例通过预测出的驾驶员在当前时间段内发生生成预警信息，可以实现对驾驶员当前的危险驾驶行为所造成的危险场景进行准确预测，[0103]本申请实施例中，根据预测的驾驶员在当前时间段内发生每一种危险场景的次[0107]方式二，预警信息包括预测的驾驶员在当前时间段内发生的次数不为0的一个或预测出的每一种危险场景的可能发生次数进行风险预警，进而提高驾驶风险预警的准确[0111]在上述实施例的基础上，下面结合图7对上述S301中获取危险驾驶行为的发生次数与危险场景的实际发生次数之间的对应关系的具体过程[0112]图7为本申请实施例提供的驾驶风险的预警方法的另一种流程示意图，如图7所示，上述S301中获取危险驾驶行为的发生次数与危险场景的实际发生次数之间的对应关备可以从车载摄像头中获得驾驶员在预设历史时间段内的这样计算设备可以从自身的存储设备中获得驾驶员在预设历史时间段内的历史危险驾驶算设备可以从预警系统中获得驾驶员在预设历史时间段内的历驾驶员在该历史时间段内发生第2种危险驾[0128]如表4所示，右侧显示驾驶员在该历史时间段内实际发生各危险场景的次数，例至aN为驾驶员在历史时间段内发生表4中各不同类型的危险场景的次数，b1、b2至bM为驾驶员在历史时间段内发生表3中各不同类型的危险驾驶行为的次驾驶行为的发生次数与危险场景的实际发生次至aN为驾驶员在历史时间段内发生表4中各不同类型的危险场景驾驶行为的发生次数与危险场景的实际发生次数之间的对应关系，其中矩阵An.w可以理的历史危险驾驶行为数据和历史危险场景数据，并根据驾驶员的历史危险驾驶行为数据，史时间段内发生每一种危险驾驶行为的次数和驾驶员在历史时间段内发生每一种危险场而使得该对应关系可以准确反映出危险驾驶行为的发生次数与危险场景的实际发生次数[0140]在上述实施例的基础上，下面结合图8对上述S303中根据预测的驾驶员在当前时[0141]图8为本申请实施例提供的驾驶风险的预警方法的又一种流程示意图，如图8所3=0.2和p2和p2警概率中剔除待预警的危险场景1的被预警概率，对剩余的N_1个危险场景的被预警概率进[0171]上面图3至图8所示的实施例对本申请实施例提供的危险驾驶的预警方法进行了[0180]本申请实施例中获取车辆在第一时间段内发生的第一危险场景数据的方式包括[0189]其中，Arw为危险驾驶行为的发生次数与危险场景的实际发生次数之间的对应[0194]在一些实施例中，该预测信息包括预测的发生次数不为0的一个或几个危险驾驶取危险驾驶行为的发生次数与危险场景的实际发生次数之间的[0198]预测单元120，用于根据第一危险驾驶行为数据中每一种危险驾驶行为的发生次[0199]确定单元130，用于根据预测的驾驶员在当前时间段内发生每一种危险场景的次在历史时间段内发生每一种危险驾驶行为的次数和驾驶员在历史时间段内发生每一种危险场景的次数，获得危险驾驶行为的发生次数与危险场景的实际发生次数之间的对应关[0202]可选的，预警信息包括预测的驾驶员在当前时间段内发生每一种危险场景的次危险驾驶行为的发生次数与危险场景的实际发生[0213]确定单元330，用于根据在第一时间段内驾驶员发生每一种危险驾驶行为的发生器201中存储的程序被处理器202执行时，处理器202和通信接口203用于执行上述预警方申请的预警方法可以通过处理器202