基于车辆踏板和跟车行为的驾驶员疲劳检测方法
【专利摘要】本发明提供一种基于车辆踏板和跟车行为的驾驶员疲劳检测方法，包括：采集车辆行驶过程中的参数；采用固定移动时间窗的方法，对数据进行切割以获得多个疲劳数据样本；从每一疲劳数据样本中提取疲劳特征；其中疲劳特征至少包括：跟车距离参数、与前车之间的相对速度参数、油门踏板参数、制动踏板参数；将疲劳特征作为疲劳判别指标集，基于事先进行的疲劳驾驶实验进行数据的样本切割与分类器训练。
【专利说明】
基于车辆踏板和跟车行为的驾驶员疲劳检测方法
技术领域
[0001] 本发明涉及传感器技术领域，特别是指一种基于车辆踏板和跟车行为的驾驶员疲 劳检测方法。
【背景技术】
[0002] 疲劳驾驶是引发道路交通事故的一个重要原因。当驾驶人进入疲劳状态时，反应 会变得迟钝，对周围环境的认知能力下降，这些都会成为潜在的事故诱因。来自于美国国家 公路交通安全管理局(NHTSA)的统计数据表明，美国每年大约有10万次交通碰撞事故由疲 劳驾驶直接引发。这些碰撞事故造成了每年大约1550人死亡，71000人受伤以及接近125亿 美元的财产损失。国内的统计数据显示在2009年中国大约有1966起道路交通事故由疲劳驾 驶引发，这些事故共造成了 1153人死亡以及2465人受伤，并造成了接近4294万元的财产损 失。另外有一些调查报告指出，疲劳驾驶现象在驾驶人中是广泛存在的。2009年，美国国家 睡眠基金会(NSF)的报告指出有54%的成年驾驶人有过疲劳驾驶经历，其中28%的驾驶人 报告自己曾几乎在开车过程睡着。
[0003] 综上可知，如何预防疲劳驾驶是提升道路交通安全的重要议题。现有的疲劳驾驶 检测通常采用以下方法：
[0004] 利用机器视觉手段，通过摄像头捕捉驾驶人的眼睛闭合程度和眨眼频率等，直接 基于驾驶人面部表情特征判断其疲劳状态。但是基于机器视觉的疲劳检测方法需要在车内 额外添置高清晰度摄像头，成本较高。另外该方法也有侵犯驾驶人隐私之嫌疑，因此不易被 用户接受。
[0005] 驾驶人进入疲劳状态时，其操作行为会发生异常波动，进而在车辆的运动状态上 有所体现，因此通过检测驾驶人的异常操作行为变化可以对其疲劳状态进行判别。当前基 于操作行为的驾驶人疲劳检测技术主要针对方向盘操作和车辆横向运动。相关研究中最常 考虑的相关指标主要有两种，即方向盘修正行为(SWM)和车辆横向位置保持精度(SDLP)。例 如德国Bosch公司推出的疲劳探测系统即通过计算驾驶人转向操作频率和捕捉急骤转向行 为来检测驾驶人的疲劳状态。
[0006] 但是现有的方法效果存在检测误差，效果并不很好。
【发明内容】
[0007] 针对现有技术中存在的对疲劳驾驶监测不利的问题，本发明要解决的技术问题是 提供一种成本低、对驾驶员驾驶车辆过程中没有任何干扰且能对疲劳驾驶状态进行准确报 警的基于车辆踏板和跟车行为的驾驶员疲劳检测方法。
[0008] 为了解决上述问题，本发明实施例提出了一种基于车辆踏板和跟车行为的驾驶员 疲劳检测方法，包括：
[0009] 采集车辆行驶过程中的参数;采用固定移动时间窗的方法，对数据进行切割以获 得多个疲劳数据样本；
[0010]从每一疲劳数据样本中提取疲劳特征;其中疲劳特征至少包括:跟车距离参数、与 前车之间的相对速度参数、油门踏板参数、制动踏板参数；
[0011]将疲劳特征作为疲劳判别指标集，基于事先进行的疲劳驾驶实验进行数据的样本 切割与分类器训练。
[0012] 其中，所述方法还包括:获取疲劳数据样本中的速度最小值，以剔除速度最小值小 于预设阈值的。
[0013] 其中，所述预设阈值为70km/h。
