CN113720882B - 一种基于mq3传感器和uwb激光雷达的酒驾检测方法 - Google Patents

一种基于mq3传感器和uwb激光雷达的酒驾检测方法 Download PDF

Info

Publication number
CN113720882B
CN113720882B CN202111002380.9A CN202111002380A CN113720882B CN 113720882 B CN113720882 B CN 113720882B CN 202111002380 A CN202111002380 A CN 202111002380A CN 113720882 B CN113720882 B CN 113720882B
Authority
CN
China
Prior art keywords
detection
sensor
drunk driving
alcohol concentration
alcohol
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
CN202111002380.9A
Other languages
English (en)
Other versions
CN113720882A (zh
Inventor
李克秋
马立原
刘秀龙
张久武
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.)
Tianjin University
Original Assignee
Tianjin University
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 Tianjin University filed Critical Tianjin University
Priority to CN202111002380.9A priority Critical patent/CN113720882B/zh
Publication of CN113720882A publication Critical patent/CN113720882A/zh
Application granted granted Critical
Publication of CN113720882B publication Critical patent/CN113720882B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G01N27/04—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/082—Evaluation by breath analysis, e.g. determination of the chemical composition of exhaled breath
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • A61B5/6893—Cars
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/0209—Systems with very large relative bandwidth, i.e. larger than 10 %, e.g. baseband, pulse, carrier-free, ultrawideband
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • 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
    • G08B21/18—Status alarms
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
    • G08B25/10—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using wireless transmission systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Emergency Management (AREA)
  • Business, Economics & Management (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Chemical & Material Sciences (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Immunology (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Physiology (AREA)
  • Pulmonology (AREA)
  • Electromagnetism (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Auxiliary Drives, Propulsion Controls, And Safety Devices (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于MQ3传感器和UWB激光雷达的酒驾检测系统及方法，包括酒精检测模块(100)、呼吸检测模块(200)、信号匹配模块(300)和酒驾报警模块(400)，各模块协作运行完成检测；其中，基于MQ3传感器的所述酒精检测模块(100)用于酒精信号捕获、酒精序列处理和酒驾阈值检测；基于UWB激光雷达的所述呼吸检测模块(200)用于呼吸信号捕获、呼吸信号处理和乘客分离与定位；所述信号匹配模块(300)用于周期信号对齐、序列特征匹配和饮酒者身份确认；所述酒驾报警模块(400)用于系统报警提示、数据可观化界面和酒驾信息上传。与现有技术相比，本发明能够为机动车驾驶场景提供高效准确的酒驾检测，并实时检测车内酒精浓度和所有乘客的呼吸信号。

