[發明專利]駕駛員危險行為識別方法及系統

有效

• 申請號: 201611116789.2
• 申請日: 2016-12-07
• 公開（公告）號: CN106650644B
• 公開（公告）日: 2017-12-19
• 發明（設計）人: 俞嘉地;徐翔宇;朱燕民;李明祿
• 申請（專利權）人: 上海交通大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G01S15/88;B60W40/08
• 代理公司: 上海交達專利事務所31201
• 代理人: 王毓理,王錫麟

技術領域

本發明涉及的是一種智能動作識別領域的技術，具體是一種駕駛員危險行為識別方法及系統。

背景技術

檢測車內駕駛員的危險或疏忽行為的方法主要分為兩類，一類為通過攝像頭，另一類通過傳感器。通過智能終端上的攝像頭，提取圖像信息來識別疏忽行為。通過設置于車輛上的傳感器，即加速度計和陀螺儀，得到傳感器數據來識別疏忽或危險行為。傳感器只能監測車輛的狀態，無法直接獲得駕駛員的行為狀態，且對智能終端的要求過高。

發明內容

本發明針對現有技術在檢測過程中對圖像采集的要求較高，魯棒性交叉的缺陷，提出一種駕駛員危險行為識別方法及系統，能夠在保證識別精度的同時能夠在危險行為的早期階段即可識別結果出并給出警報，不需要依賴任何附加的外部設備，不容易受天氣等外界環境的干擾。

本發明是通過以下技術方案實現的：

本發明涉及一種駕駛員危險行為識別方法，首先在車輛內設置超聲波場，得到危險行為在多普勒頻譜上的不同模式，然后經主成分分析提取主要特征，通過支持向量機算法得到識別不同危險行為的多分類器，并根據危險行為的完成度和持續時間建立梯度模型森林，最后將實時超聲波信號經窗口切割算法進行切片后通過梯度模型森林識別出危險行為并發出警告。

所述的駕駛員危險行為識別方法具體包括以下步驟：

1)接收車內超聲波信號并處理，獲得超聲波信號頻譜結構的數據矩陣X'；

2)對若干數據矩陣X'通過主成分分析提取d個主要特征δ＝{δ₁,δ₂,....δ_d}；

3)基于主要特征δ和支持向量機模型構建多分類器模型θ；

4)針對危險行為的完成度α和持續時間τ，結合多分類器模型θ建立梯度模型森林Θ；

5)通過窗口切割算法將持續時間τ內的動作數據X^τ送入梯度模型森林Θ，識別出危險行為則發出警報。

所述的步驟1)具體包括以下步驟：

1.1)使用揚聲器放出單頻超聲波信號；

1.2)通過麥克分進行信號采樣；

1.3)通過快速傅里葉變換得到頻率-幅度向量x_t'，加上時間維度后得到數據矩陣X'。

所述的單頻超聲波信號頻率為20KHz，采樣頻率為44.1KHz。

所述的步驟2)具體包括以下步驟：

2.1)對每個數據矩陣X'進行去中心化和向量化處理得到去中心化數據向量x_k，并整合所有m個去中心化數據向量x_k得到訓練數據矩陣X；

2.2)通過奇異值分解將訓練數據矩陣X分解為奇異值矩陣Σ和兩個特征值矩陣U和W，即X＝UΣW^T，矩陣W為的列為奇異值σ的特征屬性的方向；

2.3)選取矩陣W的前d列構成投影矩陣W'＝[w₁,w₂,…,w_d]；

2.4)通過公式δ＝XW'得到d個主要特征δ＝{δ₁,δ₂,….δ_d}。

所述的d通過公式來求取，其中：σ_i為訓練數據矩陣X中第i大的奇異值，t為重構閥值。

所述的多分類器模型θ包括個二分類器，每個二分類器針對一個特定的危險行為，其分類結果為v，v∈{0,1}，多分類器模型θ的分類結果其中：k為危險行為種類，表示對所有二分類器分類結果的投票，多分類器模型的分類結果c滿足V_c(e)＝k-1則為對應的危險行為。

所述的森林梯度模型為其中：τ₁,τ₂,…,τ_n為一個離散的梯度時間，通過不同危險行為的完成度α和持續時間τ之間的關系得到，k∈{1,2,...,n}即為對應的第k個多分類器模型。

所述的步驟5)具體包括以下步驟：

5.1)在20KHz頻率點上通過窗口切割算法，將滑動窗口內平均能量E與閾值λ進行比較，將E≥λ的部分對應的數據進行增量切割，不斷得到持續時間為τ的動作數據X^τ；

5.2)代入森林梯度模型，若輸出的分類結果顯示屬于危險駕駛行為，則為危險行為發出警報。