基于正则极限学习机的非接触式疲劳驾驶检测方法研究
发布时间：2021-09-22 03:19
基于神经网络的非接触式疲劳驾驶检测已成为当前针对疲劳驾驶检测领域炙手可热的研究方向。它有效解决了接触式疲劳检测方法给驾驶员带来的干扰以及单一信号源对于反映疲劳程度可靠性低的问题,同时通过设计神经网络模型对多源信息进行分类,实现对疲劳状态的高精度和高速度的检测。选取合适的特征值对网络检测准确率以及准确反映疲劳程度至关重要。基于驾驶员生理信号检测可靠性和准确性较高。但是,通过在身体上贴上电极来采集生理信号仍然会对驾驶员造成干扰。另外生理信号存在不同个体在同一疲劳状态下生理信号差异巨大以及不同个体在不同疲劳状态下生理信号差异微小的问题,直接将原始生理信号的特征值作为网络输入对于分类的精度会降低。因此,对特征值进行预处理是很有必要的。鉴于上述问题,本文提出了一种基于极限学习机的非接触式检测驾驶员疲劳状态的方法,该方法可以有效的提高对疲劳状态的检测准确度。该方法主要包括数据采集、数据处理、数据训练三部分组成。数据采集部分采用多普勒雷达模块采集驾驶员的生理信号;数据处理部分采用专家评测方法对数据分类,并进行预处理和特征提取,在保证数据在误差可控范围内对数据进行特征变换,有效解决个体差异问题。设计正...
【文章来源】：杭州电子科技大学浙江省
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
无驾驶员时采集的雷达信号
杭州电子科技大学硕士学位论文景取材于驾校实地拍摄画面，市区、居民小区、高速公路、雪天环境、夜间驾驶、恶劣雨雪天气，并采用3D技术真实呈现。画面正前方显示虚拟驾驶运行环境、交通状况、交通信号灯、交通标识、天气状况等；画面下方显示汽车方向盘、仪表板。监控系统采用1200万像素的摄像头，用来采集驾驶员面部信息。该视频信号要与生理信号同步。该视频信号作为后面专家评判驾驶员疲劳等级的主要依据，视频信号与生理信号同步是方便对生理信号打标签。多普勒雷达系统以微波多普勒雷达探测器探头传感器HB100模块为核心，用于采集驾驶员的生理信号。雷达信号中包括人体呼吸信号、心跳信号等生理信号以及噪声信号。需要从雷达信号中分离出生理信号。2.2雷达模块调试生理信号采集平台的核心部分就是使用多普勒雷达采集驾驶员的生理信号。所以必须要验证该雷达模块的有效性。只有确保该模块采集到的雷达信号的有效性才能进行后续的实验。所以要设计实验来验证两部分内容：是否能够成功采集到生理信号和噪声是否会覆盖有效的生理信号。由此笔者做了以下三个测试。测试一：无驾驶员在模拟驾驶器上驾驶时，观察雷达信号。雷达信号如图2.2所示。图2.2无驾驶员时采集的雷达信号通过图2.2可以看出，雷达信号除了少量噪声信号外几乎是无有效信号输出的。由此可以得出结论：在实验环境下，无驾驶员的情况下，雷达模块可以正常工作，并且能够得到较平稳的输出信号，即无有效信号输出。测试二：有驾驶员在模拟驾驶器上，且驾驶员正常呼吸，观察雷达信号。雷达信号如图2.3所示。图2.3驾驶员正常呼吸时采集的雷达信号7
杭州电子科技大学硕士学位论文通过图2.3可以看出，雷达信号的输出呈周期性变化，符合正常人体的呼吸规律。由于心跳信号和噪声信号相较于呼吸信号是很微小的信号，从波形上能够微弱的反映出心跳信号和噪声信号的存在。由此可以得出结论：在实验环境下，驾驶员正常呼吸的情况下，雷达模块可以正常工作，并且能够得到较理想的输出信号，即能够采集到包含驾驶员生理信号和少量噪声信号的雷达信号。测试三：有驾驶员在模拟驾驶器上，且驾驶员屏住呼吸，观察雷达信号。雷达信号如图2.4所示。图2.4驾驶员屏住呼吸时采集的雷达信号通过图2.4可以看出，雷达信号的输出无明显规律。但通过与图2.2比较可以明显看出，驾驶员屏住呼吸时雷达采集到信号明显波动更大，由此表明，在去除噪声的情况下，剩下的信号就是人体的心跳信号。由此可以得出结论：在实验环境下，驾驶员屏住呼吸的情况下，雷达模块可以正常工作，并且能够采集到驾驶员的心跳信号，但是心跳信号较微弱，且当噪声比较大时，可能会影响到心跳信号的采集，所以在采集信号时要尽可能减少噪声的输入。通过上述三个测试，可以看出采用多普勒雷达模块能够成功采集到驾驶员的生理信号。对于呼吸信号而言，通过雷达信号能够较直观的反映出来。而对于心跳信号，由于心跳信号很微弱，当实验环境下噪声很大时，很有可能把心跳信号覆盖，这对于后面特征提取很不方便。因此，在采集信号时，要尽可能保证实验环境的稳定，减少不必要的噪声输入。2.3生理信号采集整个生理信号采集实验平台搭建完成并通过调试后，需要安排实验人员进行生理信号的采集。由于本实验平台主要是采集驾驶员的生理信号，并且是要通过生理信号能够反映出驾驶员的疲劳状态。而疲劳状态是很难通过主观感受界定的，即不能由驾驶员根据
