[发明专利]一种安全驾驶监控方法、系统及可存储介质

权利要求书

1.一种安全驾驶监控方法，其特征在于，包括以下步骤：

通过智能手机的声学传感器和惯性测量单元，采集声学传感器信号和IMU信号；

基于所述IMU信号中固定时间段内波峰波谷对应关系，判断车辆状态；

基于所述声学传感器信号，对不同车辆状态时驾驶员的驾驶行为进行分心事件检测和后视镜检测，获取检测结果。

2.根据权利要求1所述的一种安全驾驶监控方法，其特征在于，所述判断车辆状态，包括以下步骤：

当采集的IMU信号中的加速度X轴信号在固定时间段内存在一个波峰和一个波谷，且出现波峰/波谷的时间小于对应出现的波谷/波峰的时间的两倍时，车辆状态为变道；

当采集的IMU信号中的加速度X轴信号在固定时间段内仅存在一个波峰或仅存在一个波谷时，车辆状态为转弯；

当采集的IMU信号中的加速度X轴信号在固定时间段内存在一个波峰和一个波谷，且出现波谷的时间为出现波峰的时间的两倍、波峰值/波谷值的绝对值为对应的波谷值/波峰值的绝对值的两倍时，车辆状态为离开环岛；

当采集的IMU信号中的加速度X轴信号不存在以上任一情况时，车辆状态为正常驾驶。

3.根据权利要求2所述的一种安全驾驶监控方法，其特征在于，对变道和转弯时的车辆状态进一步判断，具体包括以下步骤：

在固定时间段内先后出现波峰和波谷，且出现波谷的时间小于出现波峰的时间的两倍时，车辆状态为左转变道；

在固定时间段内先后出现波谷和波峰，且出现波峰的时间小于出现波谷的时间的两倍时，车辆状态为右转变道；

在固定时间段内仅出现波峰，车辆状态为左转；

在固定时间段内仅出现波谷，车辆状态为右转。

4.根据权利要求1所述的一种安全驾驶监控方法，其特征在于，对不同车辆状态时驾驶员的驾驶行为进行检测，具体包括以下步骤：

当检测到车辆状态为正常驾驶时，基于所述声学传感器信号，对驾驶员的分心驾驶行为进行检测；

当检测到车辆状态为变道、转弯或离开环岛时，基于所述声学传感器信号，对驾驶员的后视镜检查行为进行检测。

5.根据权利要求4所述的一种安全驾驶监控方法，其特征在于，对驾驶员的分心驾驶行为进行检测，包括以下步骤：

对所述声学传感器信号进行短时傅里叶变换，获取短时傅里叶变换信号；将所述短时傅里叶变换信号分成包括导频音调的上下频移在内的两个容器；采用主成分分析，对两个容器进行降噪和降维；

沿着由短时傅里叶变换得到的功率谱密度的频率轴求和，获取分心驾驶行为的多普勒轮廓并对所述多普勒轮廓进行平滑滤波，提取特征；

构建分心驾驶事件的候选点集C_s，在所述候选点集C_s中的每个点周围展开固定时间，得到分心驾驶事件集S_event(n)，其中n表示分心驾驶事件的数量；

通过分心驾驶事件集S_event(n)对深度神经网络进行训练，得到训练好的深度神经网络，并将输出的特征输入分类器中，得到驾驶员的分心驾驶事件结果。

6.根据权利要求4所述的一种安全驾驶监控方法，其特征在于，对驾驶员的后视镜检查行为进行检测，包括以下步骤：

根据不同的车辆状态，选取所述声学传感器信号中不同的超声信号片段；基于背景噪声模型BN_n＝(1-β)*BN_n-1+Bin_i*β，对所述超声信号片段进行降噪处理；其中，BN_n表示当前的背景噪声，β表示背景噪声的更新率，BN_n-1表示上一个时刻的背景噪声，Bin_i表示第i个容器的信号；采用快速傅里叶变换，将进行降噪处理后的信号划分为不同的容器；

沿着由快速傅里叶变换得到的功率谱密度的频率轴求和，获取后视镜检查行为的多普勒轮廓并对所述多普勒轮廓进行平滑滤波，提取特征；

选取固定频率段的容器并输入深度神经网络中进行训练，得到训练好的深度神经网络，并将输出的特征输入分类器中，得到驾驶员的后视镜检查结果。