[发明专利]基于多源异构数据感知的疲劳驾驶安全预警系统

说明书

本发明公开了一种基于多源异构数据感知的疲劳驾驶安全预警系统，压力传感器采集驾驶员驾驶过程中对方向盘的压力，脉搏传感器采集驾驶员驾驶过程中脉搏的变化，压力传感器通过电压转换模块连接控制板，压力、脉搏传感器和PC端均通过无线传输模块与控制板传输数据，PC端对压力、脉搏传感器采集的数据进行存储、分析和处理，PC端还连接预警装置；本发明将人体身体信息通过传感器转换为电信号，再通过无线传输技术及阈值过滤处理数据，最后进行处理判别，判断结果为正常时，系统将继续运行。判断结果为疲劳时，判断结果将会以无线信号的形式传输至预警装置中，通过预警装置的物理信号进行预警，从而改变驾驶者的人体身体信息。

技术领域

本发明属于驾驶安全技术领域，特别涉及一种疲劳驾驶安全预警系统。

背景技术

疲劳驾驶是引发交通事故的主要原因之一，严重威胁着道路交通安全。疲劳驾驶状态下发生事故或接近发生事故的风险是清醒驾驶状态下的4至6倍。驾驶疲劳是一个生理、心理的状态变化过程，难以像酒驾一样用定量的生理指标进行衡量，因此驾驶人疲劳状态检测成为驾驶疲劳的研究重点。疲劳驾驶较难通过立法执法进行监管，车载疲劳预警设备被认为是最重要的疲劳驾驶预防手段。

驾驶疲劳检测指标可以划分为侵入测量、无侵入测量两种指标。无侵入测量指标(驾驶行为指标、眼动指标等)对正常驾驶的干扰较小，对驾驶疲劳测量精度较低。侵入测量(脑电指标、心电指标等)对于实验结果的验证有保证，能够最大限度保证算法的识别正确率。但随着传感器部件、智能手环、蓝牙传输等技术的普及，呼吸频率、心率等侵入测量指标已经变得无侵入性。此外，研究发现驾驶员方向盘压力、心率可作为检测成为驾驶疲劳的有效指标。

关于驾驶疲劳判别算法国内外目前常用的人工智能方法主要包括：动态贝叶斯网络、神经网络、支持向量机(support vector machine,SVM)等。通过对驾驶疲劳判别算法文献分析发现：目前各类疲劳检测算法中，基于多传感器的信息融合技术能够克服单一监测方案的片面性与不稳定性，可以较为准确地识别驾驶人疲劳状态，是驾驶疲劳自动判别算法的发展方向。

发明内容

本发明的目的是提供一种基于多源异构数据感知的疲劳驾驶安全预警系统，选取生理特征参数中的心率特征参数和压力特征参数，借助相关向量机(Relevance VectorMachine，简称RVM)的基于主动相关决策理论移除不相关数据点、降低数据随机波动性对其驾驶状态变化态势影响的优势，开发一种基于多源异构数据感知的疲劳驾驶安全预警系统，以期实现疲劳驾驶预警功能，为疲劳驾驶预警提供了切实可行的技术解决方案。

为实现上述目的，本发明采用的技术方案为：

一种基于多源异构数据感知的疲劳驾驶安全预警系统，包括握于驾驶员手中的压力传感器和固定于驾驶员小手指上的脉搏传感器，所述压力传感器采集驾驶员驾驶过程中对方向盘的压力，所述脉搏传感器采集驾驶员驾驶过程中脉搏的变化，所述压力传感器通过电压转换模块连接控制板，所述压力传感器、脉搏传感器和PC端均通过无线传输模块与控制板进行数据传输，PC端对压力传感器和脉搏传感器采集的数据进行存储、分析和处理，所述PC端还连接预警装置。

进一步的，所述压力传感器采用RFP602薄膜压力传感器，所述脉搏传感器为pulsesensor脉搏传感器，所述控制板的型号为cc2530，所述无线传输模块采用ZigBee，所述预警装置为扬声器报警器。

进一步的，所述压力传感器和脉搏传感器采集数据的单位时间跨度为60s。

进一步的，脉搏传感器采集的脉搏参数进行标准差处理，

基于脉搏参数的脉搏标准差：

其中σ_h为脉搏标准差，T_t为时间间隔(s)，H(t)为t时刻实际脉搏值，为T_t内脉搏均值；