一种基于决策树的驾驶员疲劳等级分类方法技术

本发明专利技术提供了一种基于决策树的驾驶员疲劳等级分类方法，包括：数据采集、插值拟合、度量统一、规则库匹配、疲劳等级反馈五大步骤。本发明专利技术采集驾驶员驾驶行驶过程中的面部表情、声音以及汽车行驶状态信息，获取各个属性的疲劳等级阈值后通过插值拟合，构建11条3阶B样条曲线；将11个拟合函数映射统一到y＝x的函数上，实现不同属性疲劳等级的度量统一；根据特殊规则库统计出特殊情况组合下的疲劳等级，再统计出非特殊规则库下的疲劳等级；返回疲劳等级最大值作为最终疲劳等级输出。本发明专利技术提供的技术方案能够快速准确地输出驾驶员的疲劳等级，利用插值拟合、统一度量的方式降低了决策树分类的判断次数，具有决策速度快、准确的特点。准确的特点。准确的特点。

【技术实现步骤摘要】
一种基于决策树的驾驶员疲劳等级分类方法


[0001]本专利技术属于图像及传感器数据采集处理
，涉及驾驶员疲劳数据检测分类技术，具体涉及一种基于决策树的驾驶员疲劳等级分类方法。

技术介绍

[0002]随着社会经济的发展,机动车辆与日俱增,疲劳驾驶一直是影响驾驶安全的重要因素之一。据我国交通部门的统计，因疲劳驾驶造成的交通事故约占总交通事故的20％、特大交通事故的40％以及交通死亡人数的83％，其中，驾驶员疲劳驾驶引发事故的比例高达73％。目前，驾驶行为检测主要方法是针对行驶过程中驾驶员生理心理的一些特异性指标进行检测，当涉及到大量生理数据时，利用决策树方式进行综合评定驾驶员的疲劳等级。但该种方式存在运算时间长，不易控制的问题，处理结果并不理想。

