基于智能手机和智能手表的驾驶员疲劳状态检测方法技术

本发明专利技术属交通安全技术领域，公开了一种基于智能手机和智能手表的驾驶员疲劳状态检测方法，包括如下步骤：通过智能手机和智能手表采集车辆行驶状态数据和驾驶员操作行为数据；将智能手表采集到的驾驶员操作行为数据中叠加的车辆行驶状态信息分离，得到能够反映驾驶员操作行为的数据信息；根据车辆行驶状态信息和驾驶员操作行为信息提取驾驶员疲劳状态特征值；基于遗传算法将提取的驾驶员疲劳状态特征值中的冗余特征指标去掉，利用去掉冗余特征指标后的特征指标组合作为输入，建立基于BP神经网络的疲劳检测模型，对驾驶员状态进行监测。

【技术实现步骤摘要】
基于智能手机和智能手表的驾驶员疲劳状态检测方法
本专利技术属交通安全
，具体涉及驾驶员疲劳状态的检测方法。
技术介绍
随着我国机动车数量的持续增长，道路交通安全问题日益严峻，疲劳驾驶作为普遍的违法驾驶行为之一，给社会带来了巨大的安全隐患。疲劳驾驶是指驾驶员在长时间连续行车后，产生生理机能和心理机能的失调，而在客观上出现驾驶技能下降的现象，如果继续驾驶，驾驶员很容易在驾驶途中产生困倦，甚至打瞌睡，进而引发严重交通事故。为了防止驾驶员疲劳驾驶，我国《道路交通安全法实施条例》明确规定驾驶员不得连续驾驶机动车超过4小时未停车休息或者停车休息时间少于20分钟，否则将受到相应的行政处罚。然而，在现实生活中，驾驶员很少能够意识到自己处于疲劳驾驶状态，交通安全隐患很大。因此，实时检测驾驶员的驾驶状态，并在驾驶员产生疲劳状态后作出必要提示显得非常必要。现有研究中比较成熟的疲劳检测方法主要有基于计算机视觉和视频图像处理的非接触式检测方法，但这类检测方法算法非常复杂，且容易受到光照等外在环境的干扰。而基于驾驶员生理指标的检测方法主要通过采集驾驶员脑电信号、心电信号等生理数据，分析驾驶过程的生理特征迁移规律，实现驾驶员的疲劳状态检测，但这类检测方法需要在驾驶人身体的某一部位安装数据采集传感器，容易导致驾驶员分心或不舒适等问题，且设备十分昂贵，其工程实用性颇受限制。所以需要寻求一种不易受到外界干扰、成本低、安装方便、对驾驶员不会产生干扰且检测准确的疲劳状态检测方法。
技术实现思路
有鉴于此，本专利技术提出了一种基于智能手机和智能手表的驾驶员疲劳驾驶检测方法，利用智能手机和智能手表的加速度传感器、陀螺仪传感器和方向传感器数据对驾驶员疲劳状态进行识别，以提高识别的实用性和准确性。为达到上述目的，本专利技术提供如下技术方案：基于智能手机和智能手表的驾驶员疲劳状态检测方法，包括如下步骤：1)通过智能手机和智能手表采集车辆行驶状态数据和驾驶员操作行为数据；2)将智能手表采集到的驾驶员操作行为数据中叠加的车辆行驶状态信息分离，得到能够反映驾驶员操作行为的数据信息；3)根据车辆行驶状态信息和驾驶员操作行为信息提取驾驶员疲劳状态特征值，包括：车辆加减速频数、车辆加减速度均值、车辆加减速度标准差、车辆加减速度极大值、车辆加减速持续时间、车辆加减速时间间隔、方向盘转角速度极大值、方向盘转角速度均值、方向盘转角速度标准差、驾驶员手腕转动频数、方向盘连续不动时间、驾驶员手腕加减速度极大值中的至少一个；4)基于遗传算法将步骤3)提取的驾驶员疲劳状态特征值中的冗余特征指标去掉，利用去掉冗余特征指标后的特征指标组合作为输入，建立基于BP神经网络的疲劳检测模型，对驾驶员状态进行监测。进一步，所述步骤1)中，智能手机固定于汽车内，智能手表佩戴在驾驶员手腕上，采集车辆行驶过程中的手机的加速度传感器数据Ap＝(pax,pay,paz)、陀螺仪传感器数据Gp＝(pgx,pgy,pgz)和方向传感器数据(pox,poy,poz)，以及采集驾驶员操作方向盘过程中的手表的加速度传感器数据Aw＝(wax,way,waz)、陀螺仪传感器数据Gw＝(wgx,wgy,wgz)、方向传感器数据(wox,woy,woz)，以及记录数据采集时刻的时间t，每次采集将形成一个数据序列，该数据序列中每一行数据形式为{pax、pay、paz,pgx、pgy、pgz,pox、poy、poz,wax、way、waz,wgx、wgy、wgz,wox、woy、woz,ti}(i＝1,2,3…)，其中ti为采样时刻，将数据序列存储到一个数据文件中。