一种用方向盘检测酒驾行为的方法和装置与流程

[0001]
本发明涉及一种酒驾检测技术领域，尤其涉及一种用方向盘检测酒驾行为的方法和装置。


背景技术：

[0002]
在追求高效率的现代社会，汽车成为人们日常出行的不二之选。但随之而来的是交通事故的频繁发生，这其中一个很大的原因是醉酒驾驶。
[0003]
但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
[0004]
常规的判定酒驾行为方法是交警检测驾驶员的呼吸或血液中的酒精浓度，但这种方法会造成大量的人力和时间的浪费，针对已然发生的交通事故来说，无异于“亡羊补牢”，常常“为时已晚”。


技术实现要素：

[0005]
本申请实施例通过提供一种用方向盘检测酒驾行为的方法和装置，解决了传统的交警检测驾驶员的呼吸或血液中的酒精浓度导致的大量的人力和时间的浪费的技术问题，达到了提高酒驾行为判定效率，预先规避交通事故风险的技术效果。
[0006]
本申请实施例提供了一种用方向盘检测酒驾行为的方法，其中，所述方法应用于酒驾行为检测装置，所述装置连接有一透皮酒精传感器和一摄像头，其中，所述方法包括：获得第一用户的个人信息，所述第一用户为汽车主驾驶座位上的用户；获得第一图像信息，所述第一图像信息为酒驾行为监测装置上的摄像头拍摄的用户手握方向盘的图像信息；根据所述第一图像信息获得第一时间，所述第一时间为所述第一用户手持方向盘的时间；判断所述第一时间是否满足第一预设阈值；当所述第一时间满足第一预设阈值时，获得所述第一用户的皮肤表层的酒精浓度信息，所述酒精浓度信息为酒驾行为检测装置上的透皮酒精传感器检测所得；将所述第一图像信息、第一时间信息和第一用户的皮肤表层的酒精浓度信息输入训练模型，其中，所述训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一图像信息、第一时间信息、第一用户的皮肤表层的酒精浓度信息和用来标识判定所述第一用户是否发生饮酒行为的标识信息；获得所述训练模型的输出信息，所述输出信息包括判定所述第一用户是否发生饮酒行为；当判定所述第一用户发生饮酒行为时，获得第一指令，所述第一指令为禁止所述第一用户对汽车的驾驶行为。
[0007]
另一方面，本申请还提供了一种用方向盘检测酒驾行为的装置，其中，所述装置包括：第一获得单元：所述第一获得单元用于获得第一用户的个人信息，所述第一用户为汽车主驾驶座位上的用户；第二获得单元：所述第二获得单元用于获得第一图像信息，所述第一图像信息为酒驾行为监测装置上的摄像头拍摄的用户手握方向盘的图像信息；第三获得单元：所述第三获得单元用于根据所述第一图像信息获得第一时间，所述第一时间为所述第
一用户手持方向盘的时间；第一判断单元：所述第一判断单元用于判断所述第一时间是否满足第一预设阈值；第四获得单元：所述第四获得单元用于当所述第一时间满足第一预设阈值时，获得所述第一用户的皮肤表层的酒精浓度信息；第一输入单元：所述第一输入单元用于将所述第一图像信息、第一时间信息和第一用户的皮肤表层的酒精浓度信息输入训练模型；第五获得单元：所述第五获得单元用于获得所述训练模型的输出信息，所述输出信息包括判定所述第一用户是否发生饮酒行为；第六获得单元：所述第六获得单元用于当判定所述第一用户发生饮酒行为时，获得第一指令，所述第一指令为禁止所述第一用户对汽车的驾驶行为。
[0008]
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
[0009]
通过将所述第一图像信息、第一时间信息和第一用户的皮肤表层的酒精浓度信息输入训练模型进行不断训练，并通过所述第一位置信息对训练模型进行不断修正，达到了通过监督学习的过程来提高神经网络学习模型处理所述信息的准确性，进而达到使得获得的判定所述第一用户是否发生饮酒行为信息更加精确的技术效果。
[0010]
