一种基于智能设备的驾驶员危险驾驶行为识别方法及系统技术方案

本发明专利技术公开了一种基于智能设备的驾驶员危险驾驶行为识别方法。主要针对包括急打方向盘、频繁揉眼睛和使用手机在内的危险驾驶行为，本发明专利技术的方法利用智能设备内部的加速度传感器、重力传感器和陀螺仪传感器数据实现对驾驶员危险驾驶行为的识别，以提高识别的实用性和准确性，并且不会对驾驶员正常驾驶产生干扰，可以有效提升驾驶员危险驾驶行为识别的实用性。同时能够对驾驶员的危险驾驶行为进行实时识别，当驾驶员产生危险驾驶行为时进行预警提示，能够有效地避免发生因危险驾驶行为所导致的交通事故。

【技术实现步骤摘要】
一种基于智能设备的驾驶员危险驾驶行为识别方法及系统
本专利技术涉及交通安全
，特别涉及一种基于智能设备的驾驶员危险驾驶行为识别方法及系统。
技术介绍
随着我国城市汽车数量的不断增长，频发的交通事故引发了全社会对交通安全的高度关注与重视。根据国内外对于交通事故的统计分析指出，引发交通事故的主要原因来自于驾驶者本人，而由车辆自身或者周围环境造成的比例较小。但是对于在路的驾驶员来说，具有危险驾驶行为的驾驶人员很少能够意识到自己的危险驾驶行为，例如急打方向盘、频繁揉眼睛和使用手机等，存在较大的交通安全隐患。同时，研究表明当驾驶者处于监督状态时其驾驶行为往往更具安全性。因此，很有必要对驾驶员的驾驶行为进行实时检测并在出现危险驾驶行为时对其进行实时预警提醒。现有研究中比较成熟的驾驶员危险驾驶行为识别方法主要是通过视频图像处理的非接触式识别，但是这种方法通常容易受到外界光照等因素的影响，而且识别算法非常复杂。而其他一些驾驶员危险驾驶行为识别方法则需要在车内和驾驶员身上安装一些传感器设备，这样会对驾驶员的正常驾驶产生一定的干扰，而且安装额外的传感器设备也会增加成本，其工程实用性受到了很大的限制。所以需要寻求一种不影响驾驶员正常驾驶、不易受到外界干扰、成本低、使用方便且识别准确的驾驶员危险驾驶行为识别方法。
技术实现思路
本专利技术的目的之一是提出一种基于智能设备的驾驶员危险驾驶行为识别方法，主要针对包括急打方向盘、频繁揉眼睛和使用手机在内的危险驾驶行为，利用智能设备内部的加速度传感器、重力传感器和陀螺仪传感器数据实现对驾驶员危险驾驶行为的识别，以提高识别的实用性和准确性。本专利技术的目的之二是提供一种基于智能设备的驾驶员危险驾驶行为识别系统。本专利技术的目的之一是通过以下技术方案实现的：该种基于智能设备的驾驶员危险驾驶行为识别方法，所述方法包括以下步骤：步骤S1：通过设置在驾驶员手腕上的智能设备采集驾驶员驾驶行为模拟数据，所述数据包括但不限于加速度传感器数据(ax,ay,az)、重力传感器数据(gx,gy,gz)、陀螺仪传感器数据(rx,ry,rz)以及数据采集时刻的时间t，其中下标x、y、z分别表示各传感器的X、Y、Z轴；步骤S2：：根据采集到的各传感器数据提取驾驶员危险驾驶行为特征指标，包括但不限于加速度均值(X/Y/Z轴)、加速度极大值(X/Y/Z轴)、急加速频数(X/Y/Z轴)、较小加速频数(X/Y/Z轴)、重力加速度均值(X/Y/Z轴)、角速度均值(X/Y/Z轴)、角速度极大值(X/Y/Z轴)；步骤S3：优化步骤S2提取的驾驶员危险驾驶行为特征指标，建立基于支持向量机的驾驶员危险驾驶行为识别模型；步骤S4：利用步骤S3得到的驾驶员危险驾驶行为识别模型对实时采集到的驾驶行为数据进行识别，当识别出具有危险驾驶行为时对驾驶员进行预警提示。特别地，所述步骤S1中，按照50Hz的频率分别采集驾驶员驾驶过程中的数据。特别地，所述步骤S1中，每次采集将形成一个数据序列，该数据序列中每一行数据形式为{ax、ay、az,gx、gy、gz,rx、ry、rz,ti}(i＝1,2,3…)，其中ti为采样时刻，将数据序列存储到一个数据文件中。