科创中国

电子信息技术

本发明公开了一种基于实车方向盘转角的疲劳驾驶识别方法、装置和设备，其中所述方法包括以下步骤：基于LSTM神经网络和实车方向盘转角数据构建疲劳驾驶识别模型；获取当前实时方向盘转角数据；根据预先构建好的疲劳驾驶识别模型对当前实时方向盘数据进行识别处理，得出每一疲劳状态级的概率；将概率最大的疲劳状态级作为基于当前实时方向盘转角数据的实时驾驶状态输出。本发明区别于传统的疲劳驾驶识别分类方法，是基于LSTM神经网络进行训练分类，能够有效挖掘方向盘转角数据间的时序信息，并且在训练过程中采用了鲸鱼算法优化神经网络隐藏层神经元个数和Dropout率,使得即使在实车数据下也能够提供较高的识别准确率和响应速度。

一种基于实车方向盘转角的疲劳驾驶识别方法，其特征在于：包括以下步骤：获取当前实时方向盘转角数据；根据预先构建好的疲劳驾驶识别模型对当前实时方向盘转角数据进行识别处理，得出每一疲劳状态级的概率；将概率最大的疲劳状态级作为基于当前实时方向盘转角数据的实时驾驶状态输出；其中，在获取当前实时方向盘转角数据之前还包括预先构建疲劳驾驶识别模型的步骤，所述预先构建疲劳驾驶识别模型的步骤包括：基于LSTM神经网络构建原始疲劳驾驶识别模型；获取由带标签的实车方向盘转角数据样本构成的实车方向盘转角数据集；从实车方向盘转角数据集中提取能够表征疲劳驾驶水平的特征参数，并对所提取的特征参数进行处理，以获得最优疲劳驾驶判别特征参数集；通过获得的最优疲劳驾驶判别特征参数集对基于LSTM神经网络构建的原始疲劳驾驶识别模型进行训练，得到所述疲劳驾驶识别模型。

李作进，史蓝洋，聂玲，冯世霖，陈智能，曹亚男，贺学乐

点击查看