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
[0011]
图1为本申请实施例一种用方向盘检测酒驾行为的方法的流程示意图；
[0012]
图2为本申请实施例一种用方向盘检测酒驾行为的装置的结构示意图；
[0013]
图3为本申请实施例示例性电子设备的结构示意图。
[0014]
附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第一判断单元14，第四获得单元15，第一输入单元16，第五获得单元17，第六获得单元18，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。
具体实施方式
[0015]
本申请实施例通过提供一种用方向盘检测酒驾行为的方法和装置，解决了传统的交警检测驾驶员的呼吸或血液中的酒精浓度导致的大量的人力和时间的浪费的技术问题，达到了提高酒驾行为判定效率，预先规避交通事故风险的技术效果。
[0016]
下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
[0017]
申请概述
[0018]
在追求高效率的现代社会，汽车成为人们日常出行的不二之选。但随之而来的是交通事故的频繁发生，这其中一个很大的原因是醉酒驾驶。常规的判定酒驾行为方法是交警检测驾驶员的呼吸或血液中的酒精浓度，但这种方法会造成大量的人力和时间的浪费，针对已然发生的交通事故来说，无异于“亡羊补牢”，常常“为时已晚”。
[0019]
针对上述技术问题，本申请提供的技术方案总体思路如下：
[0020]
本申请实施例提供了一种用方向盘检测酒驾行为的方法，其中，所述方法应用于
酒驾行为检测装置，所述装置连接有一透皮酒精传感器和一摄像头，其中，所述方法包括：获得第一用户的个人信息，所述第一用户为汽车主驾驶座位上的用户；获得第一图像信息，所述第一图像信息为酒精行为监测装置上的摄像头拍摄的用户手握方向盘的图像信息；根据所述第一图像信息获得第一时间，所述第一时间为所述第一用户手持方向盘的时间；判断所述第一时间是否满足第一预设阈值；当所述第一时间满足第一预设阈值时，获得所述第一用户的皮肤表层的酒精浓度信息，所述酒精浓度信息为酒驾行为检测装置上的透皮酒精传感器检测所得；将所述第一图像信息、第一时间信息和第一用户的皮肤表层的酒精浓度信息输入训练模型，其中，所述训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一图像信息、第一时间信息、第一用户的皮肤表层的酒精浓度信息和用来标识判定所述第一用户是否发生饮酒行为的标识信息；获得所述训练模型的输出信息，所述输出信息包括判定所述第一用户是否发生饮酒行为；当判定所述第一用户发生饮酒行为时，获得第一指令，所述第一指令为禁止所述第一用户对汽车的驾驶行为。
[0021]
为了更好地理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
[0022]
实施例一
[0023]
如图1所示，本申请实施例提供了一种用方向盘检测酒驾行为的方法，其中，所述方法应用于酒驾行为检测装置，所述装置连接有一透皮酒精传感器和一摄像头，其中，所述方法包括：
[0024]
步骤s100：获得第一用户的个人信息，所述第一用户为汽车主驾驶座位上的用户；
[0025]
具体而言，所述第一用户为汽车主驾驶座位上的用户，所述第一用户的个人信息包含所述第一用户的最基本的姓名、性别、年龄、驾龄等信息。
[0026]
步骤s200：获得第一图像信息，所述第一图像信息为酒驾行为监测装置上的摄像头拍摄的用户手握方向盘的图像信息；
[0027]
具体而言，所述第一图像信息为酒驾行为监测装置上的摄像头拍摄的用户手握方向盘的图像信息，通过获得所述第一图像信息，可以为所述第一用户的驾驶状态提供图像信息参考。
