专利名称：：一种异常驾驶智能检测系统及其检测方法
技术领域：
：本发明属于异常驾驶的监控
技术领域：
，特别涉及一种异常驾驶智能检测系统及其检测方法。
背景技术：
：近年来，随着汽车保有量的大幅度增加，交通事故的发生也呈明显增加的趋势。据相关统计，疲劳驾驶在交通事故中占22%-30%，在死亡交通事故的原因中居首位。对此，国内已有关于驾驶疲劳、超速驾驶的大量研究工作，有的研究成果已经申请了专利。但是，这些研究成果多数只针对某一类的异常驾驶进行监控，少数虽然提及了多种异常驾驶状态，但也未进行细致的分析与判断，且不具有良好的可扩展性。如公开号为CN1830389的中国专利申请200610012623.6公开了一种"疲劳驾驶状态监控装置及方法"(发明人:何国红，李晓明，李埃荣，梁富明；申请人:太原理工大学)，该发明的装置由图像采集和转换系统、图像处理系统、疲劳状态识别系统、提示和报警以及制动系统构成；其方法是利用红外光源光线和摄像机光轴成一定的角度，采集到的驾驶员的面部图像信号由数字信号处理器的图像处理程序进行处理，得到眼睛图像，同时利用Kalman滤波器MeanShift算法实现眼睛跟踪，采用模板匹配的方法，以相似度衡量相似程度来识别眼睛状态，根据眼睛的状态计算出眨眼持续时间、眨眼频率、PERCL0S值，来判断驾驶员的疲劳程度。机动车在行驶过程中，该装置实施监控。该发明有效地防止了夜间测量时的"红眼"现象，提高了系统的可靠性和准确性，大幅度地减少了人为因素造成的事故。但该发明与其它疲劳驾驶监控装置一样，具有一些相同的技术缺点，包括(1)、仅针对疲劳驾驶，局限性很大一方面，不可能为疲劳驾驶单独安装一个装置；另一方面，只是进行疲劳驾驶的提醒，信息的利用率不高；(2)、只是对疲劳驾驶当前状态进行判断，而未将其记录一方面，有的驾驶员可能对该装置的提醒并不在意；另一方面，当交通事故发生后也不利于交管部门调查取证；(3)、当出现疲劳驾驶时进行刹车制动，可能导致危险。又如，公开号为的中国专利申请03148524.3公开了一种"基于多特征融合的困倦驾驶检测方法"(发明人:梁满贵，谢纪刚，裘正定；申请人:北京交通大学)，该发明涉及一种模式识别技术，摄像头采集到驾驶员的面部图像后，首先进行人眼检测与跟踪，同时分别进行眼睑闭合速度、闭眼持续时间和面部方向三个特征的提取与匹配，然后利用标准归一化方法将输出的三个匹配结果归一化到同一范围，再利用神经网络技术进行融合，融合结果采用0，l输出，输出结果为0表示未困倦，返回到人眼检测与跟踪，输出结果为l表示驾驶员困倦，报警提示驾驶员注意安全。但该发明仍然存在上些缺点，如(1)、数据采集源单一只采集了眼睛的数据，对于带眼镜，特别是在强光下带墨镜的驾驶员无法检测。(2)、无学习功能对于有的驾驶员的正常驾驶习惯，如正常眯眼，斜着头等，没有自动学习功能。此外，近年来发展迅速的"汽车黑匣子"技术，可将汽车行驶轨迹完整地记录下来，并通过专用软件在微机上再现。如电子科技大学数字媒体技术研究所研究的"汽车黑匣子"技术即可对汽车行驶过程中的数据进行真实的记录，包括图像数据(车内与车外的录像)、操作数据(方向盘、油门、刹车等的控制)和其它行驶数据(如速度、纵向与横向加速度)等。能在交通事故发生后作为汽车行驶的证据。该技术的缺点是未对异常驾驶进行实时智能判断，只能在事后提供分析依据；且由于未选择性进行图像存储，存储空间要求很大。
