一種異常駕駛智能檢測系統及其檢測方法

2023-08-06 06:57:11 1

專利名稱：：一種異常駕駛智能檢測系統及其檢測方法
技術領域：
：本發明屬於異常駕駛的監控
技術領域：
，特別涉及一種異常駕駛智能檢測系統及其檢測方法。
背景技術：
：近年來，隨著汽車保有量的大幅度增加，交通事故的發生也呈明顯增加的趨勢。據相關統計，疲勞駕駛在交通事故中佔22%-30%，在死亡交通事故的原因中居首位。對此，國內已有關於駕駛疲勞、超速駕駛的大量研究工作，有的研究成果已經申請了專利。但是，這些研究成果多數隻針對某一類的異常駕駛進行監控，少數雖然提及了多種異常駕駛狀態，但也未進行細緻的分析與判斷，且不具有良好的可擴展性。如公開號為CN1830389的中國專利申請200610012623.6公開了一種"疲勞駕駛狀態監控裝置及方法"(發明人:何國紅，李曉明，李埃榮，梁富明；申請人:太原理工大學)，該發明的裝置由圖像採集和轉換系統、圖像處理系統、疲勞狀態識別系統、提示和報警以及制動系統構成；其方法是利用紅外光源光線和攝像機光軸成一定的角度，採集到的駕駛員的面部圖像信號由數位訊號處理器的圖像處理程序進行處理，得到眼睛圖像，同時利用Kalman濾波器MeanShift算法實現眼睛跟蹤，採用模板匹配的方法，以相似度衡量相似程度來識別眼睛狀態，根據眼睛的狀態計算出眨眼持續時間、眨眼頻率、PERCL0S值，來判斷駕駛員的疲勞程度。機動車在行駛過程中，該裝置實施監控。該發明有效地防止了夜間測量時的"紅眼"現象，提高了系統的可靠性和準確性，大幅度地減少了人為因素造成的事故。但該發明與其它疲勞駕駛監控裝置一樣，具有一些相同的技術缺點，包括(1)、僅針對疲勞駕駛，局限性很大一方面，不可能為疲勞駕駛單獨安裝一個裝置；另一方面，只是進行疲勞駕駛的提醒，信息的利用率不高；(2)、只是對疲勞駕駛當前狀態進行判斷，而未將其記錄一方面，有的駕駛員可能對該裝置的提醒並不在意；另一方面，當交通事故發生後也不利於交管部門調查取證；(3)、當出現疲勞駕駛時進行剎車制動，可能導致危險。又如，公開號為的中國專利申請03148524.3公開了一種"基於多特徵融合的睏倦駕駛檢測方法"(發明人:梁滿貴，謝紀剛，裘正定；申請人:北京交通大學)，該發明涉及一種模式識別技術，攝像頭採集到駕駛員的面部圖像後，首先進行人眼檢測與跟蹤，同時分別進行眼瞼閉合速度、閉眼持續時間和面部方向三個特徵的提取與匹配，然後利用標準歸一化方法將輸出的三個匹配結果歸一化到同一範圍，再利用神經網絡技術進行融合，融合結果採用0，l輸出，輸出結果為0表示未睏倦，返回到人眼檢測與跟蹤，輸出結果為l表示駕駛員睏倦，報警提示駕駛員注意安全。但該發明仍然存在上些缺點，如(1)、數據採集源單一隻採集了眼睛的數據，對於帶眼鏡，特別是在強光下帶墨鏡的駕駛員無法檢測。(2)、無學習功能對於有的駕駛員的正常駕駛習慣，如正常眯眼，斜著頭等，沒有自動學習功能。此外，近年來發展迅速的"汽車黑匣子"技術，可將汽車行駛軌跡完整地記錄下來，並通過專用軟體在微機上再現。如電子科技大學數字媒體技術研究所研究的"汽車黑匣子"技術即可對汽車行駛過程中的數據進行真實的記錄，包括圖像數據(車內與車外的錄像)、操作數據(方向盤、油門、剎車等的控制)和其它行駛數據(如速度、縱向與橫向加速度)等。能在交通事故發生後作為汽車行駛的證據。該技術的缺點是未對異常駕駛進行實時智能判斷，只能在事後提供分析依據；且由於未選擇性進行圖像存儲，存儲空間要求很大。
