驾驶员危险行为识别方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106650644A(43)申请公布日2017.05.10(21)申请号201611116789.2(22)申请日2016.12.07(71)申请人上海交通大学地址200240上海市闵行区东川路800号(72)发明人俞嘉地徐翔宇朱燕民李明禄(74)专利代理机构上海交达专利事务所31201代理人王毓理王锡麟(51)Int.Cl.G06K9/00(2006.01)G01S15/88(2006.01)B60W40/08(2012.01)权利要求书2页说明书6页附图8页(54)发明名称驾驶员危险行为识别方法及系统(57)摘要一种驾驶员危险行为识别方法及系统，首先在车辆内设置超声波场，得到危险行为在多普勒频谱上的不同模式，然后经主成分分析提取主要特征，通过支持向量机算法得到识别不同危险行为的多分类器，并根据危险行为的完成度和持续时间建立梯度模型森林，最后将实时超声波信号经窗口切割算法进行切片后通过梯度模型森林识别出危险行为并发出警告，本发明能够在保证识别精度的同时能够在危险行为的早期阶段即可识别结果出并给出警报，不需要依赖任何附加的外部设备，不容易受天气等外界环境的干扰。CN106650644ACN106650644A权利要求书1/2页1.一种驾驶员危险行为识别方法，其特征在于，首先在车辆内设置超声波场，得到危险行为在多普勒频谱上的不同模式，然后经主成分分析提取主要特征，通过支持向量机算法得到识别不同危险行为的多分类器，并根据危险行为的完成度和持续时间建立梯度模型森林，最后将实时超声波信号经窗口切割算法进行切片后通过梯度模型森林识别出危险行为并发出警告。2.根据权利要求1所述的驾驶员危险行为识别方法，其特征是，包括以下步骤：1)接收车内超声波信号并处理，获得超声波信号频谱结构的数据矩阵X'；2)对若干数据矩阵X'通过主成分分析提取d个主要特征δ＝{δ1,δ2,...δd}；3)基于主要特征δ和支持向量机模型构建多分类器模型θ；4)针对危险行为的完成度α和持续时间τ，结合多分类器模型θ建立梯度模型森林Θ；5)通过窗口切割算法将持续时间τ内的动作数据Xτ送入梯度模型森林Θ，识别出危险行为则发出警报。3.根据权利要求2所述的驾驶员危险行为识别方法，其特征是，所述的步骤1)具体包括以下步骤：1.1)使用扬声器放出单频超声波信号；1.2)通过麦克分进行信号采样；1.3)通过快速傅里叶变换得到频率-幅度向量xt'，加上时间维度后得到数据矩阵X'。4.根据权利要求3所述的驾驶员危险行为识别方法，其特征是，所述的单频超声波信号频率为20KHz，采样频率为44.1KHz。5.根据权利要求3所述的驾驶员危险行为识别方法，其特征是，所述的步骤2)具体包括以下步骤：2.1)对每个数据矩阵X'进行去中心化和向量化处理得到去中心化数据向量xk，并整合所有m个去中心化数据向量xk得到训练数据矩阵X；2.2)通过奇异值分解将训练数据矩阵X分解为奇异值矩阵Σ和两个特征值矩阵U和W，即X＝UΣWT，矩阵W为的列为奇异值σ的特征属性的方向；2.3)选取矩阵W的前d列构成投影矩阵W'＝[w1,w2,...,wd]；2.4)通过公式δ＝XW'得到d个主要特征δ＝{δ1,δ2,....δd}。6.根据权利要求5所述的驾驶员危险行为识别方法，其特征是，所述的d通过公式来求取，其中：σi为训练数据矩阵X中第i大的奇异值，t为重构阀值。7.根据权利要求5所述的驾驶员危险行为识别方法，其特征是，所述的多分类器模型θ包括个二分类器，每个二分类器针对一个特定的危险行为，其分类结果为v，v∈{0,1}，多分类器模型θ的分类结果其中：k为危险行为种类，表示对所有二分类器分类结果的投票，多分类器模型的分类结果c满足Vc(e)＝k-1则为对应的危险行为。8.根据权利要求7所述的驾驶员危险行为识别方法，其特征是，所述的森林梯度模型为其中：τ1,τ2,…,τn为一个离散的梯度时间，通过不同危险行为的完成度α2CN106650644A权利要求书2/2页和持续时间τ之间的关系得到，k∈{1,2,...,n}即为对应的第k个多分类器模型。9.根据权利要求8所述的驾驶员危险行为识别方法，其特征是，所述的步骤5)具体包括以下步骤：5.1)在20KHz频率点上通过窗口切割算法，将滑动窗口内平均能量E与阈值λ进行比较，将E≥λ的部分对应的数据进行增量切割，不断得到持续时间为τ的动作数据Xτ；5.2)代入森林梯度模型，若输出的分类结果显示属于危险驾驶行为，则为危险行为发出警报。10.一种驾驶员危险行为识别系统，其特征在于，包括：数据采集处理模块、主要特征提取模块、森林梯度模型训练模块以及在线危险行为识别模块，其中：数据采集处理模块与主要特征提