[0028]
步骤s300：根据所述第一图像信息获得第一时间，所述第一时间为所述第一用户手持方向盘的时间；
[0029]
具体而言，所述第一时间为所述第一用户手持方向盘的时间，因所述方向盘上内置有一透皮酒精传感器，可通过所述透皮酒精传感器检测到所述第一用户通过手心分泌的汗液中的酒精浓度信息，因此需要确保所述透皮酒精传感器获得足够的时间检测到酒精浓度信息。
[0030]
步骤s400：判断所述第一时间是否满足第一预设阈值；
[0031]
步骤s500：当所述第一时间满足第一预设阈值时，获得所述第一用户的皮肤表层的酒精浓度信息，所述酒精浓度信息为酒驾行为检测装置上的透皮酒精传感器检测所得；
[0032]
具体而言，所述透皮酒精传感器，即为对皮肤表层的酒精浓度信息进行检测的装置，通过所述透皮酒精传感器可以检测到皮肤表层的酒精浓度信息，当所述第一时间即所述第一用户手持方向盘的时间满足第一预设阈值时，可理解为所述第一用户手持方向盘的
时间足够长，使得镶嵌在方向盘内部的透皮酒精传感器可以检测到所述第一用户通过手心分泌的汗液中的酒精浓度信息。
[0033]
步骤s600：将所述第一图像信息、第一时间信息和第一用户的皮肤表层的酒精浓度信息输入训练模型，其中，所述训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一图像信息、第一时间信息、第一用户的皮肤表层的酒精浓度信息和用来标识判定所述第一用户是否发生饮酒行为的标识信息；
[0034]
步骤s700：获得所述训练模型的输出信息，所述输出信息包括判定所述第一用户是否发生饮酒行为；
[0035]
具体而言，将所述第一图像信息、第一时间信息和第一用户的皮肤表层的酒精浓度信息输入训练模型不断地进行训练，可以使得输出的训练结果更加精确。所述训练模型是一个神经网络模型即机器学习中的神经网络模型，神经网络(neural networks，nn)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(artificial neural networks)，是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。在本申请实施例中，将所述第一图像信息、第一时间信息和第一用户的皮肤表层的酒精浓度信息输入训练模型，用标识的判定所述第一用户是否发生饮酒行为信息对所述神经网络模型进行训练。
[0036]
进一步来说，所述训练神经网络模型的过程实质为监督学习的过程。所述多组训练数据具体为：所述第一图像信息、第一时间信息、第一用户的皮肤表层的酒精浓度信息和用来标识判定所述第一用户是否发生饮酒行为的标识信息。通过输入所述第一图像信息、第一时间信息和第一用户的皮肤表层的酒精浓度信息，神经网络模型会输出判定所述第一用户是否发生饮酒行为信息，通过将所述输出信息与所述起标识作用的判定所述第一用户是否发生饮酒行为信息进行校验，如果所述输出信息与所述起标识作用的判定所述第一用户是否发生饮酒行为信息要求相一致，则本数据监督学习完成，则进行下一组数据监督学习；如果所述输出信息与所述起标识作用的判定所述第一用户是否发生饮酒行为信息要求不一致，则神经网络学习模型自身进行调整，直到神经网络学习模型输出结果与所述起标识作用的判定所述第一用户是否发生饮酒行为信息要求相一致，进行下一组数据的监督学习。通过训练数据使神经网络学习模型自身不断地修正、优化，通过监督学习的过程来提高神经网络学习模型处理所述信息的准确性，进而达到使得获得的判定所述第一用户是否发生饮酒行为信息更加精确的技术效果。
[0037]
步骤s800：当判定所述第一用户发生饮酒行为时，获得第一指令，所述第一指令为禁止所述第一用户对汽车的驾驶行为。
[0038]
具体而言，所述第一指令为禁止所述第一用户对汽车的驾驶行为，当所述训练模型输出的结果为判定所述第一用户发生饮酒行为时，可通过获得所述第一指令对所述第一用户的汽车驾驶行为进行禁止，避免发生饮酒驾车、醉酒驾车和交通事故的发生。