[0014] 其中，所述方法还包括:采用SVM分类器将驾驶人的疲劳状态分为清醒、疲劳、非常 疲劳。
[0015] 其中，所述跟车距离参数通过以下方法获取：
[0016] 获取跟车距离方差Var(Dist)，跟车距离方差描述了一个疲劳数据样本中跟车距 离的波动：
[0017]
[0018] 其中Dish是一个疲劳数据样本中的第i个数据点，万^是一个跟车距离数据样本 的平均值；
[0019] 获取跟车距离最大值maX(Dist):即一个疲劳数据样本中跟车距离的最大值；
[0020]获取车距离最小值min(Dist):即一个疲劳数据样本中跟车距离的最小值；
[0021]获取跟车距离极差Range(Dist):即一个疲劳数据样本中跟车距离的最大值与最 小值之差：Range(Dist) =max(Dist)_min(Dist) 〇
[0022] 其中，所述与前车之间的相对速度参数通过以下方法获取：
[0023] 获取相对速度方差Var(Vrel)，相对速度方差描述了一个疲劳数据样本内相对速 度的波动：
[0024]
[0025] 其中Vreli是一个相对速度数据样本中的第i个数据点，Prei是一个相对速度数据 样本的平均值；
[0026] 获取相对速度最大值max(Vrel):即一个疲劳数据样本中的相对速度最最大值；
[0027] 获取相对速度最小值min(Vrel):即一个疲劳数据样本中的相对速度最最小值； [0028]获取相对速度极差Range(Vrel):即一个疲劳数据样本中的相对速度最大值与相 对速度最小值之差:Range(Vrel) =max(Vrel)_min(Vrel) 〇
[0029] 其中，所述油门踏板参数通过车辆的节气门开度来度量，所述节气门开度通过以 下方法获得：
[0030] 获取节气门开度方差Var(Trt):
[0031]
[0032] 其中Trti是一个疲劳数据样本中的第i个数据点，fFf是一个疲劳数据样本中节气 门开度的平均值；
[0033] 获取节气门开度最大值max(Trt):即一个疲劳数据样本中节气门开度最大值； [0034]获取油门操作时间Trt_time :指一个疲劳数据样本时间内，驾驶人操作油门的时
?司之和.苴田书与门；辟的非乗占小撒丰壬.
[0035]
[0036]获取油门操作频率Trt_freq:油门操作频率指一个疲劳数据样本内驾驶人对油门 的操作次数之和;所述油门操作频率通过统计节气门开度非零数据段之和得到。
[0037]其中，所述制动踏板参数所述油门踏板参数通过车辆的制动缸压力来度量，所述 制动缸压力通过以下方法获得：
[0038]获取制动缸压力最大值max(Brk):即一个疲劳数据样本内制动缸压力的最大值； [0039]获取制动踏板操作时间Brk_time:即一个疲劳数据样本内驾驶人操作制动踏板的 时间之和，用制动主缸压力的非零点个数表示：
[0040]
[0041]制动踏板操作时间表征了一个数据样本中驾驶人操作制动踏板的时间之累计；。 [0042]获取制动踏板操作频率Brk_freq:即一个疲劳数据样本内驾驶人对制动踏板的操 作次数之和;制动踏板操作频率通过统计制动缸压力非零数据段之和得到。
[0043] 本发明的上述技术方案的有益效果如下：
[0044] 本发明的技术方案通过驾驶人踏板操作和跟车行为在疲劳状态下的变化，借此提 升驾驶人疲劳检测装置的识别精度。本发明与传统的仅考虑方向盘操作行为和车辆横向运 动的驾驶人疲劳检测方法相比，能够进一步提高驾驶人的综合疲劳检测精度，减少算法精 度较低导致的漏警和频繁误警现象，提升用户的使用体验和行车安全。
【附图说明】
[0045] 图1为本发明实施例中的方法流程图。
【具体实施方式】