特别地，所述步骤S2包括以下子步骤：步骤S21：将步骤1中的数据序列按照设定的时间周期为一个数据单元依次划分成多个数据单元；步骤S22：分别从步骤S21中的数据单元提取各特征指标值；步骤S23：将步骤S22得到的特征值数据进行归一化处理，统一各个特征指标的量纲。特别地，所述步骤S3包括以下子步骤：步骤S31：从步骤S2中归一化后的特征值中随机选择总样本中90％的样本作为训练集，其余的样本则作为测试集；步骤S32：建立驾驶员危险驾驶行为特征指标的准则函数：maxJ(p)＝np/Np,s.t.,p∈q；其中，q表示危险驾驶行为识别指标全集，p是q的非空子集，J(p)是特征指标的优化目标函数，即使得危险驾驶行为的识别准确率最大，Np表示测试的样本数，np表示测试样本中危险驾驶行为识别准确的样本数；步骤S33：利用SFFS特征选择算法从危险驾驶行为指标全集q中搜索出非空子集p，将非空子集p作为输入，并利用训练集数据基于SVM建立驾驶员危险驾驶行为识别模型，再利用测试集数据测试识别模型的分类性能，得到准则函数J(p)的值，其中使得J(p)的值最大的非空子集p就是准则函数的最优解，可以使得建立的基于SVM的危险驾驶行为识别模型的识别准确率最高；步骤S34:将步骤S33得到的最优特征指标子集作为识别模型的输入，建立基于SVM的驾驶员危险驾驶行为识别模型。其中SVM的核函数选用径向基核函数，惩罚因子C和核参数σ选用网格搜索法(GridSearch)搜寻最优变量组合(C,σ)，保证危险驾驶行为识别模型的识别准确率和泛化能力最好，即：s.t.,C＝2-5,2-4,…,215σ2＝2-10,2-9,…,215；其中，J(p)表示驾驶员危险驾驶行为识别模型的识别准确率，C是惩罚因子，σ是核参数，Np表示测试的样本数，np表示测试样本中危险驾驶行为识别准确的样本数。特别地，所述步骤S4中，所述危险驾驶行为包括但不限于急打方向盘、频繁揉眼睛和使用手机三种危险驾驶行为。本专利技术的目的之二是通过以下技术方案实现的：该种基于智能设备的驾驶员危险驾驶行为识别系统，包括智能设备、数据处理单元、驾驶行为检测单元和预警提示单元；所述智能设备用于采集驾驶员手部运动过程中的加速度传感器、重力传感器和陀螺仪传感器数据并发送到数据处理单元，在识别过程中需要将智能设备佩戴在驾驶员手上；所述数据处理单元用于接收智能设备的加速度传感器、重力传感器和陀螺仪传感器数据，提取各危险驾驶行为特征指标并将特征提取结果发送到驾驶行为检测单元；所述驾驶行为检测单元是已经建立的基于SVM的驾驶员危险驾驶行为识别模型，将提取的各特征指标输入识别模型得到驾驶行为识别结果，如果当前驾驶行为判定为危险驾驶行为，则控制预警提示单元对驾驶员发出相应的预警提示信息。本专利技术的有益效果是：1、本专利技术提出的基于智能设备的驾驶员驾驶行为识别方法，仅利用智能设备就能实现对驾驶员危险驾驶行为的实时识别，不再需要额外购买昂贵的设备，有效降低了驾驶员危险驾驶行为检测成本。2、本专利技术的识别方法避开了使用容易受到外界干扰的视频图像处理的危险驾驶行为识别方法，并且不会对驾驶员正常驾驶产生干扰，可以有效提升驾驶员危险驾驶行为识别的实用性。3、本专利技术的识别方法使用了智能设备的加速度传感器、重力传感器和陀螺仪传感器数据，并从中提取了多个危险驾驶行为特征指标，提高了驾驶员危险驾驶行为识别的准确率。4、本专利技术的识别方法能够对驾驶员的危险驾驶行为进行实时识别，当驾驶员产生危险驾驶行为时进行预警提示，能够有效地避免发生因危险驾驶行为所导致的交通事故。本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书和权利要求书来实现和获得。附图说明为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步的详细描述，其中：图1为本专利技术实施例中的方法流程本文档来自技高网...