Description

一种基于MQ3传感器和UWB激光雷达的酒驾检测方法
技术领域
本发明涉及无线通信技术领域，特别是涉及一种基于MQ3传感器技术和UWB激光雷达技术结合的酒驾检测系统。
背景技术
随着科学技术与社会经济的发展，汽车已经成为了人们日常出行的主要交通工具，随之而来的是交通事故的增多，其中酒驾是交通事故发生的重要诱因。
UWB激光雷达(Ultra Wide Band Radar)或称超宽带雷达，使用1GHz以上频率带宽的无线载波，它不采用正弦载波，而是利用纳秒级的非正弦波窄脉冲传输数据，用于定位和测距的UWB脉冲在6.5-8GHz之间的频率范围内工作，不会干扰频谱其他频段发生的无线传输。这意味着UWB能够与现在最流行的无线形式共存，包括卫星导航、Wi-Fi和蓝牙等。它具有数据传输速度高，功耗低，定位精确，安全性高，系统结构的实现比较简单的特点，在检测人体生命体征上具有独特的优势。它不仅不需要任何电极和传感器接触人体，实现真正的无创检测，而且利用超宽带雷达检测人体的生命信号不受环境温度和热物影响的特点，能有效穿透介质，较好地解决了激光和红外探测受温度影响严重、遇物体阻挡失效的问题，也克服了超声探测受环境杂物反射干扰、阻挡失效的问题。利用UWB激光雷达的相关特性，可以避免车内异物的阻挡，准确地获得车内存在的呼吸信号并进行定位，并通过相应处理进行区分，从而提取出每个人的呼吸曲线。
MQ3传感器所使用的气敏材料是在清洁空气中电导率较低的二氧化锡(SnO2)。当传感器所处环境中存在酒精蒸汽时，传感器的电导率随空气中酒精气体浓度的增加而增大。使用简单的电路即可将电导率的变化转换为与该气体浓度相对应的输出信号。MQ3气体传感器对酒精的灵敏度高，可以抵抗汽油、烟雾、水蒸气的干扰。这种传感器可检测多种浓度酒精气氛，是一款适合多种应用的特种传感器。而具有类似功能的近红外光谱酒精检测技术通过检测驾驶员手部透射光线，对透射光线进行特定波段内的光谱分析，得出驾驶员体内酒精透射率，存在血液中大量非目标组分和光谱信号较强噪音的干扰，数据噪声较大，场景要求较高。目前交警所采用的血液酒精浓度检测以及呼吸酒精浓度检测，需工作人员主动采集信息，因此使用MQ3酒精传感器更符合酒驾检测需求。
发明内容
本发明旨在提出一种基于MQ3传感器和UWB激光雷达的酒驾检测方法，借助呼吸信号提取结合酒精浓度匹配的检测方法，使用UWB激光雷达对车内人员的呼吸情况进行检测和区分，并使用MQ-3传感器获取车内酒精浓度，进一步进行酒精浓度与呼吸曲线的匹配，最终实现实时酒精检测及上报的功能，实现了一种非侵入式实时酒驾检测。
一种基于MQ3传感器和UWB激光雷达的酒驾检测方法，利用基于MQ3传感器的酒精检测模块、基于UWB激光雷达的呼吸检测模块、信号匹配模块和酒驾报警模块，各模块协作运行完成检测；该方法具体包括以下步骤：
步骤一、进行呼吸信号分离，具体包括以下步骤：
步骤1-1，利用酒精检测模块所包含的MQ3传感器实时读取驾驶室中因酒精浓度变化导致的中控台输出电压数值，根据MQ3传感器的灵敏度特性曲线和MQ3传感器电路输出电压，计算得到对应的酒精浓度值，表达式如下：
酒精浓度值＝pow(11.5428*35.904*VRL/(25.5-5.1*VRL),0.6549)
其中，VRL表示MQ3传感器输出电压；
步骤1-2，通过窗口过滤步骤1-1获取的酒精浓度值序列，即去除离群点并对数据进行平滑处理，接着基于经验阈值初步判断是否需要进行呼吸检测，若超过阈值则进入步骤1-3，否则循环执行步骤1-2，以获取更精确的酒精浓度，方便后续的呼吸匹配；