[0046] 为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具 体实施例进行详细描述。
[0047] 本发明实施例中通过如图1所示的方法来进行驾驶员疲劳检测。具体包括：
[0048] 步骤1、采集车辆行驶过程中的参数；
[0049] 步骤2、采用固定移动时间窗的方法，对数据进行切割以获得多个疲劳数据样本；
[0050] 步骤3、针对每一个疲劳数据样本，通过疲劳数据样本中的速度最小值对样本进行 筛选。如果速度最小值低于70km/h的样本将被视为无效，不作为疲劳检测的候选数据样本。 这是由于疲劳驾驶产生的交通事故常见于高速公路或稀疏城市快速路工况下，在拥挤的城 市道路中很少会出现由于驾驶人疲劳导致的交通事故。因此为了降低计算的复杂度，本发 明实施例中忽略速度最小值低于70km/h的样本。
[0051] 步骤4、从每一疲劳数据样本中提取疲劳特征。其中疲劳特征可以包括:跟车距离 参数、油门踏板参数、与前车之间的相对速度参数、制动踏板参数。
[0052] 其中，该油门踏板参数可以根据节气门开度来表征。
[0053]本发明提出将跟车距离参数、油门踏板参数、与前车之间的相对速度参数、制动踏 板参数这四项典型的车辆踏板和跟车行为，作为驾驶人疲劳判别特征。本发明实施例中可 以采用如下方法提取跟车距离参数、油门踏板参数、与前车之间的相对速度参数、制动踏板 参数：
[0054]假定一个60s的疲劳数据样本中包含N个采样数据点，设该数据段对应的跟车距离 数据为Dist(单位:m)，与前车的相对速度数据为Vre 1 (单位:km/h)，节气门开度数据为Trt (单位：％ )，制动缸压力数据为Brk(单位:MPa)。对于如上四种数据信号，典型的疲劳指标设 计如下：
[0055] 1.与跟车距离Dist有关的指标：
[0056] 1.1跟车距离方差Var(Dist)，跟车距离方差描述了一个疲劳数据样本中跟车距离 的波动：
[0057]
[0058] 其中Disti是一个疲劳数据样本中的第i个数据点，是一个跟车距离数据样本 的平均值。
[0059] 1.2跟车距离最大值max(Dist):即一个疲劳数据样本中跟车距离的最大值。跟车 距离最大值描述了一个时间窗内跟车所能达到的最远情况。
[0060] 1.3跟车距离最小值min(Dist):即一个疲劳数据样本中跟车距离的最小值。跟车 距离最小值描述了一个时间窗内跟车所能达到的最近情况。
[0061] 1.4跟车距离极差Range(Dist):即一个疲劳数据样本中跟车距离的最大值与最小 值之差;跟车距离极差描述了一个数据段时间内跟车距离的波动：
[0062] Range(Dist)=max(Dist)_min(Dist)〇
[0063] 2与相对速度Vrel有关的指标：
[0064] 2.1相对速度方差Var (Vre 1 )，相对速度方差描述了一个疲劳数据样本内相对速度 的波动：
[0065]
[0066] 其中Vreli是一个相对速度数据样本中的第i个数据点，Vrel是一个相对速度数据 样本的平均值。
[0067] 2.2相对速度最大值max(Vrel):即一个疲劳数据样本中的相对速度最最大值。相 对速度最大值描述了一个疲劳数据样本内自车与前车相对速度可能达到的最大值。
[0068] 2.3相对速度最小值min(Vrel):即一个疲劳数据样本中的相对速度最最小值。相 对速度最小值描述了一个疲劳数据样本内自车与前车相对速度可能达到的最小值。
[0069] 2.4相对速度极差1^1^6(￥代1):即一个疲劳数据样本中的相对速度最大值与相对 速度最小值之差;相对速度极差描述了 一个数据段时间内相对速度的波动
