详情

原文传递基于多源异构数据感知的疲劳驾驶安全预警系统

专利名称：	基于多源异构数据感知的疲劳驾驶安全预警系统
摘要：	本发明公开了一种基于多源异构数据感知的疲劳驾驶安全预警系统，压力传感器采集驾驶员驾驶过程中对方向盘的压力，脉搏传感器采集驾驶员驾驶过程中脉搏的变化，压力传感器通过电压转换模块连接控制板，压力、脉搏传感器和PC端均通过无线传输模块与控制板传输数据，PC端对压力、脉搏传感器采集的数据进行存储、分析和处理，PC端还连接预警装置；本发明将人体身体信息通过传感器转换为电信号，再通过无线传输技术及阈值过滤处理数据，最后进行处理判别，判断结果为正常时，系统将继续运行。判断结果为疲劳时，判断结果将会以无线信号的形式传输至预警装置中，通过预警装置的物理信号进行预警，从而改变驾驶者的人体身体信息。
专利类型：	发明专利
国家地区组织代码：	江苏;32
申请人：	盐城工学院
发明人：	李宇轩;潘栋;韦凌翔;钟栋青;陈颖;陶皓钰;李有河;唐辰佳;赵胜;赵峰
专利状态：	有效
申请日期：	2018-12-03T00:00:00+0800
发布日期：	2019-04-23T00:00:00+0800
申请号：	CN201811465908.4
公开号：	CN109664894A
代理机构：	南京瑞弘专利商标事务所(普通合伙)
代理人：	陈国强
分类号：	B60W50/14(2012.01);B;B60;B60W;B60W50
申请人地址：	224051 江苏省盐城市希望大道中路1号
主权项：	1.一种基于多源异构数据感知的疲劳驾驶安全预警系统，其特征在于，包括握于驾驶员手中的压力传感器和固定于驾驶员小手指上的脉搏传感器，所述压力传感器采集驾驶员驾驶过程中对方向盘的压力，所述脉搏传感器采集驾驶员驾驶过程中脉搏的变化，所述压力传感器通过电压转换模块连接控制板，所述压力传感器、脉搏传感器和PC端均通过无线传输模块与控制板进行数据传输，PC端对压力传感器和脉搏传感器采集的数据进行存储、分析和处理，所述PC端还连接预警装置。 2.根据权利要求1所述的基于多源异构数据感知的疲劳驾驶安全预警系统，其特征在于：所述压力传感器采用RFP602薄膜压力传感器，所述脉搏传感器为pulsesensor脉搏传感器，所述控制板的型号为cc2530，所述无线传输模块采用ZigBee，所述预警装置为扬声器报警器。 3.根据权利要求1所述的基于多源异构数据感知的疲劳驾驶安全预警系统，其特征在于：所述压力传感器和脉搏传感器采集数据的单位时间跨度为60s。 4.根据权利要求1所述的基于多源异构数据感知的疲劳驾驶安全预警系统，其特征在于：脉搏传感器采集的脉搏参数进行标准差处理，基于脉搏参数的脉搏标准差：其中σh为脉搏标准差，Tt为时间间隔(s)，H(t)为t时刻实际脉搏值，为Tt内脉搏均值。 5.根据权利要求1所述的基于多源异构数据感知的疲劳驾驶安全预警系统，其特征在于：压力传感器采集的压力参数进行标准差处理，基于压力参数的压力标准差：其中σr为压力标准差，Tt为时间间隔(s)，R(t)为t时刻实际压力值，为Tt内压力均值。 6.根据权利要求1所述的基于多源异构数据感知的疲劳驾驶安全预警系统，其特征在于：基于相关向量机的疲劳驾驶检测系统模型构建：步骤1：驾驶状态划分，将调查数据分为非疲劳和疲劳两种驾驶状态；步骤2：建立驾驶状态特征参数数据矩阵式中：tn(n＝0,1...,N),tn∈(0，1)为驾驶状态值，非疲劳为1，疲劳为0；步骤3：将数据集划分为训练数据矩阵Tx和测试数据矩阵Ty；首先构建如式(3)的RVM基本判别式，然后将训练样本xn(n＝1,2.…,N；x∈(σh,σr))，驾驶状态结果tn(n＝1,2,…,N；t∈{0,1})输入；式中：y(xn)由核函数φi≡K(x,xi)决定，ωi是模型的权值；步骤4：选择不同核函数K和不同核函数参数从而将特征参数向高维映射；步骤5：对N+1维超参数α实行初始化，由于模型p(w\|t,α)∝p(t\|w)p(w\|α)，w＝(ω0,...ωN)T，t＝(t1,...,tN)T所以当对α的值进行固定；步骤6：计算μ(即wMP)和∑；求权重wMP最可能值的过程就等价于找到式(4)的最小值，其中wMP利用最小平方迭代求出；式中：yn＝σ{y(xn；w)}，A＝diag(α0,α1,…,αN)为对角线矩阵，，；采用Laplace方法，将式(4)进行两次求导，得出：式中：B＝diag(β1,β2,…,βN)为对角线矩阵，其中βn＝σ(y(xn))[1-σ(y(xn))]，Φ是N×(N+1)的结构矩阵，Φ＝[φ(x1),φ(x2),...,φ(xN)]T，φ(xn)＝[1,K(xn,x1),K(xn,x2),...,K(xn,xN)]T；对于Gaussian逼近来说，wMP是权重的主要聚集点，并且对式(5)右边取相反数在再求逆矩阵，协方差矩阵∑就可求出；步骤7：对α进行新的估计； ∑和μ可以对超参数α进行重新赋值式中：μ为wMP的Gaussian逼近，γi＝1-αi∑ii，其中∑ii为∑＝(ΦTBΦ+A)-1的第i个对角元素；步骤8：核查收敛尺度，如未到达则回到步骤(5)，如达到则模型构建完毕；步骤9：将测试数据集Ty加载到受过训练的RVM模型中，得到一个tn值，预警系统会对其进行判断，如为1则非疲劳，如为0则疲劳。 7.根据权利要求6所述的基于多源异构数据感知的疲劳驾驶安全预警系统，其特征在于：所述步骤1中，非疲劳驾驶状态的状态值为0，特征包括：眼睛正常睁开，眨眼迅速，眼球活跃，精神集中，对外界保持注意力，头部端正；疲劳驾驶状态的状态值为1，特征包括：眼睛出现闭合趋势，眼球活跃程度下降，目光呆滞，打哈欠、下意识点头的动作。
所属类别：	发明专利