步骤1-3，呼吸检测模块开启，利用UWB激光雷达实时采集机动车内所有乘客的呼吸信号，对采集到的I-Q信号进行重建，进一步得到振幅和相位信息；
步骤1-4，利用振幅和时间戳信息，绘制机动车内的距离-时间呼吸强度二维矩阵，利用矩阵上呈现出的不同呼吸数据并根据不同乘客与UWB激光雷达之间不同的距离信息区分不同座位的乘客；
步骤1-5，从上述的距离-时间呼吸强度二维矩阵中提取出各个用户的呼吸模式，并进行去离群值、基线偏移和离散小波变换降噪和巴特沃斯滤波预处理后，计算呼吸频率和其他的时间序列统计量；
步骤1-6，将上述各个用户的呼吸模式建立各个用户的呼吸曲线，将各个用户的呼吸曲线和MQ3传感器获得的实时酒精浓度值曲线进行匹配；
步骤1-7，在已知用户数量和身份的情况下，利用特征匹配算法获得的得分结果排序来确定饮酒者，进一步的，若饮酒者的得分最小，则系酒后驾驶，进入步骤1-8，否则进入步骤1-2；
步骤1-8，获得酒后驾驶机动车和驾驶员的信息后，车内报警器提示，接着通过网联汽车的物联网通信设备将车辆信息上传给交通管理部门，等待后续处理；
步骤二、执行异常移动检测算法，具体包括以下步骤：
步骤2-1，以步骤1-3捕获的呼吸信号作为训练数据，输入长短期记忆网络对呼吸信号的异常值进行预测，若相比实时数据差异超过指定阈值，则判断为异常移动，进入步骤2-2，否则循环执行本步骤；
步骤2-2，根据上述异常移动数据的时间信息，利用指数移动平均算法验证酒精浓度曲线中的对应时刻数据是否为异常点，若为异常点则进入步骤2-3，否则返回步骤2-1；
步骤2-3，上述异常点的呼吸曲线对应的乘客即为饮酒者，完成快速酒驾检测；
步骤三、进行呼吸曲线特征匹配，具体包括以下步骤：
步骤3-1，若步骤1-2计算的酒精浓度超过阈值，则基于步骤1-3捕获的呼吸信号，提取各组信号曲线的呼吸频率、振幅均方差、自相关系数和波形因子特征值；
步骤3-2，以上述特征值作为支持向量机分类模型的训练数据，建立呼吸者对应的检测模型；
步骤3-3，对于实时获取的酒精浓度曲线计算呼吸频率、振幅均方差、自相关系数和波形因子特征值作为输入，输出该乘客是否饮酒，完成分类，即确定饮酒者身份。
与现有技术相比，本发明为机动车驾驶场景提供高效准确的酒驾检测，实时检测车内酒精浓度和所有乘客的呼吸信号，快速准确的将驾驶员酒驾报警提示发送至交通部门，从而及时有效的降低酒后驾驶的安全风险，提升道路交通安全。
附图说明
图1为本发明的一种基于MQ3传感器和UWB激光雷达的酒驾检测系统整体结构示意图；
图2为本发明的一种基于MQ3传感器和UWB激光雷达的酒驾检测方法整体流程示意图；
图3为运行场景实例示意图；
图4为酒驾检测数据示意图；(4a)利用是否超过MQ3传感器周期信号检测算法计算得到的酒精浓度阈值；(4b)关于每个乘客的异步的呼吸信号；
图5为MQ3传感器电路结构。
具体实施方式
下面结合附图和实施例对本发明技术方案进行详细描述。
如图1所示，为本发明的一种基于MQ3传感器和UWB激光雷达的酒驾检测系统整体结构示意图。该系统包括基于MQ3传感器的酒精检测模块100、基于UWB激光雷达的呼吸检测模块200、信号匹配模块300和酒驾报警模块400，各模块协作运行完成检测。其中：
基于MQ3传感器的所述酒精检测模块100用于酒精信号捕获、酒精序列处理和酒驾阈值检测；基于UWB激光雷达的所述呼吸检测模块200用于呼吸信号捕获、呼吸信号处理和乘客分离与定位；所述信号匹配模块300用于周期信号对齐、序列特征匹配和饮酒者身份确认；所述酒驾报警模块400用于系统报警提示、数据可观化界面和酒驾信息上传。
