CN106585490A - 疲劳驾驶检测方法、系统及方向盘 - Google Patents
疲劳驾驶检测方法、系统及方向盘 Download PDFInfo
- Publication number
- CN106585490A CN106585490A CN201611167923.1A CN201611167923A CN106585490A CN 106585490 A CN106585490 A CN 106585490A CN 201611167923 A CN201611167923 A CN 201611167923A CN 106585490 A CN106585490 A CN 106585490A
- Authority
- CN
- China
- Prior art keywords
- sample
- steering wheel
- fatigue driving
- information
- angular velocity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
- B60Q9/00—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
- B60R16/023—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems
- B60R16/0231—Circuits relating to the driving or the functioning of the vehicle
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/06—Alarms for ensuring the safety of persons indicating a condition of sleep, e.g. anti-dozing alarms
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供一种疲劳驾驶检测方法、系统及方向盘。所述疲劳驾驶检测方法应用于疲劳驾驶检测系统,所述疲劳驾驶系统包括相互通信连接的角速度传感器、压力传感器及移动终端。所述移动终端接收所述角速度传感器采集的方向盘的角速度信息及所述压力传感器采集的方向盘受到的压力信息,并将所述角速度信息及压力信息输入到所述移动终端预先存储的疲劳驾驶分类器中进行判断,得到当前驾驶的状态。由此可以准确判断当前的驾驶状态是否为疲劳驾驶。
Description
技术领域
本发明涉及车辆领域,具体而言,涉及一种疲劳驾驶检测方法、系统及方向盘。
背景技术
随着国家经济的快速发展,使用汽车的人越来越多,汽车也成为了人们生活中重要的组成部分。可是与此同时,交通事故的数量也与日俱增,这使得驾驶员的生命和财产遭受了很大的威胁。据统计,疲劳驾驶是导致交通事故的几大主要原因之一。
如何精确判断当前车辆的驾驶状态是疲劳驾驶对于道路安全有着重要意义。目前已有一些疲劳驾驶检测方法,比如利用可穿戴设备等获得驾驶员的脑电波、心率情况、脉搏以及眼睛睁闭状态等信息来判断当前驾驶状态是否为疲劳驾驶,或是采集驾驶员的人脸的特征变化来判断当前驾驶状态是否为疲劳驾驶。这些方式都会对驾驶员的正常驾驶造成影响,并且,比如可穿戴设备还存在成本高这样的不足,使得这些方法难以得到普及应用。因此,提供一种成本低、易推广且能准确判断是否疲劳驾驶的疲劳驾驶检测方法是一个亟待解决的问题。
发明内容
有鉴于此,本发明一实施例的目的在于提供一种成本低、并且可以准确判断当前驾驶的状态是否为疲劳驾驶的疲劳驾驶检测方法,所述方法应用于疲劳驾驶检测系统。
所述系统包括相互连接的角速度传感器、压力传感器及移动终端,所述角速度传感器及压力传感器设置在方向盘上。所述方法包括:
所述角速度传感器采集方向盘的角速度信息,并将所述角速度信息发送给移动终端;
所述压力传感器采集所述方向盘受到的压力信息,并将所述压力信息发送给移动终端;
所述移动终端在接收到所述角速度信息及压力信息后,将所述角速度信息及压力信息输入到所述移动终端预先存储的疲劳驾驶分类器中进行判断,得到当前驾驶的状态。
在本发明较佳实施例中,所述方法还包括:
若当前驾驶的状态为疲劳驾驶,所述移动终端控制车辆内部的灯光闪烁或音响发出声音以实现预警。
在本发明较佳实施例中,所述方法还包括训练得到疲劳驾驶分类器的步骤,
所述训练得到疲劳驾驶分类器的步骤包括:
