一种基于无线信道的驾驶员行车动作检测方法技术

一种基于无线信道的驾驶员行车动作检测方法，利用普通的电脑设备搭建无线信道信息数据采集平台，检测分为两个阶段：离线训练阶段和在线测试阶段；离线阶段采集驾驶员在不同动作的信道状态信息数据，经过预处理，然后对数据进行预处理，提取统计特征，并归一化处理后存入不同动作的指纹库，建立动作‑数据指纹的映射关系；在线阶段，对数据进行同样的处理，并利用机器学习算法对测试数据进行分类检测；同时，为测试分类的准确度，综合利用了信道状态信息数据的幅度和相位信息，观察三种情况下的分类结果。本发明专利技术能够以较低的成本有效实现对行车过程中驾驶员动作检测，本发明专利技术在行车安全领域具有一定的应用价值。

【技术实现步骤摘要】
一种基于无线信道的驾驶员行车动作检测方法
本专利技术涉及行车过程中人体动作识别领域，尤其涉及一种基于无源信道的人体动作识别检测方法。
技术介绍
行车安全是当今社会广泛关注的一个重要方面，如果我们能够判断和预测行车过程中驾驶员的行车动作，从而就能发现驾驶员的不规范操作也并避免一些不必要事故的发生。行车安全受到了越来越多的理论研究和行车应用方的关注，目前的主流是视频监控和佩戴传感器监视，但是视频监控严重侵犯了驾驶员等人的隐私，并且在隧道、山洞、大雾、夜晚等一系列光线暗淡的条件下，准确率不高甚至失去判断能力。驾驶员佩戴传感器容易造成行车动作的不规范，在天气及其炎热的情况下，有些驾驶员甚至拒绝穿戴任何的传感器设备，应此上述两种方式都不适合应用于行车动作识别。现在随着无线局域网(WLAN)的发展，无线热点已经在汽车行业掀起一股热潮，车载WIFI的广泛普及为我们的专利技术降低了大量的部署成本。在未来随着车载无线局域网的不断推进和发展，无线信道的鲁棒性越来越强也能直接造就本专利技术的准确率稳步上升。
技术实现思路
为了克服现有的驾驶员行车动作检测方法的成本较高、准确性较低的不足，本专利技术提供了一种比视频监控更具有安全意识、比佩戴传感器检测更方便可实现的驾驶员行车动作检测方法。为解决上述技术问题，本专利技术采用的技术方案为：一种基于无线信道的驾驶员行车动作检测方法，包括以下步骤：步骤1：搭建信道状态信息数据采集平台；步骤2：首先，通过离线训练阶段来构建指纹库，驾驶员处于无线信道中完成预先设定的动作，包括：右转90度、左转回水平、左转90度、右转回水平、迅速右转、迅速左转、接电话等7个动作，采集包含信道状态信息的数据包；每个信道状态信息数据的格式为：(m1,m2,...,m30)RxN；其中m1～m30为子载波，R为发射天线数，N为接收天线数；步骤3：先取1对天线对上的数据进行预处理；步骤3-1：利用Hampel标识来删除这些异常值，将[μ-γ*σ,μ+γ*σ]区间之外的值都删除，μ是CSI数据的均值，σ是CSI数据的标准差，γ是人为的控制这个区间的大小；步骤3-2：利用巴特沃斯滤波器除去数据中的高频噪声，得到相对较平滑的信号；步骤3-3：对每组数据进行归一化，Xnew＝(Xold-min)/(max-min)，其中Xnew表示归一化之后的数据，Xold表示归一化之前的数据，min表示该数据的一列特征中的最小值，max表示一列特征中的最大值；步骤4：计算每个动作的数据的均值、标准差、峰度和偏度，作为该动作的一条指纹，完成指纹库的建立；步骤5：在线阶段，采集测试数据包；步骤6：对测试数据进行预处理，对数据进行归一化；步骤7：对测试数据中的每个样本进行SVM、KNN、RF分类，得到该天线对上的各个样本的所属动作类别；步骤8：取其他天线对，重复上述步骤3～步骤9的动作。进一步，所述天线对上的数据预处理中，将数据分解为幅度信息数据和相位信息数据再进一步，所述模型特征提取阶段包括：数据统计特征提取包括最大值、最小值、持续时间、四分位数、中位数绝对偏差、均值、标准差、峰度、偏度；Min-max归一化,Xnew＝(Xold-min)/(max-min)，其中Xnew表示归一化之后的数据，Xold表示归一化之前的数据，min表示该数据的一列特征中的最小值，max表示一列特征中的最大值。本专利技术的有益效果是：1.充分利用了无线局域网设备作为实验平台，部署简单，抗干扰能力较强，且价格低廉，易于普及。2.本专利技术不需人体携带设备、电子标签等，简单可靠，在人体行为领域具有一定的应用价值；3.本专利技术机器学习算法SVM、KNN、RF，对数据量较大的情况同样具有较好的分类效果。附图说明图1是本专利技术的系统框图；图2是驾驶员动作示意图；图3是本专利技术对驾驶员动作的分类准确率效果图。具体实施方式下面结合附图对本专利技术的较佳实施例进行详细阐述，以使本专利技术的优点和特征能更易于被本领域技术人员理解，从而对本专利技术的保护范围做出更为清楚明确的界定。参照图1～图3，一种基于无线信道的驾驶员行车动作检测方法，包括以下步骤：步骤1：搭建信道状态信息数据采集平台；步骤2：首先，通过离线训练阶段来构建指纹库，驾驶员处于无线信道中完成预先设定的7个动作，采集包含信道状态信息的数据包；每个信道状态信息数据的格式为：(m1,m2,...,m30)RxN；其中m1～m30为子载波，R为发射天线数，N为接收天线数；步骤3：先取1对天线对上的数据进行预处理，过程如下：步骤3-1：利用Hampel标识来删除这些异常值，将[μ-γ*σ,μ+γ*σ]区间之外的值都删除，μ是CSI数据的均值，σ是CSI数据的标准差，γ是我们人为的控制这个区间的大小；步骤3-2：利用巴特沃斯滤波器除去数据中的高频噪声，得到相对较平滑的信号；步骤3-3：对每组数据进行归一化，Xnew＝(Xold-min)/(max-min)，其中Xnew表示归一化之后的数据，Xold表示归一化之前的数据，min表示该数据的一列特征中的最小值，max表示一列特征中的最大值；步骤4：计算第i个动作的数据的均值、标准差、峰度和偏度，作为该动作的一条指纹，完成指纹库的建立；步骤5：在线阶段，采集测试数据包；步骤6：对测试数据进行预处理，主要是对数据进行归一化；步骤7：对测试数据中的每个样本进行支持向量机分类，得到该天线对上的各个样本的所属动作；步骤8：取其他天线对，重复上述步骤3～步骤9的动作。进一步，所述天线对上的数据预处理中，将数据分解为幅度信息数据和相位信息数据再进一步，所述模型特征提取阶段包括：数据统计特征提取包括最大值、最小值、持续时间、四分位数、中位数绝对偏差、均值、标准差、峰度、偏度；Min-max归一化,Xnew＝(Xold-min)/(max-min)，其中Xnew表示归一化之后的数据，Xold表示归一化之前的数据，min表示该数据的一列特征中的最小值，max表示一列特征中的最大值。本实施例中，实验平台包括接入点AP和监控点MP两部分，AP、MP均为安装了信道状态信息提取软硬件的笔记本电脑；具体实施场地为一个停车场。每次采集，驾驶员在车内完成一系列的动作，收集包含信道状态信息的数据包；每次不同动作的采集时间为5秒。采集完毕后，都能得到一个.dat文件；从每个位置的.dat文件中提取出信道状态信息数据的相位和幅度信息；对数据进行预处理，除异常值；对提取的相位和幅度信息计算其网络特征，最大值、最小值、平均值、标准差、峰度、偏度；对得到的特征数据进行本专利技术方法处理；测试阶段，驾驶员同样在车中实验，采集测试数据，每个朝向采集时间为5秒；同样经过上述的处理后，对测试数据进行标准化；对每个朝向的每个CSI样本主要用机器学习算法SVM、KNN、RF进行分类，同时根据
技术实现思路
中步骤3～步骤9的详细过程，得到分类精确度。以上所述仅为本专利技术的实施例，并非因此限制本专利技术的专利范围，凡是利用本专利技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的
，均同理包括在本专利技术的专利保护范围内。本文档来自技高网...

