基于自学习阈值的方向盘离手检测手势识别算法制造技术

本发明专利技术公开了基于自学习阈值的方向盘离手检测手势识别算法，输入电容值C；统计电容值C；学习更新阈值C

【技术实现步骤摘要】
基于自学习阈值的方向盘离手检测手势识别算法


[0001]本专利技术属于方向盘离手检测
，具体为基于自学习阈值的方向盘离手检测手势识别算法。

技术介绍

[0002]应用在量产车上的驾驶自动化技术成功地使得越来越多的驾驶者地信赖自动化驾驶。然而，过度依赖车辆的自动驾驶会导致严重的后果，这是因为即使配备了目前最先进的自动驾驶，自动驾驶汽车的自动化水平也依然无法像一个真正的驾驶员一样承担所有情况下的驾驶任务，当下最先进的自动驾驶技术还远远没有达到人机分离的水平。即使在自动驾驶允许的条件下，也需要驾驶员在驾驶过程中的充分参与，保障对突发情况的及时响应[1]。所以手握方向盘是驾驶者的基本要求，对于保证车内和车外人们的安全是必不可少的[2]。对于安全驾驶的呼吁，UNECER79(联合国公约)已经被多国采用，要求L2
‑
4级自动驾驶车辆必须配备离手检测和预警能力[3]——方向盘离手检测能力(hands
‑
offdetection，简称：HOD)，所以法律上方向盘离手检测已经成为自动驾驶系统不可或缺的一部分。
[0003]实际上，离手检测的方法有很多：基于EPS的扭矩传感器[4]；用于图像识别的驾驶员疲劳检测的AI相机[5][6]；嵌入在方向盘中的各种传感器[7]。在综合性能上，图像识别技术算法的精度高，但是不能识别的假动作，对使用环境要求高，目前还没有成熟产品得到应用。扭矩传感器的识别算法实现简单，但是需要驾驶员的互动，极容易误报。所有方向盘传感器中电容式方向盘离手检测系统的应用最广，性能最优，与其他方向盘传感器相比，不容易被驾驶员破解，可靠性高。电容式方向盘离手检测系统识别手势需要依靠一个来源于人群的判定阈值对手势进行分类。但是由于产品的普适性和驾驶员个体间的体型差异之间的矛盾，手势识别的性能无法保障——容易将体型大的人的手势识别成“on”；将体型小的人手势识别成“off”。不仅容易造成潜在道路安全风险，也为驾驶员正常驾驶带来了一定的干扰。因此，需要设计基于自学习阈值的方向盘离手检测手势识别算法。

