[发明专利]基于驾驶行为的疲劳驾驶检测方法

说明书

技术领域

本发明涉及汽车安全技术领域的一种检测方法，具体地说，本发明涉及一种基于驾驶行为的疲劳驾驶检测方法。

背景技术

疲劳驾驶是造成道路交通事故的主要因素之一，每年由于疲劳驾驶而引起的交通事故占事故总数的20%左右，占特大交通事故的40%以上。因此，需要对驾驶人驾驶状态进行实时检测，当出现疲劳状态时，给予有效的预警，避免道路交通事故的发生。

目前，疲劳驾驶检测方法主要分为基于主观评价的检测方法、基于驾驶人生理信号的检测方法、基于驾驶人生理反应的检测方法、基于驾驶行为的检测方法和基于信息融合的检测方法。其中，基于主观评价的检测方法存在评分主观，评分标准不统一、被测试者故意隐瞒真实情况、迎合主观期望等问题。基于驾驶人生理信号的检测方法，侵入性强，易对驾驶人产生干扰，不易被接受。基于生理反应的检测方法主要是通过机器视觉检测驾驶人面部特征，易受光线、车辆振动、驾驶人配戴眼镜等因素影响。基于驾驶行为的检测方法为非接触式检测，测量过程不会对驾驶人的正常驾驶行为造成干扰，特征参数（车速、方向盘转角等）容易提取，已成为国内外研究热点。

疲劳驾驶状态下，驾驶人对车辆控制能力明显下降，因此通过驾驶人当前的驾驶行为信息，能够实现对疲劳驾驶的检测。然而道路曲率变化同样是引发驾驶人操纵行为（方向盘转角、方向盘转角速度等）变化的一项重要因素，因此，道路曲率因素会影响基于驾驶行为进行疲劳驾驶检测方法的准确率。

发明内容

为解决现有技术所存在的道路曲率因素会影响基于驾驶行为进行疲劳驾驶检测方法的准确率的问题，本发明提供一种改进的基于驾驶行为的疲劳驾驶检测方法，分别提取不同的道路曲率（直道和弯道）下驾驶人的驾驶行为特征参数，建立了道路线形分类器及对应的疲劳模式分类器，根据道路线形分类器输出结果确定当前道路线形，并选择对应的疲劳模式分类器，实现对驾驶人疲劳状态的辨识，能够消除道路曲率因素对基于驾驶行为的疲劳驾驶检测准确度的影响，实现了疲劳驾驶的实时准确检测。

本发明是通过如下技术方案实现的：所述的基于驾驶行为的疲劳驾驶检测方法，其包括如下步骤：

1.构建道路线形分类器；

2.构建疲劳模式分类器；

3.采集车辆行进过程中的道路视频，利用道路线形分类器判断当前道路线形；

4.采集驾驶人驾驶行为信息，并根据道路线形分类器的输出结果，选择对应的疲劳模式分类器，实现对驾驶人疲劳状态的辨识。

技术方案中所述的构建道路线形分类器包括如下具体步骤：

1）采集N张不同道路曲率的道路图像，其中包括N1张直道图像和N2张弯道图像，其中，N1≥1000，N2≥2000，建立道路线形分类器的训练库；

2）利用特征提取方法提取不同类型道路图像特征参数，采用统计分析的方法检验在不同道路线形（直道、弯道）下特征参数差异的显著性，进而筛选出有效特征参数组；

3）将筛选出的有效特征参数组全部引入特征空间，利用机器学习的方法构建道路线形分类器。

技术方案中所述的构建疲劳模式分类器包括如下具体步骤：

1）分别采集m，m≥50名驾驶人在不同驾驶状态（正常驾驶、疲劳驾驶）下的位于直道条件下的驾驶行为数据和位于弯道条件下的驾驶行为数据；

2）分别提取直道条件下的疲劳驾驶有效特征参数组和弯道条件下的疲劳驾驶有效特征参数组；

3）分别构建直道条件下的疲劳模式分类器和弯道条件下的疲劳模式分类器。

技术方案中所述的分别采集m，m≥50名驾驶人在不同驾驶状态（正常驾驶、疲劳驾驶）下的位于直道条件下的驾驶行为数据和位于弯道条件下的驾驶行为数据包括如下具体步骤：

（1）采集m，m≥50名驾驶人在正常驾驶条件下的驾驶行为数据和道路视频，依据道路视频信息，将驾驶行为数据划分为直道条件下驾驶行为数据和弯道条件下驾驶行为数据；

（2）采集m，m≥50名驾驶人在疲劳驾驶条件下的驾驶行为数据和道路视频，依据道路视频信息，将驾驶行为数据划分为直道条件下驾驶行为数据和弯道条件下驾驶行为数据；

技术方案中所述的分别提取直道条件下的疲劳驾驶有效特征参数组和弯道条件下的疲劳驾驶有效特征参数组包括如下具体步骤：

（1）利用特征提取方法提取直道条件下的疲劳驾驶特征参数，采用统计分析的方法检验在不同驾驶状态（正常驾驶、疲劳驾驶）下的特征参数差异的显著性，进而筛选出直道条件下疲劳驾驶有效特征参数组；