[0070] Range(Vrel)=max(Vrel)-min(Vrel)〇 [0071 ] 3.与节气门开度Trt和油门操作有关的指标：
[0072] 3.1节气门开度方差￥&^1'竹）：
[0073]
[0074] 其中Trti是一个疲劳数据样本中的第i个数据点，fFi是一个疲劳数据样本中节气 门开度的平均值;节气门开度方差描述了一个疲劳数据样本内节气门开度的波动，反映了 驾驶人油门操作的稳定性。
[0075] 3.2节气门开度最大值max(Trt): 即一个疲劳数据样本中节气门开度最大值;节气 门开度最大值描述了一个疲劳数据样本内驾驶人油门踩到最深时的节气门开度。
[0076] 3.3油门操作时间Trt_time:指一个疲劳数据样本时间内，驾驶人操作油门的时间 之和;其可以用节气门开度的非零点个数表示；
[0077]
[0078] 油门操作时间表征了 一个数据样本中驾驶人操作油门的时间之累计。
[0079] 3.4油门操作频率Trt_freq:油门操作频率指一个疲劳数据样本内驾驶人对油门 的操作次数之和。其中，驾驶人对油门一松一踩定义为一次油门操作。油门操作频率可以通 过统计节气门开度非零数据段之和得到，表征了驾驶人松踩油门的频繁程度。
[0080] 4 ·与制动缸压力Brk和制动操作有关的指标：
[0081 ] 4.1制动缸压力最大值max(Brk):即一个疲劳数据样本内制动缸压力的最大值;制 动缸压力最大值描述了一个数据段时间内驾驶人的最大制动力度。
[0082] 4.2制动踏板操作时间Brk_time:即一个疲劳数据样本内驾驶人操作制动踏板的 时间之和，用制动主缸压力的非零点个数表示：
[0083]
[0084] 制动踏板操作时间表征了一个数据样本中驾驶人操作制动踏板的时间之累计。
[0085] 4.3制动踏板操作频率Brk_freq:即一个疲劳数据样本内驾驶人对制动踏板的操 作次数之和。其中，驾驶人对制动踏板一松一踩定义为一次制动操作。制动踏板操作频率可 以通过统计制动缸压力非零数据段之和得到，表征了驾驶人松踩制动的频繁程度。
[0086]步骤5、根据步骤4中从疲劳数据样本中提取的跟车距离参数、油门踏板参数、与前 车之间的相对速度参数、制动踏板参数作为疲劳判别指标集，基于事先进行的疲劳驾驶实 验进行数据的样本切割与分类器训练。
[0087]本发明所采用的分类器为SVM分类器，驾驶人的疲劳状态分为三个等级，即：清醒、 疲劳、非常疲劳。所训练的分类器，输入为一个有效疲劳疲劳数据样本内的驾驶人疲劳特 征。在本发明中，这些疲劳特征包括步骤4所述与踏板操作和跟车行为有关的指标。分类器 的输出为三个疲劳等级之一。当驾驶人疲劳程度为"疲劳"时，对其进行比较柔和的提醒(如 亮指示灯）；当驾驶人疲劳程度为"非常疲劳"时，对其进行警报，提醒驾驶人停车休息。
[0088]以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员 来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也 应视为本发明的保护范围。
【主权项】
