本申請涉及車輛技術，尤其涉及一種駕駛員的疲勞檢測方法、裝置、電子設備、計算機可讀存儲介質及計算機程序產品。

背景技術：

1、隨著計算機技術的發展，對于車輛駕駛員的疲勞檢測的研究也越發深入，現今的一個熱門方向是基于機器學習(machine?learning,ml)實現疲勞檢測。機器學習是人工智能的核心，專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。

2、在相關技術提供的方案中，通常采用集中式訓練方式訓練機器學習模型，并通過訓練后的機器學習模型實現疲勞檢測，其中，集中式訓練是指將不同渠道獲取的訓練數據集中在服務器以對機器學習模型進行訓練，最后將訓練完畢的機器學習模型部署于各個車輛進行使用。然而，這容易產生對于一些敏感數據的收集困難，以及數據在傳輸中泄漏所導致的用戶隱私泄漏，即相關技術提供的方案的數據安全性低。

技術實現思路

1、本申請實施例提供一種駕駛員的疲勞檢測方法、裝置、電子設備、計算機可讀存儲介質及計算機程序產品，能夠提升數據安全性。

2、本申請實施例的技術方案是這樣實現的：

3、本申請實施例提供一種駕駛員的疲勞檢測方法，應用于車輛，所述方法包括：

4、獲取所述車輛的行駛數據以及所述車輛的駕駛員的生理數據；

5、通過疲勞檢測模型根據所述行駛數據以及所述生理數據進行疲勞檢測處理，得到所述駕駛員的疲勞狀態；

6、其中，所述疲勞檢測模型的模型參數是根據多個樣本車輛本地的疲勞數據樣本進行聯邦學習得到，所述本地的疲勞數據樣本包括樣本行駛數據、樣本生理數據以及樣本疲勞狀態。

7、本申請實施例提供一種駕駛員的疲勞檢測方法，應用于服務端，所述方法包括：

8、根據多個樣本車輛本地的疲勞數據樣本進行聯邦學習，得到疲勞檢測模型的模型參數；其中，所述本地的疲勞數據樣本包括樣本行駛數據、樣本生理數據以及樣本疲勞狀態；

9、將所述疲勞檢測模型的模型參數發送至目標車輛，以使所述目標車輛獲取所述目標車輛的行駛數據以及所述目標車輛的駕駛員的生理數據，并通過所述疲勞檢測模型根據所述行駛數據以及所述生理數據進行疲勞檢測處理，得到所述駕駛員的疲勞狀態。

10、本申請實施例提供一種駕駛員的疲勞檢測裝置，應用于車輛，所述裝置包括：

11、獲取模塊，用于獲取所述車輛的行駛數據以及所述車輛的駕駛員的生理數據；

12、疲勞檢測模塊，用于通過疲勞檢測模型根據所述行駛數據以及所述生理數據進行疲勞檢測處理，得到所述駕駛員的疲勞狀態；

13、其中，所述疲勞檢測模型的模型參數是根據多個樣本車輛本地的疲勞數據樣本進行聯邦學習得到，所述本地的疲勞數據樣本包括樣本行駛數據、樣本生理數據以及樣本疲勞狀態。

14、本申請實施例提供一種駕駛員的疲勞檢測裝置，應用于服務端，所述裝置包括：

15、學習模塊，用于根據多個樣本車輛本地的疲勞數據樣本進行聯邦學習，得到疲勞檢測模型的模型參數；其中，所述本地的疲勞數據樣本包括樣本行駛數據、樣本生理數據以及樣本疲勞狀態；

16、發送模塊，用于將所述疲勞檢測模型的模型參數發送至目標車輛，以使所述目標車輛獲取所述目標車輛的行駛數據以及所述目標車輛的駕駛員的生理數據，并通過所述疲勞檢測模型根據所述行駛數據以及所述生理數據進行疲勞檢測處理，得到所述駕駛員的疲勞狀態。

17、本申請實施例提供一種電子設備，包括：

18、存儲器，用于存儲可執行指令；

19、處理器，用于執行所述存儲器中存儲的可執行指令時，實現本申請實施例提供的駕駛員的疲勞檢測方法。

20、本申請實施例提供一種計算機可讀存儲介質，存儲有可執行指令，用于引起處理器執行時，實現本申請實施例提供的駕駛員的疲勞檢測方法。

21、本申請實施例提供了一種計算機程序產品，該計算機程序產品包括可執行指令，用于引起處理器執行時，實現本申請實施例提供的駕駛員的疲勞檢測方法。

22、本申請實施例具有以下有益效果：

23、服務端根據多個樣本車輛本地的疲勞數據樣本進行聯邦學習，得到疲勞檢測模型的模型參數，如此，基于聯邦學習的方式，保證服務端在不獲取樣本車輛本地的疲勞數據樣本的前提下實現學習，有效提升數據安全性；同時，在聯邦學習以及疲勞檢測處理的過程中，均利用到了行駛數據以及生理數據這兩種數據，能夠提升特征信息的豐富度，進而提升聯邦學習的學習效果以及疲勞檢測的精度。

技術特征：

1.一種駕駛員的疲勞檢測方法，其特征在于，應用于車輛，所述方法包括：

2.根據權利要求1所述的方法，其特征在于，所述車輛為樣本車輛；所述聯邦學習的過程包括多次迭代；所述方法還包括：

3.根據權利要求2所述的方法，其特征在于，所述根據本地的疲勞數據樣本對所述疲勞檢測模型進行訓練，將所述疲勞檢測模型的全局模型參數更新為本地模型參數，包括：

4.根據權利要求1所述的方法，其特征在于，所述獲取所述車輛的行駛數據以及所述車輛的駕駛員的生理數據之后，所述方法還包括：

5.根據權利要求1至4任一項所述的方法，其特征在于，所述行駛數據包括縱向速度、橫向速度、縱向加速度、橫向加速度、油門踏板開合度、剎車踏板開合度以及方向盤轉角度；所述生理數據包括心電信號的心率變異性特征。

6.一種駕駛員的疲勞檢測方法，其特征在于，應用于服務端，所述方法包括：

7.一種駕駛員的疲勞檢測裝置，其特征在于，應用于車輛，所述裝置包括：

8.一種駕駛員的疲勞檢測裝置，其特征在于，應用于服務端，所述裝置包括：

9.一種電子設備，其特征在于，包括：

10.一種計算機可讀存儲介質，其特征在于，存儲有可執行指令，用于被處理器執行時，實現權利要求1至5任一項所述的駕駛員的疲勞檢測方法，或者權利要求6所述的駕駛員的疲勞檢測方法。

技術總結
本申請提供了一種駕駛員的疲勞檢測方法、裝置、電子設備、計算機可讀存儲介質及計算機程序產品；方法包括：獲取車輛的行駛數據以及車輛的駕駛員的生理數據；通過疲勞檢測模型根據行駛數據以及生理數據進行疲勞檢測處理，得到駕駛員的疲勞狀態；其中，疲勞檢測模型的模型參數是根據多個樣本車輛本地的疲勞數據樣本進行聯邦學習得到，本地的疲勞數據樣本包括樣本行駛數據、樣本生理數據以及樣本疲勞狀態。通過本申請，能夠提升疲勞檢測精度以及疲勞檢測過程中的數據安全性。

技術研發人員：張虎,王奔,黃焯豪,金蕊,馬一彪,蘭天
受保護的技術使用者：廣州汽車集團股份有限公司
技術研發日：
技術公布日：2025/4/28