基于层次分析法的智能驾驶行为评判方法技术

本发明专利技术涉及一种基于层次分析法的智能驾驶行为评判方法，包括：步骤1)通过使用Open CV来追踪人脸和人的眼睛，获得对驾驶员的疲劳侦测和注意力侦测；步骤2)基于层次分析法和BP神经网络训练从六个方面来对驾驶员的驾驶行为进行综合打分，其中六个方面分别为正常驾驶、疲劳驾驶、正常转弯、紧急转弯、正常变道和频繁变道。与现有技术相比，本发明专利技术用于对驾驶员的驾驶行为习惯进行评分，具有评分准确，参考价值高等优点。

Intelligent driving behavior evaluation method based on Analytic Hierarchy Process

The invention relates to an intelligent AHP evaluation method based on driving behavior, which comprises the following steps: 1) by using Open CV to track the face and eyes, get to the driver fatigue detection and attention detection; step 2) AHP and BP neural network training comprehensive score from the driving behavior of driver based on the six aspects, including six aspects as normal driving, fatigue driving, turning and turning, normal normal emergency lane change and frequent change. Compared with the prior art, the invention is used for scoring the driving habits of drivers, and has the advantages of accurate scoring and high reference value.

【技术实现步骤摘要】
基于层次分析法的智能驾驶行为评判方法
本专利技术涉及一种驾驶行为评判方法。，尤其是涉及一种基于层次分析法的智能驾驶行为评判方法。
技术介绍
据统计，国内总有82.5％的不出险车主在为17.5％的常出险客户买单。在车险费率市场化出台之际，用驾驶习惯冲抵保费，让有良好驾驶习惯的车主享受低保费，让总爱“危险驾驶”的车主为自己的驾驶行为“买单”的车联网产品，成了最近市场上火热的话题。比如：腾讯公司推出的路宝等产品，可以通过数据为车主的驾驶行为打分。驾驶行为习惯评判系统，将能够对驾驶员的驾驶行为进行量化评判。把评判系统给出的评分作为驾驶员车险保费的一个主要参考依据，可以有效地增强驾驶员的安全驾驶意识，规范驾驶员的驾驶行为，减少生命财产的损失。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种评分准确，参考价值高的基于层次分析法的智能驾驶行为评判方法。本专利技术的目的可以通过以下技术方案来实现：一种基于层次分析法的智能驾驶行为评判方法，其特征在于，包括：步骤1)通过使用OpenCV来追踪人脸和人的眼睛，获得对驾驶员的疲劳侦测和注意力侦测；步骤2)基于层次分析法和BP神经网络本文档来自技高网...

【技术保护点】
一种基于层次分析法的智能驾驶行为评判方法，其特征在于，包括：步骤1)通过使用Open CV来追踪人脸和人的眼睛，获得对驾驶员的疲劳侦测和注意力侦测；步骤2)基于层次分析法和BP神经网络训练从六个方面来对驾驶员的驾驶行为进行综合打分，其中六个方面分别为正常驾驶、疲劳驾驶、正常转弯、紧急转弯、正常变道和频繁变道。

