一种基于驾驶员疲劳程度的前方碰撞预警控制方法技术

本发明专利技术提供了一种基于驾驶员疲劳程度的前方碰撞预警控制方法，通过车内摄像机，基于计算机图像检测技术，统计驾驶员的疲劳特征行为发生次数；疲劳特征行为包括眨眼、打哈欠、低头，通过疲劳特征行为和总驾驶时间，建立驾驶员疲劳评估模型，定义当前时刻驾驶员疲劳程度等级；根据不同的疲劳程度等级，设计不同的前方碰撞预警控制方法；此外，在TTC碰撞时间的基础上，提出了STTC安全避撞时间，考虑了基于驾驶员预估的最小安全距离；本发明专利技术能根据当前时刻驾驶员疲劳程度，采取不同的前方碰撞预警控制策略，在驾驶员状态良好时，减少不必要的预警，在驾驶员状态疲劳时，增加预警力度，提高行车安全。

【技术实现步骤摘要】
一种基于驾驶员疲劳程度的前方碰撞预警控制方法
本专利技术涉及车辆控制
，更具体地，涉及一种基于驾驶员疲劳程度的前方碰撞预警控制方法。
技术介绍
随着交通运输的快速发展，汽车保有量和驾驶员数量越来越多，快速发展的交通给人们带来便利的同时，也引发了很多交通道路的安全问题。而注意力分散、疲劳驾驶是引起交通事故的重要主观原因之一。为减少因驾驶员疲劳引发的交通事故，各类驾驶员疲劳检测系统应运而生，其可以在驾驶员疲劳驾驶时，通过发声的方式提醒驾驶员。前方碰撞预警是高级辅助驾驶系统(ADAS)的重要组成部分之一，其可以实时检测主车和前车的运动状态，当存在潜在碰撞危险时，可向驾驶员发出警告，提醒驾驶员注意行车距离，减少追尾碰撞事故。目前，市场上现有的碰撞预警系统未把驾驶员在驾驶过程中所发生的疲劳特征行为考虑进去，从而导致在驾驶员状态良好时，存在一些不必要的预警，而在驾驶员状态疲劳时，预警力度不够。
技术实现思路
本专利技术目提供了一种基于驾驶员疲劳程度的前方碰撞预警控制方法，在驾驶员状态良好时，减少不必要的预警，提高驾驶体验；本文档来自技高网...

【技术保护点】
1.一种基于驾驶员疲劳程度的前方碰撞预警控制方法，在驾驶员状态良好时，减少不必要的预警，提高驾驶体验；在驾驶员疲劳程度高时，增加预警力度，使驾驶员增大跟车距离，减少碰撞事故发生的概率，其特征在于，本方法的具体步骤如下：/n步骤一、建立驾驶员疲劳程度评估模型/n通过车内的摄像机设备获取驾驶员面部图像，运用现有技术机器视觉中的人脸检测、面部特征点定位、图像识别、目标跟踪技术，对驾驶员的各类疲劳特征行为发生次数分别进行识别和统计；其中，驾驶员疲劳特征选取眼部、口部、头部整体的特征变化，具体的疲劳特征行为分别为：频繁眨眼、打哈欠和低头三种；通过三种疲劳特征行为的发生次数和驾驶总时间，建立驾驶员疲劳程度...

【技术特征摘要】
1.一种基于驾驶员疲劳程度的前方碰撞预警控制方法，在驾驶员状态良好时，减少不必要的预警，提高驾驶体验；在驾驶员疲劳程度高时，增加预警力度，使驾驶员增大跟车距离，减少碰撞事故发生的概率，其特征在于，本方法的具体步骤如下：
步骤一、建立驾驶员疲劳程度评估模型
通过车内的摄像机设备获取驾驶员面部图像，运用现有技术机器视觉中的人脸检测、面部特征点定位、图像识别、目标跟踪技术，对驾驶员的各类疲劳特征行为发生次数分别进行识别和统计；其中，驾驶员疲劳特征选取眼部、口部、头部整体的特征变化，具体的疲劳特征行为分别为：频繁眨眼、打哈欠和低头三种；通过三种疲劳特征行为的发生次数和驾驶总时间，建立驾驶员疲劳程度评估模型，公式如下所示：



