樣對(duì)運(yùn)些數(shù)據(jù)進(jìn)行特征提取，特征提取結(jié)束 后，應(yīng)用離線(xiàn)階段訓(xùn)練得到的學(xué)習(xí)評(píng)估模型檢測(cè)駕駛員是否處于憤怒駕駛狀態(tài)。
[0043] 憤怒駕駛狀態(tài)檢測(cè)模型：憤怒駕駛狀態(tài)檢測(cè)模型包括脈搏數(shù)據(jù)采集與預(yù)處理、特 征提取、特征訓(xùn)練、狀態(tài)調(diào)節(jié)等模塊如圖1所示:憤怒駕駛狀態(tài)檢測(cè)系統(tǒng)的運(yùn)行前提時(shí)要事 先采集多個(gè)憤怒駕駛過(guò)程中駕駛員的脈搏數(shù)據(jù)，然后從運(yùn)些數(shù)據(jù)中提取出我們需要的和人 體憤怒狀態(tài)相關(guān)的特征，訓(xùn)練出相應(yīng)的憤怒駕駛狀態(tài)檢測(cè)規(guī)則。憤怒駕駛狀態(tài)檢測(cè)是一個(gè) 順序的執(zhí)行過(guò)程，憤怒駕駛狀態(tài)檢測(cè)模塊調(diào)用獲取的脈搏數(shù)據(jù)，然后對(duì)運(yùn)些數(shù)據(jù)進(jìn)行特征 提取，提取出和駕駛員憤怒駕駛狀態(tài)相關(guān)的特征，應(yīng)用事先訓(xùn)練好的學(xué)習(xí)評(píng)估模型判斷駕 駛員是否處于憤怒駕駛狀態(tài)，最后可根據(jù)檢測(cè)結(jié)果并利用相應(yīng)的刺激手段調(diào)節(jié)駕駛員的駕 駛狀態(tài)。
[0044] 特征提取是將復(fù)雜的原始數(shù)據(jù)濾除不相關(guān)的特征信息，提取出有用的特征參數(shù)構(gòu) 建特征空間。本發(fā)明基于統(tǒng)計(jì)分析方法并通過(guò)具體的對(duì)比實(shí)驗(yàn)，尋找與駕駛員憤怒狀態(tài)相 關(guān)的特征W建立有效的學(xué)習(xí)評(píng)估模型。共組織了 12名實(shí)驗(yàn)者，均是身體健康的成年人，年齡 在22到26歲之間，并將實(shí)驗(yàn)者都處于正常情緒狀態(tài)和處于憤怒狀態(tài)時(shí)的脈搏值數(shù)據(jù)記錄下 來(lái)，如表1所示。
[0045] 表 1
[0046] 在表1中，脈搏主波幅值由系統(tǒng)采集所得，主波降幅和脈率計(jì)算所得，其中主波降 幅是一小段時(shí)間內(nèi)縱軸幅值的變化比上橫軸幅值的變化，脈率是根據(jù)主波之間點(diǎn)的差值計(jì) 算所得。由表1可知，憤怒狀態(tài)下主波幅值增強(qiáng)普遍在20% W上，主波的降幅明顯變大，同時(shí) 脈率增加10%左右。由此，本發(fā)明提取出了脈搏幅值的變化率、主波到重搏波的降幅W及脈 率的變化率=個(gè)與駕駛員憤怒狀態(tài)相關(guān)的特征。
[0047] 建立憤怒駕駛狀態(tài)的學(xué)習(xí)評(píng)估模型:憤怒駕駛狀態(tài)的學(xué)習(xí)評(píng)估模型主要利用信號(hào) 正向傳播和誤差反向調(diào)節(jié)的學(xué)習(xí)機(jī)制，通過(guò)多次迭代學(xué)習(xí)，搭建出處理非線(xiàn)性信息的智能 化網(wǎng)絡(luò)模型，包括輸入層、隱藏層和輸出層。
[0048] 如上所述，本發(fā)明選擇主波幅值、主波到重搏波的降幅和脈率的變化運(yùn)=個(gè)特征 參數(shù)作為評(píng)估駕駛員憤怒狀態(tài)的輸入，即輸入層有=個(gè)處理元。將駕駛員是否處于憤怒狀 態(tài)作為輸出級(jí)別，0代表駕駛員不處于憤怒駕駛狀態(tài)，1代表駕駛員處于憤怒駕駛狀態(tài)。隱藏 層處理元的個(gè)數(shù)由經(jīng)驗(yàn)公式?jīng)Q定：
[0049] % =4n + m + a (1)
