一种基于正则极限学习机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正则极限学习机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，对生理信号做离散傅里叶变换得到频谱特性；S40，对频谱特性进行特征变换；S50，设计正则极限学习机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，通过该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能够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 regular limit learning machine

【技术实现步骤摘要】
一种基于正则极限学习机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，具体涉及一种基于正则极限学习机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误。非接触式的疲本文档来自技高网...

【技术保护点】
1.一种基于正则极限学习机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，对生理信号做离散傅里叶变换得到频谱特性；/nS40，对频谱特性进行特征变换；/nS50，设计正则极限学习机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，通过该模型对疲劳状态进行检测。/n

【技术特征摘要】
1.一种基于正则极限学习机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，对生理信号做离散傅里叶变换得到频谱特性；
S40，对频谱特性进行特征变换；
S50，设计正则极限学习机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，通过该模型对疲劳状态进行检测。


2.如权利要求1所述的一种基于正则极限学习机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2所述的一种基于正则极限学习机的非接触式疲劳驾驶检测方法，其特征在于，所述对生理信号做离散傅里叶变换得到频谱特性，进而获取呼吸信号的幅值BA和周期BT、心跳信号的周期HT。


4.如权利要求3所述的一种基于正则极限学习机的非接触式疲劳驾驶检测方法，其特征在于，所述特征...

【专利技术属性】
技术研发人员：陈龙，李冰，郑雪峰，杨柳，马学条，樊凌雁，
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