CN108960033B - 一种基于驾驶员前臂加速度的时速自适应变道驾驶行为检测方法 - Google Patents

一种基于驾驶员前臂加速度的时速自适应变道驾驶行为检测方法 Download PDF

Info

Publication number
CN108960033B
CN108960033B CN201810288996.9A CN201810288996A CN108960033B CN 108960033 B CN108960033 B CN 108960033B CN 201810288996 A CN201810288996 A CN 201810288996A CN 108960033 B CN108960033 B CN 108960033B
Authority
CN
China
Prior art keywords
forearm
frequency domain
acceleration
lane
calculating
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.)
Active
Application number
CN201810288996.9A
Other languages
English (en)
Other versions
CN108960033A (zh
Inventor
夏明�
周聪颖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN201810288996.9A priority Critical patent/CN108960033B/zh
Publication of CN108960033A publication Critical patent/CN108960033A/zh
Application granted granted Critical
Publication of CN108960033B publication Critical patent/CN108960033B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
    • G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/28—Recognition of hand or arm movements, e.g. recognition of deaf sign language

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种基于驾驶员前臂加速度的时速自适应变道驾驶行为检测方法，依据车辆时速，动态设置时域滑动窗口大小，并将时域窗口内的驾驶员前臂加速度数据变换到频域上；然后，动态选择频域检测区间，计算检测区间内加速度能量；并设置动态的阈值，将计算得到的加速度能量与阈值对比检测变道；最后计算频域检测区间内前臂加速度数据实部的变化，进一步判断变道方向。该方法根据车辆时速对前臂加速度数据时域到频域变换的窗口、频域检测区间、以及检测阈值进行动态调整，有效提高了不同行驶时速下变道驾驶行为检测的准确率。

