基于驾驶指纹的驾驶疲劳监测方法与系统技术方案

本发明专利技术公开了一种基于驾驶指纹的驾驶疲劳监测方法与系统，该方法包括以下步骤：S1)通过传感器采集驾驶人的驾驶数据；S2)根据驾驶数据通过预先设定的表征指标算法计算表征驾驶疲劳的驾驶指纹特征指标阈值；S3)提取驾驶指纹库的历史驾驶数据信息，对历史驾驶数据信息与当前的驾驶人特征进行匹配识别；S4)若成功识别驾驶人，则提取该驾驶人历史驾驶指纹阈值记录；S5)若历史记录中无匹配的驾驶人，则通过步骤S2)中的方法实时计算该驾驶人正常驾驶状态下驾驶指纹阈值；S6)将步骤S4)和步骤S5)得到的驾驶指纹阈值对实时采集的驾驶指纹状态进行评价，输出驾驶人是否处于疲劳驾驶状态的结果。本发明专利技术识别结果准确且不影响驾驶人正常驾驶。

【技术实现步骤摘要】
基于驾驶指纹的驾驶疲劳监测方法与系统
本专利技术涉及智能驾驶技术，尤其涉及一种基于驾驶指纹的驾驶疲劳监测方法与系统。
技术介绍
近年来，随着交通安全领域的研究逐渐深入，越来越多的车辆安全辅助功能被开发出来，许多驾驶安全系统成为车辆的‘标配’。然而，研究表明威胁驾驶安全的主要因素是驾驶人人为原因，而现有的驾驶辅助系统(ADAS)不能够很好的适应每个驾驶人的特点，导致在驾驶人适应性及安全性方面表现差强人意。现有的驾驶疲劳监测方法及系统，多数是通过算法计算出统一的预警触发条件。如《驾驶疲劳检测和预警》公布号：CN104240444A；《一种基于道路标线的驾驶疲劳预警方法》公布号：CN107150690A等。有些方法通过对驾驶人驾驶风格进行分类(分为：激进型、一般型、谨慎型等)虽然一定程度上的提高了监测精度，但仍无法做到对驾驶人驾驶疲劳精确辨识。我们的手指有独一无二的指纹，标记出了每个人独一无二的身份。同理，我们的驾驶行为也具有致密的操作‘纹理’，‘驾驶指纹’就是指驾驶人独一无二的驾驶行为特征。按照驾驶行为的角度来说，‘驾驶指纹’就是驾驶人个体表现出的操作行为特征固有属性。现阶段驾驶指纹的应用，主要是通过对车辆传感器获取的驾驶行为数据进行特征分析，从而对驾驶人身份进行识别。未应用于通过驾驶指纹进行驾驶疲劳监测领域。本专利技术能够精确的识别驾驶人的身份并实现针对驾驶人个体的驾驶疲劳状态监测，从而达到高适应性、高安全性的驾驶安全辅助效果。同时系统能够基于驾驶人实时的驾驶状态，评价驾驶行为实现疲劳驾驶状态准确预警，提高行车安全。
技术实现思路
本专利技术要解决的技术问题在于针对现有技术中的缺陷，提供一种基于驾驶指纹的驾驶疲劳监测方法与系统。本专利技术解决其技术问题所采用的技术方案是：一种基于驾驶指纹的驾驶疲劳监测方法，包括以下步骤：S1)通过传感器采集驾驶人的驾驶数据；所述驾驶数据包括刹车、油门踏板、车辆三轴加速度、相对车道位置以及方向盘转角数据；S2)根据驾驶数据通过预先设定的表征指标算法计算表征驾驶疲劳的驾驶指纹特征指标阈值，驾驶指纹特征指标包括：正常驾驶状态下转向反转率(SRR)的阈值、车速的阈值、横向以及纵向加速度的标准阈值以及基于横向/纵向加速度的典型行车安全事件(criticalincidentevents：横向加速度绝对值大于1m/s2或纵向加速度绝对值大于1.5m/s2)等。S3)提取驾驶指纹库的历史驾驶数据信息，对历史驾驶数据信息与当前的驾驶人特征进行匹配识别；S4)若成功识别驾驶人，则提取该驾驶人历史驾驶指纹阈值记录；S5)若历史记录中无匹配的驾驶人，则通过步骤S2)中的方法实时计算该驾驶人正常驾驶状态下驾驶指纹阈值；S6)将步骤S4)和步骤S5)得到的驾驶指纹阈值对实时采集的驾驶指纹状态进行评价，输出驾驶人是否处于疲劳驾驶状态的结果。