发明内容本发明的目的是提供一种异常驾驶智能检测系统，该系统既可对汽车行驶过程中的数据进行真实的记录，还可对各记录数据进行智能分析；根据汽车行驶状态，判断驾驶员误操作或异常操作等，给出相应提示，并实时智能检测驾驶员状态；对汽车行驶状态及驾驶员状态进行选择性记录，可在交通事故发生后作为相应证据；并且可节约存储资源。本发明的另一个目的是提供一种上述异常驾驶智能检测系统的检测方法。本发明解决其技术问题所采用的技术方案是一种异常驾驶智能检测系统，以汽车黑匣子提供的数据为基础，进行智能的汽车行驶状态分析，以获得驾驶员状态，并根据这些分析进行选择性的记录，该系统主要包括五大模块进行各类数据采集的数据采集模块、进行各类数据记录的数据记录模块、进行数据智能分析的智能分析模块、进行语音提示的语音提示模块、进行油门控制的油门控制模块。数据采集模块与数据记录模块可采用已在现有技术汽车黑匣子中实现的两个相应模块。数据采集模块进行各类数据采集，包括图像数据与汽车控制及状态数据，图像数据由两个摄像头采集得到，汽车控制及状态数据如下列表1所示。表l数据采集模块获得的数据<table>tableseeoriginaldocumentpage6</column></row><table>数据记录模块进行各类数据记录，包括完整的汽车控制与状态数据，部分图像数据。智能分析模块进行数据智能分析，在系统中起到核心的作用，如图1所示，它对数据采集模块获得的数据进行智能分析，并向语音提示模块、油门控制模块及数据记录模块发送控制信息。包括简单分析与复杂分析，前者只需要根据前文表l列出的数据进行简单分析，分析获得的数据如下列表2所示；而后者则需要智能判断，对异常驾驶行为进行分类，异常驾驶行为的分类如下列表3所示。表1简单分析获得的数据数据类别数据名称数据含义_数据类型_^_控制急刹车急刹车程度整型，有效范围O表示未踩刹车状态纵向加速度汽车当前纵向速度实型根据汽车速度变化可计算状态横向加速度汽车当前横向加速度实型根据汽车速度及转向角度可计算表2可能的异常驾驶行为分类行为名称可能的原因采取的措施备注超速行驶野蛮驾驶，酒后驾驶语音提示，并限油门是否超速与天气有关。s型行驶疲劳驾驶，野蛮驾驶酒后驾驶，语音提示，并限油门与驾驶员的习惯有关油门控不均匀疲劳驾驶，酒后驾驶语音提示急刹车疲劳驾驶，紧急情况语音提示转向未使用转疲劳驾驶，酒后驾驶，语音提示弯灯疏忽大意不正确使用转疲劳驾驶，酒后驾驶，语音提示打转弯灯后未等待足够的时间再转弯灯野蛮驾驶向，或者打左转灯后向右转向。语音提示模块进行语音提示，也可采用现有技术已实现的语音提示模块。油门控制模块进行油门控制，其原理、组成等与现有的刹车控制模块相似，但不同的是刹车控制模块是通过控制刹车系统达到强制停车目的，而油门控制模块是通过控制油门实现更安全的操作。上述异常驾驶检测系统工作时，数据采集模块将采集到的数据全部发送到智能分析模块，同时将获得的所有数据全部发送到数据记录模块；智能分析模块根据当前分析，给出提示，传送到语音提示模块，并可将控制信号传送到油门控制模块；智能分析模块还可根据分析结果确定前一段时间是否存在异常驾驶情况，如果否，则通知数据记录模块将相应的图像数据删除，以节约空间。上述异常驾驶智能检测系统的检测方法，其总体流程如图2所示，主要包括下述步骤(1)、系统启动系统启动时启动数据采集模块进行数据采集，记录操作数据，学习操作习惯，同时读出前段时间已学习并记录的驾驶员操作习惯。