Description

一种基于驾驶员前臂加速度的时速自适应变道驾驶行为检测 方法
技术领域
本发明涉及驾驶行为检测方法，特别是基于驾驶员前臂加速度数据进行变道驾驶行为检测的方法。
背景技术
为实现驾驶行为的判断与检测，从而尽早发现潜在的安全风险，目前已出现了相当数量的驾驶行为检测成果。早期研究大多是基于车载传感器和外部传感器的，如摄像头、激光雷达等。文献[1]Oliver N,Pentland A P.Graphical models for driver behaviorrecognition in a Smartcar[C].IEEE Intelligent Vehicles Symposium,2000.运用隐马尔科夫模型(Hidden Markov Model，HMM)将车辆内置传感器采集的数据与摄像机采集的图像数据流进行匹配，从而预测驾驶行为。类似的，文献[2]Malik H,Rakotonirainy A.Theneed of intelligent driver training systems for road safety[C].InternationalConference on Systems Engineering,2008.也提出采用摄像头等传感器采集的数据辅助驾驶员培训。文献[3]Healey J A,Picard R W.Detecting stress during real-worlddriving tasks using physiological sensors[J].IEEE Transactions on IntelligentTransportation Systems,2005,6(2):156-166.加入了皮肤传导与心率等监测，以实时检测驾驶者在驾驶过程中的压力变化。随着智能手机的广泛应用，出现了大量基于智能手机传感器数据的驾驶行为检测方法。由于驾驶时智能手机放置在车辆上，因此智能手机传感器数据反映了车辆的运动特征。文献[4]Lee B,Chung W.A smartphone-based driversafety monitoring system using data fusion[J].Sensors,2012,12(12):17536-17552.提出了融合多种传感器数据并在Android智能手机上实现的驾驶安全性监测系统。文献[5]Johnson D A,Trivedi M M.Driving style recognition using a smartphoneas a sensor platform[C].International IEEE Conference on IntelligentTransportation Systems,2011.利用智能手机的GPS、陀螺仪、加速度传感器和磁感应器采集的数据，通过动态时间规整(Dynamic Time Warping，DTW)算法判定驾驶者的驾驶风格。类似的，文献[6]Eren H,Makinist S,Akin E,et al.Estimating driving behavior by asmartphone[C].Intelligent Vehicles Symposium,2012.结合智能手机多种传感器获取的位置、行驶速度、加速度、偏转角度等，设计了基于DTW算法的驾驶安全评价系统。文献[7]Chaovalit P,Saiprasert C,Pholprasit T.A method for driving event detectionusing SAX on smartphone sensors[C].International Conference on ItsTelecommunications,2013.对于加速度数据的模式匹配采用了符号聚合近似(SymbolicAggregate Approximation，SAX)算法，能够有效地降低计算的时间复杂度且匹配效果较为理想。在驾驶过程中，变道是存在安全风险的主要行为之一，连续变道、追逐竞驶更是引发交通事故的重要危险驾驶行为。文献[8]Leveraging smartphones for vehicle lane-level localization on highways[J].IEEE Transactions on Mobile Computing,2017.提出利用智能手机传感器检测车辆变道轨迹并进一步进行车道级别定位。利用智能手机传感器进行驾驶行为检测存在智能手机与车辆坐标系的匹配问题，因而大多数方法对智能手机的摆放位置和方向具有比较严格的要求。与智能手机不同，智能腕带或手表搭载的传感器可用于采集驾驶员前臂的运动特征，反映的是驾驶员对于方向盘的操作情况。由于智能腕带的佩戴位置比较固定，因此坐标系匹配问题较易解决。利用智能腕带传感器检测驾驶行为，目前也出现了一定的研究成果，如文献[9]Liu L,Karatas C,Li H,et al.Towarddetection of unsafe driving with wearables[C].The Workshop on WearableSystems&Applications at MOBISYS.2015.提出根据手腕的旋转力度来推断方向盘的转弯角度，以跟踪车辆的运动状态。文献[10]Bi C,Huang J,Xing G,et al.SafeWatch:AWearable Hand Motion Tracking System for Improving Driving Safety[C].IEEE/ACMSecond International Conference on Internet-of-Things Design andImplementation.2017.利用智能腕带采集驾驶员前臂的运动特征以判断驾驶员是否紧握方向盘。针对变道驾驶，目前还未出现利用智能腕带采集的驾驶员前臂运动特征进行精确检测的相关研究成果。
发明内容
为了克服现有技术中无法利用驾驶员前臂运动特征进行精确变道检测的不足，本发明提出一种基于驾驶员前臂加速度的时速自适应变道驾驶行为检测方法。该方法将前臂加速度时域数据变换到频域进行变道检测，并结合车辆时速对前臂加速度数据时域到频域变换的窗口、频域检测区间、以及检测阈值进行动态调整，有效提高了不同行驶时速下变道驾驶行为检测的准确率。
本发明解决其技术问题所采用的技术方案是：
一种基于驾驶员前臂加速度的时速自适应变道驾驶行为检测方法，包括以下步骤：
(1)设置一个时域滑动窗口，并依据车辆时速，动态选择窗口大小，然后将时域窗口内的前臂加速度数据变换到频域上；
(2)针对变换到频域的前臂加速度数据，动态选择频域检测区间，并计算检测区间内的加速度能量Sum(E)；
(3)依据车辆时速，设置动态的阈值α，并将Sum(E)与α对比检测变道驾驶行为；
(4)计算前臂加速度数据在频域检测区间内的实部变化情况以进一步判断变道方向；然后返回步骤(1)循环检测。
进一步，所述步骤(1)中，依据车辆时速s，时域滑动窗口大小W定义为：
W＝p1×s2+p2×s+p3 (1)
其中，p1、p2、p3为计算参数。
再进一步，所述步骤(2)中，通过以下方法动态选择频域检测区间并计算检测区间内的加速度能量：
首先，根据滑动窗口大小W，计算前臂加速度数据时域到频域变换时的采样点数N＝2x，使得2x≥3×W＞2x-1；
然后，根据前臂加速度采样频率fs，计算i(0≤i≤N)，使得|fs/W-fs×i/N|的结果最小，计此时i的值为
Figure BDA0001616841770000055
并根据
Figure BDA0001616841770000056
计算频域检测区间a和b，计算方法如下：
Figure BDA0001616841770000051
并根据频域检测区间a和b，计算区间内加速度能量Sum(E)：
Figure BDA0001616841770000052
其中，Amp(i)表示频域上第i个前臂加速度数据频谱幅值。
更进一步，所述步骤(3)中，依据车辆时速s，能量阈值α的动态调整采用以下公式：
α＝p4×exp(-((s-p5)/p6)2) (4)
其中，p4、p5、p6为计算参数。
如Sum(E)＞α，则判定变道驾驶行为发生，否则判定无变道驾驶行为发生。
最后，所述步骤(4)中，计算频域上第
Figure BDA0001616841770000053
个前臂加速度数据的实部减去第
Figure BDA0001616841770000054
个前臂加速度数据的实部的结果；若结果大于0则判定为左变道，小于0则判定为右变道。
本发明的有益效果为：将驾驶员前臂加速度时域数据变换到频域进行变道检测，并结合车辆时速对前臂加速度数据时域到频域变换的窗口、频域检测区间、以及检测阈值进行动态调整，有效提高了不同行驶时速下变道驾驶行为检测的准确率。
附图说明
图1为本发明所述的一种基于驾驶员前臂加速度的时速自适应变道驾驶行为检测方法流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
参照图1，一种基于驾驶员前臂加速度的时速自适应变道驾驶行为检测方法，利用智能腕带搭载的加速度传感器和GPS传感器，对驾驶员变道行为进行实时检测，包括以下步骤：
(1)设置一个时域滑动窗口，并依据GPS传感器获得的时速数据，动态选择窗口大小，然后采用快速傅里叶变换等方法将时域窗口内的驾驶员前臂加速度数据变换到频域上。依据车辆时速s，窗口大小W按照以下公式计算：
W＝p1×s2+p2×s+p3 (1)
其中，p1、p2、p3为计算参数(p1典型值为0.0027，p2典型值为0.621，p3典型值为55.93)。
(2)针对变换到频域的前臂加速度数据，动态选择频域检测区间，并计算检测区间内的加速度能量。首先，根据滑动窗口大小W，计算前臂加速度数据时域到频域变换时的采样点数N＝2x，使得2x≥3×W＞2x-1；
然后，根据前臂加速度采样频率fs，计算i(0≤i≤N)，使得|fs/W-fs×i/N|的结果最小，计此时i的值为
Figure BDA0001616841770000061
并根据
Figure BDA0001616841770000062
计算频域检测区间a和b，计算方法如下：
Figure BDA0001616841770000071
最后，根据频域检测区间a和b，计算区间内加速度能量Sum(E)：
Figure BDA0001616841770000072
其中，Amp(i)表示频域上第i个前臂加速度数据频谱幅值。
(3)依据车辆时速s，设置动态的阈值α，并将Sum(E)与α对比检测变道。α采用以下公式计算：
α＝p4×exp(-((s-p5)/p6)2) (4)
其中，p4、p5、p6为计算参数(参数p4典型值为8.307，p5典型值为13.04，p6典型值为35.21)。如Sum(E)＞α，则判定变道驾驶行为发生，否则判定无变道驾驶行为发生。
(4)计算前臂加速度数据在频域检测区间内的实部变化情况以进一步判断变道方向。计算频域上第
Figure BDA0001616841770000073
个前臂加速度数据的实部减去第
Figure BDA0001616841770000074
个前臂加速度数据的实部的结果；若结果大于0则判定为左变道，小于0则判定为右变道。然后返回步骤(1)循环检测。

