[发明专利]一种用于疲劳状态识别的方向盘转角统计特征融合方法

说明书

本发明涉及智能驾驶技术领域，具体公开了一种用于疲劳状态识别的方向盘转角统计特征融合方法，首先实时采集方向盘转角时间序列和车速时间序列，并按照设定的阈值对方向盘转角时间序列进行滤波处理，得到有效的样本数据；然后按照设定的时间窗大小，计算固定长度样本的统计特征；最后将计算的统计特征形成统计特征矩阵，并计算该统计特征矩阵的特征根，最后抽取满足条件的特征根作为驾驶人方向盘转角统计特征的融合指标向量。本发明将方向盘转角的多统计特征进行融合，克服了现有技术直接采用某一项或多项统计指标带来的不稳定性，在实车工况下能有效支撑驾驶人疲劳状态的稳定识别，对不同驾驶者表现出了较高的工程泛化能力。

技术领域

本发明涉及智能驾驶技术领域，尤其涉及一种用于疲劳状态识别的方向盘转角统计特征融合方法。

背景技术

疲劳驾驶是导致交通事故的重要诱因。方向盘转角数据能实时、直接反应驾驶人的转向操作特性，是客观准确反映驾驶人操作规律的重要数据。基于方向盘转角信息的驾驶人疲劳状态检测已成为汽车主动安全领域的热点研究内容和主要技术之一。

实车工况下，由于长时间的驾驶操作，驾驶人心理和生理都将处于疲劳状态，导致驾驶人对道路环境感知能力、形势判断能力和车辆操控能力下降，从而，使得驾驶人对车辆的容忍误差变大、控制精度降低，驾驶人对方向盘的转向操作统计特性变得异常。然而，由于道路随机性和驾驶人个体差异性的影响，使得车辆方向盘转向角序列的统计指标具有极强的不稳定性，现有基于方向盘统计特征的疲劳状态识别技术通常是直接采用某一种或多种固定的统计特性作为系统输入，使得基于方向盘转角统计特征的疲劳状态识别方法泛化能力较差，系统稳定性也欠佳。

发明内容

本发明提供一种用于疲劳状态识别的方向盘转角统计特征融合方法，解决的技术问题在于：现有基于方向盘转角统计特征的疲劳状态识别方法直接采用某一种或多种固定的统计特性作为系统输入，泛化能力较差，系统稳定性也欠佳。

为解决以上技术问题，本发明提供一种用于疲劳状态识别的方向盘转角统计特征融合方法，包括步骤：

S1.按照设定的采样频率实时采集方向盘转角时间序列和车速时间序列；

S2.按照设定的转向角度绝对值阈值和速度阈值对所述方向盘转角时间序列进行滤波处理，得到速度高于所述速度阈值、转向角度低于所述转向角度绝对值阈值的方向盘转角序列样本；

S3.按照设定的时间窗大小，对固定长度的所述方向盘转角序列样本计算其统计特征；

S4.将所述统计特征形成统计特征矩阵；

S5.计算所述统计特征矩阵的特征根，抽取特征根作为驾驶人方向盘转角统计特征的融合指标向量。

进一步地，在所述步骤S3中，方向盘转角序列的固定长度为T，设定的时间窗大小为mT，m≥10，T≥100。

进一步地，在所述步骤S3中，所述统计特征包括方差T₁、有效值T₂、极差T₃、波形系数T₄、峭度T₅、偏度T₆、变异系数T₇、大幅度百分比T₈、小幅度百分比T₉、大幅均值T₁₀；

其中：

N＝T，X(i)表示固定长度为T的方向盘转角序列，i表示时间采样点序号，i＝1，2…N-1，N；

T₃＝X_max-X_min，X_max、X_min分别表示序列X(i)的最大值和最小值；