按上述方案，所述步骤S2)中利用驾驶数据通过预先设定的各表征指标算法计算表征驾驶疲劳的驾驶指纹特征指标，具体如下：采集一段时间驾驶人驾驶传感器数据进行统计分析，进而得到该驾驶人特定表征参数下独特的驾驶指纹表征指标阈值；所述驾驶指纹特征指标包括：对每个表征指标，首先提取一段时间连续的正常驾驶状态的传感器数据(假定驾驶员初次驾驶车辆时为正常状态)进行数据预处理分别计算得出上述表征指标，利用K-means聚类算法分别取聚类中心k＝1，并得出中心点参数数值α，即标准值：其中：xj为选取的驾驶指纹特征指标参数；μi为该指标参数的均值；i为聚类中心点的序号；j为该指标参数的序号；分别得到该驾驶人各表征指标的标准值α，选取各表征指标对应的比例系数e得到该指标在正常行驶状态下的阈值r1和r2：r1＝α(1-e)r2＝α(1+e)通过对驾驶指纹参数持续的学习进而得到驾驶人在正常驾驶状态下的驾驶指纹参数阈值范围。按上述方案，所述驾驶指纹特征指标通过主成分分析法得到。一种基于驾驶指纹的驾驶疲劳监测系统，包括：数据采集模块，用于通过传感器采集驾驶人的驾驶数据；所述驾驶数据包括刹车、油门踏板、车辆三轴加速度、相对车道位置以及方向盘转角数据；驾驶指纹特征指标阈值计算模块，用于根据驾驶数据通过预先设定的表征指标算法计算表征驾驶疲劳的驾驶指纹特征指标阈值，并存储；驾驶指纹特征指标包括：正常驾驶状态下转向反转率(SRR)的阈值、车速的阈值、横向以及纵向加速度的标准阈值以及基于横向/纵向加速度的典型行车安全事件(criticalincidentevents：横向加速度绝对值大于1m/s2或纵向加速度绝对值大于1.5m/s2)等。驾驶人匹配模块，用于提取驾驶指纹库的历史驾驶数据信息，对历史驾驶数据信息与当前的驾驶人特征进行匹配识别；若成功匹配识别驾驶人，则提取该驾驶人历史驾驶指纹阈值记录；若历史记录中无匹配的驾驶人，则通过驾驶指纹特征指标阈值计算模块实时计算该驾驶人正常驾驶状态下驾驶指纹阈值；疲劳检测判断模块，用于根据驾驶指纹阈值对实时采集的驾驶指纹状态进行评价，输出驾驶人是否处于疲劳驾驶状态的结果。按上述方案，所述驾驶指纹特征指标阈值计算模块中，计算表征驾驶疲劳的驾驶指纹特征指标阈值，具体如下：采集一段时间驾驶人驾驶传感器数据进行统计分析，进而得到该驾驶人特定表征参数下独特的驾驶指纹表征指标阈值；所述驾驶指纹特征指标包括：对每个表征指标，首先提取一段时间连续的正常驾驶状态的传感器数据(假定驾驶员初次驾驶车辆时为正常状态)进行数据预处理分别计算得出上述表征指标，利用K-means聚类算法分别取聚类中心k＝1，并得出中心点参数数值α，即标准值：其中：xj为选取的驾驶指纹特征指标参数；μi为该指标参数的均值；i为聚类中心点的序号；j为该指标参数的序号；分别得到该驾驶人各表征指标的标准值α，选取各表征指标对应的比例系数e得到该指标在正常行驶状态下的阈值r1和r2：r1＝α(1-e)r2＝α(1+e)通过对驾驶指纹参数持续的学习进而得到驾驶人在正常驾驶状态下的驾驶指纹参数阈值范围。本专利技术产生的有益效果是：本专利技术识别过程不影响驾驶人正常驾驶，同时个性化的识别系统能够实现实时、准确的驾驶人疲劳的检测，并且随着驾驶次数的增加，疲劳检测的速度及准确度也会得到提高。附图说明下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1是本专利技术实施例的方法流程图；图2是本专利技术实施例的方法流程图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。如图1所示，本专利技术供了一种基于驾驶指纹的驾驶疲劳监测方法，本方法主要包括两大部分，驾驶人驾驶指纹的训练过程以及基于驾驶指纹的驾驶疲劳监测过程。驾驶指纹的训练过程原理是采集一段时间驾驶人驾驶传感器数据进行统计分析，进而得到该驾驶人特定表征参数下独特的驾驶指纹表征指标阈值。随着驾驶时长的增加，自动过滤因短时间风格变化造成的指标数据的影响。驾驶指纹即为特定驾驶人的驾驶疲劳表征参数。基于驾驶指纹的驾驶疲劳监测过程是通过对驾驶指纹参数持续的学习进而得到驾驶人在正常驾驶状态下的驾驶指纹参数阈值，通过实时采集车辆传感器数据并与当前驾驶人驾驶指纹阈值进行比较，通过判断当前驾驶人的驾驶指纹本文档来自技高网...

