發(fā)布時間：2019-06-25 09:08

【摘要】：針對駕駛員狀態(tài)檢測和提取特征單一化以及檢測設(shè)備成本過高的缺陷,提出了一種多特征融合的駕駛員狀態(tài)的實現(xiàn)。該系統(tǒng)以內(nèi)置DSP芯片的STM32L4低功耗單片機為核心,首先通過SON1303、MPU6050等傳感器實時采集,分別獲取人的脈搏、加速度、角速度以及姿態(tài)角特征參數(shù);其次,脈搏調(diào)用DSP庫實現(xiàn)快速傅里葉變換(FFT),利用切比雪夫窗口設(shè)計濾波器提取頻譜;最后,通過駕駛員狀態(tài)良好、疲勞、分心以及緊張頻譜分析,定義第一主峰B以及頻譜比K,融合B、K、姿態(tài)角、加速度、角速度等特征實現(xiàn)對駕駛員狀態(tài)的判斷。通過實驗測試,該系統(tǒng)具有抗干擾強、低成本等特點,可以廣泛應(yīng)用于駕駛員狀態(tài)檢測,便于ADAS技術(shù)推廣。
[Abstract]:Aiming at the defects of driver state detection and extraction feature unifying and the cost of detection equipment is too high, a multi-feature fusion driver state realization is proposed. The system is based on STM32L4 low power single chip microcomputer with built-in DSP chip. Firstly, the pulse, acceleration, angular velocity and attitude angle characteristic parameters are obtained by SON1303,MPU6050 and other sensors in real time. Secondly, the pulse calls DSP library to realize fast Fourier transform (FFT), using Chebyshev window to design filter to extract spectrum. Finally, through the analysis of driver's good state, fatigue, distraction and tension spectrum, the first main peak B and spectrum ratio K are defined, and the characteristics of B, K, attitude angle, acceleration and angular velocity are combined to judge the driver's state. The experimental results show that the system has the characteristics of strong anti-interference and low cost, and can be widely used in driver state detection, which is convenient for the promotion of ADAS technology.
【作者單位】： 上海電力學(xué)院自動化工程學(xué)院;
【基金】：基金項目:上海市電站自動化技術(shù)重點實驗室(13DZ2273800)
【分類號】：U463.6;TP212

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周斌;林喜榮;賈惠波;宋榕;;多特征融合的手背血管識別算法[J];清華大學(xué)學(xué)報(自然科學(xué)版);2007年02期

2 周靜;黃心漢;彭剛;;基于多特征融合的飛機目標(biāo)識別[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2009年01期

3 杜艷明;龍丹;;多特征融合的人臉檢測[J];武漢理工大學(xué)學(xué)報;2010年23期

4 趙小英,黃鳳榮;多特征融合的目標(biāo)識別與提取在空間定位中的研究[J];河北工業(yè)大學(xué)學(xué)報;2002年04期

5 張進(jìn)華;莊健;杜海峰;王孫安;;一種基于視頻多特征融合的火焰識別算法[J];西安交通大學(xué)學(xué)報;2006年07期

6 王琳;李愛國;王新年;虞燕風(fēng);;基于多特征融合的早期火災(zāi)煙霧檢測[J];大連海事大學(xué)學(xué)報;2014年01期

7 商飛;馬駿驍;姚立;田地;邱春玲;;基于多特征融合的科學(xué)儀器工作狀態(tài)檢測方法[J];吉林大學(xué)學(xué)報(工學(xué)版);2010年02期

8 李亮;張樹生;白曉亮;邵立;;基于遺傳算法的三維CAD模型多特征融合和檢索[J];制造業(yè)自動化;2013年03期

9 姚拓中;項志宇;劉濟(jì)林;;基于圖像多特征融合的野外水體障礙物檢測[J];浙江大學(xué)學(xué)報(工學(xué)版);2009年04期

10 馬東輝;朱斌;樊祥;任彪;;基于粒子濾波的目標(biāo)圖像多特征融合跟蹤方法[J];探測與控制學(xué)報;2009年04期

相關(guān)會議論文 前3條

1 葉鋒;蔡光東;鄭子華;亓?xí)孕?尹鵬;;基于多特征融合的藥用植物標(biāo)本識別[A];2011年中國智能自動化學(xué)術(shù)會議論文集（第一分冊）[C];2011年

2 段其昌;季長有;;基于多特征融合的快速人臉檢測[A];第十七屆全國測控計量儀器儀表學(xué)術(shù)年會（MCMI'2007）論文集（上冊）[C];2007年

3 李玉峰;鄭德權(quán);趙鐵軍;;基于SVM和多特征融合的圖像分類[A];第四屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集（上）[C];2008年

相關(guān)博士學(xué)位論文 前5條

1 劉明華;復(fù)雜環(huán)境下基于多特征融合的目標(biāo)跟蹤關(guān)鍵技術(shù)研究[D];青島科技大學(xué);2016年

2 田綱;基于多特征融合的Mean shift目標(biāo)跟蹤技術(shù)研究[D];武漢大學(xué);2011年

3 徐志剛;基于多特征融合的路面破損圖像自動識別技術(shù)研究[D];長安大學(xué);2012年

4 陳秀新;多特征融合視頻復(fù)制檢測關(guān)鍵技術(shù)研究[D];北京工業(yè)大學(xué);2013年

5 初紅霞;基于均值移動和粒子濾波的目標(biāo)跟蹤關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 張巖;基于多特征融合及二部圖匹配的3D目標(biāo)檢索技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2015年

2 計明明;基于多特征融合的三維模型檢索技術(shù)[D];浙江大學(xué);2015年

3 王慶;基于多特征融合的人體動作識別方法研究[D];上海大學(xué);2015年

4 劉婕;復(fù)雜場景多特征融合粒子濾波目標(biāo)跟蹤[D];重慶理工大學(xué);2015年

5 崔劍;基于多特征融合的分級行人檢測方法研究[D];電子科技大學(xué);2015年

6 王珊珊;基于極化SAR非監(jiān)督分類的油膜厚度估算方法研究[D];大連海事大學(xué);2015年

7 肖冠;基于多特征融合的異類傳感器中段目標(biāo)關(guān)聯(lián)算法研究[D];國防科學(xué)技術(shù)大學(xué);2013年

8 王建榮;基于多特征融合的無人機航拍圖像識別研究[D];成都理工大學(xué);2015年

9 高爽;基于多特征融合的粒子濾波跟蹤算法研究[D];西安電子科技大學(xué);2014年

10 坎啟嬌;基于多特征融合的多目標(biāo)跟蹤算法[D];河北工業(yè)大學(xué);2015年

，

本文編號：2505568