發明內容本發明的目的是提供一種異常駕駛智能檢測系統，該系統既可對汽車行駛過程中的數據進行真實的記錄，還可對各記錄數據進行智能分析；根據汽車行駛狀態，判斷駕駛員誤操作或異常操作等，給出相應提示，並實時智能檢測駕駛員狀態；對汽車行駛狀態及駕駛員狀態進行選擇性記錄，可在交通事故發生後作為相應證據；並且可節約存儲資源。本發明的另一個目的是提供一種上述異常駕駛智能檢測系統的檢測方法。本發明解決其技術問題所採用的技術方案是一種異常駕駛智能檢測系統，以汽車黑匣子提供的數據為基礎，進行智能的汽車行駛狀態分析，以獲得駕駛員狀態，並根據這些分析進行選擇性的記錄，該系統主要包括五大模塊進行各類數據採集的數據採集模塊、進行各類數據記錄的數據記錄模塊、進行數據智能分析的智能分析模塊、進行語音提示的語音提示模塊、進行油門控制的油門控制模塊。數據採集模塊與數據記錄模塊可採用已在現有技術汽車黑匣子中實現的兩個相應模塊。數據採集模塊進行各類數據採集，包括圖像數據與汽車控制及狀態數據，圖像數據由兩個攝像頭採集得到，汽車控制及狀態數據如下列表1所示。表l數據採集模塊獲得的數據tableseeoriginaldocumentpage6數據記錄模塊進行各類數據記錄，包括完整的汽車控制與狀態數據，部分圖像數據。智能分析模塊進行數據智能分析，在系統中起到核心的作用，如圖1所示，它對數據採集模塊獲得的數據進行智能分析，並向語音提示模塊、油門控制模塊及數據記錄模塊發送控制信息。包括簡單分析與複雜分析，前者只需要根據前文表l列出的數據進行簡單分析，分析獲得的數據如下列表2所示；而後者則需要智能判斷，對異常駕駛行為進行分類，異常駕駛行為的分類如下列表3所示。表1簡單分析獲得的數據數據類別數據名稱數據含義_數據類型_^_控制急剎車急剎車程度整型，有效範圍O表示未踩剎車狀態縱向加速度汽車當前縱向速度實型根據汽車速度變化可計算狀態橫向加速度汽車當前橫向加速度實型根據汽車速度及轉向角度可計算表2可能的異常駕駛行為分類行為名稱可能的原因採取的措施備註超速行駛野蠻駕駛，酒後駕駛語音提示，並限油門是否超速與天氣有關。s型行駛疲勞駕駛，野蠻駕駛酒後駕駛，語音提示，並限油門與駕駛員的習慣有關油門控不均勻疲勞駕駛，酒後駕駛語音提示急剎車疲勞駕駛，緊急情況語音提示轉向未使用轉疲勞駕駛，酒後駕駛，語音提示彎燈疏忽大意不正確使用轉疲勞駕駛，酒後駕駛，語音提示打轉彎燈後未等待足夠的時間再轉彎燈野蠻駕駛向，或者打左轉燈後向右轉向。語音提示模塊進行語音提示，也可採用現有技術已實現的語音提示模塊。油門控制模塊進行油門控制，其原理、組成等與現有的剎車控制模塊相似，但不同的是剎車控制模塊是通過控制剎車系統達到強制停車目的，而油門控制模塊是通過控制油門實現更安全的操作。上述異常駕駛檢測系統工作時，數據採集模塊將採集到的數據全部發送到智能分析模塊，同時將獲得的所有數據全部發送到數據記錄模塊；智能分析模塊根據當前分析，給出提示，傳送到語音提示模塊，並可將控制信號傳送到油門控制模塊；智能分析模塊還可根據分析結果確定前一段時間是否存在異常駕駛情況，如果否，則通知數據記錄模塊將相應的圖像數據刪除，以節約空間。上述異常駕駛智能檢測系統的檢測方法，其總體流程如圖2所示，主要包括下述步驟(1)、系統啟動系統啟動時啟動數據採集模塊進行數據採集，記錄操作數據，學習操作習慣，同時讀出前段時間已學習並記錄的駕駛員操作習慣。