[0039]
获得所述训练模型的输出信息，所述输出信息包括判定所述第一用户是否发生饮酒行为，步骤s700还包括：
[0040]
步骤s710：根据所述第一用户的皮肤表层的酒精浓度信息，判断所述酒精浓度信息是否大于等于0.02g/dl；
[0041]
步骤s720：当所述酒精浓度信息大于0.02g/dl时，获得所述酒精浓度信息大于0.02g/dl时的次数信息；
[0042]
步骤s730：判断所述次数信息是否满足第二预设阈值；
[0043]
步骤s740：当所述次数信息满足第二预设阈值时，获得第一判定标准，所述第一判定标准为所述第一用户发生饮酒行为的第一判定标准。
[0044]
具体而言，通过所述透皮酒精传感器可以检测到所述第一用户的皮肤表层的酒精浓度信息，对所述酒精浓度信息进行判断，判断所述酒精浓度信息是否大于等于0.02g/dl，当所述酒精浓度信息大于等于0.02g/dl时，获得所述酒精浓度信息大于等于0.02g/dl时的次数信息，进而判断所述次数信息是否满足第二预设阈值，所述第二预设阈值可理解为至少三次检测到所述酒精浓度信息大于等于0.02g/dl，当所述次数信息满足第二预设阈值时，即至少三次检测到所述酒精浓度信息大于等于0.02g/dl，获得第一判定标准，所述第一判定标准为所述第一用户发生饮酒行为的第一判定标准，通过判断所述酒精浓度信息是否大于等于0.02g/dl及相应的次数，达到了为判定所述第一用户是否发生饮酒行为提供了第一判定标准，使得所述第一判定标准更加精确、更有说服力的技术效果。
[0045]
为了使得所述第一用户是否发生饮酒行为的判定更加精确、更有说服力，本申请实施例还包括：
[0046]
步骤s750：根据所述第一用户的皮肤表层的酒精浓度信息，获得每小时的酒精浓度吸收率；
[0047]
步骤s760：判断所述每小时的酒精浓度吸收率是否小于0.05g/dl；
[0048]
步骤s770：当所述每小时的酒精浓度吸收率小于0.05g/dl时，获得第二判定标准，所述第二判定标准为所述第一用户发生饮酒行为的第二判定标准。
[0049]
具体而言，可根据所述第一用户的皮肤表层的酒精浓度信息，获得每小时的酒精浓度吸收率，所述酒精浓度吸收率为皮肤表层的酒精浓度信息的峰值除以皮肤表层的酒精浓度信息从0增加到峰值所用的时间，所述皮肤表层的酒精浓度信息的峰值即为酒精浓度信息的最大值，可用tacmax表示,所述皮肤表层的酒精浓度信息从0增加到峰值所用的时间可用
△
t1表示，则每小时的酒精浓度吸收率可表示为tacmax/
△
t1，进而判断所述每小时的酒精浓度吸收率是否小于0.05g/dl，当所述每小时的酒精浓度吸收率小于0.05g/dl时，获得第二判定标准，所述第二判定标准为所述第一用户发生饮酒行为的第二判定标准，通过判断所述每小时的酒精浓度吸收率是否小于0.05g/dl，达到了为判定所述第一用户是否发生饮酒行为提供了第二判定标准，使得所述第二判定标准更加精确、更有说服力的技术效果。
[0050]
为了使得所述第一用户是否发生饮酒行为的判定更加精确、更有说服力，本申请实施例还包括：
[0051]
步骤s910：根据所述第一用户的皮肤表层的酒精浓度信息，获得皮肤表层的酒精浓度信息的峰值；
[0052]
步骤s920：判断所述皮肤表层的酒精浓度信息的峰值是否小于等于0.15g/dl；
[0053]
步骤s930：当所述皮肤表层的酒精浓度信息的峰值小于等于0.15g/dl时，获得每小时的酒精浓度消去率；
[0054]
步骤s940：判断所述每小时的酒精浓度消去率是否小于0.025g/dl；
[0055]
步骤s950：当所述每小时的酒精浓度消去率小于0.025g/dl时，获得第一结果。
[0056]
