一种基于多源信息融合的汽车疲劳驾驶检测方法.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CN106491156A(43)申请公布日2017.03.15(21)申请号201610890731.7(22)申请日2016.10.13(71)申请人杭州电子科技大学地址310018浙江省杭州市下沙高教园区(72)发明人陈龙杨希宁胡华程知群樊凌雁马学条(74)专利代理机构北京中政联科专利代理事务所(普通合伙)11489代理人吴建锋(51)Int.Cl.A61B8/00(2006.01)G08B21/06(2006.01)权利要求书2页说明书20页附图9页(54)发明名称一种基于多源信息融合的汽车疲劳驾驶检测方法(57)摘要本发明公开了一种基于多源信息融合的汽车疲劳驾驶检测方法，包括以下步骤：通过安装在驾驶室内的多普勒雷达探测单元持续对驾驶员生理信号变化进行检测并实时获取并存储生理信号；获取方向盘角度信息在预设时间内的变化量，并根据该变化量启动对当前一段连续时刻内的所获取的生理信号进行数据处理；根据生理信号变化判断是否出现疲劳驾驶。与现有技术相比较，本发明首次提出采用多普勒测量技术监测驾驶员的疲劳程度，同时通过检测方向盘角度信息，通过多源信息处理提高疲劳驾驶测量准确度；同时将通用多普勒雷达传感器工作在连续波模式，并相应设计多级滤波电路，从而实现非接触检测人体生理信号，进而以此为依据判断疲劳驾驶。CN106491156ACN106491156A权利要求书1/2页1.一种基于多源信息融合的汽车疲劳驾驶检测方法，其特征在于，包括以下步骤：步骤S1：通过安装在驾驶室内的多普勒雷达探测单元持续对驾驶员生理信号变化进行检测并实时获取并存储生理信号；步骤S2：获取方向盘角度信息在预设时间内的变化量，并根据该变化量启动对当前一段连续时刻内的所获取的生理信号进行数据处理；步骤S3：根据生理信号变化判断是否出现疲劳驾驶。2.根据权利要求1所述的基于多源信息融合的汽车疲劳驾驶检测方法，其特征在于，在步骤S3中，采用神经网络机器学习的方式判断是否出现疲劳驾驶，其中，在神经网络机器识别模块中预先存储各种疲劳状态等级的数据模板，将采集的生理信号输入神经网络机器识别模块进行数据分析从而判断出疲劳状态等级。3.根据权利要求2所述的基于多源信息融合的汽车疲劳驾驶检测方法，其特征在于，神经网络机器识别模块采用极限学习机模型。4.根据权利要求2所述的基于多源信息融合的汽车疲劳驾驶检测方法，其特征在于，各种疲劳状态等级的数据模板通过将所获得的呼吸信号和心跳信号输入神经网络中学习基于面部视频的专家评分方法而确定。5.根据权利要求1所述的基于多源信息融合的汽车疲劳驾驶检测方法，其特征在于，在步骤S1中，进一步包括以下步骤：步骤S11：通过多普勒雷达传感器向人体胸腔发射连续波雷达信号；步骤S12：将回波信号和发射震荡频率信号进行混频处理并检波后获取反应人体呼吸和心跳变化的低频信号；步骤S13：对多普勒雷达传感器输出端进行阻抗匹配并滤除低频信号中的直流分量；步骤S14：将经步骤3处理后的信号进行信号放大；步骤S15：通过0.1Hz-10Hz的带通滤波器对其输入信号进行滤波处理；步骤S16：采用数字滤波技术奖经步骤S25处理后的信号进行频率滤波从而获取呼吸信号和心跳信号；所述步骤S3中，根据所述呼吸信号和心跳信号的变化判断驾驶员是否处于疲劳驾驶状态。6.根据权利要求5所述的基于多源信息融合的汽车疲劳驾驶检测方法，其特征在于，所述步骤S15中，通过四阶巴特沃斯低通滤波器和二阶巴特沃斯高通滤波器实现带通滤波器。7.根据权利要求5所述非接触式生理信号检测方法，其特征在于，所述步骤S16中，采用FIR滤波器、IIR滤波器或者零相位IIR滤波器中的任一种实现呼吸信号和心跳信号的分离。8.根据权利要求5所述非接触式生理信号检测方法，其特征在于，零相位IIR滤波器的实现步骤如下：步骤S161：根据呼吸信号和心跳信号的特征分别设计呼吸信号IIR滤波器和心跳信号IIR滤波器；步骤S162：将输入信号进行信号采样存储为数字信号序列；步骤S163：将该数字信号序列分别输入到呼吸信号IIR滤波器和心跳信号IIR滤波器进行第一次滤波处理；2CN106491156A权利要求书2/2页步骤S164：将经上述第一次滤波处理输出的信号执行第一次时域翻转；步骤S165：将步骤S64输出信号再次输入到呼吸信号IIR滤波器和心跳信号IIR滤波器进行第二次滤波处理；步骤S166：将经上述第二次滤波处理输出的信号执行第二次时域翻转，从而得到滤波后的呼吸信号和心跳信号；步骤S167：对滤波后的呼吸信号和心跳信号进行FFT变换后分别求出频谱从而实现呼吸信号和心跳信号的分离。9.根据权利要求5所述非接触式生理信号检测方法，其特征在于，在步骤步骤S11中