[0050] 式（1)中，祉代表隱藏層處理元的個(gè)數(shù)，n代表輸入層處理元的個(gè)數(shù)，m代表輸出層 處理元的個(gè)數(shù)，a是一個(gè)常量，根據(jù)實(shí)際情況具體設(shè)定。
[0051] 在正向傳播階段，輸入信息從輸入層經(jīng)隱含層傳向輸出層，在輸出端產(chǎn)生輸出信 號(hào)。在信號(hào)的向前傳遞過(guò)程中網(wǎng)絡(luò)的權(quán)值固定不變，每一層處理元的狀態(tài)只影響下一層處 理元的狀態(tài)。如果在輸出層不能得到期望的輸出，則轉(zhuǎn)入誤差信號(hào)反向傳播過(guò)程。在反向傳 播階段，未能滿(mǎn)足精度要求的誤差信號(hào)由輸出端開(kāi)始，W某種方式逐層向前傳播，并將誤差 分?jǐn)偨o各層的所有單元，依據(jù)誤差信號(hào)動(dòng)態(tài)的調(diào)整各單元層的連接權(quán)重。通過(guò)周而復(fù)始的 正向傳播與反向調(diào)節(jié)，處理元間的權(quán)值得到不斷的修正。當(dāng)輸出信號(hào)的誤差滿(mǎn)足精度要求 時(shí)，停止學(xué)習(xí)。
[0052]本發(fā)明采用Sigmoid型非線(xiàn)性闊值來(lái)設(shè)定節(jié)點(diǎn)的闊值，激活函數(shù)如公式(2)所示：
城'[0054]連續(xù)進(jìn)行樣本學(xué)習(xí)過(guò)程，建立式(3)、（4)后，結(jié)束學(xué)習(xí)過(guò)程：
(3) (4)
[0057] 式(3)、（4)中，Smn代表誤差闊值，Vk代表使用k個(gè)樣本學(xué)習(xí)產(chǎn)生的誤差，Ow代表第j 層網(wǎng)絡(luò)的第k個(gè)樣本學(xué)習(xí)的實(shí)際輸出結(jié)果，代表第j層網(wǎng)絡(luò)的第k個(gè)樣本的期望輸出結(jié) 果，V代表樣本集的總誤差；
[0058] 如果公式(3)不滿(mǎn)足條件，錯(cuò)誤反饋機(jī)制會(huì)沿著初始路徑反向傳播，根據(jù)梯度下降 方法調(diào)整每一層網(wǎng)絡(luò)的權(quán)重和闊值。比較實(shí)際計(jì)算輸出結(jié)果和期望輸出結(jié)果，通過(guò)計(jì)算結(jié) 果調(diào)整闊值和權(quán)重可W減小訓(xùn)練誤差。自學(xué)習(xí)誤差調(diào)節(jié)模型為：
[0059] A巧州=:堿巧:+目泣馬 C5)
[0060] 式(5)中，AWiw代表第i個(gè)樣本在第j+1層網(wǎng)絡(luò)的連接權(quán)值的修正量，a代表學(xué)習(xí) 因子，41代表輸出節(jié)點(diǎn)的誤差，戈表隱藏層第j個(gè)節(jié)點(diǎn)的輸出值，S代表修正因子取值通 常在0到1之間，0撕計(jì)算式為：
(巧 L0062J 巧（6)中，Xi代表輸出居第i個(gè)節(jié)點(diǎn)的輸出，Wij代表隱藏層第j個(gè)節(jié)點(diǎn)與輸出層第i 個(gè)節(jié)點(diǎn)的權(quán)重，0非急藏層第j個(gè)節(jié)點(diǎn)的闊值;N代表輸入層的數(shù)量，M代表隱藏層的數(shù)量。輸入 層的計(jì)算式與上述相同。
[0063] 學(xué)習(xí)過(guò)程的具體步驟如下：
[0064] 首先將各個(gè)連接權(quán)值設(shè)置為較小的隨機(jī)數(shù)，對(duì)于不同的處理元設(shè)置不同的權(quán)值；
[0065] 準(zhǔn)備好訓(xùn)練樣本，輸入?yún)?shù)包括脈搏幅值的變化率、主波到重搏波的降幅W及脈 率的變化率。輸出從事先準(zhǔn)備好的訓(xùn)練樣本中隨機(jī)選出一個(gè)未參與過(guò)訓(xùn)練的訓(xùn)練對(duì)，作為 輸入層的輸入樣本；
[0066] 按照上述公式分別計(jì)算輸入層到隱藏層的輸出W及隱藏層到輸出層的輸出；