【参考文献】：
期刊论文
[1]基于深度卷积网络的目标检测综述[J]. 吴帅,徐勇,赵东宁. 模式识别与人工智能. 2018(04)
[2]基于SSD网络模型的多目标检测算法[J]. 蔡汉明,赵振兴,韩露,曾祥永. 机电工程. 2017(06)
[3]资源境内连发三起交通事故 均由疲劳驾驶引起[J]. 孙盛峰,易璋. 驾驶园. 2016(08)
[4]基于视觉的目标检测与跟踪综述[J]. 尹宏鹏,陈波,柴毅,刘兆栋. 自动化学报. 2016(10)
[5]一个感知机神经网络字符识别器的实现[J]. 杨戈,张威强,黄静. 电子技术应用. 2015(03)
[6]深度学习的目标与评价体系构建[J]. 张浩,吴秀娟,王静. 中国电化教育. 2014(07)
[7]心电信号处理数字滤波方法研究[J]. 冯冬青,杜云龙. 微计算机信息. 2008(07)
博士论文
[1]基于信息融合的疲劳驾驶检测方法研究[D]. 牛清宁.吉林大学 2014
[2]基于多普勒雷达的非接触式生命体征检测技术研究[D]. 胡巍.中国科学技术大学 2014
硕士论文
[1]公交车人群计数系统的研究与实现[D]. 范伟.西南交通大学 2018
[2]基于多维标签与分类排序的推荐算法研究及实现[D]. 刘皓熙.华南理工大学 2017
[3]基于多源信息融合的非接触式疲劳驾驶检测系统研究[D]. 杨希宁.杭州电子科技大学 2017
[4]极限学习机及其在无线频谱预测中的应用研究[D]. 吕娜.兰州大学 2014
[5]基于典型交通事故分析的汽车运行风险研究[D]. 李甫.吉林大学 2013
[6]生物雷达非接触检测中呼吸和心跳信号分离算法研究[D]. 张华.第四军医大学 2012
[7]穿墙生命探测雷达信号处理硬件设计[D]. 张成立.西安电子科技大学 2011
[8]基于方向盘转角信号的驾驶员疲劳监测装置研制[D]. 谷也.哈尔滨工业大学 2009
[9]生命探测雷达信号处理硬件设计[D]. 左强.西安电子科技大学 2006
本文编号：3403031
【文章来源】：杭州电子科技大学浙江省
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
无驾驶员时采集的雷达信号
杭州电子科技大学硕士学位论文景取材于驾校实地拍摄画面，市区、居民小区、高速公路、雪天环境、夜间驾驶、恶劣雨雪天气，并采用3D技术真实呈现。画面正前方显示虚拟驾驶运行环境、交通状况、交通信号灯、交通标识、天气状况等；画面下方显示汽车方向盘、仪表板。监控系统采用1200万像素的摄像头，用来采集驾驶员面部信息。该视频信号要与生理信号同步。该视频信号作为后面专家评判驾驶员疲劳等级的主要依据，视频信号与生理信号同步是方便对生理信号打标签。多普勒雷达系统以微波多普勒雷达探测器探头传感器HB100模块为核心，用于采集驾驶员的生理信号。雷达信号中包括人体呼吸信号、心跳信号等生理信号以及噪声信号。需要从雷达信号中分离出生理信号。2.2雷达模块调试生理信号采集平台的核心部分就是使用多普勒雷达采集驾驶员的生理信号。所以必须要验证该雷达模块的有效性。只有确保该模块采集到的雷达信号的有效性才能进行后续的实验。所以要设计实验来验证两部分内容：是否能够成功采集到生理信号和噪声是否会覆盖有效的生理信号。由此笔者做了以下三个测试。测试一：无驾驶员在模拟驾驶器上驾驶时，观察雷达信号。雷达信号如图2.2所示。图2.2无驾驶员时采集的雷达信号通过图2.2可以看出，雷达信号除了少量噪声信号外几乎是无有效信号输出的。由此可以得出结论：在实验环境下，无驾驶员的情况下，雷达模块可以正常工作，并且能够得到较平稳的输出信号，即无有效信号输出。测试二：有驾驶员在模拟驾驶器上，且驾驶员正常呼吸，观察雷达信号。雷达信号如图2.3所示。图2.3驾驶员正常呼吸时采集的雷达信号7
