【技术实现步骤摘要】
本专利技术涉及自动驾驶，尤其是一种驾驶员分心状态快速判别与分级警示方法及系统。
技术介绍
1、自动驾驶未来较长一段时间仍将处于l2(部分自动化)和l3(有条件自动化)阶段。在这两个阶段驾驶员仍然是驾驶的主体，人机共驾的驾驶方式将长期存在。对驾驶员驾驶状态、驾驶行为进行监测可以有效提升人机共驾的安全性，对自动驾驶的应用与推广具有重要意义。
2、目前对于车辆的异常驾驶行为监测方法有很多，但是大多都是对于单一元素进行监测，这样得到的检测结果不够全面，且在驾驶员处于分心状态时无法保障行车安全。
技术实现思路
1、本专利技术人针对上述问题及技术需求，提出了一种驾驶员分心状态快速判别与分级警示方法及系统，本专利技术的技术方案如下：
2、第一方面，本申请提供了一种驾驶员分心状态快速判别与分级警示方法，包括如下步骤：
3、实时获取驾驶员的驾驶姿态特征，根据驾驶姿态特征进行驾驶员多类分心行为判别；
4、从实时采集的车辆动力学数据中提取相关特征向量，根据相关特征向量进行驾驶员分心判别；
5、对两次判别结果进行综合分析，确定车辆运行风险等级，并进行不同级别的警告，在高级风险下启动自动驾驶接管。
6、其进一步的技术方案为，实时获取驾驶员的驾驶姿态特征的方法包括：
7、实时获取车内有关驾驶员的视频序列，基于openpose提取驾驶员的骨骼关键点；
8、根据驾驶员的骨骼关键点构建众多驾驶姿态特征，降维后输出。>
9、其进一步的技术方案为，根据驾驶员的骨骼关键点构建众多驾驶姿态特征的方法包括：
10、计算驾驶员的骨骼关键点两两之间的欧式距离作为距离特征，根据余弦定理计算驾驶员的骨骼关键点中每三个关键点构成的三个角的余弦值作为角度特征；
11、将构建的距离特征和角度特征合并，形成包含众多驾驶姿态特征的向量。
12、其进一步的技术方案为，对众多驾驶姿态特征降维的方法包括：
13、对包含众多驾驶姿态特征的向量进行标准化处理，计算标准化后多向量形成的矩阵的协方差矩阵，得到协方差矩阵的特征值和对应的特征向量；
14、根据特征值确定主成分个数，并按照各主成分特征值对应的特征向量来对各个主成分的值进行计算，得到降维后的驾驶姿态特征的向量。
15、其进一步的技术方案为，从实时采集的车辆动力学数据中提取相关特征向量的方法包括：
16、采用长度为t的第一时间窗获取t秒内车辆动力学数据中各项指标的平均值和标准差，作为相关特征向量；
17、采用快速傅里叶变换获取t秒内车辆动力学数据中变化较快的指标数据，将指标数据在指定频谱分量幅值的均值也作为相关特征向量；
18、其中，车辆动力学数据的各项指标包括车辆横纵向速度、车辆横纵向加速度、车辆横摆角、车辆横摆角速度、车辆质心侧偏角、车辆质心侧偏角角速度、转向盘转角、转向盘转角角速度、节气门开度和车辆横向偏离。
19、其进一步的技术方案为，根据相关特征向量进行驾驶员分心判别的方法包括：
20、将在长度为t的第一时间窗内提取的各个相关特征向量进行标准化处理，再输入到已训练的分类模型中，输出第一时间窗对应的二值决策值；
21、一个事件数据段包含多个第一时间窗，则将对应得到的一串决策序列进行滑窗判别，确定事件数据段的驾驶员状态为分心或常态，或两者之间切换。
22、其进一步的技术方案为，将对应得到的一串决策序列进行滑窗判别的方法包括：
23、在决策序列上设置长度为w的第二时间窗，且w≥3t；
24、第二时间窗按照决策序列的时间顺序每次移动一个决策值，当第二时间窗内包含的决策值全部一致时，将该决策值对应的状态作为该时间段内的驾驶员状态；当第二时间窗内包含的决策值不一致时，将出现数目较多次的某一决策值对应的状态作为该时间段内的驾驶员状态。
25、其进一步的技术方案为，对两次判别结果进行综合分析，确定车辆运行风险等级，并进行不同级别的警告，包括：
26、当根据驾驶姿态特征进行驾驶员多类分心行为判别为分心状态，且根据相关特征向量进行驾驶员分心判别为常态状态时，进行简易提醒；
