一种基于机器学习的智能安全检测系统及方法技术方案

本发明专利技术涉及疲劳驾驶检测技术领域，具体为一种基于机器学习的智能安全检测系统及方法，包括检测系统实时对某一驾驶人员状态数据和车辆信息进行采集；实时对某一驾驶人员在驾驶过程中状态数据进行检测,当捕获到驾驶人员在驾驶过程中，状态数据超过检测系统预先设置所述状态数据阈值，检测系统开始分析某一驾驶人员疲劳状况；通过对检测系统采集到某一驾驶人员的状态数据计算，得出某一驾驶人员疲劳值；基于计算结果，分析某一驾驶人员疲劳值，得出某一驾驶人员的疲劳程度；检测系统根据得出驾驶人员疲劳程度对驾驶人员发出警报，提醒驾驶人员注意驾驶，并将车辆位置信息、车辆行驶状态和驾驶人员疲劳程度发送给最近的交通部门。态和驾驶人员疲劳程度发送给最近的交通部门。态和驾驶人员疲劳程度发送给最近的交通部门。

【技术实现步骤摘要】
一种基于机器学习的智能安全检测系统及方法


[0001]本专利技术涉及疲劳驾驶检测
，具体为一种基于机器学习的智能安全检测系统及方法。

技术介绍

[0002]疲劳驾驶导致的交通事故一般来说比较严重，为了逃避责任很多驾驶人员会隐瞒自己疲劳驾驶的行为，在对当事人进行导致交通事故的原因深度的调查可以发现，交通事故中疲劳驾驶比例会上升到40％左右。但是在对驾驶人员在驾驶过程在发生交通事故前如果对司机进行提醒，可以有效避免交通事故的概率高达90％左右，可见对驾驶人员疲劳程度进行实时监控、预警，对避免交通事故的发生具有重大的意义。