如图2所示，为本发明的一种基于MQ3传感器和UWB激光雷达的酒驾检测方法整体流程图。
步骤一、进行UWB呼吸信号分离，具体包括以下步骤：
步骤1-1，利用酒精检测模块100所包含的MQ3传感器实时读取驾驶室中因酒精浓度变化导致的中控台输出电压数值，同时根据MQ3传感器的灵敏度特性曲线以及MQ3传感器电路结构，计算得到输出电压对应的酒精浓度ppm值；其中，MQ3传感器的灵敏度特性曲线方程，表达式如下：
Rs/R0＝11.54*ppm^(-0.6549) (1)
其中，Rs表示传感器在不同浓度气体下的电阻值，R0表示酒精浓度为0ppm时传感器的电阻值。
如图5所示，为MQ3传感器电路结构，并有传感器输出电压VRL的表达式如下：
VRL/RL＝(Vc-VRL)/Rs (2)
其中，VRL表示MQ3传感器输出电压，RL表示输出电阻，Vc表示回路测试电压，其取值为5V；
联立式(1)、式(2)，使用C标准库函数pow(x,y)计算得到输出电压对应的酒精浓度ppm值，表达式如下：
酒精浓度ppm值＝pow(11.5428*35.904*VRL/(25.5-5.1*VRL),0.6549)。
步骤1-2，通过窗口过滤步骤1获取的酒精浓度序列，即去除离群点并对数据进行平滑处理，接着基于经验阈值初步判断是否需要进行呼吸检测，若超过阈值则进入步骤1-3，否则循环执行步骤1-2，以获取更精确的酒精浓度，方便后续的呼吸匹配；
步骤1-3，呼吸检测模块开启，利用UWB激光雷达实时采集机动车内所有乘客的呼吸信号，对采集到的I-Q信号(数字调制过程中的相互垂直的IQ分量)进行重建(具体为原始数据比特流按照一定的规则映射至IQ坐标系)，进一步得到振幅和相位等信息；
步骤1-4，利用上述获得的振幅和时间戳信息，绘制机动车内的距离-时间呼吸强度二维矩阵，利用矩阵上呈现出的不同呼吸数据根据不同乘客与UWB雷达之间不同的距离信息区分不同座位的乘客；
步骤1-5，从上述的距离-时间呼吸强度二维矩阵中提取出各个用户的呼吸模式，并进行去离群值、基线偏移和离散小波变换降噪和巴特沃斯滤波等预处理后，计算呼吸频率和其他的时间序列统计量；
步骤1-6，将上述各个用户的呼吸模式建立各个用户的呼吸曲线和MQ3传感器获得的实时酒精浓度曲线进行匹配；
步骤1-7，在已知用户数量和身份的情况下，利用特征匹配算法获得的得分结果排序来确定饮酒者，进一步的，若饮酒者的得分最小，则系酒后驾驶，进入步骤1-8，否则进入步骤1-2。
步骤1-8，获得酒后驾驶机动车和驾驶员的信息后，车内报警器提示，接着通过网联汽车的物联网通信设备将车辆信息上传给交通管理部门，等待后续处理；
步骤二、执行异常移动检测算法，具体包括以下步骤：
步骤2-1，若步骤1-2计算的酒精浓度超过阈值，则以步骤1-3捕获的呼吸信号作为训练数据，输入长短期记忆网络(Long Short Term Memory,LSTM)对呼吸信号的异常值进行预测，若相比实时数据差异超过指定阈值，则判断为异常移动，进入步骤2-2，否则循环执行本步骤；
步骤2-2，根据上述异常数据的时间信息，利用指数移动平均算法验证酒精浓度曲线中的对应时刻数据是否为异常点，若为异常点则进入步骤2-3，否则返回步骤2-1；
步骤2-3，上述异常点的呼吸曲线对应的乘客即为饮酒者，完成快速酒驾检测；
步骤三、进行呼吸曲线特征匹配，具体包括以下步骤：
步骤3-1，若步骤1-2计算的酒精浓度超过阈值，则基于步骤1-3捕获的呼吸信号，提取各组信号曲线的呼吸频率、振幅均方差、自相关系数和波形因子等特征值；