具体而言，可根据所述第一用户的皮肤表层的酒精浓度信息，获得皮肤表层的酒精浓度信息的峰值，即为酒精浓度信息的最大值，可用tacmax表示,判断所述皮肤表层的酒精浓度信息的峰值是否小于等于0.15g/dl，当所述皮肤表层的酒精浓度信息的峰值小于等于0.15g/dl时，获得每小时的酒精浓度消去率，所述酒精浓度消去率为皮肤表层的酒精浓度信息的峰值除以皮肤表层的酒精浓度信息从峰值减少到0所用的时间，所述皮肤表层的酒精浓度信息从峰值减少到0所用的时间可用
△
t2表示，则每小时的酒精浓度消去率可表示为tacmax/
△
t2，判断所述每小时的酒精浓度消去率是否小于0.025g/dl，当所述每小时的酒精浓度消去率小于0.025g/dl时，获得第一结果，所述第一结果表示当所述皮肤表层的酒精浓度信息的峰值小于等于0.15g/dl时，所述每小时的酒精浓度消去率小于0.025g/dl，通过获得所述每小时的酒精浓度消去率以及判断所述每小时的酒精浓度消去率是否小于0.025g/dl，进而获得所述第一结果，达到了使得所述第一用户是否发生饮酒行为的判定更加精确、更有说服力，有更精确的数据参考的技术效果。
[0057]
判断所述皮肤表层的酒精浓度信息的峰值是否小于等于0.15g/dl，步骤s920还包括：
[0058]
步骤s921：当所述皮肤表层的酒精浓度信息的峰值大于0.15g/dl时，获得每小时的酒精浓度消去率；
[0059]
步骤s922：判断所述每小时的酒精浓度消去率是否小于0.035g/dl；
[0060]
步骤s923：当所述每小时的酒精浓度消去率小于0.035g/dl时，获得第二结果。
[0061]
步骤s924：根据所述第一结果或所述第二结果，获得第三判定标准，所述第三判定标准为所述第一用户发生饮酒行为的第三判定标准。
[0062]
具体而言，若所述皮肤表层的酒精浓度信息的峰值大于0.15g/dl时，获得每小时的酒精浓度消去率，对所述每小时的酒精浓度消去率进行判断，判断所述每小时的酒精浓度消去率是否小于0.035g/dl，当所述每小时的酒精浓度消去率小于0.035g/dl时，获得第二结果，所述第二结果表示当所述皮肤表层的酒精浓度信息的峰值大于0.15g/dl时，所述每小时的酒精浓度消去率小于0.035g/dl，已知所述第一结果和所述第二结果，当所述第一结果成立或所述第二结果成立，可获得第三判定标准，所述第三判定标准为所述第一用户发生饮酒行为的第三判定标准，通过根据所述第一结果或所述第二结果，进一步获得第三判定标准，达到了使得所述第一用户是否发生饮酒行为的判定更加精确、更有说服力，有更精确的数据参考的技术效果。
[0063]
当判定所述第一用户发生饮酒行为时，获得第一指令，所述第一指令为禁止所述第一用户对汽车的驾驶行为，步骤s800还包括：
[0064]
步骤s810：根据所述第一判定标准、所述第二判定标准和所述第三判定标准，获得第一判定结果；
[0065]
步骤s820：判断所述第一判定结果是否满足第三预设阈值；
[0066]
步骤s830：当所述第一判定结果满足第三预设阈值时，获得第一指令，所述第一指令为禁止所述第一用户对汽车的驾驶行为。
[0067]
具体而言，已知获得所述第一判定标准、所述第二判定标准和所述第三判定标准，可根据所述第一判定标准、所述第二判定标准和所述第三判定标准，获得第一判定结果，判
断所述第一判定结果是否满足第三预设阈值，即所述第一判定结果是否同时满足所述第一判定标准、所述第二判定标准和所述第三判定标准均成立，当所述第一判定结果满足第三预设阈值时，即所述第一判定标准、所述第二判定标准和所述第三判定标准均成立，获得第一指令，所述第一指令为禁止所述第一用户对汽车的驾驶行为，当所述第一判定标准、所述第二判定标准和所述第三判定标准其中任一标准不成立时，则所述第一判定结果不成立，无法判定所述第一用户发生饮酒行为，通过判断所述第一判定结果是否满足第三预设阈值，进一步获得第一指令，达到了为判定所述第一用户是否发生饮酒行为提供严谨的数据参考标准的技术效果。