技术实现思路

[0003]本专利技术的目的在于提供一种基于机器学习的智能安全检测系统及方法，以解决上述
技术介绍
中提出的问题。
[0004]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于机器学习的智能安全检测方法，检测方法包括：
[0005]步骤S100：构建一个检测系统，所述检测系统实时对某一驾驶人员状态数据和车辆信息进行采集；驾驶人员状态数据包括：驾驶人员头部与人体中垂线形成的夹角、单位时间眨眼次数、眼睛闭合时间、头部与方向盘的距离、对方向盘所施加的握力、单位时间内转动方向盘的频率、单位时间内的呼吸频率、心跳频率、血压；车辆信息包括：车辆位置信息、车辆行驶状态；所述车辆行驶状态包括：同车道前方有无车辆，与前方车辆距离；
[0006]步骤S200：实时对某一驾驶人员在驾驶过程中状态数据进行检测,当捕获到驾驶人员在驾驶过程中，状态数据超过检测系统预先设置所述状态数据阈值，检测系统开始分析某一驾驶人员疲劳状况；
[0007]步骤S300:通过对检测系统采集到某一驾驶人员的状态数据计算，得出某一驾驶人员疲劳值；
[0008]步骤S400：基于检测系统计算结果，对某一驾驶人员疲劳值进行分析，得出某一驾驶人员的疲劳程度；检测系统根据得出驾驶人员疲劳程度对驾驶人员发出警报，提醒驾驶人员注意驾驶，并将车辆位置信息、车辆行驶状态和驾驶人员疲劳程度发送给最近的交通部门。
[0009]进一步的，步骤S100包括：
[0010]步骤S101：当安装检测系统的第i个车辆开始启动时，检测系统将会对所述第i个车辆开始检测，实时监控第i个车辆从启动到关火车内驾驶人员状态；
[0011]步骤S102：当驾驶人员驾驶安装了检测系统的第i辆车，处于车内传感器将会采集驾驶人员头部与人体中垂线形成的夹角θ
i
、单位时间内眨眼次数N
i
、眼睛闭合时间t
i
、头部与方向盘的距离L
i
；
[0012]步骤S103：当驾驶人员驾驶所述第i辆车时，处于车内的毫米雷达装置会获取驾驶人员在驾驶所述第i辆车过程中单位时间呼吸频率V
i
、心跳频率P
i
、血压BP
i
；处于车外毫米雷达装置会获取驾驶人员在驾驶所述第i辆车过程中车辆行驶状态；处于车内的GPS将会获取驾驶人员在驾驶所述第i辆车过程中车辆的位置信息；
[0013]步骤S104：当驾驶人员开始驾驶所述的第i辆车时，处于方向盘的传感器会实时记录下驾驶人员对方向盘所施加的握力F
i
、在单位时间内转动方向盘的频率f
i
；
[0014]上述步骤相当于是一个检测系统对于驾驶人员在驾驶过程中各项数据进行采集的过程；对驾驶人员在驾驶过程中状态数据进行记录，为后面检测系统计算驾驶人员在驾驶过程中的疲劳值提供数据支持。
[0015]进一步的，步骤S200包括：
[0016]步骤S201：为了避免检测系统在驾驶人员驾驶所述的第i辆车过程中出现错误判断驾驶人员疲劳程度情况；通过机器学习获得驾驶人员在驾驶所述第i个车辆时检测系统错误判断驾驶人员疲劳驾驶的状态阈值；所述状态阈值包括：驾驶人员头部与人体中垂线形成的夹角θ
a
、驾驶人员闭眼时间t
b
、驾驶人员头部与方向盘的最大距离L
d
、驾驶人员在驾驶过程中对方向盘未进行转动时方向盘受到的握力为F
e
、驾驶人员呼吸频率V
j
、驾驶人员心跳频率P
o
、驾驶人员血压BP
k
；
[0017]步骤S202：当检测系统检测到驾驶人员出现：θ
i
>θ
a
或N
i
<N
a
或L
d
>L
i
或F
e
>F
i
或t
b
<t
i
或V
j
>V
i
或P
o
<P
i
或BP
k
<BP
i
时；开始对计算驾驶人员的疲劳值；
[0018]在上述步骤中，对驾驶人员在驾驶过程中的状态数据进行分析是为了避免检测系统在驾驶人员驾驶的第i辆车过程中出现错误判断驾驶人员疲劳程度情况，从而导致检测系统对正常驾驶的驾驶人员进行警报，影响驾驶人员驾驶。
[0019]进一步的，步骤S300包括：
[0020]步骤S301：当检测系统判定驾驶人员在驾驶第i辆车时出现疲劳驾驶，检测系统将计算驾驶人员疲劳值；
[0021]步骤S302：对检测系统采集到驾驶人员驾驶第辆i辆车的状态数据进行线性归一化处理，对原始数据进行线性变换，将数据映射到[0,1]之间；
[0022]步骤S303：根据检测系统检测的驾驶人员状态数据进行归一化处理的映射结果，计算出驾驶人员在驾驶第i辆车时驾驶疲劳值H
i
：
[0023][0024]其中,sinθ
gi
为驾驶所述第i辆车时驾驶人员头部与人体中垂线形成的夹角θ
i
正弦值进行归一化处理后的映射值；L
gi
为驾驶所述第i辆车时驾驶人员头部与方向盘的距离进行归一化处理后的映射值；t
gi
