一种基于转向盘转角特性的汽车驾驶员疲劳检测方法
【专利摘要】本发明公开了一种基于转向盘转角特性的汽车驾驶员疲劳检测方法，其特征在于：该方法采用下列步骤：先通过转向盘转向参数读取仪读取车辆运行过程中转向盘转角数据；再对获得的转向盘转角数据进行特征向量提取和归一化处理；然后建立经过遗传算法和Adaboost算法优化后的基于支持向量机的驾驶疲劳检测模型；接着开发了驾驶疲劳检测软件；最后通过将转向盘转角数据传入驾驶疲劳检测软件，可实时地检测驾驶员的疲劳状态。本发明杜绝了检测系统对驾驶员身体和心理的直接或间接影响，提高了驾驶疲劳状态检测的可靠性和准确度，降低了误报率。
【专利说明】一种基于转向盘转角特性的汽车驾驶员疲劳检测方法【技术领域】
[0001]本发明涉及汽车转向盘转角数据处理【技术领域】，特别是涉及一种基于转向盘转角特性的汽车驾驶员疲劳检测方法。
【背景技术】
[0002]驾驶员疲劳驾驶一直是导致道路交通事故发生的重要原因之一。统计表明，因疲劳驾驶导致的道路交通事故约占总数的20%，占特大道路交通事故的40%以上。因此，实时检测驾驶员是否处于疲劳驾驶状态，对减少道路交通事故的发生，提高道路交通安全水平有着十分重要的意义。
[0003]目前，一般将疲劳驾驶的客观检测方法归纳为三类:基于生理信号的驾驶疲劳检测方法、基于生理反应特征的驾驶疲劳检测方法和基于车辆参数的驾驶疲劳检测方法。基于生理信号的驾驶疲劳检测方法主要有以下两方面:1)基于脑电信号的检测方法；2)基于心电信号的检测方法。基于生理反应特征的驾驶员疲劳检测方法主要有以下几个方面:1)基于监测头部位置的检测方法；2)基于监测眼睛状态的检测方法；3)基于监测瞳孔直径的检测方法；4)基于监测嘴部状态的检测方法。基于车辆参数的驾驶疲劳检测方法主要有以下两方面:1)基于监测转向盘运动的检测方法；2)基于监测车辆侧位移的检测方法。
[0004]研究表明:在驾驶过程中，当驾驶员发生驾驶疲劳时，反应会变迟钝，操作转向盘的动作会变慢，一般会出现长时间不操作转向盘和突然进行大幅度修正的过程，因而转向盘操作变化与驾驶疲劳存在着一定的联系，通过监测转向盘的运动能很好地检测出驾驶员的驾驶疲劳状态。
[0005]基于生理信号的驾驶疲劳检测方法虽然能检测出驾驶疲劳状态，但这种方法需要将电极或其他装置贴在驾驶员的 特定的部位，会对驾驶员身体和心理造成一定的影响，从而给驾驶员操控车辆带来较多干扰。基于生理反应特征的驾驶疲劳检测方法虽然能够实现实时的、非接触的检测，但常用的红外摄像机、头部位置传感器等工业设备会给驾驶员带来一定的心理负担。这些不良心理情绪或负担都会对驾驶员的正常驾驶带来一定影响。另外，每个驾驶员疲劳时生理反应特征差异较大，实际检测时误报率相对较高。然而，基于车辆参数的驾驶疲劳检测方法对驾驶员身体和心理不会造成任何影响，而且每个驾驶员疲劳时车辆参数的变化基本相似，特别是转向盘转角参数的变化更为相似，因此将该方法用于实际检测时误报率相对较低。
[0006]综上所述，现有公开的驾驶员疲劳检测的方法，都存在对驾驶员直接或间接的驾驶干扰，且实时使用时误报率相对较高。因此，目前需要一种对驾驶员没有任何干扰且误报率较低的驾驶疲劳检测方法。
[0007]
【发明内容】
[0008]本发明的目的在于提供一种基于转向盘转角特性的汽车驾驶员疲劳检测方法，利用汽车转向盘转角数据处理技术对驾驶员进行驾驶疲劳状态判断，并在疲劳状态发生时及时地发出警报提醒。所述方法能够有效地实现对汽车驾驶员无任何干扰的疲劳检测，可极大地减少因疲劳驾驶导致的道路交通事故。
[0009]为实现上述目的，本发明采用如下技术方案:
本发明提出了一种基于转向盘转角特性的汽车驾驶员疲劳检测方法，该方法包括:步骤1:转向盘转角数据的读取，通过转向盘转向参数读取仪读取车辆运行过程中的转向盘转角数据。
[0010]步骤2:转向盘转角数据的处理，对获得的转向盘转角数据进行特征向量提取和归一化处理。
[0011]步骤3:建立经遗传算法和Adaboost算法优化后的基于支持向量机的驾驶疲劳检测模型。