式中t1为发动机点火后，汽车行驶过程中，驾驶员眨眼的累计次数；t2为发动机点火后，汽车行驶过程中，驾驶员打哈欠的累计次数；t3为发动机点火后，汽车行驶过程中，驾驶员低头的累计次数；ts为发动机点火后，汽车行驶过程中，驾驶员的累计驾驶时长，单位为小时；w1为t1的权重系数，设为0.000416；w2为t2的权重系数，设为0.35；w3为t3的权重系数，设为1.27；w4为ts的权重系数，设为0.5；C为定值常数，取值4；I表示驾驶员的疲劳程度；
由上述公式可知，当驾驶员的总驾驶时长小于4小时时，驾驶员疲劳程度与驾驶员在驾驶过程中发生的疲劳特征行为次数和总驾驶时长有关，具体关系如公式(1)所示；当驾驶员的总驾驶时常大于4小时时，驾驶员疲劳程度为定值C，如公式(2)所示；
驾驶员的疲劳程度I值越大，表示驾驶员的疲劳程度越高，驾驶员的疲劳程度I值越小，表示驾驶员的疲劳程度越低；驾驶员的疲劳程度由低到高分别设定为：不疲劳、轻度疲劳、中度疲劳和重度疲劳；当驾驶员疲劳程度I值的区间为[0,1)时，定义当前驾驶员为不疲劳；当驾驶员疲劳程度I值的区间为[1,2.5)时，定义当前驾驶员为轻度疲劳；当驾驶员疲劳程度I值的区间为[2.5,4)时，定义当前驾驶员为中度疲劳；当驾驶员疲劳程度I值的区间为[4,+∞)时，定义当前驾驶员为重度疲劳；
利用驾驶员疲劳程度评估模型对驾驶员进行疲劳程度评估，车辆启动，发动机点火后，通过车辆轮速传感器判断汽车行驶状态，当车速大于零时，统计驾驶员驾驶时长和疲劳特征行为发生次数，并将统计结果输入到驾驶员疲劳程度评估模型，判定驾驶员疲劳程度；当车轮轮速传感器检测到汽车车速等于零时，计算停车时间，若停车时间大于20分钟，表示驾驶员进行了休息，对驾驶员驾驶时长和疲劳特征行为发生次数进行清零；
步骤二、基于驾驶员疲劳程度的前方碰撞预警控制
通过步骤一所获取到的当前时刻驾驶员疲劳程度，对前方碰撞预警的控制方法进行疲劳自适应设计；前方碰撞预警系统通过车载毫米波雷达，获取相关信息；对获取的数据进行预处理，剔除不需要的野值，野值包括：空目标信息和无效目标信息；具体过程如下：
处理空目标信息，对车辆的CAN总线进行监测；空目标的数据具有显著特征，在CAN总线中，其对应CAN地址数据存储均为0XFF；将数据存储为0XFF的数据帧剔除掉，即可以完成对空目标的剔除操作；处理无效目标信息，无效目标信息与有效目标信息主要区别在于无效目标出现时间极短，参数跳跃性较大，不符合有效车辆行驶特征，通过如下方法进行剔除：
若目标信号在同一CAN地址上连续出现次数小于15次，判定该目标为无效目标，对该目标进行去除；
当相邻两个采样点时间内的纵向相对距离和纵向相对速度相差过大时，判定该目标无效，对该目标进行去除，具体关系式如下所示，其中毫米波雷达的采样周期一般为50ms；
|dk(n+1)-dk(n)|≥2(m)
|vk(n+1)-vk(n)|≥2(m/s)
式中:n表示采样点序号，k表示目标序号，dk(n+1)表示第k个目标在第n+1个采样点处与主车之间的相对距离，dk(n)表示第k个目标在第n个采样点处与主车之间的相对距离，vk(n+1)表示第k个目标在第n+1个采样点处与主车之间的相对速度，vk(n)表示第k个目标在第n个采样点处与主车之间的相对速度；
本方法涉及的前方碰撞预警系统仅考虑与主车在同一车道内的目标车辆，因此，在对毫米波雷达返回的信息进行预处理后，还需对同一车道线内的目标车辆进行筛选；
计算出目标车辆与本车的侧向位置偏差，具体关系式如下：
Dy＝D·sinθ
式中：D表示车载毫米波雷达获取到的两车相对距离，θ表示雷达获取到的两车之间的夹角，Dy表示主车与目标车辆的侧向位置偏差；
如果目标车辆与主车的侧向位置偏差Dy大于侧向距离阈值L，那么就可以认为前方车辆与主车不在同一车道线内，根据我国道路设计的相关规定，一般城市道路宽度为3.75m，因此，综合考虑车辆宽度因素，侧向阈...

【专利技术属性】
技术研发人员：王玉海，邢延辉，李兴坤，扈建龙，聂光印，李晓之，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林;22