27、当两次判别结果均为分心状态时，若车辆运行速度不超过第一阈值，且车辆横向变化不超过第二阈值，且不稳定运行时长不超过第三阈值，则确定车辆运行风险等级为低级，进行中级警示；
28、若车辆运行速度超过第四阈值，或者车辆横向变化超过第五阈值，或者不稳定运行时长超过第六阈值，则确定车辆运行风险等级为高级，进行智能接管；
29、其余情况下确定车辆运行风险等级为中级，进行高级警示。
30、其进一步的技术方案为，在进行驾驶员多类分心行为判别和驾驶员分心判别中，所采用的分类模型基于已训练的xgboost模型实现。
31、第二方面，本申请还提供了一种驾驶员分心状态快速判别与分级警示系统，包括：
32、驾驶员姿态判别模块，用于实时获取驾驶员的驾驶姿态特征，根据驾驶姿态特征进行驾驶员多类分心行为判别；
33、驾驶员操纵判别模块，用于从实时采集的车辆动力学数据中提取相关特征向量，根据相关特征向量进行驾驶员分心判别；
34、分级警示模块，用于对两次判别结果进行综合分析，确定车辆运行风险等级，并进行不同级别的警告，在高级风险下启动自动驾驶接管。
35、本专利技术的有益技术效果是：
36、采用本方法能够从驾驶员自身姿态和操纵车辆两个方面，快速判别驾驶员所处状态，在两个方面都判定驾驶员处于分心状态时，根据车辆运行状态进行分级警示甚至自动驾驶接管，以保障驾驶行车的安全性，规避交通事故的发生。
本文档来自技高网...【技术保护点】
1.一种驾驶员分心状态快速判别与分级警示方法，其特征在于，所述方法包括：
2.根据权利要求1所述的驾驶员分心状态快速判别与分级警示方法，其特征在于，所述实时获取驾驶员的驾驶姿态特征的方法包括：
3.根据权利要求2所述的驾驶员分心状态快速判别与分级警示方法，其特征在于，根据所述驾驶员的骨骼关键点构建众多驾驶姿态特征的方法包括：
4.根据权利要求2所述的驾驶员分心状态快速判别与分级警示方法，其特征在于，对众多驾驶姿态特征降维的方法包括：
5.根据权利要求1所述的驾驶员分心状态快速判别与分级警示方法，其特征在于，从实时采集的车辆动力学数据中提取相关特征向量的方法包括：
6.根据权利要求1所述的驾驶员分心状态快速判别与分级警示方法，其特征在于，根据所述相关特征向量进行驾驶员分心判别的方法包括：
7.根据权利要求6所述的驾驶员分心状态快速判别与分级警示方法，其特征在于，将对应得到的一串决策序列进行滑窗判别的方法包括：
8.根据权利要求1所述的驾驶员分心状态快速判别与分级警示方法，其特征在于，对两次判别结果进
9.根据权利要求1-8任一所述的驾驶员分心状态快速判别与分级警示方法，其特征在于，在进行驾驶员多类分心行为判别和驾驶员分心判别中，所采用的分类模型基于已训练的XGBoost模型实现。
10.一种驾驶员分心状态快速判别与分级警示系统，其特征在于，包括：
...【技术特征摘要】
1.一种驾驶员分心状态快速判别与分级警示方法，其特征在于，所述方法包括：
2.根据权利要求1所述的驾驶员分心状态快速判别与分级警示方法，其特征在于，所述实时获取驾驶员的驾驶姿态特征的方法包括：
3.根据权利要求2所述的驾驶员分心状态快速判别与分级警示方法，其特征在于，根据所述驾驶员的骨骼关键点构建众多驾驶姿态特征的方法包括：
4.根据权利要求2所述的驾驶员分心状态快速判别与分级警示方法，其特征在于，对众多驾驶姿态特征降维的方法包括：
5.根据权利要求1所述的驾驶员分心状态快速判别与分级警示方法，其特征在于，从实时采集的车辆动力学数据中提取相关特征向量的方法包括：
6.根据权利要求1所述的驾驶员分心状...
【专利技术属性】
技术研发人员：杨永松，过永强，
申请(专利权)人：无锡中车新能源汽车有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。