該習慣是本系統可檢測和提供的駕駛員的各種屬性；它用一系列變量表示，從以往的數據中累積學習後得到；系統根據各個屬性值的取值範圍可確定當前駕駛員是否是默認狀態的駕駛員；當前駕駛員駕駛習慣是否在正常的安全範圍內；該駕駛員是否是有異常駕駛習慣，如S型路線駕駛，急停急走等。(2)、汽車在駕駛過程中不斷獲取駕駛員以及車輛的各種數據根據速度判斷是否為勻速行駛中，是則返回第(1)步記錄操作數據，學習操作習慣，並繼續採集新的數據；否則進行下述第(3)步。(3)、根據近段時間數據初步判斷當前操作是否是正常駕駛操作，是則返回第(1)步記錄、學習該行為，並繼續採集新的數據；否則向語音提示模塊及油門控制模塊發出相應信號並記錄操作數據；當經過該步驟仍無法判斷當前操作是否是正常駕駛操作時，則進行下述第(4)步操作。(4)、根據近段時間數據、用戶行為記錄、知識庫中已有規則等進行智能分析，判斷當前操作是否正常，是則返回第(1)步記錄、學習該行為，並繼續採集新的數據；否則向語音提示模塊及油門控制模塊發出相應信號並記錄操作數據。智能分析部分流程如圖3所示，主要方法如下使用神經網絡方法計算各科目得分，根據各科目得分情況判斷是否超標，是則判斷為相應科目的異常駕駛；各科目得分均不超標時則採用加權求和方式計算總分，判斷總分是否超標，是則判斷為異常駕駛，並可從分數最高的科目判斷其異常駕駛的類型，否則判斷為正常駕駛。當智能分析模塊根據分析結果確定前一段時間不存在異常駕駛情況時，可通知數據記錄模塊將相應的圖像數據刪除，以節約空間。上述檢測方法的重點包括下述幾個方面(1)、根據近段時間數據初步判斷當前操作。如轉向時未使用轉彎燈等，可直接判斷為異常駕駛。(2)、智能分析當前操作。智能分析的基礎是人工神經網絡。使用人工神經網絡的方法對各項數據進行評分。主要分兩大類多個科目，一類為單項數據，如近段時間轉向情況、頻繁的轉向操作等，本身就表現出異常；另一類為組合項數據，如轉彎弧度與當前車速等。神經網絡的優點是其輸出可以是連續的。本發明檢測系統及其檢測方法可採用百分製作為其輸出，其中，o分表示完全正常，ioo分表示完全異常。智能輸出可提供兩種方式的判斷。一是針對單項科目的輸出，如單項科目的輸出為80即可判斷肯定屬於異常駕駛；二是針對多項科目的輸出，採用加權求和的方式，即設有#科，第i科(1《i《7V)得分為&，權重為則其總分為6"二(61*w+6"2*的++5v*/(『i+恥+.+『a)總分超過一定閾值(如60)即可判斷為異常駕駛，且可從分數最高的科目判斷其異常駕駛的類型。(3)、根據上一次接收數據累積學習駕駛員操作習慣。學習的結果主要由權值體現。如駕駛員在正常情況下使用剎車均比較急促，則可降低剎車科目所對應的權值。本發明檢測方法不採用校正各科目得分的傳統方式，因為該方式會使得系統逐漸對駕駛員的不良操作習慣具有免疫力，從而喪失作用。而權值調整方式只會在計算總分時起作用，不存在該缺陷。與現有技術相比，本發明的有益效果是本發明異常駕駛智能檢測系統，可對多種類型數據進行採集並統一保存，可融合駕駛員以及車況等進行智能分析，可基於駕駛的多種數據進行統計分析並根據不同閾值得出不同結論，可對不同異常駕駛行為判斷規則加權值進行自動學習，並可針對用戶習慣進行學習、自適應等。即，該檢測系統既可對汽車行駛過程中的各類數據進行真實的記錄，還可對各記錄數據進行智能分析；並通過使用多個科目考核的方式對異常駕駛的程度進行判斷，使用加權平均分進一步度量異常駕駛程度；還可針對駕駛員的習慣自適應地調整各科目權值，以獲得更精確的結論。