该习惯是本系统可检测和提供的驾驶员的各种属性；它用一系列变量表示，从以往的数据中累积学习后得到；系统根据各个属性值的取值范围可确定当前驾驶员是否是默认状态的驾驶员；当前驾驶员驾驶习惯是否在正常的安全范围内；该驾驶员是否是有异常驾驶习惯，如S型路线驾驶，急停急走等。(2)、汽车在驾驶过程中不断获取驾驶员以及车辆的各种数据根据速度判断是否为匀速行驶中，是则返回第(1)步记录操作数据，学习操作习惯，并继续采集新的数据；否则进行下述第(3)步。(3)、根据近段时间数据初步判断当前操作是否是正常驾驶操作，是则返回第(1)步记录、学习该行为，并继续采集新的数据；否则向语音提示模块及油门控制模块发出相应信号并记录操作数据；当经过该步骤仍无法判断当前操作是否是正常驾驶操作时，则进行下述第(4)步操作。(4)、根据近段时间数据、用户行为记录、知识库中已有规则等进行智能分析，判断当前操作是否正常，是则返回第(1)步记录、学习该行为，并继续采集新的数据；否则向语音提示模块及油门控制模块发出相应信号并记录操作数据。智能分析部分流程如图3所示，主要方法如下使用神经网络方法计算各科目得分，根据各科目得分情况判断是否超标，是则判断为相应科目的异常驾驶；各科目得分均不超标时则采用加权求和方式计算总分，判断总分是否超标，是则判断为异常驾驶，并可从分数最高的科目判断其异常驾驶的类型，否则判断为正常驾驶。当智能分析模块根据分析结果确定前一段时间不存在异常驾驶情况时，可通知数据记录模块将相应的图像数据删除，以节约空间。上述检测方法的重点包括下述几个方面(1)、根据近段时间数据初步判断当前操作。如转向时未使用转弯灯等，可直接判断为异常驾驶。(2)、智能分析当前操作。智能分析的基础是人工神经网络。使用人工神经网络的方法对各项数据进行评分。主要分两大类多个科目，一类为单项数据，如近段时间转向情况、频繁的转向操作等，本身就表现出异常；另一类为组合项数据，如转弯弧度与当前车速等。神经网络的优点是其输出可以是连续的。本发明检测系统及其检测方法可采用百分制作为其输出，其中，o分表示完全正常，ioo分表示完全异常。智能输出可提供两种方式的判断。一是针对单项科目的输出，如单项科目的输出为80即可判断肯定属于异常驾驶；二是针对多项科目的输出，采用加权求和的方式，即设有#科，第i科(1《i《7V)得分为&，权重为则其总分为6"二(61*w+6"2*的++5v*/(『i+恥+.+『a)总分超过一定阈值(如60)即可判断为异常驾驶，且可从分数最高的科目判断其异常驾驶的类型。(3)、根据上一次接收数据累积学习驾驶员操作习惯。学习的结果主要由权值体现。如驾驶员在正常情况下使用刹车均比较急促，则可降低刹车科目所对应的权值。本发明检测方法不采用校正各科目得分的传统方式，因为该方式会使得系统逐渐对驾驶员的不良操作习惯具有免疫力，从而丧失作用。而权值调整方式只会在计算总分时起作用，不存在该缺陷。与现有技术相比，本发明的有益效果是本发明异常驾驶智能检测系统，可对多种类型数据进行采集并统一保存，可融合驾驶员以及车况等进行智能分析，可基于驾驶的多种数据进行统计分析并根据不同阈值得出不同结论，可对不同异常驾驶行为判断规则加权值进行自动学习，并可针对用户习惯进行学习、自适应等。即，该检测系统既可对汽车行驶过程中的各类数据进行真实的记录，还可对各记录数据进行智能分析；并通过使用多个科目考核的方式对异常驾驶的程度进行判断，使用加权平均分进一步度量异常驾驶程度；还可针对驾驶员的习惯自适应地调整各科目权值，以获得更精确的结论。