【技术实现步骤摘要】
本专利技术涉及语音处理及交通安全监测控制领域,特别涉及一种应用语音个性特征和模型自适应来检测驾驶疲劳的方法。
技术介绍
在交通运输领域,驾驶人的疲劳现象直接危害着生命财产的安全。据悉,约有80%的重大交通事故与驾驶员的疲劳驾驶有关,驾驶疲劳现象及其所引发的交通安全隐患已然引起社会的高度重视,围绕其检测手段的研究也一直是令人关注的热门问题。目前对驾驶疲劳的检测主要有主观和客观两种方法,主观检测法主要依据主观调查表、自我记录表、睡眠记录表等来评测人体的疲劳程度。虽然这类主观方法使用简单,但不具备实时性,且十分易受个体主观评分差异的影响,其结果往往并不准确。客观检测法是借助仪器设备,对人体的脑电、心电等生理指标进行测量;或对人体的眨眼频率、眼睛闭合度、点头动作等行为特征指标进行测量;或对车辆的行车加速度、方向盘角速度、侧位移等运行特征指标进行测量;随后,从上述各指标中提取出能够反映疲劳状态的特征量,通过分析和实验设定评价标准,将实测数据和评价标准经行比较,判断疲劳状态。从实际实施效果来看,现有的这些疲劳客观检测方法大多难以满足实时性、环境适应性、非接触性和便捷性的要求。例如,基于生理指标的疲劳检测,设备昂贵,测量方法复杂,大多需要接触式测量而无法实际应用;基于驾驶员行为特征的检测方法,其图像采集设备易受角度、光线和遮挡等环境因素的干扰;基于车辆运行特征的疲劳检测,受个体驾驶习惯差异及车辆道路情况等因素影响的程度较大。因此,现有的这三类客观检测方法均因其检测条件的限制及复杂环境的影响,检测效果不能完全令人满意。考虑到铁路及航空等高安全等级的交通运输领域,均要求驾 ...
【技术保护点】
基于语音个性特征和模型自适应的驾驶疲劳检测方法,其特征在于包含以下步骤:步骤S1、提取驾驶人语音样本的语音线性特征和语音非线性特征;步骤S2、采用基于矢量量化(VQ)的说话人识别算法,得到驾驶人的身份标签,并据此从所有驾驶人历史语音样本库中检索该驾驶人的历史语音样本库,用于后续的疲劳个性特征筛选;步骤S3、采用Relief特征选择算法从所提取的语音特征中筛选可以充分反映该驾驶人个体疲劳信息的语音特征参数,构建其语音疲劳个性特征向量;步骤S4、建立自适应疲劳检测模型,应用驾驶人的历史语音样本对其自适应疲劳检测模型进行训练,并将训练好的模型用于待测驾驶人语音样本的驾驶疲劳模式识别,得出驾驶疲劳检测结果。
【技术特征摘要】
1.基于语音个性特征和模型自适应的驾驶疲劳检测方法,其特征在于包含以下步骤:步骤S1、提取驾驶人语音样本的语音线性特征和语音非线性特征;步骤S2、采用基于矢量量化(VQ)的说话人识别算法,得到驾驶人的身份标签,并据此从所有驾驶人历史语音样本库中检索该驾驶人的历史语音样本库,用于后续的疲劳个性特征筛选;步骤S3、采用Relief特征选择算法从所提取的语音特征中筛选可以充分反映该驾驶人个体疲劳信息的语音特征参数,构建其语音疲劳个性特征向量;步骤S4、建立自适应疲劳检测模型,应用驾驶人的历史语音样本对其自适应疲劳检测模型进行训练,并将训练好的模型用于待测驾驶人语音样本的驾驶疲劳模式识别,得出驾驶疲劳检测结果。2.根据权利要求1所述的基于语音个性...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。