所述角速度传感器采集方向盘的样本角速度信息;
所述压力传感器采集方向盘的样本压力信息;
通过所述样本角速度信息、样本压力信息及对应的驾驶状态构建样本训练集;
采用支持向量机方法对所述样本训练集进行训练,得到疲劳驾驶分类器。
在本发明较佳实施例中,所述样本训练集的公式如下:
T={(x1,y1),…(xi,yi)…,(xl,yl)}∈(X2×Y)l
其中,T表示样本训练集合,xi表示样本中i时刻方向盘信息,xi∈X2=(xi1,xi2),X2表示样本中方向盘信息集合,xi1表示样本中i时刻方向盘角速度信息,xi2表示样本中i时刻方向盘受到的压力信息,yi表示样本中i时刻的驾驶状态,yi∈Y={+1,-1},Y表示样本中驾驶状态集合,+1表示正常驾驶,-1表示疲劳驾驶,i=1,2,...l。
在本发明较佳实施例中,所述采用支持向量机方法对所述样本训练集进行训练,得到疲劳驾驶分类器的步骤包括:
根据所述样本训练集计算得到分类超平面,其中,所述分类超平面的公式如下:
(w*·xi)+b*=0
其中,w*表示连接特征空间至输出空间的最优线性权,b*表示最优偏置值;
通过核函数将所述样本训练集中的xi转换到三维平面;
根据所述样本训练集、分类超平面及核函数得到决策函数,进而得到疲劳驾驶分类器,其中,决策函数的公式如下:
其中,表示Lagrange乘子最优值,K(xi·xj)表示核函数,xj表示样本中j时刻方向盘信息。
在本发明较佳实施例中,所述核函数的公式如下:
K(xi,xj)=(xi·xj+1)d
其中,d表示多项式核函数阶数。
本发明较佳实施例还提供一种方向盘,所述方向盘应用于上述任意一项所述的疲劳驾驶检测方法。所述方向盘包括方向盘支撑架、角速度传感器以及压力传感器;
所述角速度传感器设置在所述方向盘支撑架的中心,用于采集所述方向盘的角速度信息;
所述压力传感器呈环状设置在所述方向盘支撑盘的扶手上,用于采集所述方向盘受到的压力信息。
本发明另一较佳实施例提供了一种疲劳驾驶检测系统,所述疲劳驾驶系统包括相互通信连接的角速度传感器、压力传感器及移动终端,所述角速度传感器及压力传感器设置在方向盘上,所述系统包括:
所述角速度传感器,用于采集方向盘的角速度信息,并将所述角速度信息发送给移动终端;
所述压力传感器,用于采集所述方向盘受到的压力信息,并将所述压力信息发送给移动终端;
所述移动终端,用于在接收到所述角速度信息及压力信息后,将所述角速度信息及压力信息输入到所述移动终端预先存储的疲劳驾驶分类器中进行判断,得到当前驾驶的状态。
在本发明较佳实施例中,所述移动终端在当前驾驶的状态为疲劳驾驶时,控制车辆内部的灯光闪烁或音响发出声音以实现预警。
在本发明较佳实施例中,所述移动终端还用于训练得到疲劳驾驶分类器;
所述移动终端训练得到疲劳驾驶分类器的方式包括:
接收所述角速度传感器采集的方向盘的样本角速度信息;
接收所述压力传感器采集的方向盘的样本压力信息;
通过所述样本角速度信息、样本压力信息及对应的驾驶状态构建样本训练集;
采用支持向量机方法对所述样本训练集进行训练,得到疲劳驾驶分类器。
相对于现有技术而言,本发明具有以下有益效果:
所述疲劳驾驶系统包括相互通信连接的角速度传感器、压力传感器及移动终端。所述角速度传感器采集方向盘的角速度信息,并将所述角速度信息发送给移动终端。所述角速度传感器采集方向盘的角速度信息,并将所述角速度信息发送给移动终端。所述移动终端在接收到所述角速度信息及压力信息后,将所述角速度信息及压力信息输入到所述移动终端预先存储的疲劳驾驶分类器中进行判断,得到当前驾驶的状态。由此可以准确判断当前的驾驶状态是否为疲劳驾驶。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1是本发明实施例提供的疲劳驾驶检测系统的方框示意图。
图2是本发明实施例提供的图1中所示的移动终端的方框示意图。
图3是本发明实施例提供的疲劳驾驶检测方法的流程示意图。
图4是本发明实施例提供的疲劳驾驶检测方法的另一种流程示意图。
图5是图4中步骤S100包括的子步骤流程示意图。
图6是图5中步骤S140包括的子步骤流程示意图。
图7是本发明实施例提供的方向盘的结构示意图。