Claims (3)

1.一种基于驾驶员前臂加速度的时速自适应变道驾驶行为检测方法，其特征在于，所述方法包括以下步骤：
(1)设置一个时域滑动窗口，并依据车辆时速，动态选择窗口大小，然后将时域窗口内的前臂加速度数据变换到频域上；
(2)针对变换到频域的前臂加速度数据，动态选择频域检测区间，并计算检测区间内的加速度能量Sum(E)；
所述步骤(2)中，动态选择频域检测区间并计算检测区间内的加速度能量的方法，过程如下：
首先，根据滑动窗口大小W，计算前臂加速度数据时域到频域变换时的采样点数N＝2x，使得2x≥3×W＞2x-1；
然后，根据前臂加速度采样频率fs，计算i(0≤i≤N)，使得|fs/W-fs×i/N|的结果最小，计此时i的值为
Figure FDA0002996520230000011
并根据
Figure FDA0002996520230000012
计算频域检测区间a和b：
Figure FDA0002996520230000013
并根据频域检测区间a和b，计算区间内加速度能量Sum(E)：
Figure FDA0002996520230000014
其中，Amp(i)表示频域上第i个前臂加速度数据频谱幅值；
(3)依据车辆时速，设置动态的阈值α，并将Sum(E)与α对比检测变道驾驶行为；
(4)计算前臂加速度数据在频域检测区间内的实部变化情况以进一步判断变道方向；然后返回步骤(1)循环检测；
所述步骤(4)中，判断变道方向的方法如下：计算频域上第
Figure FDA0002996520230000021
个前臂加速度数据的实部减去第
Figure FDA0002996520230000022
个前臂加速度数据的实部的结果；若结果大于0则判定为左变道，小于0则判定为右变道。
2.如权利要求1所述的基于驾驶员前臂加速度的时速自适应变道驾驶行为检测方法，其特征在于：所述步骤(1)中，依据车辆时速s，时域滑动窗口大小W定义为：
W＝p1×s2+p2×s+p3 (1)
其中，p1、p2、p3为计算参数。
3.如权利要求1所述的基于驾驶员前臂加速度的时速自适应变道驾驶行为检测方法，其特征在于：所述步骤(3)中，能量阈值α的动态设置方法：依据车辆时速s，α定义为：
α＝p4×exp(-((s-p5)/p6)2) (4)
其中，p4、p5、p6为计算参数，如果Sum(E)＞α，则判定变道驾驶行为发生，否则判定无变道驾驶行为发生。
CN201810288996.9A 2018-04-03 2018-04-03 一种基于驾驶员前臂加速度的时速自适应变道驾驶行为检测方法 Active CN108960033B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810288996.9A CN108960033B (zh) 2018-04-03 2018-04-03 一种基于驾驶员前臂加速度的时速自适应变道驾驶行为检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810288996.9A CN108960033B (zh) 2018-04-03 2018-04-03 一种基于驾驶员前臂加速度的时速自适应变道驾驶行为检测方法