杭州电子科技大学硕士学位论文通过图2.3可以看出，雷达信号的输出呈周期性变化，符合正常人体的呼吸规律。由于心跳信号和噪声信号相较于呼吸信号是很微小的信号，从波形上能够微弱的反映出心跳信号和噪声信号的存在。由此可以得出结论：在实验环境下，驾驶员正常呼吸的情况下，雷达模块可以正常工作，并且能够得到较理想的输出信号，即能够采集到包含驾驶员生理信号和少量噪声信号的雷达信号。测试三：有驾驶员在模拟驾驶器上，且驾驶员屏住呼吸，观察雷达信号。雷达信号如图2.4所示。图2.4驾驶员屏住呼吸时采集的雷达信号通过图2.4可以看出，雷达信号的输出无明显规律。但通过与图2.2比较可以明显看出，驾驶员屏住呼吸时雷达采集到信号明显波动更大，由此表明，在去除噪声的情况下，剩下的信号就是人体的心跳信号。由此可以得出结论：在实验环境下，驾驶员屏住呼吸的情况下，雷达模块可以正常工作，并且能够采集到驾驶员的心跳信号，但是心跳信号较微弱，且当噪声比较大时，可能会影响到心跳信号的采集，所以在采集信号时要尽可能减少噪声的输入。通过上述三个测试，可以看出采用多普勒雷达模块能够成功采集到驾驶员的生理信号。对于呼吸信号而言，通过雷达信号能够较直观的反映出来。而对于心跳信号，由于心跳信号很微弱，当实验环境下噪声很大时，很有可能把心跳信号覆盖，这对于后面特征提取很不方便。因此，在采集信号时，要尽可能保证实验环境的稳定，减少不必要的噪声输入。2.3生理信号采集整个生理信号采集实验平台搭建完成并通过调试后，需要安排实验人员进行生理信号的采集。由于本实验平台主要是采集驾驶员的生理信号，并且是要通过生理信号能够反映出驾驶员的疲劳状态。而疲劳状态是很难通过主观感受界定的，即不能由驾驶员根据
【参考文献】：
期刊论文
[1]基于深度卷积网络的目标检测综述[J]. 吴帅,徐勇,赵东宁. 模式识别与人工智能. 2018(04)
[2]基于SSD网络模型的多目标检测算法[J]. 蔡汉明,赵振兴,韩露,曾祥永. 机电工程. 2017(06)
[3]资源境内连发三起交通事故 均由疲劳驾驶引起[J]. 孙盛峰,易璋. 驾驶园. 2016(08)
[4]基于视觉的目标检测与跟踪综述[J]. 尹宏鹏,陈波,柴毅,刘兆栋. 自动化学报. 2016(10)
[5]一个感知机神经网络字符识别器的实现[J]. 杨戈,张威强,黄静. 电子技术应用. 2015(03)
[6]深度学习的目标与评价体系构建[J]. 张浩,吴秀娟,王静. 中国电化教育. 2014(07)
[7]心电信号处理数字滤波方法研究[J]. 冯冬青,杜云龙. 微计算机信息. 2008(07)
博士论文
[1]基于信息融合的疲劳驾驶检测方法研究[D]. 牛清宁.吉林大学 2014
[2]基于多普勒雷达的非接触式生命体征检测技术研究[D]. 胡巍.中国科学技术大学 2014
硕士论文
[1]公交车人群计数系统的研究与实现[D]. 范伟.西南交通大学 2018
[2]基于多维标签与分类排序的推荐算法研究及实现[D]. 刘皓熙.华南理工大学 2017
[3]基于多源信息融合的非接触式疲劳驾驶检测系统研究[D]. 杨希宁.杭州电子科技大学 2017
[4]极限学习机及其在无线频谱预测中的应用研究[D]. 吕娜.兰州大学 2014
[5]基于典型交通事故分析的汽车运行风险研究[D]. 李甫.吉林大学 2013
[6]生物雷达非接触检测中呼吸和心跳信号分离算法研究[D]. 张华.第四军医大学 2012
[7]穿墙生命探测雷达信号处理硬件设计[D]. 张成立.西安电子科技大学 2011
[8]基于方向盘转角信号的驾驶员疲劳监测装置研制[D]. 谷也.哈尔滨工业大学 2009
[9]生命探测雷达信号处理硬件设计[D]. 左强.西安电子科技大学 2006
本文编号：3403031
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3403031.html