图标:10-疲劳驾驶检测系统;20-方向盘;100-角速度传感器;101-线圈;102-磁铁;200-压力传感器;300-移动终端;301-存储器;302-存储控制器;303-处理器;400-方向盘支撑架。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参照图1,图1是本发明实施例提供的疲劳驾驶检测系统10的方框示意图。所述疲劳驾驶检测系统10包括相互通信连接的角速度传感器100、压力传感器200及移动终端300。所述角速度传感器100、压力传感器200均将采集的信息发送给移动终端300,所述移动终端300根据接收的信息判断当前驾驶的状态。
请参照图2,图2是本发明实施例提供的图1中所示的移动终端300的方框示意图。本发明实施例中所述移动终端300可以是,但不限于,智能手机、平板电脑等。如图1所示,所述移动终端300包括:存储器301、存储控制器302、以及处理器303。
所述存储器301、存储控制器302及处理器303各元件之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器301中存储有疲劳驾驶分类器,所述疲劳驾驶分类器包括至少一个可以软件或固件(firmware)的形式存储于所述存储器301中的软件功能模块。所述处理器303通过运行存储在存储器301内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现本发明实施例中的疲劳驾驶检测方法。
其中,所述存储器301可以是,但不限于,随机存取存储器(Random AccessMemory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(ProgrammableRead-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-OnlyMemory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory,EEPROM)等。其中,存储器301用于存储程序,所述处理器303在接收到执行指令后,执行所述程序。所述处理器303以及其他可能的组件对存储器301的访问可在所述存储控制器302的控制下进行。
所述处理器303可能是一种集成电路芯片,具有信号的处理能力。上述的处理器303可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等。还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
可以理解,图2所示的结构仅为示意,移动终端300还可包括比图2中所示更多或者更少的组件,或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。
请参照图3,图3是本实施例提供的疲劳驾驶检测方法的流程示意图。所述方法应用于所述疲劳驾驶检测系统10。所述角速度传感器100及所述压力传感器200设置在方向盘20上。图3中的流程可以由所述处理器303实现。下面对疲劳驾驶检测方法的具体流程进行详细阐述。
步骤S200,所述角速度传感器100采集方向盘20的角速度信息,并将所述角速度信息发送给移动终端300。
所述角速度传感器100基于Coriolis力原理采集得到方向盘20的角速度信息。其中,Coriolis力简称为科氏力,是对旋转体系中进行直线运动的质点由于惯性相对于旋转体系产生的直线运动的偏移的一种描述。
所述角速度传感器100采集到所述方向盘20的角速度信息后,将所述角速度信息发送给移动终端300。发送的方式,可以是,但不限于,通过蓝牙信号、无线WiFi信号等。
步骤S300,所述压力传感器200采集所述方向盘20受到的压力信息,并将所述压力信息发送给移动终端300。
所述压力传感器200基于压电效应采集所述方向盘20受到的压力信息。其中,所述压电效应分为正压电效应和逆压电效应。正压电效应指晶体受到某固定方向外力的作用时,内部就产生电极化现象,同时在某两个表面上产生符号相反的电荷,当外力撤去后,晶体又恢复到不带电的状态,当外力作用方向改变时,电荷的极性也随之改变,晶体受力所产生的电荷量与外力的大小成正比。逆压电效应指对晶体施加交变电场引起晶体机械变形的现象。
所述压力传感器200采集到所述方向盘20的角速度信息后,将所述角速度信息发送给移动终端300。发送的方式,可以是,但不限于,通过蓝牙信号、无线WiFi信号等。
步骤S400,所述移动终端300在接收到所述角速度信息及压力信息后,将所述角速度信息及压力信息输入到所述移动终端300预先存储的疲劳驾驶分类器中进行判断,得到当前驾驶的状态。
所述移动终端300通过蓝牙信号、无线WiFi信号等接收所述角速度信息及压力信息。所述移动终端300中的疲劳驾驶分类器根据接收的信息判断当前驾驶的状态。
请参照图4,图4是本发明实施例提供的疲劳驾驶检测方法的另一种流程示意图。所述方法还包括步骤S500,若当前驾驶的状态为疲劳驾驶,所述移动终端300控制车辆内部的灯光闪烁或音响发出声音以实现预警。
所述移动终端300与车辆内部的灯光或音响建立通信,从而在当前驾驶的状态为疲劳驾驶时,控制灯光闪烁或音响发出声音。其中,音响发出的声音可以是提示,比如:您已经疲劳驾驶,请您尽快选择合适停车地点休息。
关闭音响及灯光的方式可以是,但不限于,手动选择灯光或音响的控制按钮进行关闭,移动终端300接收关闭灯光或音响的请求从而关闭灯光或音响。
请再次参照图4,所述方法还包括步骤S100,训练得到疲劳驾驶分类器。
请参照图5,所述步骤S100包括子步骤S110、子步骤S120、子步骤S130、以及子步骤S140。
所述子步骤S110,所述角速度传感器100采集方向盘20的样本角速度信息。
在本实施例中,关于所述子步骤S110的具体描述可以参照步骤S200的描述。
所述子步骤S120,所述压力传感器200采集方向盘20的样本压力信息。
在本实施例中,关于所述子步骤S120的具体描述可以参照步骤S300的描述。
所述子步骤S130,通过所述样本角速度信息、样本压力信息及对应的驾驶状态构建样本训练集。
其中,所述样本训练集的公式如下:
T={(x1,y1),…(xi,yi)…,(xl,yl)}∈(X2×Y)l
其中,T表示样本训练集合,xi表示样本中i时刻方向盘信息,xi∈X2=(xi1,xi2),X2表示样本中方向盘信息集合,xi1表示样本中i时刻方向盘角速度信息,xi2表示样本中i时刻方向盘受到的压力信息,yi表示样本中i时刻的驾驶状态,yi∈Y={+1,-1},Y表示样本中驾驶状态集合,+1表示正常驾驶,-1表示疲劳驾驶,i=1,2,...l。
所述子步骤S140,采用支持向量机方法对所述样本训练集进行训练,得到疲劳驾驶分类器。
支持向量机(Support Vector Machine,SVM)在解决小样本、非线性及高维模式识别中表现出许多特有的优势。支持向量机是一种基于统计学习理论的模式识别方法。
请参照图6,子步骤S140包括子步骤S141、子步骤S142以及子步骤S143。
所述子步骤S141,根据所述样本训练集计算得到分类超平面,其中,所述分类超平面的公式如下:
(w*·xi)+b*=0
其中,w*表示连接特征空间至输出空间的最优线性权,b*表示最优偏置值。
在本实施例中,对于线性可分问题,存在(w,b),使得:
其中,w表示连接特征空间至输出空间的线性权,b表示偏置值,class1表示正常驾驶,class2表示疲劳驾驶。
驾驶状态分类的目的是寻找(w,b),使最优分类面满足分类间隔最大。为了减少分类平面的重复,对(w,b)做如下约束:
满足式(3)的超平面称为典型超平面,典型超平面到最近数据点的距离为由此将寻找最优分类平面的问题转化为求τ(w)的最优问题。τ(w)公式如下:
s.t.yi((w·xi)+b)≥1,i=1,…,l (5)
其中,τ(w)表示定义的目标函数。
定义Lagrange函数L(w,b,a)为:
令
其中,ai表示约束条件式(3)对应的Lagrange乘子,a表示参数。
若a*为式(8)最优解,则将式(7)和式(8)带入式(3)得:
其中,F(ai)表示ai对应的函数值。
因此,式(4)的问题就转化为对偶问题:
0≤αi≤C,i=1,…,l (11)
其中,C表示惩罚参数。
通过对式(10)求解,得到最优分类函数:
其中,b*的求解可通过式(5)约束方程(此时去等号)求出。
根据实际情况选择适当的惩罚参数C>0,带入式(11)构造并求解式(9)和(10)的最优化问题,得最优解
根据得到的最优解计算得到w*。选择的一个小于C的正分量并由此计算b*,进而得到分类超平面。
所述子步骤S142,通过核函数将所述样本训练集的xi转换到三维平面。
在本实施例中,对于驾驶状态的划分,需要在式(9)中引入一个实现线型映射的核函数K(xi,xj),得:
其中,aj表示ai小于C的正分量。
所述子步骤S143,根据所述样本训练集、分类超平面及核函数得到决策函数,进而得到疲劳驾驶分类器,其中,决策函数的公式如下:
其中,表示Lagrange乘子最优值,xj表示样本中j时刻方向盘信息,b*表示偏置值最优值。
在本实施例的实施方式中,所述核函数的公式如下:
K(xi,xj)=(xi·xj+1)d
其中,d表示多项式核函数阶数。