进一步，所述步骤2)具体包括如下步骤：21)假设以智能手机坐标系Y轴正向向前与车头正向平行，Z轴垂直于水平面向上的姿态为智能手机标准姿态，此时对应的智能手机坐标系为标准坐标系，将智能手机加速度传感器数据Ap＝(pax,pay,paz)、手机陀螺仪传感器数据Gp＝(pgx,pgy,pgz)和智能手表加速度传感器数据Aw＝(wax,way,waz)、智能手表陀螺仪传感器数据Gw＝(wgx,wgy,wgz)分别转换成标准坐标系对应的手机加速度传感器数据A′p＝(pa′x,pa′y,pa′z)、手机陀螺仪传感器数据G′p＝(pg′x,pg′y,pg′z)、手表加速度传感器数据A′w＝(wa′x,wa′y,wa′z)、手表陀螺仪传感器数据G′w＝(wg′x,wg′y,wg′z)：其中，α＝poz、β＝poy，Rap为加速度传感器数据旋转矩阵，Rop为陀螺仪传感器数据旋转矩阵。按照同样的旋转方法利用夹角woz和woy可以将手表加速度传感器数据Aw＝(wax,way,waz)、陀螺仪传感器数据Gw＝(wgx,wgy,wgz)旋转得到手表加速度传感器数据A′w＝(wa′x,wa′y,wa′z)、陀螺仪传感器数据G′w＝(wg′x,wg′y,wg′z)；22)使用下式，将标准坐标系下的智能手机加速度传感器数据、陀螺仪传感器数据与智能手表对应的传感器数据进行差值运算得到能够反映驾驶员操作行为的数据信息：Anwi＝A′wi-A′pi＝[wa′xi-pa′xi,wa′yi-pa′yi,wa′zi-pa′zi]；Gnwi＝G′wi-G′pi＝[wg′xi-pg′xi,wg′yi-pg′yi,wg′zi-pg′zi]；其中，A′wi、A′pi分别表示ti(i＝1,2,3…)时刻对应的手表加速度传感器数据A′w、手机加速度传感器数据A′p，G′wi、G′pi分别表示ti(i＝1,2,3…)时刻对应的手表陀螺仪传感器数据G′w、手机陀螺仪传感器数据G′p，Anwi、Gnwi分别表示数据分离得到的能够反映驾驶员操作行为的ti(i＝1,2,3…)时刻的加速度传感器数据、陀螺仪传感器数据。进一步，所述步骤3)具体包括如下步骤：31)通过下列算式计算加速度传感器数据和陀螺仪传感器数据的合成值及Gnwi的Z轴分量的积分值：其中，degi表示从数据采集开始时刻到ti时刻的积分值，由此将步骤1)中的数据序列转换成{|A′pi|,|G′pi|,|Anwi|,|Gnwi|,degi,ti}(i＝1,2,3…)的形式；33)将步骤31)获得的数据序列按照每2min为一个数据单元依次划分成多个数据单元；33)从步骤32)获得的数据单元提取特征值，特征值包括：车辆加减速频数为数据单元中|A′pi|大于0.25m/s2的个数，车辆加减速度均值n表示第j个数据单元中|A′pi|的个数，Amean(j)表示第j个数据单元的车辆加减速度均值；车辆加减速度标准差AStd(j)表示第j个数据单元的车辆加减速度标准差；车辆加减速度极大值为数据单元中|A′pi|的最大值；车辆加减速持续时间为数据单元中|A′pi|连续大于0.25m/s2对应的时间长度；车辆加减速时间间隔为数据单元中|A′pi|连续小于0.25m/s2对应的时间长度；方向盘转角速度极大值为数据单元中|G′nwi|的最大值；向盘转角速度均值n表示第j个数据单元中|G′nwi|的个数，Gmean(j)表示第j个数据单元的方向盘转角速度均值；方向盘转角速度标准差为GStd(j)表示第j个数据单元的方向盘转角速度标准差；驾驶员手腕转动频数为数据单元中|degi|大于10本文档来自技高网...

