[发明专利]一种疲劳驾驶检测方法

摘要

本发明公开了一种疲劳驾驶检测方法，属于汽车安全驾驶领域，通过采集驾驶员的行为指标(主要为方向盘数据、驾驶时间和驾驶车速)，进行信息预处理，得到疲劳生理参数作为检测指标变量，然后利用疲劳指标变量对BP神经网络进行训练建立相应的疲劳检测网络模型，利用该模型进行疲劳检测。本发明通过实时采集车辆数据，能在不影响驾驶员驾驶操作的情况下，客观、准确判断驾驶人员的疲劳状态。

主权项

一种疲劳驾驶检测方法，包括以下步骤：(1)数据采集利用驾驶模拟器或实装进行驾驶训练，按周期T1实时采集车速V、方向盘角度θ，被试人员按周期T2对自身疲劳状态进行自我评估一次，疲劳状态分为清醒和疲劳；(2)建立疲劳指标变量对采集到的车速V和方向盘角度θ数据进行分组，每组数据长度为L,利用方向盘角度θ计算出以下指标变量：第一变量：方向盘角度均方差；第二变量：方向盘角度过线面积S；S=ΣiL|θ,i|+|θ,i+1|2×T1]]>其中，第三变量：方向盘速度均方差；利用车速V计算出第四变量：车辆速度均方差；根据被试人员按周期T2对自身疲劳状态进行自我评估的结果，统计得出驾驶员随驾驶时间的变化的疲劳时间函数F(x)为第五变量；F(x)=0x<40min110(x-40)40min<x<60min2+920(x-60)60min<x<100min20+34(x-100)100min<x<140min50+14(x-140)140min<x<260min]]>(3)利用疲劳指标变量对BP神经网络进行训练建立网络模型将步骤(2)中的指标变量分为训练数据集和验证数据集，训练数据集包括第一变量、第二变量、第三变量和第四变量，验证数据集包括第五变量；①利用训练数据集中所有数据样本对BP神经网络进行训练，采用反向传播(BP)算法，以最小化疲劳判决错误率更新神经网络的连接权重和激励函数阈值；②训练后用验证数据集的样本带入，计算对验证数据集的判决错误率；上述①和②过程重复进行，直到当使用训练数据集获得的判决错误率不断减小而使用验证数据集获得的判决错误率开始上升时，终止训练并生成可用于疲劳检测的BP神经网络；(4)按照步骤(1)方法实时采集汽车行驶中车速、方向盘角度，按照步骤(2)方法计算出指标变量，带入步骤(3)中生成的疲劳检测的BP神经网络，生成疲劳指数，判断驾驶员疲劳程度。