将K(xi,xj)带入式(12),得到驾驶状态分类决策函数为:
重复计算最优解及b*的步骤,从而构造驾驶状态的决策函数f(x)。通过决策函数推断任一输入信息对应的输出状态。
请参照图7,图7是本发明实施例提供的方向盘20的结构示意图。所述方向盘20包括角速度传感器100、压力传感器200以及方向盘支撑架400。
在本实施例的实施方式中,所述角速度传感器100采用角速度型动磁铁式磁电传感器。所述角速度传感器100包括线圈101及磁铁102。所述线圈101设置在所述方向盘20的中央,所述磁铁102设置在所述线圈101的周围。所述角速度型动磁铁式磁电传感器将运动速度转换成线圈101的感应电动势输出。
在本实施例的实施方式中,所述压力传感器200采用变极距型电容式传感器。所述压力传感器200包括固体介质、均匀固定在固体介质一侧的动极板和固定在固体介质另一侧的定级板。所述动极板收到压力移动,所述动极板与所述定级板的间距发生变化,从而使电容量发生变化,由此计算出压力信息。
本发明实施例还提供一种疲劳驾驶检测系统10。所述疲劳驾驶检测系统10包括相互通信连接的角速度传感器100、压力传感器200及移动终端300。其中,所述角速度传感器100及压力传感器200设置在方向盘20上。
所述角速度传感器100,用于采集方向盘20的角速度信息,并将所述角速度信息发送给移动终端300;
所述压力传感器200,用于采集所述方向盘20受到的压力信息,并将所述压力信息发送给移动终端300;
所述移动终端300,用于在接收到所述角速度信息及压力信息后,将所述角速度信息及压力信息输入到所述移动终端300预先存储的疲劳驾驶分类器中进行判断,得到当前驾驶的状态。
在本发明实施例中,所述移动终端300在当前驾驶的状态为疲劳驾驶时,控制车辆内部的灯光闪烁或音响发出声音以实现预警。
在本发明实施例中,所述移动终端300还用于训练得到疲劳驾驶分类器;
所述移动终端300训练得到疲劳驾驶分类器的方式包括:
接收所述角速度传感器100采集的方向盘20的样本角速度信息;
接收所述压力传感器200采集的方向盘20的样本压力信息;
接收通过所述样本角速度信息、样本压力信息及对应的驾驶状态构建样本训练集;
采用支持向量机方法对所述样本训练集进行训练,得到疲劳驾驶分类器。
综上所述,本发明提供一种疲劳驾驶检测方法、系统及方向盘。所述系统包括角速度传感器、压力传感器及移动终端。所述角速度传感器采集方向盘的角速度信息,并将所述角速度信息发送给移动终端。所述角速度传感器采集方向盘的角速度信息,并将所述角速度信息发送给移动终端。所述移动终端在接收到所述角速度信息及压力信息后,将所述角速度信息及压力信息输入到所述移动终端预先存储的疲劳驾驶分类器中进行判断,得到当前驾驶的状态。由此可以准确判断当前的驾驶状态是否为疲劳驾驶。
在本发明实施例所提供的几个实施例中,应该理解到,所揭露的系统和方法,也可以通过其它的方式实现。以上所描述的系统和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,电子设备,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种疲劳驾驶检测方法,应用于疲劳驾驶检测系统,所述疲劳驾驶系统包括相互通信连接的角速度传感器、压力传感器及移动终端,其特征在于,所述角速度传感器及压力传感器设置在方向盘上,所述方法包括:
所述角速度传感器采集方向盘的角速度信息,并将所述角速度信息发送给移动终端;
所述压力传感器采集所述方向盘受到的压力信息,并将所述压力信息发送给移动终端;
所述移动终端在接收到所述角速度信息及压力信息后,将所述角速度信息及压力信息输入到所述移动终端预先存储的疲劳驾驶分类器中进行判断,得到当前驾驶的状态。
2.根据权利要求1所述的方法,其特征在于,在所述移动终端在接收到所述角速度信息及压力信息后,将所述角速度信息及压力信息输入到所述移动终端预先存储的疲劳驾驶分类器中进行判断,得到当前驾驶的状态的步骤之后还包括:
若当前驾驶的状态为疲劳驾驶,所述移动终端控制车辆内部的灯光闪烁或音响发出声音以实现预警。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括训练得到疲劳驾驶分类器的步骤,
所述训练得到疲劳驾驶分类器的步骤包括:
所述角速度传感器采集方向盘的样本角速度信息;
所述压力传感器采集方向盘的样本压力信息;
通过所述样本角速度信息、样本压力信息及对应的驾驶状态构建样本训练集;
