申请/专利权人：吉林大学

申请日：2024-01-02

公开（公告）日：2024-05-07

公开（公告）号：CN117982144A

主分类号：A61B5/18

分类号：A61B5/18;A61B5/0205;A61B5/00;B60W40/08;G16H10/65;G16H50/30

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.24#实质审查的生效;2024.05.07#公开

摘要：本发明一种基于智能手环数据的驾驶员活动状态递进式判别方法，属于智能穿戴设备，人体活动识别，汽车辅助驾驶技术领域；通过对智能手环获取的姿态数据及生理数据进行分析，结合车载GPS数据实现数据的同步标注，让手环智能体本身能够通过姿态数据初判和结合姿态和生理数据二次判定来识别佩戴者的驾驶状态、日常状态和睡眠状态，并实现自适应切换，进而降低手环的能耗，为进一步判别驾驶员疲劳风险提供先决条件，同时结合智能手环的云服务平台，实现对职业驾驶员的大健康管理。本发明在实现驾驶员状态识别的同时，克服了单模态数据分析不准确，识别精度低的问题，使模型具有更强的鲁棒性。

主权项：1.一种基于智能手环数据的驾驶员活动状态递进式判别方法，其特征在于，包括以下步骤，且以下步骤顺次进行：步骤S1：将数据获取系统安装在试验车上，在云端获取车辆及驾驶员的数据信息，得到的信息类型包括：手环获取的驾驶员生理和姿态数据、摄像头获取的驾驶员图像数据、GPS获取的车辆位置数据，且所有数据均有时间戳；步骤S2：利用智能手环和车载GPS获取驾驶员驾驶任务途中的数据；开发自动标注算法，获取车辆连续驾驶样本，得到驾驶状态标签数据；由驾驶员自我报告每天的睡眠时间，获取驾驶员睡眠状态标签数据；步骤S3：将所述步骤S1中获取到的所有数据以及所述步骤S2获取到的驾驶状态标签数据和睡眠状态标签数据与原数据结合得到带有标签的原始数据集，并对获取到的带有标签的原始数据集进行预处理，对获取到的数据的每个维度进行Box-Coxtransformation，Box-Cox变换以获取正态化数据，然后根据高斯分布3σ原则，对数据异常值进行处理，并对处理后的数据集进行插值，获取到原始特征数据库；步骤S4：采用时域、频域的特征提取方法，从基本特征中分析时域、频域特征，从原始数据中提取更多的信息，将数据映射到不同的表示空间，捕捉数据中的模式和结构；步骤S5：对特征集进行相关系数矩阵计算，在阈值0.8的情况下去除相关性特征得特征集A1，对原始特征集计算方差膨胀因子，阈值选择5，去除相关特征，得特征集A2，取特征集A1，A2的交集得到最终的特征集A；步骤S6：采用最小-最大规范化方法对特征进行归一化；步骤S7：采用主成分分析方法，提取特征集的协方差矩阵，对协方差矩阵采用特征值分解方法，对特征维度进行重规划；步骤S8：使用姿态数据进行驾驶员状态初判，训练集和测试集划分比例为4：1；步骤S9：在训练集构建过程中，由于正负样本数量差异大，采用少数派过采样技术平衡正负样本比例，然后进行训练，得到状态初判结果；步骤S10：结合姿态数据和生理数据进行二次判别，采用随机森林分类方法，建立多个弱分类器，将重规划后的特征矩阵作为模型输入，随机森林中的决策树数量选择100，决策树分支选择采用基尼系数，最终以各分类器分类结果投票得出最终分类结果，并启用袋外样本进行验证。

全文数据：

权利要求：

百度查询： 吉林大学 一种基于智能手环数据的驾驶员活动状态递进式判别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD