【技术实现步骤摘要】
本专利技术属于足式机器人驾驶操作，具体涉及一种通过驾驶员行为和注意力水平评估驾驶员的机器学习研究方法。
技术介绍
1、足式机器人运动落点的非连续性，赋予其相比于传统的轮式与履带式机器人更强的地形适应能力，一定程度上体现了几何和物理特征变化的复杂地形环境下移动机器人的发展前景。足式移动平台移动平台极佳的稳定性、强大的负载能力，使其得以胜任复杂环境下的物资输送、抢险救灾等任务。然而，足式移动平台的多维度运动能力依赖于驾驶员全程参与操控，其操作的繁琐过程增加了驾驶员执行任务时的认知难度和认知负担，容易导致驾驶员生理和精神的疲劳，以至于引发安全事故。因此，如何在驾驶过程中感知驾驶员的疲劳状态并纳入人机决策中，成为该领域需要解决的一个重要问题。
2、驾驶员疲劳是一个难以直接检测、受多因素约束的信息融合问题。当下常用的疲劳检测技术路线主要有两种，其一是，检测受试者在单调行为中的脑电图活动，通过对大脑皮层中α、β、γ波的信号重构和组合分析，直接估计受试者的疲劳状态；其二是，检测受试者在重复运动中眼部、嘴部和头部的区域特征信息，通过分析受试者的眨眼频率和打哈欠等生理活动频率，结合调查问卷提问，间接估计受试者的疲劳状态。这两种技术路线各自得到了长足发展，但是存在难以回避的先天性不足。前者需要复杂的信息采集与处理单元，且脑电信号对环境噪声极为敏感，实际驾驶过程难以满足其所需的低噪声条件；后者过于依赖受试者的个人体验，忽视了驾驶员因经验多寡、注意力强弱所额外增加的驾驶疲劳。
3、表面肌电信号，作为一个稳定的、信息表达丰富的媒介
技术实现思路
1、本专利技术的目的是提供一种基于驾驶员行为特征和注意力水平的足式移动平台驾驶疲劳表征与检测方法，解决足式移动平台驾驶员驾驶疲劳量化建模的问题。
2、本专利技术为解决上述问题所采取的方案为：一种基于驾驶员行为特征和注意力水平的足式移动平台驾驶疲劳表征与检测方法，所述方法的具体实现过程为：
3、步骤1、基于行为特征的驾驶员行为变换与反应时间检测：
4、准备阶段，受试者在研究者的指示下进行各项驾驶行为，采用肌电传感器采集受试者上臂的肌电信号，将肌电信号按时间戳进行标记，构建训练集和测试集。训练基于自适应移动平均与可分离卷积的动作识别算法，此算法使用自适应移动平均法更改时间窗长，避免驾驶行为时长的非均匀性对算法分类性能的影响，使用可分离卷积减少模型的参数量和计算量，加快运算速度。利用动作识别算法，在驾驶过程中识别肌电信号所对应的驾驶行为，以相邻驾驶行为空窗期超过10个时间窗长为阈值分割驾驶行为，获得连续驾驶行为。在连续驾驶行为内，记录空窗期作为反应时间，记录反应时间前后的行为变换。
5、步骤2：结合速度信息和视觉信息的驾驶员注意力水平检测：
6、在驾驶舱中布置深度相机并进行相机标定，在驾驶过程中记录驾驶员的面部影像流。根据haar级联分类器的检测结果分割人眼图像，计算眼部质心相对相机坐标系的坐标。利用hough变换检测眼部的瞳孔，计算瞳孔圆周的二维坐标，建立瞳孔-眼部质心连线方程。计算驾驶舱挡风与建立瞳孔-眼部质心连线的交点相对于相机坐标系的坐标，结合机体速度和驾驶员角分辨力估计驾驶员的视野区域，从而检测驾驶员的注意力水平。
7、步骤3：基于生存分析模型的反应疲劳表征：
8、在驾驶过程中，按步骤1、2，获得行为变换与反应时间集合与注意力水平与反应时间集合。将行为变换和注意力水平作为协变量，构建cox比例风险模型。通过反应时间列写部分似然函数并建立回归系数优化方程，使用newton-raphson方法迭代回归系数。通过建立协变量与反应时间的映射关系，反向获得行为变换的基础概率分布，从而估计驾驶员的驾驶疲劳程度。
9、与现有技术相比，本专利技术的有益效果是：本专利技术综合考虑了驾驶员驾驶疲劳、行为变换所带来的决策负荷与注意力水平对反应时间的影响。通过基于自适应移动平均与可分离卷积的动作识别算法，精确记录了驾驶员从遭遇问题、决策问题到做出行为的一整个流程的事件流。综合速度信息和视觉信息，从驾驶员的感受野入手，实现对驾驶员注意力水平的实时检测。通过对不同生理特征的监测与分析模型的建立，最大程度上避免了行为变换、注意力水平对建立驾驶疲劳与反应时间映射关系的干扰。
本文档来自技高网...【技术保护点】
1.一种基于驾驶员行为特征和注意力水平的足式移动平台驾驶疲劳表征与检测方法，其特征在于：一种基于驾驶员行为特征和注意力水平的足式移动平台驾驶疲劳表征与检测方法包括以下几个步骤：
【技术特征摘要】
1.一种基于驾驶员行为特征和注意力水平的足式移动平台驾驶疲劳表征与检测方法，其特征在于：...
【专利技术属性】
技术研发人员：李佳钰，汤弘毅，陈潇磊，陈晨，尤波，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。