[0068]
进一步，为了保证所述第一判定结果的安全性，对所述第一判定结果进行基于区块链的加密操作，确保其不被篡改。根据所述第一判定结果生成第一验证码，所述第一判定结果与第一验证码一一对应；根据所述第二判定结果与所述第一验证码生成第二验证码，所述第二判定结果与所述第二验证码一一对应，以此类推，根据所述第n判定结果与所述第n-1验证码生成第n验证码，将所述判定结果和验证码分别复制保存在m台电子设备上，其中，m为大于1的自然数。对所述判定结果进行加密存储，其中，每个设备对应于一个节点，所有节点组合起来形成了区块链，这样的区块链就构成了一个便于验证(只要验证最后一个区块的hash值就相当于验证了整个版本)，不可更改(任何一个交易信息的更改，会让所有之后的区块的hash值发生变化，这样在验证时就无法通过)的总账本。
[0069]
区块链系统采用分布式数据形式，让每一个参与节点都能够获得一份完整的数据库备份，除非能够同时控制整个系统中51％的节点，否则单个节点对数据库的修改是无效的，也无法影响其他节点上的数据内容。因此，参与系统中的节点越多，算力越强，系统中的数据安全性也就越高。对所述判定结果基于区块链的加密处理，有效保证了所述判定结果的存储安全，达到了对所述判定结果进行安全的记录并保存的技术效果。
[0070]
为了使得所述训练模型输出的结果更加精确，本申请实施例还包括：
[0071]
获得第一位置信息，所述第一位置信息为所述第一用户驾驶汽车之前的所处位置信息；
[0072]
判断所述第一位置信息是否满足第四预设阈值；
[0073]
当所述第一位置信息满足第四预设阈值时，获得第一修正指令，所述第一修正指令用于对所述训练模型的输出结果进行修正。
[0074]
具体而言，所述第一位置信息为所述第一用户驾驶汽车之前的所处位置信息，通过获得所述第一位置信息可以获得所述第一用户驾驶汽车之前的地点信息，判断所述第一位置信息是否满足第四预设阈值，即判断所述第一位置信息是否满足适合喝酒的地点的位置信息，进一步可理解为当所述第一用户驾驶汽车之前在图书馆、医院等不适合饮酒的地方时，则所述第一用户饮酒的几率很小，当所述第一用户驾驶汽车之前在餐馆、酒吧等适合饮酒的地方时，则所述第一用户饮酒的几率很大，通过判断所述第一位置信息是否满足第四预设阈值即是否适合饮酒，通过判断的结果对所述训练模型进行修正，达到了使得所述训练模型输出结果更加精确、判定所述第一用户是否发生饮酒行为的标准更加严格的技术效果。
[0075]
综上所述，本申请实施例所提供的一种用方向盘检测酒驾行为的方法和装置具有如下技术效果：
[0076]
1、通过将所述第一图像信息、第一时间信息和第一用户的皮肤表层的酒精浓度信息输入训练模型进行不断训练，并通过所述第一位置信息对训练模型进行不断修正，达到了通过监督学习的过程来提高神经网络学习模型处理所述信息的准确性，进而达到使得获得的判定所述第一用户是否发生饮酒行为信息更加精确的技术效果。
[0077]
2、通过判断所述酒精浓度信息和特定条件下所述酒精浓度信息的吸收率和消去率是否满足判定标准，为所述第一用户是否发生饮酒行为的判定提供了精确的数据参考标准，达到了使得判定所述第一用户是否发生饮酒行为更加严格的技术效果。
[0078]
实施例二
[0079]
基于与前述实施例中一种用方向盘检测酒驾行为的方法同样发明构思，本发明还提供了一种用方向盘检测酒驾行为的装置，如图2所示，所述装置包括：
[0080]
第一获得单元11：所述第一获得单元11用于获得第一用户的个人信息，所述第一用户为汽车主驾驶座位上的用户；
[0081]
第二获得单元12：所述第二获得单元12用于获得第一图像信息，所述第一图像信息为酒驾行为监测装置上的摄像头拍摄的用户手握方向盘的图像信息；
[0082]
第三获得单元13：所述第三获得单元13用于根据所述第一图像信息获得第一时间，所述第一时间为所述第一用户手持方向盘的时间；
