一种基于动量优化的BP神经网络的非接触式疲劳驾驶检测方法技术

本发明专利技术公开了一种基于动量优化的BP神经网络的非接触式疲劳驾驶检测方法，包括以下步骤：S10，通过多普勒雷达模块采集驾驶员的生理信号；S20，对生理信号分类；S30，对生理信号进行滤波及CEEMD算法分解，得到心跳和呼吸两段包含完整时频域特征的信号；S40，设计动量优化的BP神经网络模型对数据集进行训练，从而得到驾驶员疲劳状态检测的算法模型；S50，通过驾驶员疲劳状态检测的算法模型对疲劳状态进行检测。本发明专利技术能够避免影响驾驶员正常驾驶的同时，高效且准确的检测驾驶员的疲劳状态。

A non-contact fatigue driving detection method based on momentum optimization BP neural network

【技术实现步骤摘要】
一种基于动量优化的BP神经网络的非接触式疲劳驾驶检测方法
本专利技术属于建模检测领域，具体涉及一种基于动量优化的BP神经网络的非接触式疲劳驾驶检测方法。
技术介绍
疲劳驾驶是世界上导致交通事故最常见的原因之一。根据WHO(世界卫生组织)的报告，每年有超过130万的人死于交通事故，有2千万到5千万的人因为交通事故遭受非致命伤害，这中间约有20％的致命交通事故是由疲劳驾驶引起的。因此，如果能够研发一种自动检测疲劳驾驶的系统，并且能够提前警告驾驶员正处于疲劳驾驶状态，就可以有效避免大量的交通事故，降低交通事故发生率。目前检测疲劳状态的方法主要分为两大类：1.接触式疲劳状态检测；2非接触式疲劳状态检测。接触式的疲劳检测方法主要是检测驾驶员的生理状态。虽然这种方法得到的数据可靠，误差小，受外界干扰较小，但是这种方法要在驾驶员身上安装相应检测生理信号的装置，对于驾驶员的干扰过于大。为此，研究人员通过使用无线电来测量生理信号，并通过ZigBee，蓝牙等来获取信号，这些技术已经比较成熟，但是精确度会大幅度降低，人为干扰会造成检测假象和错本文档来自技高网...

【技术保护点】
1.一种基于动量优化的BP神经网络的非接触式疲劳驾驶检测方法，其特征在于，包括以下步骤：/nS10，通过多普勒雷达模块采集驾驶员的生理信号；/nS20，对生理信号分类；/nS30，对生理信号进行滤波及CEEMD算法分解，得到心跳和呼吸两段包含完整时频域特征的信号；/nS40，设计动量优化的BP神经网络模型对数据集进行训练，从而得到驾驶员疲劳状态检测的算法模型；/nS50，通过驾驶员疲劳状态检测的算法模型对疲劳状态进行检测。/n

【技术特征摘要】
1.一种基于动量优化的BP神经网络的非接触式疲劳驾驶检测方法，其特征在于，包括以下步骤：
S10，通过多普勒雷达模块采集驾驶员的生理信号；
S20，对生理信号分类；
S30，对生理信号进行滤波及CEEMD算法分解，得到心跳和呼吸两段包含完整时频域特征的信号；
S40，设计动量优化的BP神经网络模型对数据集进行训练，从而得到驾驶员疲劳状态检测的算法模型；
S50，通过驾驶员疲劳状态检测的算法模型对疲劳状态进行检测。


2.如权利要求1所述的一种基于动量优化的BP神经网络的非接触式疲劳驾驶检测方法，其特征在于，所述生理信号至少包括驾驶员的呼吸信号和心跳信号。


3.如权利要求1所述的一种基于动量优化的BP神经网络的非接触式疲...

【专利技术属性】
技术研发人员：陈龙，周玲烽，李冰，郑雪峰，杨柳，马学条，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33