基于多特征融合的驾驶员状态检测的实现

发布时间：2019-06-25 09:08

【摘要】：针对驾驶员状态检测和提取特征单一化以及检测设备成本过高的缺陷,提出了一种多特征融合的驾驶员状态的实现。该系统以内置DSP芯片的STM32L4低功耗单片机为核心,首先通过SON1303、MPU6050等传感器实时采集,分别获取人的脉搏、加速度、角速度以及姿态角特征参数;其次,脉搏调用DSP库实现快速傅里叶变换(FFT),利用切比雪夫窗口设计滤波器提取频谱;最后,通过驾驶员状态良好、疲劳、分心以及紧张频谱分析,定义第一主峰B以及频谱比K,融合B、K、姿态角、加速度、角速度等特征实现对驾驶员状态的判断。通过实验测试,该系统具有抗干扰强、低成本等特点,可以广泛应用于驾驶员状态检测,便于ADAS技术推广。
[Abstract]:Aiming at the defects of driver state detection and extraction feature unifying and the cost of detection equipment is too high, a multi-feature fusion driver state realization is proposed. The system is based on STM32L4 low power single chip microcomputer with built-in DSP chip. Firstly, the pulse, acceleration, angular velocity and attitude angle characteristic parameters are obtained by SON1303,MPU6050 and other sensors in real time. Secondly, the pulse calls DSP library to realize fast Fourier transform (FFT), using Chebyshev window to design filter to extract spectrum. Finally, through the analysis of driver's good state, fatigue, distraction and tension spectrum, the first main peak B and spectrum ratio K are defined, and the characteristics of B, K, attitude angle, acceleration and angular velocity are combined to judge the driver's state. The experimental results show that the system has the characteristics of strong anti-interference and low cost, and can be widely used in driver state detection, which is convenient for the promotion of ADAS technology.
【作者单位】： 上海电力学院自动化工程学院;
【基金】：基金项目:上海市电站自动化技术重点实验室(13DZ2273800)
【分类号】：U463.6;TP212

【相似文献】

相关期刊论文 前10条

1 周斌;林喜荣;贾惠波;宋榕;;多特征融合的手背血管识别算法[J];清华大学学报(自然科学版);2007年02期

2 周静;黄心汉;彭刚;;基于多特征融合的飞机目标识别[J];华中科技大学学报(自然科学版);2009年01期

3 杜艳明;龙丹;;多特征融合的人脸检测[J];武汉理工大学学报;2010年23期

4 赵小英,黄凤荣;多特征融合的目标识别与提取在空间定位中的研究[J];河北工业大学学报;2002年04期

5 张进华;庄健;杜海峰;王孙安;;一种基于视频多特征融合的火焰识别算法[J];西安交通大学学报;2006年07期

6 王琳;李爱国;王新年;虞燕风;;基于多特征融合的早期火灾烟雾检测[J];大连海事大学学报;2014年01期

7 商飞;马骏骁;姚立;田地;邱春玲;;基于多特征融合的科学仪器工作状态检测方法[J];吉林大学学报(工学版);2010年02期

8 李亮;张树生;白晓亮;邵立;;基于遗传算法的三维CAD模型多特征融合和检索[J];制造业自动化;2013年03期

9 姚拓中;项志宇;刘济林;;基于图像多特征融合的野外水体障碍物检测[J];浙江大学学报(工学版);2009年04期

10 马东辉;朱斌;樊祥;任彪;;基于粒子滤波的目标图像多特征融合跟踪方法[J];探测与控制学报;2009年04期

相关会议论文 前3条

1 叶锋;蔡光东;郑子华;亓晓旭;尹鹏;;基于多特征融合的药用植物标本识别[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

2 段其昌;季长有;;基于多特征融合的快速人脸检测[A];第十七届全国测控计量仪器仪表学术年会（MCMI'2007）论文集（上册）[C];2007年

3 李玉峰;郑德权;赵铁军;;基于SVM和多特征融合的图像分类[A];第四届全国信息检索与内容安全学术会议论文集（上）[C];2008年

相关博士学位论文 前5条

1 刘明华;复杂环境下基于多特征融合的目标跟踪关键技术研究[D];青岛科技大学;2016年

2 田纲;基于多特征融合的Mean shift目标跟踪技术研究[D];武汉大学;2011年

3 徐志刚;基于多特征融合的路面破损图像自动识别技术研究[D];长安大学;2012年

4 陈秀新;多特征融合视频复制检测关键技术研究[D];北京工业大学;2013年

5 初红霞;基于均值移动和粒子滤波的目标跟踪关键技术研究[D];哈尔滨工程大学;2012年

相关硕士学位论文 前10条

1 张岩;基于多特征融合及二部图匹配的3D目标检索技术研究[D];哈尔滨工业大学;2015年

2 计明明;基于多特征融合的三维模型检索技术[D];浙江大学;2015年

3 王庆;基于多特征融合的人体动作识别方法研究[D];上海大学;2015年

4 刘婕;复杂场景多特征融合粒子滤波目标跟踪[D];重庆理工大学;2015年

5 崔剑;基于多特征融合的分级行人检测方法研究[D];电子科技大学;2015年

6 王珊珊;基于极化SAR非监督分类的油膜厚度估算方法研究[D];大连海事大学;2015年

7 肖冠;基于多特征融合的异类传感器中段目标关联算法研究[D];国防科学技术大学;2013年

8 王建荣;基于多特征融合的无人机航拍图像识别研究[D];成都理工大学;2015年

9 高爽;基于多特征融合的粒子滤波跟踪算法研究[D];西安电子科技大学;2014年

10 坎启娇;基于多特征融合的多目标跟踪算法[D];河北工业大学;2015年

，

本文编号：2505568