[0083]
第一判断单元14：所述第一判断单元14用于判断所述第一时间是否满足第一预设阈值；
[0084]
第四获得单元15：所述第四获得单元15用于当所述第一时间满足第一预设阈值时，获得所述第一用户的皮肤表层的酒精浓度信息；
[0085]
第一输入单元16：所述第一输入单元16用于将所述第一图像信息、第一时间信息和第一用户的皮肤表层的酒精浓度信息输入训练模型；
[0086]
第五获得单元17：所述第五获得单元17用于获得所述训练模型的输出信息，所述输出信息包括判定所述第一用户是否发生饮酒行为；
[0087]
第六获得单元18：所述第六获得单元18用于当判定所述第一用户发生饮酒行为时，获得第一指令，所述第一指令为禁止所述第一用户对汽车的驾驶行为。
[0088]
进一步的，所述装置还包括：
[0089]
第二判断单元：所述第二判断单元用于根据所述第一用户的皮肤表层的酒精浓度信息，判断所述酒精浓度信息是否大于等于0.02g/dl；
[0090]
第七获得单元：所述第七获得单元用于当所述酒精浓度信息大于等于0.02g/dl时，获得所述酒精浓度信息大于等于0.02g/dl时的次数信息；
[0091]
第三判断单元：所述第三判断单元用于判断所述次数信息是否满足第二预设阈值；
[0092]
第八获得单元：所述第八获得单元用于当所述次数信息满足第二预设阈值时，获得第一判定标准，所述第一判定标准为所述第一用户发生饮酒行为的第一判定标准。
[0093]
进一步的，所述装置还包括：
[0094]
第九获得单元：所述第九获得单元用于根据所述第一用户的皮肤表层的酒精浓度信息，获得每小时的酒精浓度吸收率；
[0095]
第四判断单元：所述第四判断单元用于判断所述每小时的酒精浓度吸收率是否小
于0.05g/dl；
[0096]
第十获得单元：所述第十获得单元用于当所述每小时的酒精浓度吸收率小于0.05g/dl时，获得第二判定标准，所述第二判定标准为所述第一用户发生饮酒行为的第二判定标准。
[0097]
进一步的，所述装置还包括：
[0098]
第十一获得单元：所述第十一获得单元用于根据所述第一用户的皮肤表层的酒精浓度信息，获得皮肤表层的酒精浓度信息的峰值；
[0099]
第五判断单元：所述第五判断单元用于判断所述皮肤表层的酒精浓度信息的峰值是否小于等于0.15g/dl；
[0100]
第十二获得单元：所述第十二获得单元用于当所述皮肤表层的酒精浓度信息的峰值小于等于0.15g/dl时，获得每小时的酒精浓度消去率；
[0101]
第六判断单元：所述第六判断单元用于判断所述每小时的酒精浓度消去率是否小于0.025g/dl；
[0102]
第十三获得单元：所述第十三获得单元用于当所述每小时的酒精浓度消去率小于0.025g/dl时，获得第一结果。
[0103]
进一步的，所述装置还包括：
[0104]
第十四获得单元：所述第十四获得单元用于当所述皮肤表层的酒精浓度信息的峰值大于0.15g/dl时，获得每小时的酒精浓度消去率；
[0105]
第七判断单元:所述第七判断单元用于判断所述每小时的酒精浓度消去率是否小于0.035g/dl；
[0106]
第十五获得单元：所述第十五获得单元用于当所述每小时的酒精浓度消去率小于0.035g/dl时，获得第二结果。
[0107]
第十六获得单元：所述第十六获得单元用于根据所述第一结果或所述第二结果，获得第三判定标准，所述第三判定标准为所述第一用户发生饮酒行为的第三判定标准。
[0108]
进一步的，所述装置还包括：
[0109]
第十七获得单元：所述第十七获得单元用于根据所述第一判定标准、所述第二判定标准和所述第三判定标准，获得第一判定结果；
[0110]
第八判断单元：所述第八判断单元用于判断所述第一判定结果是否满足第三预设阈值；
[0111]
第十八获得单元：所述第十八获得单元用于当所述第一判定结果满足第三预设阈值时，获得第一指令，所述第一指令为禁止所述第一用户对汽车的驾驶行为。
