[發明專利]基于駕駛指紋的駕駛疲勞監測方法與系統

在審

• 申請號: 201810405726.1
• 申請日: 2018-04-29
• 公開（公告）號: CN108577869A
• 公開（公告）日: 2018-09-28
• 發明（設計）人: 吳超仲;郝博文
• 申請（專利權）人: 武漢理工大學
• 主分類號: A61B5/18
• 分類號: A61B5/18;A61B5/1172
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 鐘鋒

1.一種基于駕駛指紋的駕駛疲勞監測方法，其特征在于，包括以下步驟：

S1)通過傳感器采集駕駛人的駕駛數據；所述駕駛數據包括剎車、油門踏板、車輛三軸加速度、相對車道位置以及方向盤轉角數據；

S2)根據駕駛數據通過預先設定的表征指標算法計算表征駕駛疲勞的駕駛指紋特征指標閾值，駕駛指紋特征指標包括：正常駕駛狀態下轉向反轉率的閾值、車速的閾值、橫向以及縱向加速度的標準閾值以及基于橫向/縱向加速度的典型行車安全事件：橫向加速度絕對值大于1m/s²或縱向加速度絕對值大于1.5m/s²；

S3)提取駕駛指紋庫的歷史駕駛數據信息，對歷史駕駛數據信息與當前的駕駛人特征進行匹配識別；

S4)若成功識別駕駛人，則提取該駕駛人歷史駕駛指紋閾值記錄；

S5)若歷史記錄中無匹配的駕駛人，則通過步驟S2)中的方法實時計算該駕駛人正常駕駛狀態下駕駛指紋閾值；

S6)將步驟S4)和步驟S5)得到的駕駛指紋閾值對實時采集的駕駛指紋狀態進行評價，輸出駕駛人是否處于疲勞駕駛狀態的結果。

2.根據權利要求1所述的基于駕駛指紋的駕駛疲勞監測方法，其特征在于，所述步驟S2)中利用駕駛數據通過預先設定的各表征指標算法計算表征駕駛疲勞的駕駛指紋特征指標，具體如下：

采集一段時間駕駛人駕駛傳感器數據進行統計分析，進而得到該駕駛人特定表征參數下獨特的駕駛指紋表征指標閾值；所述駕駛指紋特征指標包括：

對每個表征指標，首先提取一段時間連續的正常駕駛狀態的傳感器數據進行數據預處理分別計算得出上述表征指標，利用K-means聚類算法分別取聚類中心k＝1，并得出中心點參數數值α，即標準值：

其中：x_j為選取的駕駛指紋特征指標參數；

μ_i為該指標參數的均值；

i為聚類中心點的序號；

j為該指標參數的序號；

分別得到該駕駛人各表征指標的標準值α，選取各表征指標對應的比例系數e得到該指標在正常行駛狀態下的閾值r₁和r₂：

r₁＝α(1-e)

r₂＝α(1+e)

通過對駕駛指紋參數持續的學習進而得到駕駛人在正常駕駛狀態下的駕駛指紋參數閾值范圍。

3.根據權利要求1所述的基于駕駛指紋的駕駛疲勞監測方法，其特征在于，所述步驟S2)中駕駛指紋特征指標通過主成分分析法得到。

4.一種基于駕駛指紋的駕駛疲勞監測系統，包括：

數據采集模塊，用于通過傳感器采集駕駛人的駕駛數據；所述駕駛數據包括剎車、油門踏板、車輛三軸加速度、相對車道位置以及方向盤轉角數據；

駕駛指紋特征指標閾值計算模塊，用于根據駕駛數據通過預先設定的表征指標算法計算表征駕駛疲勞的駕駛指紋特征指標閾值，并存儲；駕駛指紋特征指標包括：正常駕駛狀態下轉向反轉率的閾值、車速的閾值、橫向以及縱向加速度的標準閾值以及基于橫向/縱向加速度的典型行車安全事件：橫向加速度絕對值大于1m/s²或縱向加速度絕對值大于1.5m/s²；

駕駛人匹配模塊，用于提取駕駛指紋庫的歷史駕駛數據信息，對歷史駕駛數據信息與當前的駕駛人特征進行匹配識別；若成功匹配識別駕駛人，則提取該駕駛人歷史駕駛指紋閾值記錄；若歷史記錄中無匹配的駕駛人，則通過駕駛指紋特征指標閾值計算模塊實時計算該駕駛人正常駕駛狀態下駕駛指紋閾值；

疲勞檢測判斷模塊，用于根據駕駛指紋閾值對實時采集的駕駛指紋狀態進行評價，輸出駕駛人是否處于疲勞駕駛狀態的結果。

5.根據權利要求4所述的基于駕駛指紋的駕駛疲勞監測系統，其特征在于，所述駕駛指紋特征指標閾值計算模塊中，計算表征駕駛疲勞的駕駛指紋特征指標閾值，具體如下：

采集一段時間駕駛人駕駛傳感器數據進行統計分析，進而得到該駕駛人特定表征參數下獨特的駕駛指紋表征指標閾值；所述駕駛指紋特征指標包括：

對每個表征指標，首先提取一段時間連續的正常駕駛狀態的傳感器數據進行數據預處理分別計算得出上述表征指標，利用K-means聚類算法分別取聚類中心k＝1，并得出中心點參數數值α，即標準值：

其中：x_j為選取的駕駛指紋特征指標參數；

μ_i為該指標參數的均值；

i為聚類中心點的序號；

j為該指標參數的序號；

分別得到該駕駛人各表征指標的標準值α，選取各表征指標對應的比例系數e得到該指標在正常行駛狀態下的閾值r₁和r₂：

r₁＝α(1-e)

r₂＝α(1+e)

通過對駕駛指紋參數持續的學習進而得到駕駛人在正常駕駛狀態下的駕駛指紋參數閾值范圍。