技术实现思路

[0003]为解决上述问题，本专利技术公开了一种计算简单、灵活度高的基于决策树的驾驶员疲劳等级分类方法。
[0004]为达到上述目的，本专利技术的技术方案如下：
[0005]一种基于决策树的驾驶员疲劳等级分类方法，包括以下步骤：
[0006]步骤1，数据采集，采集驾驶员驾驶行驶过程中的面部表情、声音以及汽车行驶状态信息，总共获取11个属性信息后上传；
[0007]步骤2，插值拟合，获取各个属性的疲劳等级阈值，构建11条3阶B样条曲线；
[0008]步骤3，度量统一，将11个拟合函数映射统一到y＝x的函数上，当接收到新的数据的时候，将数据统一度量，实现不同属性的疲劳等级的度量统一；
[0009]步骤4，规则库匹配，根据用户设置的特殊规则库，统计出特殊情况组合下的疲劳等级，然后再统计出非特殊规则库下的疲劳等级；统计非特殊规则库下的疲劳等级时，采用取对应最大属性的均值的方式，将统一度量后的11个数据进行从大到小的排序后，再进行组合，得到包含不同数量驾驶属性的各疲劳等级组合；
[0010]步骤5，疲劳等级反馈，根据这11个属性对驾驶员的疲劳状态进行综合评定，返回特殊及非特殊规则库匹配的疲劳等级最大值，作为最终疲劳等级输出。
[0011]进一步的，所述步骤1包括如下子步骤：
[0012]步骤1
‑
1，数据采集上传，通过摄像头获取驾驶员行驶过程中的面部信息，提取出面部基本信息normal、打电话属性信息talk_phone、和乘客说话属性talk_passenger、玩手机属性use_phone、犯困属性信息drowsiness；通过声音采集装置获取驾驶员行驶过程中的语音信息，提取出语音基本信息normal、语言的情绪属性信息emotional；通过定位设备，获取汽车的行驶状态，包括急转弯信息sharp_turn、急刹信息abrupt_brake、车速信息speeding、异常的驾驶操作信息abnormal，各属性信息为数值类型，范围在0～1之间，以tcp方式传输到处理层；
[0013]步骤1
‑
2，数据预处理，处理层接收到数据之后，对数据进行预处理：剔除异常值、补全缺失值；预处理完成之后，对数据进行汇总得到一组score分值数据。
[0014]进一步的，补全缺失值时取上一组数据和下一组数据中相应属性值的平均值。
[0015]进一步的，所述步骤3包括如下子步骤：
[0016]步骤3
‑
1，对11个属性进行放缩，使得放缩后的属性疲劳状态阈值在同一度量下；
[0017]步骤3
‑
2，将11个拟合函数映射统一到y＝x的函数上，实现不同属性的疲劳等级的度量统一；
[0018]步骤3
‑
3，得到步骤1采集到的一组数据之后，根据11个函数，得到对应的疲劳等级level。
[0019]进一步的，11个属性中，talk_phone的疲劳状态阈值向量为放缩前疲劳等级如下式：
[0020][0021]经过放缩之后疲劳状态阈值变成疲劳等级如下式：
[0022][0023]其他的10个属性的放缩处理原理与talk_phone相同。
[0024]进一步的，所述步骤4具体包括如下子步骤：
[0025]步骤4
‑
1，统计特殊规则库的疲劳等级，判断统一度量后的数据中是否有符合用户设置的特殊规则库的内容；如果有，则根据规则内容评定得出对应规则下的疲劳等级；
[0026]步骤4
‑
2，统计非特殊规则下的疲劳等级，每个数量的疲劳等级组合取11个数据中排在最前面的几个进行计算，将组合中各属性疲劳等级相加之和除以属性数量，得到包含1个驾驶属性至11个驾驶属性的疲劳等级组合，总共得到11种情况的疲劳等级，与数据库中11种情况的阈值判定对应的疲劳等级，得到11种情况下的疲劳等级。
[0027]进一步的，最终疲劳等级输出包括4个等级。
[0028]与现有技术相比，本专利技术的有益效果为：
[0029]本专利技术提供的技术方案能够快速准确地输出驾驶员的疲劳等级，利用插值拟合、统一度量的方式降低了决策树分类的判断次数，具有决策速度快、准确的特点。
附图说明
[0030]图1为本专利技术提供的基于决策树的驾驶员疲劳等级分类方法总体流程示意图。
[0031]图2为本专利技术实施例中插值拟合曲线示意图。
[0032]图3为本专利技术提供的基于决策树的驾驶员疲劳等级分类方法的详细流程图。
具体实施方式
[0033]下面结合附图和具体实施方式，进一步阐明本专利技术，应理解下述具体实施方式仅用于说明本专利技术而不用于限制本专利技术的范围。
[0034]本专利技术提供的一种基于决策树的驾驶员疲劳等级分类方法，其整体流程如图1所示，详细流程如图3所示，具体包括如下步骤：
[0035]步骤1，数据采集上传，采集驾驶员驾驶行驶过程中的面部表情、声音以及汽车行驶状态信息。每一类状态信息有对应的详细驾驶属性信息(包括数据的发送时间，以及对应属性的关键分值)，总共有11个，通过tcp的方式传到后台，并进行数据处理；包括如下具体步骤：
[0036]步骤1
‑
1，数据采集上传，通过摄像头获取驾驶员行驶过程中的面部信息，提取出normal(面部基本信息)、talk_phone(打电话)、talk_passenger(和乘客说话)、use_phone(玩手机)、drowsiness(犯困)属性信息；通过声音采集装置获取驾驶员行驶过程中的语音信息，提取出normal(语音基本信息)、emotional(语言的情绪)属性信息；通过定位设备，获取汽车的行驶状态，包括sharp_turn(急转弯)、abrupt_brake(急刹)、speeding(车速)、abnormal(异常的驾驶操作)。这些关键分值为数值类型，范围在0～1之间，以tcp方式传输到处理层；
[0037]步骤1
‑
2，数据预处理，处理层接收到数据之后，对数据进行预处理：剔除异常值、补全缺失值(例如取上一组数据和下一组数据中相应属性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于决策树的驾驶员疲劳等级分类方法，其特征在于，包括以下步骤：步骤1，数据采集，采集驾驶员驾驶行驶过程中的面部表情、声音以及汽车行驶状态信息，总共获取11个属性信息后上传；步骤2，插值拟合，获取各个属性的疲劳等级阈值，构建11条3阶B样条曲线；步骤3，度量统一，将11个拟合函数映射统一到y＝x的函数上，当接收到新的数据的时候，将数据统一度量，实现不同属性的疲劳等级的度量统一；步骤4，规则库匹配，根据用户设置的特殊规则库，统计出特殊情况组合下的疲劳等级，然后再统计出非特殊规则库下的疲劳等级；统计非特殊规则库下的疲劳等级时，采用取对应最大属性的均值的方式，将统一度量后的11个数据进行从大到小的排序后，再进行组合，得到包含不同数量驾驶属性的各疲劳等级组合；步骤5，疲劳等级反馈，根据这11个属性对驾驶员的疲劳状态进行综合评定，返回特殊及非特殊规则库匹配的疲劳等级最大值，作为最终疲劳等级输出。2.根据权利要求1所述的基于决策树的驾驶员疲劳等级分类方法，其特征在于，所述步骤1包括如下子步骤：步骤1
‑
1，数据采集上传，通过摄像头获取驾驶员行驶过程中的面部信息，提取出面部基本信息normal、打电话属性信息talk_phone、和乘客说话属性talk_passenger、玩手机属性use_phone、犯困属性信息drowsiness；通过声音采集装置获取驾驶员行驶过程中的语音信息，提取出语音基本信息normal、语言的情绪属性信息emotional；通过定位设备，获取汽车的行驶状态，包括急转弯信息sharp_turn、急刹信息abrupt_brake、车速信息speeding、异常的驾驶操作信息abnormal，各属性信息为数值类型，范围在0～1之间，以tcp方式传输到处理层；步骤1
‑
2，数据预处理，处理层接收到数据之后，对数据进行预处理：剔除异常值、补全缺失值；预处理完...

【专利技术属性】
技术研发人员：李志强，杨冬晗，
申请(专利权)人：扬州大学，
类型：发明
国别省市：