一种面向疲劳驾驶检测的方向盘操作特征提取方法
【技术领域】
[0001] 本发明设及驾驶人疲劳状态的检测技术领域，具体地设及一种面向疲劳驾驶检测 的方向盘操作特征提取方法。
【背景技术】
[0002] 随着汽车数量的日益增多和高速公路的不端延伸，车速越来越快，道路交通安全 形势日益严峻，汽车交通事故随之增多，不仅造成了大量人员伤亡和巨额的经济损失，而且 导致了诸多社会问题。调查显示，疲劳驾驶是交通安全最重要的隐患之一，驾驶人在疲劳 时，对周围环境的感知能力、行驶判断能力和对车辆的操控能力都大幅度降低，很容易发生 交通事故。随着人们安全意识的增强和科学技术的进步，驾驶人疲劳驾驶判别技术已成为 汽车安全技术领域的一个主要发展方向，研究开发高性能的疲劳驾驶判别及预警技术，对 改善我国交通安全状况意义重大。
[0003] 驾驶人疲劳状态的检测目前有较多研究的方法，按检测的类别可大致分为基于驾 驶人生理信号的检测、基于驾驶员生理反应特征的检测、基于驾驶操作行为的检测Ξ大类。
[0004] -、基于生理信号(脑电信号、屯、电信号等)判别疲劳驾驶
[0005] 基于生理信号对疲劳判断的准确性较高，但接触式的测量方式，给驾驶人疲劳检 测的实际应用带来很多不便和局限性，也难W被驾驶员接收。
[0006] 二、基于驾驶人生理反应特征判别疲劳驾驶
[0007] 基于驾驶人生理反应特征的判别方法是指利用驾驶人的眼睛特性、嘴部运动特征 等推断驾驶人的疲劳状态，运些信息被认为是反映疲劳的重要特征，但由于不同的驾驶员 的习惯和特征存在一定的差异，检测算法难度较高，通过单个面部表情特征来判断驾驶员 状态的鲁棒性不高。
[000引 Ξ、基于驾驶操作行为判别疲劳驾驶
[0009] 驾驶操作行为如方向盘操作也与疲劳状态密切相关，且在数据采集和分析上难度 较小，已经成为重要的疲劳检测方法之一，但是目前对方向盘操作参数的筛选比较模糊，也 没有针对此类参数进行疲劳分析的有效算法，因此，基于驾驶操作行为判别疲劳驾驶的方 法仍无显著成效。
【发明内容】
[0010] 为了解决现有技术存在的问题，本发明目的是:提供一种面向疲劳驾驶检测的方 向盘操作特征提取方法，主要针对目前该检测方式在参数筛选、参数分析与疲劳判断方面 存在的局限性，建立基于MA化AB的数据分析平台，并W支持向量机算法的分类性能为评价 准则，W序列浮动前向选择算法为捜索策略，建立疲劳判别指标近似最优选择算法，筛选与 疲劳相关性最大的指标建立驾驶人疲劳状态检测的指标体系。在此基础上，针对个体差异 和车辆换线等影响疲劳识别的关键特征，通过个体差异性的自学习方法，建立考虑个体差 异性的驾驶人疲劳状态检测模型，区分主动换线和疲劳车道偏离在偏出阶段的操作特性差 异，建立车辆偏出车道时的疲劳检测模型，可大大提高本识别方法适用于不同驾驶人和多 种操作状态的泛化能力，提升疲劳检测模型的识别准确率。
[0011] 本发明的技术方案是：
[0012] -种面向疲劳驾驶检测的方向盘操作特征提取方法，其特征在于，包括W下步骤：
[0013] SOI:疲劳操作特性分析及疲劳判别指标抽取:对驾驶人疲劳样本变量进行统计分 析和对比；根据分析结果，初步抽取N个疲劳判别指标，对不同疲劳水平下疲劳判别指标的 差异显著性进行检验，在已抽取的N个疲劳判别指标中选出N1个显著性指标构建疲劳判别 指标；
[0014] S02:疲劳判别指标优化：W支持向量机算法的分类性能为评价准则，W序列浮动 前向选择算法为捜索策略，建立疲劳判别指标近似最优选择算法，从初选的N1个疲劳判别 指标中筛选N2个指标建立驾驶人疲劳状态检测的指标体系；
[0015] S03:驾驶人疲劳状态检测模型的建立：W筛选得到的驾驶人疲劳状态检测指标体 系为输入，基于支持向量机算法建立驾驶人疲劳状态检测模型；
[0016] S04:影响疲劳关键因素提取与算法优化:基于SVM算法建立考虑个体差异性的驾 驶人疲劳状态检测模型;将车辆偏出车道事件分为主动换线和疲劳导致的车道偏离两类模 式，通过比较主动换线和疲劳导致的车道偏离在偏出阶段的操作特性差异，建立车辆偏出 车道时的疲劳检测模型。
[0017] 优选的，所述步骤SOI中基于MATLAB建立数据分析平台，对驾驶人不同疲劳状态下 的转向操作和车辆状态变量的波动特性分析和频数分布比较。
[0018] 优选的，所述步骤SOI中利用单因子方差分析方法检验疲劳判别指标的差异显著 性，对具有显著性差异的指标进行多重比较。
