基于线性调频连续波雷达的驾驶行为检测方法技术

本发明专利技术公开了一种基于线性调频连续波雷达的驾驶行为检测方法，首先利用线性调频连续波雷达采集驾驶行为信息，对雷达信号进行预处理，之后提取驾驶行为雷达回波信号的时间多普勒时频图，接着利用卷积神经网络来确定驾驶行为和对应雷达回波信号的时间多普勒时频图之间的映射模型；最后根据映射模型，对受试者进行驾驶行为检测。本发明专利技术的方法性能可靠、可以准确地对驾驶行为进行检测。

【技术实现步骤摘要】
基于线性调频连续波雷达的驾驶行为检测方法
本专利技术属于雷达
，具体涉及一种基于线性调频连续波雷达的驾驶行为检测方法。
技术介绍
驾驶是现代社会的重要组成成分，而疏忽驾驶一直是车祸的主要原因之一，超过20％的车祸是由疏忽驾驶造成的，因此检测驾驶员的注意力具有重要的意义。目前，对驾驶行为检测的研究，主要为以下三种：(1)基于生理信号的检测。通过检测驾驶者的生理指数，如脑电波、心率和脉搏等，对驾驶行为进行有效监督。通常驾驶者身上需要附着相应的生理信息采集装备，诸如一些与皮肤直接接触的电极，这会给驾驶者带来严重的不适感，影响正常的驾驶。(2)基于车辆状态的驾驶检测。车辆的状态可以在侧面反应驾驶者的驾驶状态，通过对车辆状态的检测可以实现对驾驶者的监督。但是不同的驾驶者的驾驶习惯、不同的车辆类型以及错综复杂的道路状况，都会对车辆状态的检测带来影响，从而导致最终的驾驶检测的错误判断。(3)基于人脸视觉信息的驾驶检测。采集驾驶者的面部视频图像信息，检测眼球运动，头部动作和打哈欠等，来判断驾驶者的状态。不过环境的变化诸如光线的强暗会对视觉信息的采本文档来自技高网...

【技术保护点】
1.一种基于线性调频连续波雷达的驾驶行为检测方法，其特征在于，包括以下步骤：/n步骤1、采集驾驶行为的动作回波信号；/n步骤2、对采集到的雷达回波信号进行预处理，具体为：对雷达信号进行去直流处理，然后在快时间域上作快速傅里叶变换得到驾驶行为的时间距离分布图；/n步骤3、在慢时间域上作快速傅里叶变换得到驾驶行为的时间多普勒分布图，根据对应的驾驶行为对时频图进行标记，建立驾驶行为的时频图数据库TF_Data；/n步骤4、将上述驾驶行为时频图数据库TF_Data分为两个互斥的集合，其中一个为驾驶行为训练集TF_train，另一个为驾驶行为测试集TF_test，每个集合中各种驾驶行为的比例一致；/n步...

【技术特征摘要】
1.一种基于线性调频连续波雷达的驾驶行为检测方法，其特征在于，包括以下步骤：
步骤1、采集驾驶行为的动作回波信号；
步骤2、对采集到的雷达回波信号进行预处理，具体为：对雷达信号进行去直流处理，然后在快时间域上作快速傅里叶变换得到驾驶行为的时间距离分布图；
步骤3、在慢时间域上作快速傅里叶变换得到驾驶行为的时间多普勒分布图，根据对应的驾驶行为对时频图进行标记，建立驾驶行为的时频图数据库TF_Data；
步骤4、将上述驾驶行为时频图数据库TF_Data分为两个互斥的集合，其中一个为驾驶行为训练集TF_train，另一个为驾驶行为测试集TF_test，每个集合中各种驾驶行为的比例一致；
步骤5、构建卷积神经网络，确定网络结构，并使用卷积自编码器对网络进行预训练以使参数初始化，接着利用驾驶行为训练集TF_train和测试集TF_test对网络进行训练及调优，最终得到驾驶行为识别模型M；
步骤6、对于驾驶行为的实测雷达回波信号，根据步骤3中提取驾驶行为的时间多普勒分布图，将其输入到识别驾驶行为识别映射模型M中，完成驾驶行为检测识别。


2.根据权利要求1所述的基于线性调频连续波雷达的驾驶行为检测方法，其特征在于，步骤1所述驾驶行为的动作回波信号，具体通过线性调频连续波雷达进行采集，采集所得雷达数据以矩阵形式表示为：R[n,m]＝s(t＝mTf+nTs)，其中R为雷达矩阵信号，矩阵行数据为调频周期内的采样点，对应的时域为快时间域，矩阵列数据为调频周期间的采样点，对应的时域为慢时间域，s为雷达回波模拟信号，Tf为快时间域采样间隔，Ts为慢时间域采样间隔，t为矩阵中处于n行m列的数据点对应的采样时刻。


3.根据权利要求1所述的基于线性调频连续波雷达的驾驶行为检测方法，其特征在于，步骤2中对采集到的雷达信号的预处理，具体为：
步骤2-1、去直流处理，在快时域上计算回波信号的均值，将回波信号减去均值；
步骤2-2、在快时域上作快速傅里叶变换处理，得到驾驶行为的时间距离分布图。


4.根据权利要求3所述的基于线性调频连续波雷达的驾驶行为检测方法，其特征在于，步骤3中建立驾驶行为的时频图数据库TF_Data，具体为：
步骤3-1、对步骤2-2所得驾驶行为的时间距离分布图，在慢时域上作FFT得到驾驶行为的时间多普勒时频图；
步骤3-2、将所得时频图作灰度化处理，根据对应的驾驶行为对灰度化后的时频图进行标记，建立驾驶行为的时频图数据库TF_Data。


5.根据权利要求1所述的基于线性调频连续波雷达的驾驶行为检测方法，其特征在于，步骤5中卷积神经网络的构建、训练以及调优，具体为：
步骤5-1、构建卷积神经网络，使用驾驶行为训练集TF_train对卷积神经网络进行试训练，当测试集TF_test的分类准确率最高时，确定为最佳的网络卷积层数；
步骤5-2、对于步骤5-1中构建完毕的卷积神经网络，在其卷积层和池化层后连接对应的反池化层和反卷积层，构成卷积自编码器，并将全连接层移除，对网络进行预训练以初始化网络权值参数；
步骤5-3、将步骤5-2中网络的反卷积层和反池化层移除，保留卷积层及其权值参数值，添加全连接层，构成卷积神经网...

【专利技术属性】
技术研发人员：洪弘，徐小明，李彧晟，熊俊军，丁传威，马悦，冯晨，孙理，顾陈，朱晓华，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32