该检测系统主要具有下述功能及特点(1)、根据汽车行驶状态，实时智能检测驾驶员状态，判断驾驶员误操作或异常操作，并给出相应提示；(2)、对汽车行驶状态及驾驶员状态进行选择性记录，在交通事故发生后可作为相应证据提交给相关部门；(3)、节约完整的行驶记录所耗费的存储资源；(4)、采用针对异常驾驶最强的控制方式即油门控制，可避免已有方案中使用刹车控制所引起的诸多安全隐患。图1是本发明异常驾驶智能检测系统的结构模块示意图。图2是本发明异常驾驶智能检测系统的检测总体流程示意图。图3是本发明异常驾驶智能检测系统的智能分析部分流程示意图。具体实施例方式下面结合具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于下述实施例。实施例l异常驾驶智能检测系统本实施例异常驾驶智能检测系统的结构示意图如图l所示，主要由下述五大模块组成进行各类数据采集的数据采集模块、进行各类数据记录的数据记录模块、进行数据智能分析的智能分析模块、进行语音提示的语音提示模块、进行油门控制的油门控制模块。数据采集模块与数据记录模块采用现有技术汽车黑匣子中的相应模块；数据采集模块进行各类数据采集，包括图像数据与汽车控制及状态数据，图像数据由两个摄像头采集得到，汽车控制及状态数据如前文表1所示；数据记录模块进行各类数据记录，包括完整的汽车控制与状态数据，部分图像数据；智能分析模块进行数据智能分析，在系统中起到核心的作用，如图1所示，它对数据采集模块获得的数据进行智能分析，并向语音提示模块、油门控制模块及数据记录模块发送控制信息。包括简单分析与复杂分析，前者只需要根据前文表l列出的数据进行简单分析，分析获得的数据如前文表2所示；而后者则需要智能判断，对异常驾驶行为进行分类，异常驾驶行为的分类如前文表3所示；语音提示模块进行语音提示，也采用现有技术已实现的语音提示模块；油门控制模块进行油门控制，其原理、组成等与现有的刹车控制模块相似，不同的是刹车控制模块是通过控制刹车系统达到强制停车目的，而油门控制模块是通过控制油门实现更安全的操作。实施例2异常驾驶智能检测系统的检测方法本实施例为实施例1异常驾驶智能检测系统的检测方法，其总体流程如图2所示，主要包括下述步骤-(1)、系统启动系统启动时启动数据采集模块进行数据采集，记录操作数据，学习操作习惯，同时读出前段时间已学习并记录的驾驶员操作习惯。系统根据该习惯各个属性值的取值范围可确定当前驾驶员是否是默认状态的驾驶员；当前驾驶员驾驶习惯是否在正常的安全范围内；该驾驶员是否是有异常驾驶习惯，如S型路线驾驶，急停急走等。(2)、汽车在驾驶过程中不断获取驾驶员以及车辆的各种数据根据速度判断是否为匀速行驶中，是则返回第(1)步记录操作数据，学习操作习惯，并继续采集新的数据；否则进行下述第(3)步。(3)、根据近段时间数据初步判断当前操作是否是正常驾驶操作，如转向时是否使用转弯灯等，是则返回第(1)步记录、学习该行为，并继续采集新的数据；否则向语音提示模块及油门控制模块发出相应信号并记录操作数据；当经过该步骤仍无法判断当前操作是否是正常驾驶操作时，则进行下述第(4)步操作。(4)、根据近段时间数据、用户行为记录、知识库中已有规则等进行智能分析，判断当前操作是否正常，是则返回第(1)步记录、学习该行为，并继续采集新的数据；否则向语音提示模块及油门控制模块发出相应信号并记录操作数据。上述第(4)步智能分析部分流程如图3所示，主要方法如下使用神经网络方法对各项数据进行评分，计算各科目得分(单项数据)，根据各科目得分情况判断是否超标(采用百分制作为其输出，超过一定阈值如60即可判断为异常驾驶，0分表示完全正常，80可判断肯定属于异常驾驶，100分表示完全异常)，是则判断为相应科目的异常驾驶；各科目得分均不超标时则采用加权求和方式计算总分(组合项数据)，判断总分是否超标(总分超过一定阈值如60即可判断为异常驾驶)，是则判断为异常驾驶，并可从分数最高的科目判断其异常驾驶的类型，否则判断为正常驾驶。当智能分析模块根据分析结果确定前一段时间不存在异常驾驶情况时，可通知数据记录模块将相应的图像数据删除，以节约空间。权利要求1.一种异常驾驶智能检测系统，主要包括下述五大模块进行各类数据采集的数据采集模块、进行各类数据记录的数据记录模块、进行数据智能分析的智能分析模块、进行语音提示的语音提示模块、进行油门控制的油门控制模块。2.—种权利要求1所述的异常驾驶智能检测系统的检测方法，其特征在于，主要包括下述步骤(1)、系统启动系统启动时启动数据采集模块进行数据采集，记录操作数据，学习操作习惯，同时读出前段时间已学习并记录的驾驶员操作习惯；(2)、汽车在驾驶过程中不断获取驾驶员以及车辆的各种数据根据速度判断是否为匀速行驶中，是则返回第(1)步记录操作数据，学习操作习惯，并继续采集新的数据；否则进行下述第(3)步操作；(3)、根据近段时间数据初步判断当前操作是否是正常驾驶操作，是则返回第(1)步记录、学习该行为，并继续采集新的数据；否则向语音提示模块及油门控制模块发出相应信号并记录操作数据；当经过该步骤仍无法判断当前操作是否是正常驾驶操作时，则进行下述第(4)步操作；(4)、根据近段时间数据、用户行为记录、知识库中已有规则进行智能分析，判断当前操作是否正常，是则返回第(1)步记录、学习该行为，并继续采集新的数据；否则向语音提示模块及油门控制模块发出相应信号并记录操作数据。3.根据权利要求2所述的异常驾驶智能检测系统的检测方法，其特征在于所述的第(4)步中的智能分析的主要方法如下-使用神经网络方法计算各科目得分，根据各科目得分情况判断是否超标，是则判断为相应科目的异常驾驶；各科目得分均不超标时则采用加权求和方式计算总分，判断总分是否超标，是则判断为异常驾驶，并可从分数最高的科目判断其异常驾驶的类型，否则判断为正常驾驶。4.根据权利要求2或3所述的异常驾驶智能检测系统的检测方法，其特征在于当所述的智能分析模块根据分析结果确定前一段时间不存在异常驾驶情况时，则通知数据记录模块将相应的图像数据删除。全文摘要本发明公开了一种异常驾驶智能检测系统，主要包括五大模块进行各类数据采集的数据采集模块、进行各类数据记录的数据记录模块、进行数据智能分析的智能分析模块、进行语音提示的语音提示模块、进行油门控制的油门控制模块。该系统既可对汽车行驶过程中的各类数据进行真实的记录，还可对各记录数据进行智能分析；并通过使用多个科目考核的方式对异常驾驶的程度进行判断，使用加权平均分进一步度量异常驾驶程度；还可针对驾驶员的习惯自适应地调整各科目权值，以获得更精确的结论。本发明还公开了上述异常驾驶智能检测系统的检测方法。文档编号G07C5/00GK101169873SQ20071005061公开日2008年4月30日申请日期2007年11月26日优先权日2007年11月26日发明者卢光辉,崔金钟,白忠建,蔡洪斌,帆闵,陈雷霆申请人:电子科技大学