采用支持向量机方法对所述样本训练集进行训练,得到疲劳驾驶分类器。
4.根据权利要求3所述的方法,其特征在于,所述样本训练集的公式如下:
T={(x1,y1),…(xi,yi)…,(xl,yl)}∈(X2×Y)l
其中,T表示样本训练集合,xi表示样本中i时刻方向盘信息,xi∈X2=(xi1,xi2),X2表示样本中方向盘信息集合,xi1表示样本中i时刻方向盘角速度信息,xi2表示样本中i时刻方向盘受到的压力信息,yi表示样本中i时刻的驾驶状态,yi∈Y={+1,-1},Y表示样本中驾驶状态集合,+1表示正常驾驶,-1表示疲劳驾驶,i=1,2,...l。
5.根据权利要求4所述的方法,其特征在于,所述采用支持向量机方法对所述样本训练集进行训练,得到疲劳驾驶分类器的步骤包括:
根据所述样本训练集计算得到分类超平面,其中,所述分类超平面的公式如下:
(w*·xi)+b*=0
其中,w*表示连接特征空间至输出空间的最优线性权,b*表示最优偏置值;
通过核函数将所述样本训练集中的xi转换到三维平面;
根据所述样本训练集、分类超平面及核函数得到决策函数,进而得到疲劳驾驶分类器,其中,决策函数的公式如下:
其中,表示Lagrange乘子最优值,K(xi·xj)表示核函数,xj表示样本中j时刻方向盘信息。
6.根据权利要求5所述的方法,其特征在于,所述核函数的公式如下:
K(xi,xj)=(xi·xj+1)d
其中,d表示多项式核函数阶数。
7.一种方向盘,应用于权利要求1-6中任意一项所述的疲劳驾驶检测方法,其特征在于,所述方向盘包括方向盘支撑架、角速度传感器以及压力传感器;
所述角速度传感器设置在所述方向盘支撑架的中心,用于采集所述方向盘的角速度信息;
所述压力传感器呈环状设置在所述方向盘支撑盘的扶手上,用于采集所述方向盘受到的压力信息。
8.一种疲劳驾驶检测系统,所述疲劳驾驶系统包括相互通信连接的角速度传感器、压力传感器及移动终端,其特征在于,所述角速度传感器及压力传感器设置在方向盘上,所述系统包括:
所述角速度传感器,用于采集方向盘的角速度信息,并将所述角速度信息发送给移动终端;
所述压力传感器,用于采集所述方向盘受到的压力信息,并将所述压力信息发送给移动终端;
所述移动终端,用于在接收到所述角速度信息及压力信息后,将所述角速度信息及压力信息输入到所述移动终端预先存储的疲劳驾驶分类器中进行判断,得到当前驾驶的状态。
9.根据权利要求8所述的系统,其特征在于,所述移动终端在当前驾驶的状态为疲劳驾驶时,控制车辆内部的灯光闪烁或音响发出声音以实现预警。
10.根据权利要求8所述的系统,其特征在于,
所述移动终端还用于训练得到疲劳驾驶分类器;
所述移动终端训练得到疲劳驾驶分类器的方式包括:
接收角速度传感器采集的方向盘的样本角速度信息;
接收所述压力传感器采集的方向盘的样本压力信息;
通过所述样本角速度信息、样本压力信息及对应的驾驶状态构建样本训练集;
采用支持向量机方法对所述样本训练集进行训练,得到疲劳驾驶分类器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611167923.1A CN106585490A (zh) | 2016-12-16 | 2016-12-16 | 疲劳驾驶检测方法、系统及方向盘 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611167923.1A CN106585490A (zh) | 2016-12-16 | 2016-12-16 | 疲劳驾驶检测方法、系统及方向盘 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106585490A true CN106585490A (zh) | 2017-04-26 |
Family
ID=58600660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611167923.1A Pending CN106585490A (zh) | 2016-12-16 | 2016-12-16 | 疲劳驾驶检测方法、系统及方向盘 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106585490A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109044381A (zh) * | 2018-09-20 | 2018-12-21 | 合肥京东方光电科技有限公司 | 驾驶装置及疲劳驾驶检测系统 |