步骤3-2，以上述特征值作为支持向量机(SVM,Support Vector Machine)分类模型的训练数据，建立呼吸者对应的检测模型；
步骤3-3，对于实时获取的酒精浓度曲线计算呼吸频率、振幅均方差、自相关系数和波形因子等特征值作为输入，输出该乘客是否饮酒，完成分类，即确定饮酒者身份。
本发明主要创新点在于UWB呼吸信号分离算法、异常移动检测算法、呼吸曲线特征匹配算法和将两者结合进行酒驾检测的方法。
如图3所示，为运行场景实例示意图。包括MQ3传感器500布置于中控台，UWB激光雷达布置于机动车内仪表台附近。本发明具体实施例描述如下：
首先，利用UWB激光雷达扫描技术进行驾驶场景初始化，具体操作步骤如下：
步骤1-1，使用UWB激光雷达对机动车驾驶场景进行呼吸信号扫描；
步骤1-2，处理步骤1-1中获取的呼吸信号得到距离信息，从而计算出驾驶场景中的人员数量与位置分布。
其次，酒驾检测具体步骤如下：
步骤2-1，启动MQ3酒精传感器对驾驶室进行酒精浓度的实时检测，如图2所示，利用是否超过MQ3传感器周期信号检测算法计算得到的酒精浓度阈值，来判断是否触发呼吸信号检测过程；
步骤2-2，若步骤2-1过程中超过酒精浓度阈值，则触发UWB呼吸检测模块，实时记录驾驶场景中各个乘客的呼吸信号波形，如图2所示，对每个乘客的呼吸信号进行异步处理，保证实时计算的流畅；
步骤2-3，若步骤2-1过程中未超过酒精浓度阈值，则UWB呼吸检测模块进入休眠状态；
步骤2-4，根据步骤2-2获得各个乘客的UWB呼吸信号，利用序列特征匹配算法对上述呼吸信号波形与MQ3酒精传感器获取的酒精浓度曲线进行匹配，计算出各个乘客的饮酒置信得分，即信号匹配分数的倒数；
步骤2-5，根据步骤1-2中获取的驾驶场景人员位置分布和步骤2-4中获取的饮酒置信得分进行推断，若饮酒置信得分最高者为驾驶员，则系统通过物联网设备向交通部门发出驾驶员酒驾报警提示；若饮酒置信得分最高者并非驾驶员，则系统继续进入步骤2-1状态。
由于单纯使用MQ3酒精传感器检测所得的结果的精度受环境因素影响较大，比如其余饮酒乘客的呼吸干扰、其他含有酒精的气体挥发等，因此需要结合UWB呼吸检测技术对结果进行校正。利用饮酒者的呼吸信号与呼出的酒精气体浓度均随时间呈现周期性的特征，利用序列特征匹配算法完成匹配和追踪，精确定位饮酒者。为了有效的降低系统的能耗，首先利用酒精传感器检测酒精浓度，根据是否超过阈值来决定是否开启UWB呼吸检测模块以及呼吸信号匹配模块。
本发明结合了MQ3传感器技术可以快速准确的捕获酒精气体浓度和UWB激光雷达技术实现高精度呼吸信号检测的优点。为了提高系统的工作效率，本发明创新的优化了UWB呼吸检测方法以适应系统需求。综上所述有如下创新点：
(1)实时追踪，智能感知。使用UWB激光雷达可以同时检测多个用户的呼吸信号，给出具体的人数和位置分布，显著的提升了呼吸检测的精度和效率。
(2)特征匹配，精准识别。深度提炼序列信息，精准匹配驾驶状态。克服了单纯使用酒精传感器造成的识别精度低以及无法准确定位饮酒者从而判断是否为酒后驾驶的问题。
(3)易于推广，安全高效。通过先进的智能网联汽车设备可以快速准确的将驾驶员酒驾报警提示发送至交通部门，从而及时有效的降低酒后驾驶所导致的安全风险。
本发明的优点包括：首先，可以实现酒驾的精准实时检测，能够对主驾驶进行精确的判别和分析。其次，需要能够避免代测的情况，从而可以打击侥幸心理。最后，能够将酒驾信息向相关部门实时上报，以供其进行精准拦截。该系统易于部署以及推广。