【技术保护点】
1.一种基于驾驶指纹的驾驶疲劳监测方法，其特征在于，包括以下步骤：S1)通过传感器采集驾驶人的驾驶数据；所述驾驶数据包括刹车、油门踏板、车辆三轴加速度、相对车道位置以及方向盘转角数据；S2)根据驾驶数据通过预先设定的表征指标算法计算表征驾驶疲劳的驾驶指纹特征指标阈值，驾驶指纹特征指标包括：正常驾驶状态下转向反转率的阈值、车速的阈值、横向以及纵向加速度的标准阈值以及基于横向/纵向加速度的典型行车安全事件：横向加速度绝对值大于1m/s2或纵向加速度绝对值大于1.5m/s2；S3)提取驾驶指纹库的历史驾驶数据信息，对历史驾驶数据信息与当前的驾驶人特征进行匹配识别；S4)若成功识别驾驶人，则提取该驾驶人历史驾驶指纹阈值记录；S5)若历史记录中无匹配的驾驶人，则通过步骤S2)中的方法实时计算该驾驶人正常驾驶状态下驾驶指纹阈值；S6)将步骤S4)和步骤S5)得到的驾驶指纹阈值对实时采集的驾驶指纹状态进行评价，输出驾驶人是否处于疲劳驾驶状态的结果。

【技术特征摘要】
1.一种基于驾驶指纹的驾驶疲劳监测方法，其特征在于，包括以下步骤：S1)通过传感器采集驾驶人的驾驶数据；所述驾驶数据包括刹车、油门踏板、车辆三轴加速度、相对车道位置以及方向盘转角数据；S2)根据驾驶数据通过预先设定的表征指标算法计算表征驾驶疲劳的驾驶指纹特征指标阈值，驾驶指纹特征指标包括：正常驾驶状态下转向反转率的阈值、车速的阈值、横向以及纵向加速度的标准阈值以及基于横向/纵向加速度的典型行车安全事件：横向加速度绝对值大于1m/s2或纵向加速度绝对值大于1.5m/s2；S3)提取驾驶指纹库的历史驾驶数据信息，对历史驾驶数据信息与当前的驾驶人特征进行匹配识别；S4)若成功识别驾驶人，则提取该驾驶人历史驾驶指纹阈值记录；S5)若历史记录中无匹配的驾驶人，则通过步骤S2)中的方法实时计算该驾驶人正常驾驶状态下驾驶指纹阈值；S6)将步骤S4)和步骤S5)得到的驾驶指纹阈值对实时采集的驾驶指纹状态进行评价，输出驾驶人是否处于疲劳驾驶状态的结果。2.根据权利要求1所述的基于驾驶指纹的驾驶疲劳监测方法，其特征在于，所述步骤S2)中利用驾驶数据通过预先设定的各表征指标算法计算表征驾驶疲劳的驾驶指纹特征指标，具体如下：采集一段时间驾驶人驾驶传感器数据进行统计分析，进而得到该驾驶人特定表征参数下独特的驾驶指纹表征指标阈值；所述驾驶指纹特征指标包括：对每个表征指标，首先提取一段时间连续的正常驾驶状态的传感器数据进行数据预处理分别计算得出上述表征指标，利用K-means聚类算法分别取聚类中心k＝1，并得出中心点参数数值α，即标准值：其中：xj为选取的驾驶指纹特征指标参数；μi为该指标参数的均值；i为聚类中心点的序号；j为该指标参数的序号；分别得到该驾驶人各表征指标的标准值α，选取各表征指标对应的比例系数e得到该指标在正常行驶状态下的阈值r1和r2：r1＝α(1-e)r2＝α(1+e)通过对驾驶指纹参数持续的学习进而得到驾驶人在正常驾驶状态下的驾驶指纹参数阈值范围。3.根据权利要求1所述的基于驾驶指纹的驾驶疲劳监测方法，其特征在于，所...

【专利技术属性】
技术研发人员：吴超仲，郝博文，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：湖北,42