一种驾驶分心检测方法及系统技术方案

本发明专利技术提供一种驾驶分心检测方法及系统，所述方法通过获取待检测驾驶者脑电频谱特征；基于所述待检测驾驶者脑电频谱特征，利用驾驶分心区分性模型获得检测结果。本发明专利技术具有如下有益效果：1、基于样本采样得到驾驶分心区分性模型，能够有效解决现有技术中驾驶分心检测普适性的问题；2、利用样本驾驶者原始脑电信号进行特征提取，可得到保留更细节的区分性信息，从而能够更加准确的进行驾驶分心判断；3、通过对每驾驶者个体进行特征提取，可有效提高驾驶者分心的检测准确度。

Method and system for detecting driving distraction

The present invention provides a method and system for detection of distracted driving, the method can get the test driver EEG frequency feature; the detected driver EEG spectrum characteristics based on the use of distracted driving discriminative model test results. The invention has the following advantages: 1, based on the sample to get distracted driving discriminative model, which can effectively solve the detection problem of distracted driving universality in the prior art; 2, using the sample driver original EEG feature extraction can get more details of the retention of the distinction between information, which can be more accurately distracted driving judgment; 3, by extracting each individual driver characteristics, can effectively improve the detection accuracy of driver distraction.

【技术实现步骤摘要】
一种驾驶分心检测方法及系统
本专利技术涉及行为分析
，更具体地，涉及一种驾驶分心检测方法及系统。
技术介绍
目前，驾驶员在行车过程中因受到各种因素的干扰导致注意力不集中是世界各国普遍存在的问题。美国国家公路交通安全管理局(NHTSA)在真实的道路驾驶研究中发现78％的车辆碰撞和65％的车辆临界碰撞都与驾驶人员注意力不集中有关。根据我国交警部门的研究统计，仅驾车时使用手机所导致的交通事故发生率已经与酒后驾车相接近。考虑到驾车时使用手机只是驾驶员分心的一种(其它形式的分心包括驾车时与乘客聊天、进食、操作辅助设备如车载导航仪、查看仪表盘、做白日梦等)，驾驶员分心已经成为威胁道路交通安全的重大隐患。现有技术中的分心检测方法多基于眼动或驾驶行为数据，这些方法对显著的分心行为比较有效，但驾驶员分心一般是一种心理特征，往往在显著行为发生之前就已经存在了。为检测这一隐性驾驶分心现象，研究者提出基于脑电信号的分心检测方法。然而，现有脑电信号分心检测方法多基于心理学研究提取有效特征，这种基于知识的方法得到的特征往往并不适合特别个体，基于所述特征进行的驾驶分心检测并不能保证结果的普适性和准确性。
技术实现思路
本专利技术为克服上述问题或者至少部分地解决上述问题，提供驾驶分心检测方法、系统、设备及存储介质。根据本专利技术的一个方面，提供一种驾驶分心检测方法，包括：步骤1，获取待检测驾驶者脑电频谱特征；步骤2，基于所述待检测驾驶者脑电频谱特征，利用驾驶分心区分性模型获得检测结果。进一步，所述驾驶分心区分性模型通过以下步骤获取：获取驾驶者分心驾驶和正常驾驶时的样本脑电频谱特征；基于所述样本脑电频谱特征，利用个体稀疏区分性分析，得到样本个体有效特征组；利用所述样本个体有效的特征组建立驾驶分心区分性模型。进一步，所述脑电频谱特征通过以下步骤获取：获取驾驶者的脑电信号，利用频谱分析得到驾驶者的脑电频谱特征。进一步，所述利用频谱分析得到驾驶者的脑电频谱特征的步骤进一步包括：对驾驶者的脑电信号进行分帧并加窗，窗长为n秒，n＞0；基于分窗后的驾驶者脑电信号，利用傅立叶分析得到驾驶者脑电信号的原始频谱；基于所述驾驶者脑电信号的原始频谱，利用Mel渡波器获得Mel能量谱；对所述Mel能量谱取对数后得到驾驶者的脑电频谱在Mel域上的Fbank频谱特征。进一步，所述步骤2进一步包括：基于所述待检测驾驶者脑电频谱特征，利用所述样本个体有效特征组获得所述待检测驾驶者个体有效特征组。进一步，所述基于所述样本脑电频谱特征，利用个体稀疏区分性分析，得到样本个体有效特征组的步骤进一步包括：基于所述样本脑电频谱特征，计算一个满足如下公式的一组区分性向量{βk}，所述{βk}所对应的非零元素即为个体稀疏区分性分析得到的有效特征：其中∑b为分类任务中特征向量的类间协方差，∑w为类内协方差，Ω为一个满秩小量矩阵。进一步，所述确步骤2进一步包括：利用驾驶分心区分性模型，对待检测驾驶者脑电频谱特征中每一帧进行检验，得到所述待检测驾驶者脑电频谱特征各帧的检验分值；利用滑动窗口获取所述待检测驾驶者脑电频谱特征各帧的检验分值；当所述滑动窗口内检验分值之和或均值达到预设阈值，则获得驾驶者驾驶分心的检测结果。根据本专利技术另一个方面，提供一种驾驶分心检测系统，包括：获取模块，用于获取待检测驾驶者脑电频谱特征；检测模块，用于基于所述待检测驾驶者脑电频谱特征，利用驾驶分心区分性模型获得检测结果。根据本专利技术另一个方面，提供一种驾驶分心检测方法的设备，包括：至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述方案中任一所述的方法。根据本专利技术另一个方面，提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如上述方案中任一所述的方法。本申请提出一种驾驶分心检测方法及系统，本专利技术所述方案具有如下有益效果：1、基于样本采样得到驾驶分心区分性模型，能够有效解决现有技术中驾驶分心检测普适性的问题；2、利用样本驾驶者原始脑电信号进行特征提取，可得到保留更细节的区分性信息，从而能够更加准确的进行驾驶分心判断；3、通过对每驾驶者个体进行特征提取，可有效提高驾驶者分心的检测准确度。附图说明图1为根据本专利技术实施例一种驾驶分心检测方法的整体流程示意图；图2为根据本专利技术实施例一种驾驶分心检测方法的流程示意图；图3为根据本专利技术实施例一种驾驶分心检测方法的脑电频谱特征的流程示意图；图4为根据本专利技术实施例一种驾驶分心检测系统的整体框架示意图；图5为根据本专利技术实施例一种驾驶分心检测方法的设备的结构框架示意图。具体实施方式下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。如图1，本专利技术一个具体实施例中，示出一种驾驶分心检测方法整体流程示意图。总体上，包括：步骤1，获取待检测驾驶者脑电频谱特征；步骤2，基于所述待检测驾驶者脑电频谱特征，利用驾驶分心区分性模型获得检测结果。在本专利技术另一个具体实施例中，一种驾驶分心检测方法，所述驾驶分心区分性模型通过以下步骤获取：获取驾驶者分心驾驶和正常驾驶时的样本脑电频谱特征；基于所述样本脑电频谱特征，利用个体稀疏区分性分析，得到样本个体有效特征组；利用所述样本个体有效的特征组建立驾驶分心区分性模型。在该本专利技术具体实施例中，所述区分性模型能够为支持向量机(SVM模型)。支持向量机(SupportVectorMachine，SVM)是CorinnaCortes和Vapnik等于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。在机器学习中，支持向量机(SVM)是与相关的学习算法有关的监督学习模型，可以分析数据，识别模式，用于分类和回归分析。在本专利技术另一个具体实施例中，一种驾驶分心检测方法，所述脑电频谱特征通过以下步骤获取：获取驾驶者的脑电信号，利用频谱分析得到驾驶者的脑电频谱特征。在本专利技术另一个具体实施例中，一种驾驶分心检测方法，所述利用频谱分析得到驾驶者的脑电频谱特征的步骤进一步包括：基于驾驶者的脑电信号，利用短时傅立叶分析得到驾驶者的脑电频谱特征。在上述本专利技术具体实施例中，所述短时傅里叶变换(STFT，short-timeFouriertransform，或short-termFouriertransform))是和傅里叶变换相关的一种数学变换，用以确定时变信号其局部区域正弦波的频率与相位。它的思想是：选择一个时频局部化的窗函数，假定分析窗函数g(t)在一个短时间间隔内是平稳(伪平稳)的，移动窗函数，使f(t)g(t)在不同的有限时间宽度内是平稳信号，从而计算出各个不同时刻的功率谱。短时傅里叶变换使用一个固定的窗函数，窗函数一旦确定了以后，其形状就不再发生改变，短时傅里叶变换的分辨率也就确定了。如果要改变分辨率，则需要重新选择窗函数。短时傅里叶变换用来分析分段平稳信号或者近似平稳信号犹可，但是对于非平稳信号，当信号变化剧烈时，要求窗函数有较高的时间分辨率；而波形变化比较平缓的时刻，主要是低频信号，则要求窗本文档来自技高网...