[0012]步骤4:驾驶疲劳检测软件的开发与应用，利用MATLAB GUI开发出了驾驶疲劳检测软件。
[0013]步骤5:驾驶疲劳状态的实时检测与提醒。通过将转向盘转角数据传入驾驶疲劳检测软件，实时地检测驾驶员的疲劳状态，并适时发出警报提醒。
[0014]其中，步骤2中所述转向盘转角数据的处理包括对数据进行特征向量提取和归一化处理。利用建立的自回归模型Auto-regression model (AR模型)对步骤I中获取的数据进行特征分析、提取，以找到转向盘转角特性与驾驶疲劳之间的内在规律；并以AR模型参数作为转向盘转角的特征向量，以此作为基于转向盘转角特性检测驾驶疲劳的模式向量。然后，采用最大最小法对提取得到的特征向量数据进行[_1，1]区间归一化处理，以消除各维数据间数量级的差别。
[0015]步骤2中，转向盘转角在正常状态下的AR模型为:
【权利要求】
1.一种基于转向盘转角特性的汽车驾驶员疲劳检测方法，其特征在于包括以下步骤: 步骤1:转向盘转角数据的读取，通过转向盘转向参数读取仪读取车辆运行过程中转向盘转角数据； 步骤2:转向盘转角数据的处理，对获得的转向盘转角数据进行特征向量提取和归一化处理； 步骤3:建立经过遗传算法和Adaboost算法优化后的基于支持向量机的驾驶疲劳检测模型； 步骤4:驾驶疲劳检测软件的开发与应用； 步骤5:驾驶疲劳状态的实时检测与提醒，通过将转向盘转角数据传入驾驶疲劳检测软件，可实时地检测驾驶员的疲劳状态，并适时发出警报提醒。
2.根据权利要求1所述的一种基于转向盘转角特性的汽车驾驶员疲劳检测方法，其特征在于:所述步骤2中转向盘转角数据的处理包括对数据进行特征向量提取和归一化处理；对步骤I中获取的数据利用建立的自回归模型Auto-regression model对其进行特征分析和提取，以找到转向盘转角特性与驾驶疲劳之间的内在规律；以Auto-regressionmodel模型参数作为转向盘转角的特征向量，以此作为基于转向盘转角特性检测驾驶疲劳的模式向量；然后采用最大最小法对提取得到的特征向量数据进行[-1，I]区间归一化处理，以消除各维数据间数量级的差别。
3.根据权利要求1所述的一种基于转向盘转角特性的汽车驾驶员疲劳检测方法，其特征在于:所述步骤3中建立经过遗传算法和Adaboost算法优化后的基于支持向量机的驾驶疲劳检测模型的过程为: 第一步:训练与测试样本数据的选取与处理； 第二步:支持向量机核函数的选择； 第三步:利用训练样本对支持向量机进行训练，得到训练后的驾驶疲劳检测模型，即SVM模型； 第四步:基于遗传算法对SVM驾驶疲劳检测模型的优化，即GA-SVM模型； 第五步:基于Adaboost算法对GA-SVM驾驶疲劳检测模型的进一步优化。
4.根据权利要求1所述的一种基于转向盘转角特性的汽车驾驶员疲劳检测方法，其特征在于:所述的步骤4中驾驶疲劳检测软件的开发与应用是依据步骤2中的数据处理方法和步骤3中的GA-SVM-Adaboost模型，并利用MATLAB⑶I开发出的驾驶疲劳检测软件。
5.根据权利要求4所述的一种基于转向盘转角特性的汽车驾驶员疲劳检测方法，其特征在于:所述驾驶疲劳检测软件的界面具体包括功能按钮模块，运行参数设置模块、实时信息提示模块、结果显示模块以及图形显示模块。
6.根据权利要求1所述的一种基于转向盘转角特性的汽车驾驶员疲劳检测方法，其特征在于:所述的步骤5中驾驶疲劳状态的实时检测与提醒是将步骤I中获取的转向盘转角相关数据实时地传入到步骤4中的驾驶疲劳检测软件中，实时地检测驾驶员的疲劳状态，当检测出驾驶员为疲劳状态时，实时信息提示模块实时地发出警报提醒驾驶员注意。
【文档编号】A61B5/18GK103462618SQ201310396102
【公开日】2013年12月25日 申请日期:2013年9月4日 优先权日:2013年9月4日
【发明者】刘志强, 汪澎, 倪捷, 涂孝军, 周桂良 申请人:江苏大学