Claims (1)

1.一种基于MQ3传感器和UWB激光雷达的酒驾检测方法，其特征在于，利用基于MQ3传感器的酒精检测模块、基于UWB激光雷达的呼吸检测模块、信号匹配模块和酒驾报警模块，各模块协作运行完成检测；该方法具体包括以下步骤：
步骤一、进行酒精浓度值阈值判断和呼吸信号分离，具体包括以下步骤：
步骤1-1，利用酒精检测模块所包含的MQ3传感器实时读取驾驶室中因酒精浓度变化导致的中控台输出电压数值，根据MQ3传感器的灵敏度特性曲线和MQ3传感器电路输出电压，计算得到对应的酒精浓度值，表达式如下：
酒精浓度值=pow(11.5428 * 35.904 * VRL/(25.5-5.1* VRL),0.6549)
其中，VRL表示MQ3传感器输出电压，pow为c标准库函数；
步骤1-2，通过窗口过滤步骤1-1获取的酒精浓度值序列，即去除离群点并对数据进行平滑处理，接着基于经验阈值初步判断是否需要进行呼吸检测，若超过阈值则进入步骤1-3，否则循环执行步骤1-2，以获取更精确的酒精浓度，方便后续的呼吸匹配；
步骤1-3，呼吸检测模块开启，利用UWB激光雷达实时采集机动车内所有乘客的呼吸信号，对采集到的I-Q信号进行重建，进一步得到振幅和相位信息，其中I、Q为数字调制过程中的相互垂直的分量；
步骤1-4，利用振幅和时间戳信息，绘制机动车内的距离-时间呼吸强度二维矩阵，利用矩阵上呈现出的不同呼吸数据并根据不同乘客与UWB激光雷达之间不同的距离信息区分不同座位的乘客；
步骤1-5，从上述的距离-时间呼吸强度二维矩阵中提取出各个用户的呼吸模式，并进行去离群值、基线偏移和离散小波变换降噪和巴特沃斯滤波预处理后，计算呼吸频率 ；
步骤1-6，利用上述各个用户的呼吸模式建立各个用户的呼吸曲线，将各个用户的呼吸曲线和MQ3传感器获得的实时酒精浓度值曲线进行匹配；
步骤1-7，在已知用户数量和身份的情况下，利用特征匹配算法获得的得分结果排序来确定饮酒者，进一步的，若饮酒者的得分最小，则系酒后驾驶，进入步骤1-8，否则进入步骤1-2；
步骤1-8，获得酒后驾驶机动车和驾驶员的信息后，车内报警器提示，接着通过网联汽车的物联网通信设备将车辆信息上传给交通管理部门，等待后续处理；
步骤二、执行异常移动检测算法，具体包括以下步骤：
步骤2-1，若步骤1-2处理后的酒精浓度值超过阈值，以步骤1-3捕获的呼吸信号作为训练数据，输入长短期记忆网络对呼吸信号的异常值进行预测，若相比实时数据差异超过指定阈值，则判断为异常移动，进入步骤2-2，否则循环执行本步骤；
步骤2-2，根据异常移动数据的时间信息，利用指数移动平均算法验证酒精浓度曲线中的对应时刻数据是否为异常点，若为异常点则进入步骤2-3，否则返回步骤2-1；
步骤2-3，上述异常点的呼吸曲线对应的乘客即为饮酒者，完成快速酒驾检测；
步骤三、进行呼吸曲线特征匹配，具体包括以下步骤：
步骤3-1，若步骤1-2处理后的酒精浓度值超过阈值，则基于步骤1-3捕获的呼吸信号，提取各组信号曲线的呼吸频率、振幅均方差、自相关系数和波形因子特征值；
步骤3-2，以上述特征值作为支持向量机分类模型的训练数据，建立呼吸者对应的检测模型；
步骤3-3，对于实时获取的酒精浓度值曲线计算呼吸频率、振幅均方差、自相关系数和波形因子特征值作为输入，输出该乘客是否饮酒，完成分类，即确定饮酒者身份。
CN202111002380.9A 2021-08-30 2021-08-30 一种基于mq3传感器和uwb激光雷达的酒驾检测方法 Active CN113720882B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111002380.9A CN113720882B (zh) 2021-08-30 2021-08-30 一种基于mq3传感器和uwb激光雷达的酒驾检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111002380.9A CN113720882B (zh) 2021-08-30 2021-08-30 一种基于mq3传感器和uwb激光雷达的酒驾检测方法

