[发明专利]驾驶员危险行为识别方法及系统

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。

主权项

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森林梯度模型，最后将实时超声波信号经窗口切割算法进行切片后通过森林梯度模型识别出危险行为并发出警告；所述方法具体包括以下步骤：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建立森林梯度模型Θ；5)通过窗口切割算法将持续时间τ内的动作数据Xτ送入森林梯度模型Θ，识别出危险行为则发出警报，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；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α和持续时间τ之间的关系得到，即为对应的第k个多分类器模型；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。