为驾驶所述第i辆车时驾驶人员闭眼时间进行归一化处理后的映射值；N
gi
为驾驶所述第i辆车时驾驶人员单位时间眨眼次数进行归一化处理后的映射值；F
gi
为驾驶所述第i辆车时驾驶人员对方向盘所施加的握力进行归一化处理后的映射值；f
gi
为驾驶所述第i辆车时驾驶人员对方向盘在单位时间内转动方向盘的频率进行归一化处理的映射值；BP
gi
为驾驶所述第i辆车时驾驶人员血压进行归一化处理后的映射值；P
gi
为驾驶人员驾驶所述第i辆车时驾驶人员心跳频率进行归一化处理后的映射值；V
gi
为驾驶所述第i辆车时驾驶人员单位时间内的呼吸频率进行归一化本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的智能安全检测方法，其特征在于，所述方法包括：步骤S100：构建一个检测系统，所述检测系统实时对某一驾驶人员状态数据和车辆信息进行采集；驾驶人员状态数据包括：驾驶人员头部与人体中垂线形成的夹角、单位时间眨眼次数、眼睛闭合时间、头部与方向盘的距离、对方向盘所施加的握力、单位时间内转动方向盘的频率、单位时间内的呼吸频率、心跳频率、血压；车辆信息包括：车辆位置信息、车辆行驶状态；所述车辆行驶状态包括：同车道前方有无车辆，与前方车辆距离；步骤S200：实时对某一驾驶人员在驾驶过程中状态数据进行检测,当捕获到驾驶人员在驾驶过程中，状态数据超过检测系统预先设置所述状态数据阈值，检测系统开始分析某一驾驶人员疲劳状况；步骤S300:通过对检测系统采集到某一驾驶人员的状态数据计算，得出某一驾驶人员疲劳值；步骤S400：基于检测系统计算结果，对某一驾驶人员疲劳值进行分析，得出某一驾驶人员的疲劳程度；检测系统根据得出驾驶人员疲劳程度对驾驶人员发出警报，提醒驾驶人员注意驾驶，并将车辆位置信息、车辆行驶状态和驾驶人员疲劳程度发送给最近的交通部门。2.根据权利要求1所述的一种基于机器学习的智能安全检测方法，其特征在于，所述步骤S100包括：步骤S101：当安装检测系统的第i个车辆开始启动时，检测系统将会对所述第i个车辆开始检测，实时监控第i个车辆从启动到关火车内驾驶人员状态；步骤S102：当驾驶人员驾驶安装了检测系统的第i辆车，处于车内传感器将会采集驾驶人员头部与人体中垂线形成的夹角θ
i
、单位时间内眨眼次数N
i
、眼睛闭合时间t
i
、头部与方向盘的距离L
i
；步骤S103：当驾驶人员驾驶所述第i辆车时，处于车内的毫米雷达装置会获取驾驶人员在驾驶所述第i辆车过程中单位时间呼吸频率心跳频率P
i
、血压BP
i
；处于车外毫米雷达装置会获取驾驶人员在驾驶所述第i辆车过程中车辆行驶状态；处于车内的GPS将会获取驾驶人员在驾驶所述第i辆车过程中车辆的位置信息；步骤S104：当驾驶人员开始驾驶所述的第i辆车时，处于方向盘的传感器会实时记录下驾驶人员对方向盘所施加的握力F
i
、在单位时间内转动方向盘的频率f
i
。3.根据权利要求2所述的一种基于机器学习的智能安全检测方法，其特征在于，所述步骤S200包括：步骤S201：为了避免检测系统在驾驶人员驾驶所述的第i辆车过程中出现错误判断驾驶人员疲劳程度情况；通过机器学习获得驾驶人员在驾驶所述第i个车辆时检测系统错误判断驾驶人员疲劳驾驶的状态阈值；所述状态阈值包括：驾驶人员头部与人体中垂线形成的夹角θ
a
、驾驶人员闭眼时间t
b
、驾驶人员头部与方向盘的最大距离L
d
、驾驶人员在驾驶过程中对方向盘未进行转动时方向盘受到的握力为F
e
、驾驶人员呼吸频率驾驶人员心跳频率P
o
、驾驶人员血压BP
k
；步骤S202：当检测系统检测到驾驶人员出现：θ
i
>θ
a
或N
i
<N
a
或L
d
>L
i
或F
e
>F
i
或t
b
<t
i
或或P
o
<P
i
或BP
k
<BP
i
时；开始对计算驾驶人员的疲劳值。4.根据权利要求3所述的一种基于机器学习的智能安全检测方法，其特征在于，所述步
骤S300包括：步骤S301：当检测系统判定驾驶人员在驾驶第i辆车时出现疲劳驾驶，所述检测系统将计算驾驶人员疲劳值；步骤S302：对检测系统采集到驾驶人员驾驶第辆i辆车的所述状态数据进行线性归一化处理，对原始数据进行线性变换，将数据映射到[0,1]之间；步骤S303：根据检测系统检测的驾驶人员状态数据进行归一化处理的映射结果，计算出驾驶人员在驾驶第i辆车时驾驶疲劳值H
i
：其中,sinθ
gi
为驾驶所述第i辆车时驾驶人员头部与人体中垂线形成的夹角θ
i
正弦值进行归一化处理后的映射值；L
gi
为驾驶所述第i辆车时驾驶人员头部与方向盘的距离进行归一化处理后的映射值；t
gi
...

【专利技术属性】
技术研发人员：闫红宇，王蕊，
申请(专利权)人：无锡正弦科技有限公司，
类型：发明
国别省市：