[发明专利]一种基于DMS系统的驾驶员疲劳程度的检测方法有效
申请号: | 201911297156.X | 申请日: | 2019-12-16 |
公开(公告)号: | CN110946595B | 公开(公告)日: | 2022-05-17 |
发明(设计)人: | 陈岚;王述良;梁瑞嘉;丁小航;龙剑 | 申请(专利权)人: | 武汉极目智能技术有限公司 |
主分类号: | A61B5/18 | 分类号: | A61B5/18 |
代理公司: | 湖北武汉永嘉专利代理有限公司 42102 | 代理人: | 刘秋芳 |
地址: | 430073 湖北省武汉*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 dms 系统 驾驶员 疲劳 程度 检测 方法 | ||
1.一种基于DMS系统的驾驶员疲劳程度的检测方法,其特征在于:包括以下步骤:
S1:通过DMS系统采集并存储行车数据;
S2:对步骤S1得到的数据进行分类识别;
S3:对DMS系统采集的原始数据依次做包括清洗原始数据、划分评估时段和提取待评估数据的预处理;
S4:依次通过拟合曲线、得出单项异常驾驶行为的疲劳程度分数、设置单项异常驾驶行为的权重系数,以及设定驾驶员的疲劳程度分数的公式,建立驾驶员疲劳程度的评估模型;
所述的步骤S4中,具体步骤为:
S41:按横轴为Xi,纵轴为每种单项异常驾驶行为次数分别对应的频次,将步骤S1得到的数据拟合为正态分布曲线;并按横轴为Xi,纵轴为每种单项异常驾驶行为次数分别对应的概率密度模型PDF,通过正态分布曲线绘制概率密度曲线;
S42:按概率密度曲线从0%到100%,概率密度每增加2.5%,将对应的单项异常驾驶行为的疲劳程度分数减去1分,得到该单项异常驾驶行为的疲劳程度分数scorei:
0≤scorei≤40;
scorei值越大,代表该驾驶员的异常驾驶行为越严重;scorei值越小,代表该驾驶员的异常驾驶行为越轻微;
S43:设每种单项异常驾驶行为的权重系数分别为Wi,则
0≤Wi≤1;
Wi值越大,表示该项异常驾驶行为对驾驶员疲劳程度的影响越大;Wi值越小,表示该项异常驾驶行为对驾驶员疲劳程度的影响越小;
S44:设驾驶员的疲劳程度分数为t,则
0≤t≤40;
t值越大,代表该驾驶员的疲劳程度越高;t值越小,代表该驾驶员的疲劳程度越低;
S5:根据驾驶员的疲劳程度分数划分驾驶员的疲劳程度等级为不疲劳、轻度疲劳、中度疲劳和重度疲劳。
2.根据权利要求1所述的一种基于DMS系统的驾驶员疲劳程度的检测方法,其特征在于:所述的步骤S1中,具体步骤为:
S11:通过DMS系统采集并存储驾驶员的行为数据;
S12:通过DMS系统采集并存储车辆的行驶数据。
3.根据权利要求2所述的一种基于DMS系统的驾驶员疲劳程度的检测方法,其特征在于:所述的步骤S2中,具体步骤为:
S21:将步骤S11得到的数据识别分类为包括闭眼、打呵欠和低头的驾驶员的行为数据;
S22:将步骤S12得到的数据识别分类为包括持续时间、速度和公里数的车辆的行驶数据。
4.根据权利要求3所述的一种基于DMS系统的驾驶员疲劳程度的检测方法,其特征在于:所述的步骤S3中,具体步骤为:
S31:检查原始数据的一致性,处理原始数据中的无效值和缺失值;
S32:设n为异常驾驶行为的种类数;按每0.5h划分步骤S11得到的数据,统计每0.5h时段内的每种单项异常驾驶行为次数分别为Xi,i=1,2,3,…,n;
S33:设过程变量为λi<0,采用R语言powerTransform函数或博克斯-柯克斯变换的求λi的值,分别用正态变换处理每种单项异常驾驶行为次数的待评估数据i为:
待评估数据i=(lgXi+4)λi。
5.根据权利要求4所述的一种基于DMS系统的驾驶员疲劳程度的检测方法,其特征在于:所述的步骤S33中,采用powerTransform函数计算λi的值的具体步骤为:通过最大似然估计得到一个最优的λi的值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉极目智能技术有限公司,未经武汉极目智能技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911297156.X/1.html,转载请声明来源钻瓜专利网。