[发明专利]一种驾驶事件检测和识别方法

说明书

本发明提供一种驾驶事件检测和识别方法，该方法包括：疑似事件判定阶段：持续获取汽车前进方向的加速度值，与疑似事件的门限值进行比较，判定疑似急加/减速事件的严重等级；模板距离匹配阶段：将所述判定的疑似急加/减速事件分别与对应的严重等级的事件模板进行匹配，比较所述判定的疑似急加/减速事件与模板距离，当所述距离小于设置的模板距离的阈值时，则事件模板的严重等级为车辆真实的危险驾驶等级。本发明提供的驾驶事件检测和识别方法，可以针对急加/减速这一危险驾驶事件进行有效的识别，从而提醒驾驶员纠正其驾驶习惯，确保行车安全。

技术领域

本发明属于计算机识别领域，具体涉及一种驾驶事件检测和识别方法。

背景技术

司机在驾驶过程中因路况或个人驾驶习惯常常产生危险的驾驶事件，危险驾驶事件不仅对司机自己的生命财产安全造成威胁，还会对交通产生影响。及时检测和识别出危险驾驶事件对于司机的安全驾驶是很有必要。

危险驾驶事件中发生频率最高的是急加/减速事件，急加速事件是在行驶过程中由于驾驶员在极短时间内踩踏油门过猛导致汽车在短时间内速度急速增加，且加速度增长到一个非常高的值。而急减速事件是由于驾驶员在极短时间内踩踏刹车板过猛导致汽车在短时间内速度急速下降，加速度达到一个非常高的值(负向)。这两类危险驾驶事件与汽车前进方向的加速度有关，而汽车前进方向的加速度可以通过一些传感器获取到。

目前对事件检测和识别的方法主要分为三类：

1、使用阈值方法识别，由于急加/减速事件往往伴随着很高的加速度值，因此使用了基于阈值的判定方法。当检测到加速度超过某一阈值(正负分别对应急加速和急减速)时，即判定发生了急加/减速事件。这样的识别算法效率高，易于实现，但是原始数据中常常伴随着噪声，基于简单的阈值来识别事件会产生大量的误判。

2、使用分类器识别，提取了急加/减速事件中的加速度值的平均值，极值等特征放入SVM分类器进行训练，获取可以识别急加/减速事件的分类器。这类算法识别准确率高，但为了保证分类器的准确率需要使用大量的训练集进行训练，时间成本和能耗都很高。

3、使用DTW进行识别，动态时间规整(Dynamic Time Warping,DTW)算法是一种基于动态规划思想的模板匹配算法，最早应用于语音识别领域。由于个人驾驶习惯，驾驶环境，路况等不同，不同的行为持续的时间，力度都会有所不同。因此考虑基于DTW的事件识别算法通过将待识别数据段与模板进行匹配，可以识别出不同数据长度的事件。使用了DTW进行事件的识别。DTW模板的选择好坏直接影响到使用DTW算法进行识别的准确率。实际情况中，急加减速事件因其加速度极值的不同往往产生的影响程度不同，因此笼统的将很多种复杂情况下的事件都识别成为一类急加/减速事件是不合理的，单一的模板也容易造成与模板略有不同的真实驾驶事件不能被正确识别出来。

发明内容

本发明的驾驶事件检测和识别方法，通过检测系统对加速度数据的进行智能分析，可以针对急加/减速这一危险驾驶事件进行有效的识别，从而提醒驾驶员辅助纠正其驾驶习惯，确保行车安全。

附图说明

图1为本发明中驾驶事件监测和识别方法的总体流程；

图2为本发明中采集的加速度数据映射到汽车前进方向的步骤；

图3为本发明中急加速事件与门限值的关系图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。