[0112]
进一步的，所述装置还包括：
[0113]
第十九获得单元：所述第十九获得单元用于获得第一位置信息，所述第一位置信息为所述第一用户驾驶汽车之前的所处位置信息；
[0114]
第九判断单元：所述第九判断单元用于判断所述第一位置信息是否满足第四预设阈值；
[0115]
第二十获得单元：所述第二十获得单元用于当所述第一位置信息满足第四预设阈值时，获得第一修正指令，所述第一修正指令用于对所述训练模型的输出结果进行修正。
[0116]
前述图1实施例一中的一种用方向盘检测酒驾行为的方法的各种变化方式和具体
实例同样适用于本实施例的一种用方向盘检测酒驾行为的装置，通过前述对一种用方向盘检测酒驾行为的方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种用方向盘检测酒驾行为的装置的实施方法，所以为了说明书的简洁，再次不再详述。
[0117]
实施例三
[0118]
下面参考图3来描述本申请实施例的电子设备。
[0119]
图3图示了根据本申请实施例的电子设备的结构示意图。
[0120]
基于与前述实施例中一种用方向盘检测酒驾行为的方法的发明构思，本发明还提供一种用方向盘检测酒驾行为的装置，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种用方向盘检测酒驾行为的方法的任一方法的步骤。
[0121]
其中，在图3中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
[0122]
本申请实施例提供了一种用方向盘检测酒驾行为的方法，其中，所述方法应用于酒驾行为检测装置，所述装置连接有一透皮酒精传感器和一摄像头，其中，所述方法包括：获得第一用户的个人信息，所述第一用户为汽车主驾驶座位上的用户；获得第一图像信息，所述第一图像信息为酒精行为监测装置上的摄像头拍摄的用户手握方向盘的图像信息；根据所述第一图像信息获得第一时间，所述第一时间为所述第一用户手持方向盘的时间；判断所述第一时间是否满足第一预设阈值；当所述第一时间满足第一预设阈值时，获得所述第一用户的皮肤表层的酒精浓度信息，所述酒精浓度信息为酒驾行为检测装置上的透皮酒精传感器检测所得；将所述第一图像信息、第一时间信息和第一用户的皮肤表层的酒精浓度信息输入训练模型，其中，所述训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一图像信息、第一时间信息、第一用户的皮肤表层的酒精浓度信息和用来标识判定所述第一用户是否发生饮酒行为的标识信息；获得所述训练模型的输出信息，所述输出信息包括判定所述第一用户是否发生饮酒行为；当判定所述第一用户发生饮酒行为时，获得第一指令，所述第一指令为禁止所述第一用户对汽车的驾驶行为。
[0123]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0124]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序
指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0125]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0126]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0127]
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
[0128]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】与客服一对一沟通，为大家解决相关问题。

此文章来源于网络,如有侵权,请联系删除