【技术保护点】
1.一种基于智能设备的驾驶员危险驾驶行为识别方法，其特征在于：所述方法包括以下步骤：步骤S1：通过设置在驾驶员手腕上的智能设备采集驾驶员驾驶行为模拟数据，所述数据包括但不限于加速度传感器数据(ax,ay,az)、重力传感器数据(gx,gy,gz)、陀螺仪传感器数据(rx,ry,rz)以及数据采集时刻的时间t，其中下标x、y、z分别表示各传感器的X、Y、Z轴；步骤S2：根据采集到的各传感器数据提取驾驶员危险驾驶行为特征指标，包括但不限于加速度均值(X/Y/Z轴)、加速度极大值(X/Y/Z轴)、急加速频数(X/Y/Z轴)、较小加速频数(X/Y/Z轴)、重力加速度均值(X/Y/Z轴)、角速度均值(X/Y/Z轴)、角速度极大值(X/Y/Z轴)；步骤S3：优化步骤S2提取的驾驶员危险驾驶行为特征指标，建立基于支持向量机的驾驶员危险驾驶行为识别模型；步骤S4：利用步骤S3得到的驾驶员危险驾驶行为识别模型对实时采集到的驾驶行为数据进行识别，当识别出具有危险驾驶行为时对驾驶员进行预警提示。

【技术特征摘要】
1.一种基于智能设备的驾驶员危险驾驶行为识别方法，其特征在于：所述方法包括以下步骤：步骤S1：通过设置在驾驶员手腕上的智能设备采集驾驶员驾驶行为模拟数据，所述数据包括但不限于加速度传感器数据(ax,ay,az)、重力传感器数据(gx,gy,gz)、陀螺仪传感器数据(rx,ry,rz)以及数据采集时刻的时间t，其中下标x、y、z分别表示各传感器的X、Y、Z轴；步骤S2：根据采集到的各传感器数据提取驾驶员危险驾驶行为特征指标，包括但不限于加速度均值(X/Y/Z轴)、加速度极大值(X/Y/Z轴)、急加速频数(X/Y/Z轴)、较小加速频数(X/Y/Z轴)、重力加速度均值(X/Y/Z轴)、角速度均值(X/Y/Z轴)、角速度极大值(X/Y/Z轴)；步骤S3：优化步骤S2提取的驾驶员危险驾驶行为特征指标，建立基于支持向量机的驾驶员危险驾驶行为识别模型；步骤S4：利用步骤S3得到的驾驶员危险驾驶行为识别模型对实时采集到的驾驶行为数据进行识别，当识别出具有危险驾驶行为时对驾驶员进行预警提示。2.根据权利要求1所述的一种基于智能设备的驾驶员危险驾驶行为识别方法，其特征在于：所述步骤S1中，按照50Hz的频率分别采集驾驶员驾驶过程中的数据。3.根据权利要求1所述的一种基于智能设备的驾驶员危险驾驶行为识别方法，其特征在于：所述步骤S1中，每次采集将形成一个数据序列，该数据序列中每一行数据形式为{ax、ay、az,gx、gy、gz,rx、ry、rz,ti}(i＝1,2,3…)，其中ti为采样时刻，将数据序列存储到一个数据文件中。4.根据权利要求1所述的一种基于智能设备的驾驶员危险驾驶行为识别方法，其特征在于：所述步骤S4中，所述危险驾驶行为包括但不限于急打方向盘、频繁揉眼睛和使用手机三种危险驾驶行为。5.根据权利要求3所述的一种基于智能设备的驾驶员危险驾驶行为识别方法，其特征在于：所述步骤S2包括以下子步骤：步骤S21：将步骤1中的数据序列按照设定的时间周期为一个数据单元依次划分成多个数据单元；步骤S22：分别从步骤S21中的数据单元提取各特征指标值；步骤S23：将步骤S22得到的特征值数据进行归一化处理，统一各个特征指标的量纲。6.根据权利要求5所述的一种基于智能设备的驾驶员危险驾驶行为识别方法及系统，其特征在于：所...

【专利技术属性】
技术研发人员：孙棣华，赵敏，黄勇，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆,50