技术实现思路
：
[0004]本专利技术的目的就在于为了解决上述问题而提供基于自学习阈值的方向盘离手检测手势识别算法，解决了
技术介绍
中提到的问题。
[0005]为了解决上述问题，本专利技术提供了技术方案：
[0006]基于自学习阈值的方向盘离手检测手势识别算法，具体步骤包括：
[0007]步骤S101：输入电容值C；
[0008]步骤S102：统计电容值C；
[0009]步骤S103：学习更新阈值C
λ
；
[0010]步骤S104：C＞＝C
λ
；
[0011]步骤S105：当C＞＝C
λ
时输出手势状态on；
[0012]步骤S106：当C＜C
λ
时输出手势状态off。
[0013]作为优选，所述步骤S101中，电容式方向盘离手检测系统由包覆在方向盘外圆里面的传感器垫和中控单元两部分组成。该原理依赖于当驾驶员手握方向盘时，人手和传感器垫之间产生的感应电容(C)。根据电容的定义公式，等式(1)，人手与方向盘的接触面积(S)与电容(C)之间呈正相关,与极板间的距离d成负相关。
[0014][0015]一区电容式方向盘离手检测系统是最常见的电容式离手检测产品，它只需要区分手握(“on”)和脱手(“off”)两种手势状态(state)。而驾驶员握方向盘的手势多种多样。如何将手势归类到这两种状态。当下最常见的方法是基于整车厂提供的手势矩阵中所定义的每个手势的目标识别状态，和最小识别手势。然后通过实验，得到产品的阈值C0。
[0016]因此，一区电容式方向盘离手检测系统的手势识别算法可以用等式(2)表示——其中C0表示阈值。
[0017][0018]作为优选，所述步骤S102中，统计算法负责收集和整理驾驶产生的电容信号；将一个手势的组成分解成三个属性——姿势,位置,方式；一个手势向量便是这三个属性的组合；每一个手势都可以按照这种方式进行分解；姿势指人手做出的动作，姿势决定了手势能产生的接触面积(S)；位置指人手落在方向盘上的位置，(一般将方向盘按照时钟划区，产生十二个分区)，考虑到方向盘结构因素，不同位置下，相同接触面积产生的电容值是不同的，反应在不同位置下的灵敏度(接触面积转换成电容的灵敏度)上；方式是指姿势和位置之间是如何作用的——可分为：紧实度(握住方向盘使用的力：握紧力)，方向(握住方向盘的方向)；根据握紧力是否为零，可以将手势分为“虚握”和“实握”，而“虚握”和“实握”的区分需要通过方向盘结构设计实现，因此本文只考虑“实握”；由于方向盘具有弹性，握紧力会导致方向盘变形——握紧力越大，变形越大，距离(d)越小；根据等式距离(d)与电容呈反比；实际中，正常人手的握力产生的方向盘变形可以忽略不计，因此握紧力对电容的影响可以忽略不记
[8]；方向盘具有正反面，不同方向握住方向盘会导致接触面积在正反面间的分布不同，由于本文的算法针对的是一区离手检测系统，这种分布的不同对一区离手检测系统没有意义，因此方向因素也不需要考虑；综上，手势和感应电容之间的关系，只与手势向量中姿势和位置有关——姿势决定接触面积(S)，位置决定接触面积转化为电容的灵敏度
[0019]作为优选，所述步骤S103中，学习更新阈值C
λ
前需先建立学习模型，建立手势的数学模型是为了找到手势和电容之间的关系；对于整个电容式离手检测系统，系统的输入是手势和方向盘之间形成的电容值；根据手势向量，一个手势可以分解成：姿势、位置、方式，三个属性；如前面所提到的，姿势影响接触面积(S)，一只手掌由五个手指和一个手掌组成；一只手掌的各部位的表面积占整个手掌面积的比例；以一只手的面积应作为参考假设为1，那么两只手的表面是2；由此，将一个手势需要的各个手的组成部位相加，可以得到一个手势需要的面积占整只手的面积的比值(N)；一个手势产生的触碰面积(S
g
)就等于一只手的
面积(H)乘以该手势姿势需要的部位在一只手中所占的面积比(N)，如等式(3)所示；手势中的“位置”对最终电容值的影响是通过影响接触面积转化为电容的灵敏度实现的；方式直接影响电容极板间的距离d,由于本文不考虑“方式”，所以假设距离d为常数D；因此手势和电容之间的关系可以用等式(4)表示——手势的数学模型；
[0020]S
g
＝H*N
ꢀꢀꢀ
(3)
[0021][0022]因此一个手势产生的感应电容C，与驾驶员手部的大小，手势的姿势，以及方向盘的结构有关。
[0023]作为优选，所述步骤S103中，根据手势的数学模型，驾驶员手势产生的电容信号中包含了驾驶员的手部信息；如何根据出现过的电容信号数据逆推驾驶员手部信息，是自学习算法的意义所在；因此，将自学习模块的算法分为三个部分:第一部分是对驾驶过程中方向盘电容值的数据进行收集的统计算法；第二部分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于自学习阈值的方向盘离手检测手势识别算法，其特征在于：具体步骤包括：步骤S101：输入电容值C；步骤S102：统计电容值C；步骤S103：学习更新阈值C
λ
；步骤S104：C＞＝C
λ
；步骤S105：当C＞＝C
λ
时输出手势状态on；步骤S106：当C＜C
λ
时输出手势状态off。2.根据权利要求1所述的基于自学习阈值的方向盘离手检测手势识别算法，其特征在于：所述步骤S101中，电容式方向盘离手检测系统由包覆在方向盘外圆里面的传感器垫和中控单元两部分组成。该原理依赖于当驾驶员手握方向盘时，人手和传感器垫子之间产生的感应电容(C)。根据电容的定义公式，等式(1)，人手与方向盘的接触面积(S)与电容(C)之间呈正相关,与极板间的距离d成负相关。一区电容式方向盘离手检测系统是最常见的电容式离手检测产品，它只需要区分手握(“on”)和脱手(“off”)两种手势状态(state)。而驾驶员握方向盘的手势多种多样。如何将手势归类到这两种状态。当下最常见的方法是基于整车厂提供的手势矩阵中所定义的每个手势的目标识别状态，和最小识别手势。然后通过实验，得到产品的阈值C0。因此，一区电容式方向盘离手检测系统的手势识别算法可以用等式(2)表示——其中C0表示阈值。3.根据权利要求1所述的基于自学习阈值的方向盘离手检测手势识别算法，其特征在于：所述步骤S102中，统计算法负责收集和整理驾驶产生的电容信号；将一个手势的组成分解成三个属性——姿势,位置,方式；一个手势向量便是这三个属性的组合；每一个手势都可以按照这种方式进行分解；姿势指人手做出的动作，姿势决定了手势能产生的接触面积(S)；位置指人手落在方向盘上的位置，(一般将方向盘按照时钟划区，产生十二个分区)，考虑到方向盘结构因素，不同位置下，相同接触面积产生的电容值是不同的，反应在不同位置下的灵敏度(接触面积转换成电容的灵敏度)上；方式是指姿势和位置之间是如何作用的——可分为：紧实度(握住方向盘使用的力：握紧力)，方向(握住方向盘的方向)；根据握紧力是否为零，可以将手势分为“虚握”和“实握”，而“虚握”和“实握”的区分需要通过方向盘结构设计实现，因此本文只考虑“实握”；由于方向盘具有弹性，握紧力会导致方向盘变形——握紧力越大，变形越大，距离(d)越小；根据等式形——握紧力越大，变形越大，距离(d)越小；根据等式距离(d)与电容呈反比；实际中，正常人手的握力产生的方向盘变形可以忽略不计，因此握紧力对电容的影响可以忽略不记
[8]
；方向盘具有正反面，不同方向握住方向盘会导致接触面积在正反面间的分布不同，由于本文的算法针对的是一区离手检测系统，这种分布的不同对一区离手检测系统没有意义，因此方向因素也不需要考虑；综上，手势和感应电容之间的关系，只与手势向量
中姿势和位置有关——姿势决定接触面积(S)，位置决定接触面积转化为电容的灵敏度4.根据权利要求1所述的基于自学习阈值的方向盘离手检测手势识别算法，其特征在于：所述步骤S103中，学习更新阈值C
λ
前需先建立学习模型，建立手势的数学模型是为了找到手势和电容之间的关系；对于整个电容式离手检测系统，系统的输入是手势和方向盘之间形成的电...

【专利技术属性】
技术研发人员：陈天雨，应保胜，官雨，袁嘉泽，
申请(专利权)人：武汉科技大学，
类型：发明
国别省市：