該檢測系統主要具有下述功能及特點(1)、根據汽車行駛狀態，實時智能檢測駕駛員狀態，判斷駕駛員誤操作或異常操作，並給出相應提示；(2)、對汽車行駛狀態及駕駛員狀態進行選擇性記錄，在交通事故發生後可作為相應證據提交給相關部門；(3)、節約完整的行駛記錄所耗費的存儲資源；(4)、採用針對異常駕駛最強的控制方式即油門控制，可避免已有方案中使用剎車控制所引起的諸多安全隱患。圖1是本發明異常駕駛智能檢測系統的結構模塊示意圖。圖2是本發明異常駕駛智能檢測系統的檢測總體流程示意圖。圖3是本發明異常駕駛智能檢測系統的智能分析部分流程示意圖。具體實施例方式下面結合具體實施方式對本發明作進一步的詳細描述。但不應將此理解為本發明上述主題的範圍僅限於下述實施例。實施例l異常駕駛智能檢測系統本實施例異常駕駛智能檢測系統的結構示意圖如圖l所示，主要由下述五大模塊組成進行各類數據採集的數據採集模塊、進行各類數據記錄的數據記錄模塊、進行數據智能分析的智能分析模塊、進行語音提示的語音提示模塊、進行油門控制的油門控制模塊。數據採集模塊與數據記錄模塊採用現有技術汽車黑匣子中的相應模塊；數據採集模塊進行各類數據採集，包括圖像數據與汽車控制及狀態數據，圖像數據由兩個攝像頭採集得到，汽車控制及狀態數據如前文表1所示；數據記錄模塊進行各類數據記錄，包括完整的汽車控制與狀態數據，部分圖像數據；智能分析模塊進行數據智能分析，在系統中起到核心的作用，如圖1所示，它對數據採集模塊獲得的數據進行智能分析，並向語音提示模塊、油門控制模塊及數據記錄模塊發送控制信息。包括簡單分析與複雜分析，前者只需要根據前文表l列出的數據進行簡單分析，分析獲得的數據如前文表2所示；而後者則需要智能判斷，對異常駕駛行為進行分類，異常駕駛行為的分類如前文表3所示；語音提示模塊進行語音提示，也採用現有技術已實現的語音提示模塊；油門控制模塊進行油門控制，其原理、組成等與現有的剎車控制模塊相似，不同的是剎車控制模塊是通過控制剎車系統達到強制停車目的，而油門控制模塊是通過控制油門實現更安全的操作。實施例2異常駕駛智能檢測系統的檢測方法本實施例為實施例1異常駕駛智能檢測系統的檢測方法，其總體流程如圖2所示，主要包括下述步驟-(1)、系統啟動系統啟動時啟動數據採集模塊進行數據採集，記錄操作數據，學習操作習慣，同時讀出前段時間已學習並記錄的駕駛員操作習慣。系統根據該習慣各個屬性值的取值範圍可確定當前駕駛員是否是默認狀態的駕駛員；當前駕駛員駕駛習慣是否在正常的安全範圍內；該駕駛員是否是有異常駕駛習慣，如S型路線駕駛，急停急走等。(2)、汽車在駕駛過程中不斷獲取駕駛員以及車輛的各種數據根據速度判斷是否為勻速行駛中，是則返回第(1)步記錄操作數據，學習操作習慣，並繼續採集新的數據；否則進行下述第(3)步。(3)、根據近段時間數據初步判斷當前操作是否是正常駕駛操作，如轉向時是否使用轉彎燈等，是則返回第(1)步記錄、學習該行為，並繼續採集新的數據；否則向語音提示模塊及油門控制模塊發出相應信號並記錄操作數據；當經過該步驟仍無法判斷當前操作是否是正常駕駛操作時，則進行下述第(4)步操作。(4)、根據近段時間數據、用戶行為記錄、知識庫中已有規則等進行智能分析，判斷當前操作是否正常，是則返回第(1)步記錄、學習該行為，並繼續採集新的數據；否則向語音提示模塊及油門控制模塊發出相應信號並記錄操作數據。