基于隨機森林的疲勞駕駛檢測

李碩 邵明凱

摘 要：疲勞駕駛監(jiān)測系統(tǒng)的設(shè)立和研究，對于保證交通安全尤為重要。通過基于綜合疲勞駕駛特征信息的融合的檢測方式，結(jié)合隨機森林算法，監(jiān)測駕駛員的駕駛狀態(tài)并進行特征參數(shù)訓(xùn)練，然后通過自匹配特征算法再次對判定為正常駕駛狀態(tài)的特征信息進行審查，來提高和保證疲勞駕駛檢測的準(zhǔn)確率。

關(guān)鍵詞：疲勞駕駛，隨機森林，自匹配特征算法

0引言

疲勞駕駛一直都是長途高速交通事故的劊子手。大眾汽車的MKE疲勞駕駛識別系統(tǒng)是通過對司機的駕車行為進行檢測，并結(jié)合周圍環(huán)境分析駕駛員是否處于疲勞駕駛狀態(tài)。奔馳通過監(jiān)測駕駛員的注意力集中程度來判定駕駛員是否處于疲勞駕駛狀態(tài)。而我國疲勞駕駛監(jiān)測系統(tǒng)主要都涉及在商用車車型。而像滴滴、出租等私家車疲勞駕駛監(jiān)測系統(tǒng)的安置率較低。本文通過綜合駕駛?cè)似谔卣鲄?shù)，結(jié)合RF、疲勞特征自匹配等智能預(yù)測算法來對駕駛?cè)说鸟{駛狀態(tài)進行監(jiān)測，通過隨機森林算法來提高疲勞駕駛監(jiān)測的準(zhǔn)確率，保證安全出行。

1疲勞駕駛檢測技術(shù)方法

通過對駕駛?cè)松碇笜?biāo)的監(jiān)測能對其駕駛狀態(tài)進行及時把控，在疲勞駕駛時能及時預(yù)警。通過對駕駛?cè)松矸磻?yīng)特征來判斷駕駛?cè)耸欠裨谄隈{駛的方法主要是對駕駛?cè)说拿娌康淖兓瘉肀O(jiān)測，對疲勞駕駛及時預(yù)警。通過對駕駛?cè)瞬僮餍袨榈谋O(jiān)測包括方向盤、剎車、油門。當(dāng)然，基于不同人的駕駛習(xí)慣和駕駛水平，可能會對檢測結(jié)果產(chǎn)生一定的影響。通過車載攝像頭、傳感器以及陀螺儀來對車輛的行駛軌跡進行監(jiān)測，判斷駕駛?cè)耸欠裉幱谄隈{駛的狀態(tài)。

2疲勞駕駛檢測數(shù)據(jù)庫的建立

研究從采集駕駛?cè)颂卣餍畔?、特征?xùn)練是否疲勞、數(shù)據(jù)庫存儲三方面進行。需要采集的駕駛?cè)颂卣餍畔⒂型组]合程度、頭部位置、嘴巴狀態(tài)、眨眼次數(shù)、方向盤轉(zhuǎn)動角度、踏板力度、車速、車輛橫向偏移量。確定疲勞駕駛監(jiān)測系統(tǒng)的主要參數(shù)，并充分發(fā)掘和研究疲勞駕駛特征參數(shù)具體的判定方法和檢測技術(shù)，為疲勞駕駛監(jiān)測系統(tǒng)的建立提供技術(shù)檢測和數(shù)據(jù)支持。

3疲勞駕駛監(jiān)測系統(tǒng)模型

通過隨機森林算法和創(chuàng)新研究的疲勞特征自適應(yīng)算法按規(guī)定的流程進行循環(huán)檢測，提高疲勞駕駛的準(zhǔn)確率。

通過ID3算法獲得瞳孔閉合狀態(tài)特征參數(shù)的信息增益：

按瞳孔閉合狀態(tài)分類得到的信息增益：

同理可得：方向盤轉(zhuǎn)角標(biāo)準(zhǔn)差的信息增益0.034，車速標(biāo)準(zhǔn)差的信息增益為0.554。所以瞳孔閉合80%以上特征參數(shù)的分類優(yōu)先于方向盤轉(zhuǎn)角標(biāo)準(zhǔn)差和車速標(biāo)準(zhǔn)差。

3.2疲勞駕駛自匹配特征模型算法建立

在輸出結(jié)果為正常駕駛的特征與自己的正常狀態(tài)特征再次進行對比，進行進一步精確的測量，來提高疲勞駕駛的準(zhǔn)確率。駕駛?cè)嗽谄隈{駛時的特征參數(shù)除以駕駛在正常狀態(tài)下特征參數(shù)的均值得到Pm，公式為

P={瞳孔狀態(tài)T、眨眼頻率Z、頭部位置H、嘴部狀態(tài)M、方向盤轉(zhuǎn)角F、加速踏板開度、車速C、車輛橫向位置X}。Rm=駕駛?cè)苏顟B(tài)下第m個特征參數(shù)均值，Pm為駕駛?cè)似跔顟B(tài)下第m個特征參數(shù)。

3.3疲勞駕駛監(jiān)測系統(tǒng)模型的監(jiān)測流程

系統(tǒng)對監(jiān)測的疲勞特征參數(shù)按決策樹的判定順序進行判定，依次為生理行為、駕駛行為、車輛軌跡。

4結(jié)論

將隨機森林原理應(yīng)用到疲勞駕駛監(jiān)測中，通過監(jiān)測駕駛員的九個特征參數(shù)，按照信息增益的原理決策出特征判別順序，建立多個疲勞駕駛判別的決策樹，綜合多種特征信息檢測數(shù)據(jù)來提高疲勞駕駛監(jiān)測的準(zhǔn)確性。構(gòu)建疲勞特征自匹配算法，通過利用駕駛?cè)舜嫒霐?shù)據(jù)庫中正常駕駛狀態(tài)信息與駕駛?cè)诵熊囘^程中的信息進行匹配，來提高和保證疲勞駕駛檢測的準(zhǔn)確率。由于水平有限，沒能對疲勞駕駛特征參數(shù)進行充分分析，通過進一步的分析和挖掘找到最能代表駕駛員駕駛狀態(tài)的特征參數(shù)，來結(jié)合算法進行更深一步的訓(xùn)練研究。

參考文獻

[1]Gidel S，Checchin P，Blanc C，Chateau T et al.Pedestrian Detection and Tracking in an Urban Environment Using a Multilayer Laser Scanner.Intelligent Transportation Systems，IEEE Transactions on，2010，1（3）：579-588.

[2]P Fitzpatrick，A J Nicholson.Global Status Report on Road Safety-Time for Action.IRISH MEDICAL JOURNAL，2010，103（1）.

[3]毛須偉，景文博，王曉曼等.一種基于眼部狀態(tài)的疲勞駕駛檢測方法.長春理工大學(xué)學(xué)報（自然科學(xué)版），2016，2（39）：125-136.

[4] 張明明.基于方向盤握力的疲勞駕駛檢測研究：（碩士學(xué)位論文）.江蘇：江蘇大學(xué)，2016.