Publications (2)

Publication Number Publication Date
CN113720882A CN113720882A (zh) 2021-11-30
CN113720882B true CN113720882B (zh) 2022-07-26

Family

ID=78678869

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111002380.9A Active CN113720882B (zh) 2021-08-30 2021-08-30 一种基于mq3传感器和uwb激光雷达的酒驾检测方法

Country Status (1)

Country Link
CN (1) CN113720882B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114287885B (zh) * 2021-12-28 2023-12-08 深圳数联天下智能科技有限公司 一种人体体征监测方法、装置、系统以及存储介质

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07244787A (ja) * 1994-03-08 1995-09-19 Toyota Motor Corp 車両用警報装置
CN102163362B (zh) * 2010-02-22 2013-03-20 谢国华 一种防酒后驾驶和安全健康行车方法
US10330787B2 (en) * 2016-09-19 2019-06-25 Nec Corporation Advanced driver-assistance system
CN107167802A (zh) * 2017-05-24 2017-09-15 北京大学 一种基于超宽带雷达的呼吸信号检测算法
CN109009124B (zh) * 2018-06-05 2021-08-06 南通大学 基于超宽带雷达的呼吸频率测量及目标定位方法
CN108888249A (zh) * 2018-06-07 2018-11-27 北京邮电大学 一种非接触式车内多人生命体征监测的方法及装置
CN112115734A (zh) * 2019-06-03 2020-12-22 苏州豪米波技术有限公司 一种驾驶员疲劳度监测系统
CN112124073B (zh) * 2020-09-23 2022-05-20 上海商汤临港智能科技有限公司 基于酒精检测的智能驾驶控制方法及装置
CN112220464A (zh) * 2020-10-27 2021-01-15 广西脉吾科技有限责任公司 一种基于uwb雷达的人体呼吸心跳信号检测方法和系统
CN112674721A (zh) * 2020-12-25 2021-04-20 中科芯未来微电子科技成都有限公司 一种多功能疲劳预警及酒驾检测方向盘

Also Published As

Publication number Publication date
CN113720882A (zh) 2021-11-30

Similar Documents

Publication Publication Date Title
CN109774641B (zh) 车内人员检测方法、雷达和车
CN103824420B (zh) 基于心率变异性非接触式测量的疲劳驾驶识别系统
CN104237881B (zh) Fmcw防碰撞雷达多目标检测与跟踪系统及方法
CN107358250B (zh) 基于双波段雷达微多普勒融合的人体步态识别方法及系统
CN108133644A (zh) 一种机动车驾驶员考试的评判系统及评判方法
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
CN104573646A (zh) 基于激光雷达和双目相机的车前行人检测方法及系统
CN103714660A (zh) 基于图像处理融合心率特征与表情特征实现疲劳驾驶判别的系统
CN113720882B (zh) 一种基于mq3传感器和uwb激光雷达的酒驾检测方法
CN104751600A (zh) 基于虹膜识别的防疲劳驾驶安全设备及其使用方法
CN113640792B (zh) 一种基于机器学习的车内生命体毫米波雷达检测方法
Lim et al. Detection and localization of people inside vehicle using impulse radio ultra-wideband radar sensor
Jiang et al. Pa-count: Passenger counting in vehicles using Wi-Fi signals
CN104881956A (zh) 一种疲劳驾驶预警系统
CN110958568A (zh) 基于WiFi的船舶驾驶室人员值班行为识别方法及系统
Bai et al. WiDrive: Adaptive WiFi-based recognition of driver activity for real-time and safe takeover
CN111968341A (zh) 一种疲劳驾驶检测系统及方法
CN106022291A (zh) 一种基于神经信号的紧急状态下驾驶员刹车意图检测方法
CN112686094A (zh) 一种基于毫米波雷达的非接触式身份识别方法及系统
JP2013541696A (ja) 人物の識別装置および識別方法
CN106650644A (zh) 驾驶员危险行为识别方法及系统
CN112356849A (zh) 一种危险驾驶的预警方法及装置
CN112215093A (zh) 一种车辆驾驶能力水平的评价方法及装置
CN110979004A (zh) 一种酒驾实时监控系统及监测方法
CN111391753A (zh) 车内生命体检测方法及使用该方法的检测装置、检测系统

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