上述第(4)步智能分析部分流程如圖3所示，主要方法如下使用神經網絡方法對各項數據進行評分，計算各科目得分(單項數據)，根據各科目得分情況判斷是否超標(採用百分製作為其輸出，超過一定閾值如60即可判斷為異常駕駛，0分表示完全正常，80可判斷肯定屬於異常駕駛，100分表示完全異常)，是則判斷為相應科目的異常駕駛；各科目得分均不超標時則採用加權求和方式計算總分(組合項數據)，判斷總分是否超標(總分超過一定閾值如60即可判斷為異常駕駛)，是則判斷為異常駕駛，並可從分數最高的科目判斷其異常駕駛的類型，否則判斷為正常駕駛。當智能分析模塊根據分析結果確定前一段時間不存在異常駕駛情況時，可通知數據記錄模塊將相應的圖像數據刪除，以節約空間。權利要求1.一種異常駕駛智能檢測系統，主要包括下述五大模塊進行各類數據採集的數據採集模塊、進行各類數據記錄的數據記錄模塊、進行數據智能分析的智能分析模塊、進行語音提示的語音提示模塊、進行油門控制的油門控制模塊。2.—種權利要求1所述的異常駕駛智能檢測系統的檢測方法，其特徵在於，主要包括下述步驟(1)、系統啟動系統啟動時啟動數據採集模塊進行數據採集，記錄操作數據，學習操作習慣，同時讀出前段時間已學習並記錄的駕駛員操作習慣；(2)、汽車在駕駛過程中不斷獲取駕駛員以及車輛的各種數據根據速度判斷是否為勻速行駛中，是則返回第(1)步記錄操作數據，學習操作習慣，並繼續採集新的數據；否則進行下述第(3)步操作；(3)、根據近段時間數據初步判斷當前操作是否是正常駕駛操作，是則返回第(1)步記錄、學習該行為，並繼續採集新的數據；否則向語音提示模塊及油門控制模塊發出相應信號並記錄操作數據；當經過該步驟仍無法判斷當前操作是否是正常駕駛操作時，則進行下述第(4)步操作；(4)、根據近段時間數據、用戶行為記錄、知識庫中已有規則進行智能分析，判斷當前操作是否正常，是則返回第(1)步記錄、學習該行為，並繼續採集新的數據；否則向語音提示模塊及油門控制模塊發出相應信號並記錄操作數據。3.根據權利要求2所述的異常駕駛智能檢測系統的檢測方法，其特徵在於所述的第(4)步中的智能分析的主要方法如下-使用神經網絡方法計算各科目得分，根據各科目得分情況判斷是否超標，是則判斷為相應科目的異常駕駛；各科目得分均不超標時則採用加權求和方式計算總分，判斷總分是否超標，是則判斷為異常駕駛，並可從分數最高的科目判斷其異常駕駛的類型，否則判斷為正常駕駛。4.根據權利要求2或3所述的異常駕駛智能檢測系統的檢測方法，其特徵在於當所述的智能分析模塊根據分析結果確定前一段時間不存在異常駕駛情況時，則通知數據記錄模塊將相應的圖像數據刪除。全文摘要本發明公開了一種異常駕駛智能檢測系統，主要包括五大模塊進行各類數據採集的數據採集模塊、進行各類數據記錄的數據記錄模塊、進行數據智能分析的智能分析模塊、進行語音提示的語音提示模塊、進行油門控制的油門控制模塊。該系統既可對汽車行駛過程中的各類數據進行真實的記錄，還可對各記錄數據進行智能分析；並通過使用多個科目考核的方式對異常駕駛的程度進行判斷，使用加權平均分進一步度量異常駕駛程度；還可針對駕駛員的習慣自適應地調整各科目權值，以獲得更精確的結論。本發明還公開了上述異常駕駛智能檢測系統的檢測方法。文檔編號G07C5/00GK101169873SQ20071005061公開日2008年4月30日申請日期2007年11月26日優先權日2007年11月26日發明者盧光輝,崔金鐘,白忠建,蔡洪斌,帆閔,陳雷霆申請人:電子科技大學