【技术保护点】
1.一种基于无线信道的驾驶员行车动作检测方法，其特征在于，所述方法包括以下步骤：步骤1：搭建信道状态信息数据采集平台；步骤2：首先，通过离线训练阶段来构建指纹库，驾驶员处于无线信道中完成预先设定的动作，采集包含信道状态信息的数据包；每个信道状态信息数据的格式为：(m1,m2,...,m30)RxN；其中m1～m30为子载波，R为发射天线数，N为接收天线数；步骤3：先取1对天线对上的数据进行预处理；步骤3‑1：利用Hampel标识来删除这些异常值，将[μ‑γ*σ,μ+γ*σ]区间之外的值都删除，μ是CSI数据的均值，σ是CSI数据的标准差，γ是人为的控制这个区间的大小；步骤3‑2：利用巴特沃斯滤波器除去数据中的高频噪声，得到相对较平滑的信号；步骤3‑3：对每组数据进行归一化，Xnew＝(Xold‑min)/(max‑min)，其中Xnew表示归一化之后的数据，Xold表示归一化之前的数据，min表示该数据的一列特征中的最小值，max表示一列特征中的最大值；步骤4：计算每个动作的数据的均值、标准差、峰度和偏度，作为该动作的一条指纹，完成指纹库的建立；步骤5：在线阶段，采集测试数据包；步骤6：对测试数据进行预处理，对数据进行归一化；步骤7：对测试数据中的每个样本进行SVM、KNN、RF分类，得到该天线对上的各个样本的所属动作类别；步骤8：取其他天线对，重复上述步骤3～步骤9的动作。...

【技术特征摘要】
1.一种基于无线信道的驾驶员行车动作检测方法，其特征在于，所述方法包括以下步骤：步骤1：搭建信道状态信息数据采集平台；步骤2：首先，通过离线训练阶段来构建指纹库，驾驶员处于无线信道中完成预先设定的动作，采集包含信道状态信息的数据包；每个信道状态信息数据的格式为：(m1,m2,...,m30)RxN；其中m1～m30为子载波，R为发射天线数，N为接收天线数；步骤3：先取1对天线对上的数据进行预处理；步骤3-1：利用Hampel标识来删除这些异常值，将[μ-γ*σ,μ+γ*σ]区间之外的值都删除，μ是CSI数据的均值，σ是CSI数据的标准差，γ是人为的控制这个区间的大小；步骤3-2：利用巴特沃斯滤波器除去数据中的高频噪声，得到相对较平滑的信号；步骤3-3：对每组数据进行归一化，Xnew＝(Xold-min)/(max-min)，其中Xnew表示归一化之后的数据，Xold表示归一化之前的数据，min表示该数据的一列特征中的最小值，max表示一列特征中的最大值；步骤4：...

【专利技术属性】
技术研发人员：吴哲夫，潘兴达，陈滨，翔云，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江,33