基于肌电信号的异常驾驶行为检测方法及系统技术方案

本发明专利技术涉及一种基于肌电信号的异常驾驶行为检测方法，包括获取带标签的异常驾驶行为肌电数据；对异常驾驶行为肌电数据进行预处理；利用预处理后的异常驾驶行为肌电数据的特征信息对神经网络模型进行训练，得到分类模型；获取驾驶过程中的实时驾驶行为肌电数据，对数据进行信号中值校正、动作区间提取以及特征提取处理；将处理后的实时驾驶行为肌电数据的特征信息输入至训练好的分类模型，输出预测分类的结果，判断是否发生异常驾驶行为，并在发生异常驾驶行为后发出异常驾驶警告。本发明专利技术使用低成本肌电传感器采集司机的驾驶行为肌电数据，不受环境和乘客影响，使用方便，克服了现有技术普遍存在的部署困难、佩戴不便以及成本高等问题。本高等问题。本高等问题。

【技术实现步骤摘要】
基于肌电信号的异常驾驶行为检测方法及系统


[0001]本专利技术涉及驾驶行为检测
，尤其是指一种基于肌电信号的异常驾驶行为检测方法及系统。

技术介绍

[0002]目前提出了各种解决方案来检测异常驾驶行为，包括基于视觉提取驾驶员的眼部信息、动作信息来检测疲劳驾驶和分心驾驶；基于声学的方法来检测驾驶员的动作；基于智能手表检测司机活动；基于定制设备提取生理信息检测司机驾驶状态等。然而，这些解决方案存在受环境及乘客影响、部署困难、佩戴不便以及成本高等问题。
[0003]其中，在基于视觉的方法中，由于摄像头的便利性，许多研究人员利用摄像头进行异常驾驶行为检测。Fan等利用智能手机的前置摄像头提取驾驶员的眼部信息，预测驾驶行为。Kashevnik等人提出了一种通过智能手机的前置摄像头和内置传感器来检测异常驾驶行为的方法。这些基于视觉的方法依赖于固定的高清摄像机和足够的可见度。此外，当司机戴墨镜、说话或唱歌时，眼睛和嘴巴的信息是不可用的。为了解决能见度低的问题，有学者提出了基于近红外光谱的方法。Dasgupta等人使用红外照明在能见度低的环境中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于肌电信号的异常驾驶行为检测方法，其特征在于，包括以下步骤：使用肌电传感器获取带标签的异常驾驶行为肌电数据；对所述异常驾驶行为肌电数据进行滤波、降采样、数据分帧以及特征提取处理，得到异常驾驶行为肌电数据的特征信息；利用所述异常驾驶行为肌电数据的特征信息对神经网络模型进行训练，得到分类模型；获取驾驶过程中的实时驾驶行为肌电数据，对所述实时驾驶行为肌电数据进行信号中值校正、动作区间提取以及特征提取处理，得到实时驾驶行为肌电数据的特征信息，将特征信息重构后输入至训练好的分类模型，输出实时检测的分类结果；根据所述预测分类的结果判断是否发生异常驾驶行为，并在发生异常驾驶行为后发出异常驾驶警告。2.根据权利要求1所述的基于肌电信号的异常驾驶行为检测方法，其特征在于，获取带标签的异常驾驶行为肌电数据，包括：利用肌电传感器采集带标签的异常驾驶行为肌电数据；使用滑动窗口将异常驾驶行为肌电数据进行分割，其中异常驾驶行为包括向前抓取、急打方向盘、弯腰拾取、转身取物和开天窗。3.根据权利要求1所述的基于肌电信号的异常驾驶行为检测方法，其特征在于，所述神经网络模型包括：GRU层，其数量为两个，其中第一层以异常驾驶行为肌电数据的特征信息作为输入，输出压缩的异常驾驶行为特征向量，第二层以压缩的异常驾驶行为特征向量作为输入，输出细粒度的特征；全连接层，其以细粒度的特征作为输入，通过softmax激活函数输出分类结果。4.根据权利要求3所述的基于肌电信号的异常驾驶行为检测方法，其特征在于：当利用所述异常驾驶行为肌电数据的特征信息对神经网络模型进行训练时，在第t个时间步长，GRU层将第n个样本的输入X
t
映射到表示隐藏状态H
t
的向量，为了获得H
t
，首先需要获得门控信号Z
t
和R
t
为其中σ(
·
)代表sigmod函数,W
z
,W
r
代表权重矩阵，b
z
,b
r
分别代表更新门和复位门的偏置向量；根据R
t
得到候选隐藏状态H
t
为其中W
o
和b
o
代表权重矩阵和偏差向量；基于所述候选隐藏状态H
t
和Z
t
得到隐藏状态H
t
为为根据所述隐藏状态H
t
得到类别概率向量P
t
＝s(W
t
H
t
+b),其中s(
·
)代表softmax函数，W
t
和b是全连接层的权重矩阵和偏置向量。5.根据权利要求1所述的基于肌电信号的异常驾驶行为检测方法，其特征在于：当利用所述异常驾驶行为肌电数...

【专利技术属性】
技术研发人员：王进，谷飞，范远照，李领治，
申请(专利权)人：苏州大学，
类型：发明
国别省市：