【技术保护点】
1.基于智能手机和智能手表的驾驶员疲劳状态检测方法，其特征在于，包括如下步骤：1)通过智能手机和智能手表采集车辆行驶状态数据和驾驶员操作行为数据；2)将智能手表采集到的驾驶员操作行为数据中叠加的车辆行驶状态信息分离，得到能够反映驾驶员操作行为的数据信息；3)根据车辆行驶状态信息和驾驶员操作行为信息提取驾驶员疲劳状态特征值，包括：车辆加减速频数、车辆加减速度均值、车辆加减速度标准差、车辆加减速度极大值、车辆加减速持续时间、车辆加减速时间间隔、方向盘转角速度极大值、方向盘转角速度均值、方向盘转角速度标准差、驾驶员手腕转动频数、方向盘连续不动时间、驾驶员手腕加减速度极大值中的至少一个；4)基于遗传算法将步骤3)提取的驾驶员疲劳状态特征值中的冗余特征指标去掉，利用去掉冗余特征指标后的特征指标组合作为输入，建立基于BP神经网络的疲劳检测模型，对驾驶员状态进行监测。

【技术特征摘要】
1.基于智能手机和智能手表的驾驶员疲劳状态检测方法，其特征在于，包括如下步骤：1)通过智能手机和智能手表采集车辆行驶状态数据和驾驶员操作行为数据；2)将智能手表采集到的驾驶员操作行为数据中叠加的车辆行驶状态信息分离，得到能够反映驾驶员操作行为的数据信息；3)根据车辆行驶状态信息和驾驶员操作行为信息提取驾驶员疲劳状态特征值，包括：车辆加减速频数、车辆加减速度均值、车辆加减速度标准差、车辆加减速度极大值、车辆加减速持续时间、车辆加减速时间间隔、方向盘转角速度极大值、方向盘转角速度均值、方向盘转角速度标准差、驾驶员手腕转动频数、方向盘连续不动时间、驾驶员手腕加减速度极大值中的至少一个；4)基于遗传算法将步骤3)提取的驾驶员疲劳状态特征值中的冗余特征指标去掉，利用去掉冗余特征指标后的特征指标组合作为输入，建立基于BP神经网络的疲劳检测模型，对驾驶员状态进行监测。2.如权利要求1所述的基于智能手机和智能手表的驾驶员疲劳状态检测方法，其特征在于，所述步骤1)中，智能手机固定于汽车内，智能手表佩戴在驾驶员手腕上，采集车辆行驶过程中的手机的加速度传感器数据Ap＝(pax,pay,paz)、陀螺仪传感器数据Gp＝(pgx,pgy,pgz)和方向传感器数据(pox,poy,poz)，以及采集驾驶员操作方向盘过程中的手表的加速度传感器数据Aw＝(wax,way,waz)、陀螺仪传感器数据Gw＝(wgx,wgy,wgz)、方向传感器数据(wox,woy,woz)，以及记录数据采集时刻的时间t，每次采集将形成一个数据序列，该数据序列中每一行数据形式为{pax、pay、paz,pgx、pgy、pgz,pox、poy、poz,wax、way、waz,wgx、wgy、wgz,wox、woy、woz,ti}(i＝1,2,3…)，其中ti为采样时刻，将数据序列存储到一个数据文件中。3.如权利要求2所述的基于智能手机和智能手表的驾驶员疲劳状态检测方法，其特征在于，所述步骤2)具体包括如下步骤：21)假设以智能手机坐标系Y轴正向向前与车头正向平行，Z轴垂直于水平面向上的姿态为智能手机标准姿态，此时对应的智能手机坐标系为标准坐标系，将智能手机加速度传感器数据Ap＝(pax,pay,paz)、手机陀螺仪传感器数据Gp＝(pgx,pgy,pgz)和智能手表加速度传感器数据Aw＝(wax,way,waz)、智能手表陀螺仪传感器数据Gw＝(wgx,wgy,wgz)分别转换成标准坐标系对应的手机加速度传感器数据A′p＝(pa′x,pa′y,pa′z)、手机陀螺仪传感器数据G′p＝(pg′x,pg′y,pg′z)、手表加速度传感器数据A′w＝(wa′x,wa′y,wa′z)、手表陀螺仪传感器数据G′w＝(wg′x,wg′y,wg′z)：其中，α＝poz、β＝poy，Rap为加速度传感器数据旋转矩阵，Rop为陀螺仪传感器数据旋转矩阵。按照同样的旋转方法利用夹角woz和woy可以将手表加速度传感器数据Aw＝(wax,way,waz)、陀螺仪传感器数据Gw＝(wgx,wgy,wgz)旋转得到手表加速度传感器数据A′w＝(wa′x,wa′y,wa′z)、陀螺仪传感器数据G′w＝(wg′x,wg′y,wg′z)；22)使用下式，将标准坐标系下的智能手机加速度传感器数据、陀螺仪传感器数据与智能手表对应的传感器数据进行差值运算得到能够反映驾驶员操作行为的数据信息：Anwi＝A′wi-A′pi＝[wa′xi-pa′xi,wa′yi-pa′yi,wa′zi-pa′zi]；...

【专利技术属性】
技术研发人员：孙棣华，赵敏，黄勇，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆,50