[0019] 优选的，所述步骤S04包括:利用驾驶人开始驾驶后的一段清醒数据作为参考数 据，对个体的操作特性进行自学习，W参考数据中抽取的疲劳判别指标的均值为参考指标， 然后W疲劳判别指标和参考指标的比值获得个性指标，利用个性指标构建驾驶人疲劳模式 分类的特征空间，基于SVM算法建立考虑个体差异性的驾驶人疲劳状态检测模型。
[0020] 本发明还公开了一种面向疲劳驾驶检测的方向盘操作特征提取系统，其特征在 于，包括：
[0021] -疲劳操作特性分析及疲劳判别指标抽取模块，对驾驶人疲劳样本变量进行统计 分析和对比；根据分析结果，初步抽取N个疲劳判别指标，对不同疲劳水平下疲劳判别指标 的差异显著性进行检验，在已抽取的N个疲劳判别指标中选出N1个显著性指标构建疲劳判 别指标；
[0022] -疲劳判别指标优化模块，W支持向量机算法的分类性能为评价准则，W序列浮 动前向选择算法为捜索策略，建立疲劳判别指标近似最优选择算法，从初选的N1个疲劳判 别指标中筛选N2个指标建立驾驶人疲劳状态检测的指标体系；
[0023] -疲劳状态检测模型建立模块，W筛选得到的驾驶人疲劳状态检测指标体系为输 入，基于支持向量机算法建立驾驶人疲劳状态检测模型；
[0024] -疲劳关键因素提取与算法优化模块，基于SVM算法建立考虑个体差异性的驾驶 人疲劳状态检测模型；将车辆偏出车道事件分为主动换线和疲劳导致的车道偏离两类模 式，通过比较主动换线和疲劳导致的车道偏离在偏出阶段的操作特性差异，建立车辆偏出 车道时的疲劳检测模型。
[0025] 优选的，所述疲劳操作特性分析及疲劳判别指标抽取模炔基于MATLAB建立数据分 析平台，对驾驶人不同疲劳状态下的转向操作和车辆状态变量的波动特性分析和频数分布 比较。
[0026] 优选的，所述疲劳操作特性分析及疲劳判别指标抽取模块利用单因子方差分析方 法检验疲劳判别指标的差异显著性，对具有显著性差异的指标进行多重比较。
[0027] 优选的，所述疲劳关键因素提取与算法优化模块利用驾驶人开始驾驶后的一段清 醒数据作为参考数据，对个体的操作特性进行自学习，W参考数据中抽取的疲劳判别指标 的均值为参考指标，然后W疲劳判别指标和参考指标的比值获得个性指标，利用个性指标 构建驾驶人疲劳模式分类的特征空间，基于SVM算法建立考虑个体差异性的驾驶人疲劳状 态检测模型。
[0028] 与现有技术相比，本发明的优点是：
[0029] 1.本发明提出的一种面向疲劳驾驶检测的方向盘操作特征提取方法通过对转向 操作和车辆状态变量中与疲劳密切相关的重要参数进行采集与分析，实现了对驾驶员疲劳 的非接触式检测，并通过对疲劳判别指标的优化、个体差异自学习算法和换线操作疲劳识 别模型的建立，进一步提高疲劳识别的准确率和泛化能力，有效解决了基于驾驶员生理信 号或生理特征等检测方式存在的接触式、检测精度低等问题。
[0030] 2.本发明中的疲劳驾驶判别系统适用于所有驾驶人，可W安装在家庭用轿车上， 尤其适用于长途客运、长途货运、W及特种运输业的职业驾驶人。该系统的普及应用对保障 驾驶人、乘员及车载货物的安全，大幅降低我国交通事故，特别是恶性事故的发生率，具有 重大的现实意义，与此同时将会产生巨大的社会效益和经济效益。
【附图说明】
[0031] 下面结合附图及实施例对本发明作进一步描述：
[0032] 图1为本发明面向疲劳驾驶检测的方向盘操作特征提取方法的流程图；
[0033] 图2为本发明面向疲劳驾驶检测的方向盘操作特征提取系统的结构框图。
【具体实施方式】
[0034] 为使本发明的目的、技术方案和优点更加清楚明了，下面结合【具体实施方式】并参 照附图，对本发明进一步详细说明。应该理解，运些描述只是示例性的，而并非要限制本发 明的范围。此外，在W下说明中，省略了对公知结构和技术的描述，W避免不必要地混淆本 发明的概念。
[00对实施例：
[0036] 如图1、2所示，一种面向疲劳驾驶检测的方向盘操作特征提取系统，主要包括疲劳 操作特性分析及疲劳判别指标抽取模块，疲劳判别指标优化模块，疲劳状态检测模型建立 模块，疲劳关键因素提取与算法优化模块四个关键模块。各个模块的操作方法如下：
[0037] 疲劳操作特征分析及疲劳判断指标抽取:基于MA化AB建立数据分析平台，对驾驶 人不同疲劳状态下的转向操作和车辆状态变量进行统计分析和对比。根据分析结果，对隐 藏在转向操作和车