Publications (2)

Publication Number Publication Date
CN108960033A CN108960033A (zh) 2018-12-07
CN108960033B true CN108960033B (zh) 2021-08-03

Family

ID=64498604

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810288996.9A Active CN108960033B (zh) 2018-04-03 2018-04-03 一种基于驾驶员前臂加速度的时速自适应变道驾驶行为检测方法

Country Status (1)

Country Link
CN (1) CN108960033B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110547807A (zh) * 2019-09-17 2019-12-10 深圳市赛梅斯凯科技有限公司 驾驶行为分析方法、装置、设备及计算机可读存储介质
CN114970705B (zh) * 2022-05-20 2024-05-07 深圳市有一说一科技有限公司 基于多传感数据的行驶状态分析方法、装置、设备及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104236566A (zh) * 2014-09-24 2014-12-24 深圳先进技术研究院 基于智能手机的地图匹配方法
CN107097845A (zh) * 2016-02-16 2017-08-29 操纵技术Ip控股公司 检测车辆运动状态的转向系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104236566A (zh) * 2014-09-24 2014-12-24 深圳先进技术研究院 基于智能手机的地图匹配方法
CN107097845A (zh) * 2016-02-16 2017-08-29 操纵技术Ip控股公司 检测车辆运动状态的转向系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于智能手机传感器的行为检测研究与应用;薛峰涛;《中国优秀硕士学位论文全文数据库信息科技辑》;20180215;第I138-2002页 *

Also Published As

Publication number Publication date
CN108960033A (zh) 2018-12-07

Similar Documents

Publication Publication Date Title
US10663298B2 (en) Method and apparatus for characterizing platform motion
CN107635204B (zh) 一种运动行为辅助的室内融合定位方法及装置、存储介质
Eren et al. Estimating driving behavior by a smartphone
Van Ly et al. Driver classification and driving style recognition using inertial sensors
CN108334099B (zh) 一种高效的无人机人体跟踪方法
CN107202983A (zh) 基于图像识别和毫米波雷达融合的自动刹车方法和系统
CN104635233B (zh) 基于车载毫米波雷达的前方物体运动状态估计及分类方法
JP2019040465A (ja) 行動認識装置，学習装置，並びに方法およびプログラム
CN108960033B (zh) 一种基于驾驶员前臂加速度的时速自适应变道驾驶行为检测方法
CN107526431B (zh) 用于预测视觉注意力的目标的设备及方法
CN108872975A (zh) 用于目标跟踪的车载毫米波雷达滤波估计方法、装置及存储介质
CN109878530B (zh) 识别车辆侧向行驶工况的方法和系统
CN107146473A (zh) 一种车辆变道提醒装置、方法及交通工具
CN103544485B (zh) 基于智能终端的司机识别方法和装置
CN109094560A (zh) 一种自适应巡航方法及装置
Saiprasert et al. Detecting driving events using smartphone
CN101789128B (zh) 一种基于dsp的目标检测与跟踪方法以及数字图像处理系统
CN107430821B (zh) 图像处理装置
CN110929766B (zh) 一种基于高斯混合聚类算法的自适应行人手机姿态识别方法
CN116092193A (zh) 一种基于人体运动状态识别的行人航迹推算方法
CN113520397A (zh) 一种基于可穿戴式惯性测量单元的驾驶分心行为识别方法
CN113569980A (zh) 一种复杂环境下的行人移动轨迹在线预测方法及系统
CN114419562A (zh) 车辆运行状态检测模型的训练方法、检测方法、装置
Xia et al. Leveraging wrist-mounted wearables for lane-change detection
Chen et al. Drive Safe Inspector: A Wearable-Based Fine-Grained Technique for Driver Hand Position Detection

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
GR01 Patent grant
GR01 Patent grant