CN109480358A (zh) * | 2018-09-30 | 2019-03-19 | 浙江创融科技有限公司 | 一种智能驾驶手套及监测方法 |
CN110634009A (zh) * | 2018-06-25 | 2019-12-31 | 北京京东尚科信息技术有限公司 | 数据分类方法、装置及介质 |
CN112373563A (zh) * | 2020-11-23 | 2021-02-19 | 浙江天行健智能科技有限公司 | 一种基于径向压力的方向盘脱手检测方法及辅助驾驶方法 |
CN112590668A (zh) * | 2020-12-14 | 2021-04-02 | 浙江梵隆汽车部件有限公司 | 基于语音输入预警的多功能转向盘系统及其预警方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110069992A (ko) * | 2009-12-18 | 2011-06-24 | 재단법인대구경북과학기술원 | 운전자 주행 패턴을 이용한 졸음 감지 시스템 |
JP2013081708A (ja) * | 2011-10-12 | 2013-05-09 | Aisin Seiki Co Ltd | 睡眠状態判別装置および睡眠状態判別方法 |
CN103473890A (zh) * | 2013-09-12 | 2013-12-25 | 合肥工业大学 | 基于多信息的驾驶员疲劳实时监测系统及监测方法 |
CN104463244A (zh) * | 2014-12-04 | 2015-03-25 | 上海交通大学 | 基于智能移动终端的异常驾驶行为监测和识别方法及系统 |
CN104527767A (zh) * | 2014-12-27 | 2015-04-22 | 长安大学 | 一种预警驾驶员疲劳驾驶的方向盘及其控制方法 |
CN105232065A (zh) * | 2015-11-08 | 2016-01-13 | 盐城工业职业技术学院 | 基于车联网的实时驾驶疲劳检测系统 |
CN105956548A (zh) * | 2016-04-29 | 2016-09-21 | 奇瑞汽车股份有限公司 | 驾驶员疲劳状况检测方法和装置 |
-
2016
- 2016-12-16 CN CN201611167923.1A patent/CN106585490A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110069992A (ko) * | 2009-12-18 | 2011-06-24 | 재단법인대구경북과학기술원 | 운전자 주행 패턴을 이용한 졸음 감지 시스템 |
JP2013081708A (ja) * | 2011-10-12 | 2013-05-09 | Aisin Seiki Co Ltd | 睡眠状態判別装置および睡眠状態判別方法 |
CN103473890A (zh) * | 2013-09-12 | 2013-12-25 | 合肥工业大学 | 基于多信息的驾驶员疲劳实时监测系统及监测方法 |
CN104463244A (zh) * | 2014-12-04 | 2015-03-25 | 上海交通大学 | 基于智能移动终端的异常驾驶行为监测和识别方法及系统 |
CN104527767A (zh) * | 2014-12-27 | 2015-04-22 | 长安大学 | 一种预警驾驶员疲劳驾驶的方向盘及其控制方法 |
CN105232065A (zh) * | 2015-11-08 | 2016-01-13 | 盐城工业职业技术学院 | 基于车联网的实时驾驶疲劳检测系统 |
CN105956548A (zh) * | 2016-04-29 | 2016-09-21 | 奇瑞汽车股份有限公司 | 驾驶员疲劳状况检测方法和装置 |
Non-Patent Citations (1)
Title |
---|
张汝波等: "《计算智能基础》", 31 January 2013 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110634009A (zh) * | 2018-06-25 | 2019-12-31 | 北京京东尚科信息技术有限公司 | 数据分类方法、装置及介质 |