[0067] 計(jì)算輸出層到隱藏層的各層分量輸出誤差W及隱藏層到輸出層的輸出誤差，如果 所用的分量誤差滿(mǎn)足誤差要求，則學(xué)習(xí)過(guò)程結(jié)束;否則進(jìn)入步驟3.4;
[0068] 依次計(jì)算輸出層、隱藏層和輸入層節(jié)點(diǎn)的誤差；
[0069] 依次調(diào)整輸出層、隱藏層和輸入層節(jié)點(diǎn)之間的連接權(quán)值；
[0070] 返回到步驟3.2,進(jìn)行下一輪的訓(xùn)練，直到所有的訓(xùn)練樣本都訓(xùn)練完畢。
[0071] 如圖2所示：駕駛員憤怒駕駛狀態(tài)檢測(cè):得到關(guān)于駕駛員憤怒駕駛狀態(tài)的學(xué)習(xí)評(píng)估 模型后，就可W利用該模型評(píng)估駕駛員的駕駛狀態(tài)。脈搏傳感器采集到是駕駛員實(shí)時(shí)脈搏 變化的時(shí)域值，特征值基于時(shí)域值進(jìn)行特征提取。得到運(yùn)些特征值之后，應(yīng)用學(xué)習(xí)評(píng)估模型 檢測(cè)駕駛員是否處于憤怒駕駛狀態(tài)。應(yīng)用學(xué)習(xí)評(píng)估模型檢測(cè)駕駛員憤怒駕駛狀態(tài)的過(guò)程。
[0072]提取的脈搏波峰變化特征和脈率變化特征都是變化值，首先需要分別提取駕駛員 在正常狀態(tài)下的脈搏波峰值和脈率，實(shí)時(shí)采集駕駛員的脈搏時(shí)域值，可W得到駕駛員實(shí)時(shí) 的脈搏波峰和脈率，計(jì)算脈搏波峰值的變化和脈率的變化；同時(shí)從脈搏時(shí)域值中可W得到 波峰到重搏前波的下降速率;將運(yùn)=種特征值作為學(xué)習(xí)評(píng)估模型的輸入，由學(xué)習(xí)評(píng)估模型 評(píng)估駕駛員是否處于憤怒駕駛狀態(tài)。學(xué)習(xí)評(píng)估模型通過(guò)訓(xùn)練，連接輸入層和隱藏層W及連 接隱藏層和輸出層的權(quán)系數(shù)已經(jīng)穩(wěn)定，即滿(mǎn)足系統(tǒng)的誤差要求。應(yīng)用的過(guò)程就是量化=個(gè) 特征值，量化的標(biāo)準(zhǔn)和訓(xùn)練的輸入保持一致，運(yùn)樣就可W得到確定的輸出結(jié)果，進(jìn)而可W判 斷出駕駛員是否處于憤怒駕駛狀態(tài)。
【主權(quán)項(xiàng)】
1. 一種憤怒駕駛狀態(tài)檢測(cè)方法，其特征在于:具體包含如下步驟： 步驟1，預(yù)先采集駕駛員在憤怒狀態(tài)下的脈搏數(shù)據(jù)參數(shù)； 步驟2,對(duì)步驟1獲取的脈搏數(shù)據(jù)參數(shù)進(jìn)行特征提取； 步驟3,對(duì)步驟2提取的特征參數(shù)進(jìn)行特征訓(xùn)練，利用信號(hào)正向傳播和誤差反向調(diào)節(jié)的 學(xué)習(xí)機(jī)制，通過(guò)多次迭代學(xué)習(xí)進(jìn)而搭建出學(xué)習(xí)評(píng)估模型； 步驟4，實(shí)時(shí)采集駕駛員脈搏數(shù)據(jù)參數(shù)； 步驟5,將步驟4采集的駕駛員脈搏數(shù)據(jù)參數(shù)輸入步驟3建立的學(xué)習(xí)評(píng)估模型，進(jìn)而得出 駕駛員是否處于憤怒駕駛狀態(tài)，若為憤怒駕駛狀態(tài)，則提醒駕駛員進(jìn)行狀態(tài)調(diào)整，反之，貝U 返回步驟4。2. 根據(jù)權(quán)利要求1所述的一種憤怒駕駛狀態(tài)檢測(cè)方法，其特征在于：步驟2所述特征提 取包含提取脈搏幅值的變化率、主波到重搏波的降幅和脈率的變化率。3. 根據(jù)權(quán)利要求1所述的一種憤怒駕駛狀態(tài)檢測(cè)方法，其特征在于:所述學(xué)習(xí)評(píng)估模型 包含輸入層、隱臧層和輸出層。4. 