1. 一种基于车辆踏板和跟车行为的驾驶员疲劳检测方法，其特征在于，包括： 采集车辆行驶过程中的参数;采用固定移动时间窗的方法，对数据进行切割W获得多 个疲劳数据样本； 从每一疲劳数据样本中提取疲劳特征;其中疲劳特征至少包括:跟车距离参数、与前车 之间的相对速度参数、油口踏板参数、制动踏板参数； 将疲劳特征作为疲劳判别指标集，基于事先进行的疲劳驾驶实验进行数据的样本切割 与分类器训练。2. 根据权利要求1所述的基于车辆踏板和跟车行为的驾驶员疲劳检测方法，其特征在 于，所述方法还包括:获取疲劳数据样本中的速度最小值，W剔除速度最小值小于预设阔值 的。3. 根据权利要求2所述的基于车辆踏板和跟车行为的驾驶员疲劳检测方法，其特征在 于，所述预设阔值为70km A。4. 根据权利要求1所述的基于车辆踏板和跟车行为的驾驶员疲劳检测方法，其特征在 于，所述方法还包括:采用SVM分类器将驾驶人的疲劳状态分为清醒、疲劳、非常疲劳。5. 根据权利要求1所述的基于车辆踏板和跟车行为的驾驶员疲劳检测方法，其特征在 于，所述跟车距离参数通过W下方法获取： 获取跟车距离方差Var(Dist)，跟车距离方差描述了一个疲劳数据样本中跟车距离的 波动：其中Disti是一个疲劳数据样本中的第i个数据点，质?是一个跟车距离数据样本的平 均值； 获取跟车距离最大值max(Dist):即一个疲劳数据样本中跟车距离的最大值； 获取车距离最小值min(Dist):即一个疲劳数据样本中跟车距离的最小值； 获取跟车距离极差Range(Dist):即一个疲劳数据样本中跟车距离的最大值与最小值 之差：Range(Dist) =max(Dist)-min(Dist)。6. 根据权利要求1所述的基于车辆踏板和跟车行为的驾驶员疲劳检测方法，其特征在 于，所述与前车之间的相对速度参数通过W下方法获取： 获取相对速度方差Var(化el)，相对速度方差描述了一个疲劳数据样本内相对速度的 波动：其中化ell是一个相对速度数据样本中的第i个数据点，巧為是一个相对速度数据样本 的平均值； 获取相对速度最大值max(化el):即一个疲劳数据样本中的相对速度最最大值； 获取相对速度最小值min(化el):即一个疲劳数据样本中的相对速度最最小值； 获取相对速度极差Range(化el):即一个疲劳数据样本中的相对速度最大值与相对速 度最小值之差：Range(化el) =max(化el)-min(化el)。7. 根据权利要求1所述的基于车辆踏板和跟车行为的驾驶员疲劳检测方法，其特征在 于，所述油口踏板参数通过车辆的节气口开度来度量，所述节气口开度通过W下方法获得： 获取节气口开度方差Var(ht):其中Trti是一个疲劳数据样本中的第i个数据点，巧i是一个疲劳数据样本中节气口 开度的平均值； 获取节气口开度最大值max(ht):即一个疲劳数据样本中节气口开度最大值； 获取油口操作时间Trt_time:指一个疲劳数据样本时间内，驾驶人操作油口的时间之 和;其用节气口开度的非零点个数表示；获取油口操作频率化t_heq:油口操作频率指一个疲劳数据样本内驾驶人对油口的操 作次数之和;所述油口操作频率通过统计节气口开度非零数据段之和得到。8. 根据权利要求1所述的基于车辆踏板和跟车行为的驾驶员疲劳检测方法，其特征在 于，所述制动踏板参数所述油口踏板参数通过车辆的制动缸压力来度量，所述制动缸压力 通过W下方法获得： 获取制动缸压力最大值max(化k):即一个疲劳数据样本内制动缸压力的最大值； 获取制动踏板操作时间化k_time:即一个疲劳数据样本内驾驶人操作制动踏板的时间 之和，用制动主缸压力的非零点个数表示：制动踏板操作时间表征了一个数据样本中驾驶人操作制动踏板的时间之累计； 获取制动踏板操作频率Brk_freq:即一个疲劳数据样本内驾驶人对制动踏板的操作次 数之和;制动踏板操作频率通过统计制动缸压力非零数据段之和得到。
【文档编号】G08B21/06GK105976567SQ201610390463
【公开日】2016年9月28日
【申请日】2016年6月6日
【发明人】李升波, 成波, 李仁杰, 王文军, 贾丽娟, 张超飞, 李国法, 廖源
【申请人】清华大学