【技术保护点】
一种驾驶分心检测方法，其特征在于，包括：步骤1，获取待检测驾驶者脑电频谱特征；步骤2，基于所述待检测驾驶者脑电频谱特征，利用驾驶分心区分性模型获得检测结果。

【技术特征摘要】
1.一种驾驶分心检测方法，其特征在于，包括：步骤1，获取待检测驾驶者脑电频谱特征；步骤2，基于所述待检测驾驶者脑电频谱特征，利用驾驶分心区分性模型获得检测结果。2.如权利要求1所述的方法，其特征在于，所述驾驶分心区分性模型通过以下步骤获取：获取驾驶者分心驾驶和正常驾驶时的样本脑电频谱特征；基于所述样本脑电频谱特征，利用个体稀疏区分性分析，得到样本个体有效特征组；利用所述样本个体有效的特征组建立驾驶分心区分性模型。3.如权利要求2所述的方法，其特征在于，所述脑电频谱特征通过以下步骤获取：获取驾驶者的脑电信号，利用频谱分析得到驾驶者的脑电频谱特征。4.如权利要求3所述的方法，其特征在于，所述利用频谱分析得到驾驶者的脑电频谱特征的步骤进一步包括：对驾驶者的脑电信号进行分帧并加窗，窗长为n秒，n＞0；基于分窗后的驾驶者脑电信号，利用傅立叶分析得到驾驶者脑电信号的原始频谱；基于所述驾驶者脑电信号的原始频谱，利用Mel渡波器获得Mel能量谱；对所述Mel能量谱取对数后得到驾驶者的脑电频谱在Mel域上的Fbank频谱特征。5.如权利要求2所述的方法，其特征在于，所述步骤2进一步包括：基于所述待检测驾驶者脑电频谱特征，利用所述样本个体有效特征组获得所述待检测驾驶者个体有效特征组。6.如权利要求2所述的方法，其特征在于，所述基于所述样本脑电频谱特征，利用个体稀疏区分性分析，得到样本个体有效特征组的步骤进一步包括：基于所述样本脑电频谱特征，计算一个满足如下公式的一组区分性向量{βk}，所述{βk}所对应的非零元...

【专利技术属性】
技术研发人员：王东，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京,11