CN109044381A (zh) * | 2018-09-20 | 2018-12-21 | 合肥京东方光电科技有限公司 | 驾驶装置及疲劳驾驶检测系统 |
CN109480358A (zh) * | 2018-09-30 | 2019-03-19 | 浙江创融科技有限公司 | 一种智能驾驶手套及监测方法 |
CN112373563A (zh) * | 2020-11-23 | 2021-02-19 | 浙江天行健智能科技有限公司 | 一种基于径向压力的方向盘脱手检测方法及辅助驾驶方法 |
CN112373563B (zh) * | 2020-11-23 | 2022-01-21 | 浙江天行健智能科技有限公司 | 一种基于径向压力的方向盘脱手检测方法及辅助驾驶方法 |
CN112590668A (zh) * | 2020-12-14 | 2021-04-02 | 浙江梵隆汽车部件有限公司 | 基于语音输入预警的多功能转向盘系统及其预警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106585490A (zh) | 疲劳驾驶检测方法、系统及方向盘 | |
CN109978260B (zh) | 混合交通流下网联车跟驰行为预测方法 | |
CN109147279B (zh) | 一种基于车联网的驾驶员疲劳驾驶监测预警方法及系统 | |
CN103745507B (zh) | 行车状态分析方法及装置 | |
CN107389168A (zh) | 一种用于桥梁的车辆移动载荷的识别方法 | |
CN105564436A (zh) | 一种高级驾驶辅助系统 | |
CN109493566A (zh) | 一种基于gps数据的疲劳驾驶预测方法 | |
CN110509983A (zh) | 一种适用于不同驾驶需求的线控转向路感反馈装置 | |
CN106209546A (zh) | 基于双目相机和面阵相机的自动跟车系统 | |
CN103578227A (zh) | 基于gps定位信息的疲劳驾驶检测方法 | |
CN103489010A (zh) | 基于驾驶行为的疲劳驾驶检测方法 | |
CN106913351A (zh) | 一种脑力负荷水平的识别方法 | |
Liu et al. | DSDCLA: Driving style detection via hybrid CNN-LSTM with multi-level attention fusion | |
EP3323669A1 (en) | Vehicle control unit (vcu) and operating method thereof | |
CN112381015A (zh) | 疲劳度识别方法、装置和设备 | |
CN102360180B (zh) | 机动车安全监测系统制动性能辨识方法 | |
Ding et al. | Driver’s emotional state-based data anomaly detection for vehicular ad hoc networks | |
CN106919948B (zh) | 一种驾驶持续性注意水平的识别方法 | |
Chen et al. | Triboelectric nanogenerator sensors for intelligent steering wheel aiming at automated driving | |
CN104200704A (zh) | 车辆避撞预警方法及设备 | |
CN106294943A (zh) | 电动汽车续驶里程的仿真方法和装置 | |
Qian et al. | Support Vector Machine for Behavior‐Based Driver Identification System | |
CN106845393A (zh) | 安全带识别模型构建方法及装置 | |
Singh | Development of an intelligent tire based tire-vehicle state estimator for application to global chassis control | |
CN103345841B (zh) | 一种基于地磁传感器的频域谱能量车型分类方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170426 |