【技术特征摘要】
1.一种基于层次分析法的智能驾驶行为评判方法，其特征在于，包括：步骤1)通过使用OpenCV来追踪人脸和人的眼睛，获得对驾驶员的疲劳侦测和注意力侦测；步骤2)基于层次分析法和BP神经网络训练从六个方面来对驾驶员的驾驶行为进行综合打分，其中六个方面分别为正常驾驶、疲劳驾驶、正常转弯、紧急转弯、正常变道和频繁变道。2.根据权利要求1所述的一种基于层次分析法的智能驾驶行为评判方法，其特征在于，所述的步骤1)具体为：通过驾驶室中的内置摄像头和OpenCV技术捕捉驾驶员的脸部与眼睛，判断眼睛的状态，计算驾驶员疲劳度和判断驾驶员注意力是否集中，所述的眼睛的状态包括睁眼、闭眼以及眼睛眨眼的频率。3.根据权利要求2所述的一种基于层次分析法的智能驾驶行为评判方法，其特征在于，所述的驾驶员疲劳度侦测具体如下：(101)人眼初步定位，根据人眼在人脸中的位置分布的先验知识，在人脸识别的基础上，假设采集到的人脸宽度w，高度为H，设人脸矩形框的起点坐标为(X,Y)，根据人眼的几何位置关系，把人脸的宽度分为6份均等长度，高度分为4份均等长度，框选出的人眼位置的起点坐标为终点位置的坐标为则由该矩形两端决定的位置就是人眼睛所在的部位；(102)人眼追踪，结合OpenCV提供的视觉库函数接口和外接的摄像头，首先对现场视频采集，对正常采集的画面，通过加载人脸分类器，检测识别出人脸，在识别出的人脸基础上，根据经验知识和人眼的几何位置特征，选择出感兴趣的区域初步定位出人眼的大致位置，然后采集下一帧图像，做相同处理，实现对人眼的跟踪；(103)判断眼睛的状态，计算驾驶员的疲劳度。4.根据权利要求2所述的一种基于层次分析法的智能驾驶行为评判方法，其特征在于，所述的驾驶员注意力侦测具体如下：(201)取得车内影像后，首先是脸部侦测，在侦测时使用OpenCV，截取图像中人脸部分，接着利用色彩分布及统计的方式取追踪人脸；(202)利用临界值法查找脸部影响中较黑的区域，即眼睛区域，让后以k-means群众演算法找出眼睛的位置；(203)判断眼睛闭合时间是否超过0.3秒，若超过，则判定驾驶员的行为构成危险行为。5.根据权利要求2所述的一种基于层次分析法的智能驾驶行为评判方法，其特征在于，所述的步骤2)具体为：31)对于驾驶行为识别所采集到的各种信号，由根据各信号参数意义，对全部因素进行两两对比构造因素相对重要性的比对判断矩A＝(aij)k×k，其中aij＝f(xi，xj)为对比函数，对比函数取值如表，从而可根据设定的准则来确定权重向量W分级比例标度参考表如表1所示：表1赋值(xi/xj)含义1表示指标xi与xj相比，具有同样的重要性3表示指标xi与xj相比，指标xi比xj稍微重要5表示指标xi与xj相比，指标xi比xj明显重要7表示指标xi与xj相比，指标xi比xj强烈重要9表示指标xi与xj相比，指标xi比xj极端重要2、4、6、8对应以上两相邻判断的中间情况倒数指标xi与xj比较得aij，则指标xj与xi比较有aji＝1/aij(1)根据表1的层次分析法分级比例标度表，构造系统采集处理得到的六种信息对100～90打分的两两比较表，如下表2所示。表2正常驾驶疲劳驾驶正常转弯紧急转弯正常变道频繁变道正常驾驶192929疲劳驾驶1/911/91/21/91/2正常转弯1/291929紧急转弯1/921/911/91/2正常变道1/291/2919频繁变道1/921/921/91然后，将通过比例标度参考表构建的两两信息综合评价表，转化为相应的判断矩阵A1，计算可得，矩阵A1的最大特征根为λmax＝6.27，对应的特征向量为：针对矩阵A1，它的一致性检验指标：RI＝1.24；由CR＜0.1可知，判断矩阵A1满足一致性要求；(2)对90～80打分的两两比较表如下表3：表3正常驾驶疲劳驾驶正常转弯紧急转弯正常变道频繁变道正常驾驶182828疲劳驾驶1/811/81/21/81/2正常转弯1/281828紧急转弯1/821/811/81/2正常变道1/281/2818频繁变道1/821/821/81由表3可以得到相应的判断矩阵A2，它的最大特征根λmax＝6.27，相应的特征向量为(3)对80～60打分的两两比较表如下表4：表4正常驾驶疲劳驾驶正常转弯紧急转弯正常变道频繁变道正常驾驶162626疲劳驾驶1/611/61/21/61/2正常转弯1/261626紧急转弯1/621/611/61/2正常变道1/261/2616频繁变道1/621/621/61由表4可以得到相应的判断矩阵A3，其最大特征根为λmax＝6.27，相应特征向量为(4)对60～40打分的两两比较表如下表5：表5正常驾驶疲劳驾驶正常转弯紧急转弯正常变道频繁...

【专利技术属性】
技术研发人员：方志军，姚兴华，刘翔，
申请(专利权)人：上海工程技术大学，
类型：发明
国别省市：上海,31