[发明专利]一种愤怒驾驶状态检测方法

权利要求书

1.一种愤怒驾驶状态检测方法，其特征在于：具体包含如下步骤：

步骤1，预先采集驾驶员在愤怒状态下的脉搏数据参数；

步骤2，对步骤1获取的脉搏数据参数进行特征提取；

步骤3，对步骤2提取的特征参数进行特征训练，利用信号正向传播和误差反向调节的 学习机制，通过多次迭代学习进而搭建出学习评估模型；

步骤4，实时采集驾驶员脉搏数据参数；

步骤5，将步骤4采集的驾驶员脉搏数据参数输入步骤3建立的学习评估模型，进而得出 驾驶员是否处于愤怒驾驶状态，若为愤怒驾驶状态，则提醒驾驶员进行状态调整，反之，则 返回步骤4。

2.根据权利要求1所述的一种愤怒驾驶状态检测方法，其特征在于：步骤2所述特征提 取包含提取脉搏幅值的变化率、主波到重搏波的降幅和脉率的变化率。

3.根据权利要求1所述的一种愤怒驾驶状态检测方法，其特征在于：所述学习评估模型 包含输入层、隐藏层和输出层。

4.根据权利要求1所述的一种愤怒驾驶状态检测方法，其特征在于：所述步骤3具体包 含如下步骤：

步骤3.1：输入步骤2提取的特征参数：脉搏幅值的变化率、主波到重搏波的降幅以及脉 率的变化率；

步骤3.2：根据接收的特征参数分别计算输入层到隐藏层的输出以及隐藏层到输出层 的输出；

步骤3.3：根据Vk=12Σj(Okj-^Okj)2<δANN,V=ΣkVk≤δANN]]>分别计算输出层到隐藏层 的各层分量输出误差以及隐藏层到输出层的输出误差，如果所用的分量误差满足误差要 求，则学习过程结束，否则进入步骤3.4；其中，δ_ANN代表误差阈值，V_k代表使用k个样本学习 产生的误差，O_kj代表第j层网络的第k个样本学习的实际输出结果，^O_kj代表第j层网络的第 k个样本的期望输出结果，V代表样本集的总误差；

步骤3.4：根据ΔWij+1=aφiOj+∂ΔWij,Oj=f(Σi=0N-1WijXi-θj)]]>依次计算输出层、隐藏层和 输入层节点的误差，其中：ΔW_ij+1代表第i个样本在第j+1层网络的连接权值的修正量，a代 表学习因子，φ_i代表输出节点的误差，O_j代表隐藏层第j个节点的输出值，代表修正因子， X_i代表输出层第i个节点的输出，W_ij代表隐藏层第j个节点与输出层第i个节点的权重，O_j隐 藏层第j个节点的阈值，j＝0,1,...,M-1,N代表输入层的数量，M代表隐藏层的数量；

步骤3.5：根据步骤3.4计算出的输出层、隐藏层和输入层节点的误差，进而依次调整输 出层、隐藏层和输入层节点之间的连接权值；进而通过多次迭代学习进而搭建出学习评估 模型，直到所有的训练样本都训练完毕。

5.根据权利要求4所述的一种愤怒驾驶状态检测方法，其特征在于：在步骤3.4中，所述 修正因子取值在0到1之间。