根據(jù)權(quán)利要求1所述的一種憤怒駕駛狀態(tài)檢測(cè)方法，其特征在于:所述步驟3具體包 含如下步驟： 步驟3.1:輸入步驟2提取的特征參數(shù):脈搏幅值的變化率、主波到重搏波的降幅W及脈 率的變化率； 步驟3.2:根據(jù)接收的特征參數(shù)分別計(jì)算輸入層到隱藏層的輸出W及隱藏層到輸出層 的輸出； 步驟3.3:根據(jù)分別計(jì)算輸出層到隱藏層 的各層分量輸出誤差W及隱藏層到輸出層的輸出誤差，如果所用的分量誤差滿(mǎn)足誤差要 求，則學(xué)習(xí)過(guò)程結(jié)束，否則進(jìn)入步驟3.4;其中，Smn代表誤差闊值，Vk代表使用k個(gè)樣本學(xué)習(xí) 產(chǎn)生的誤差，Ow代表第j層網(wǎng)絡(luò)的第k個(gè)樣本學(xué)習(xí)的實(shí)際輸出結(jié)果，代表第j層網(wǎng)絡(luò)的第 k個(gè)樣本的期望輸出結(jié)果，V代表樣本集的總誤差； 步驟3.4:根據(jù)依次計(jì)算輸出層、隱藏層和 輸入層節(jié)點(diǎn)的誤差，其中：A WiW代表第i個(gè)樣本在第j+1層網(wǎng)絡(luò)的連接權(quán)值的修正量，a代 表學(xué)習(xí)因子，4 1代表輸出節(jié)點(diǎn)的誤差，戈表隱藏層第j個(gè)節(jié)點(diǎn)的輸出值，8代表修正因子， Xi代表輸出層第i個(gè)節(jié)點(diǎn)的輸出，Wu代表隱藏層第j個(gè)節(jié)點(diǎn)與輸出層第i個(gè)節(jié)點(diǎn)的權(quán)重，Oj隱 藏層第j個(gè)節(jié)點(diǎn)的闊值，j = 〇，l，. . .，M-1，N代表輸入層的數(shù)量，M代表隱藏層的數(shù)量； 步驟3.5:根據(jù)步驟3.4計(jì)算出的輸出層、隱藏層和輸入層節(jié)點(diǎn)的誤差，進(jìn)而依次調(diào)整輸 出層、隱藏層和輸入層節(jié)點(diǎn)之間的連接權(quán)值;進(jìn)而通過(guò)多次迭代學(xué)習(xí)進(jìn)而搭建出學(xué)習(xí)評(píng)估 模型，直到所有的訓(xùn)練樣本都訓(xùn)練完畢。5. 根據(jù)權(quán)利要求4所述的一種憤怒駕駛狀態(tài)檢測(cè)方法，其特征在于:在步驟3.4中，所述 修正因子S取值在0到1之間。
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種憤怒駕駛狀態(tài)檢測(cè)方法，針對(duì)目前憤怒駕駛狀態(tài)的檢測(cè)機(jī)制普遍存在著檢測(cè)準(zhǔn)確率不高、硬件成本較高、設(shè)備佩戴不易、受環(huán)境因素影響較大等缺陷，通過(guò)對(duì)駕駛員在正常駕駛和憤怒駕駛狀態(tài)下脈搏變化情況的觀(guān)察以及相關(guān)對(duì)比實(shí)驗(yàn)，確定了與憤怒情緒相關(guān)的三個(gè)特征：脈搏幅值的變化率、主波到重搏波的降幅以及脈率的變化率?；谶@些特征數(shù)據(jù)，訓(xùn)練出駕駛員憤怒駕駛狀態(tài)的學(xué)習(xí)評(píng)估模型，包括脈搏數(shù)據(jù)采集與預(yù)處理、特征提取、特征訓(xùn)練、狀態(tài)調(diào)節(jié)等模塊，基于學(xué)習(xí)評(píng)估模型有效地實(shí)現(xiàn)憤怒駕駛狀態(tài)的檢測(cè)。本發(fā)明公開(kāi)的憤怒駕駛狀態(tài)檢測(cè)方法可以在低硬件成本的情況下，獲得較高的憤怒駕駛狀態(tài)識(shí)別率。
【IPC分類(lèi)】A61B5/02
【公開(kāi)號(hào)】CN105496369
【申請(qǐng)?zhí)枴緾N201510677428
【發(fā)明人】徐小龍, 李碩, 李榮志, 李濤, 徐佳
【申請(qǐng)人】南京郵電大學(xué)
【公開(kāi)日】2016年4月20日
【申請(qǐng)日】2015年10月19日