本發(fā)明涉及計(jì)算機(jī)軟件自動(dòng)識(shí)別領(lǐng)域，尤其涉及一種基于智能手機(jī)的駕駛員識(shí)別方法。

背景技術(shù)：

近幾年，隨著經(jīng)濟(jì)和科技的快速發(fā)展，智能手機(jī)以其外觀纖細(xì)，設(shè)計(jì)時(shí)尚，而且具備和個(gè)人電腦相媲美的功能等優(yōu)勢快速地融入人們的生活，成為人們生活中不可或缺的一部分。隨著時(shí)間的推移，智能手機(jī)的功能不斷多樣化，網(wǎng)絡(luò)和硬件性能不斷提升，除了基本的通信功能以外，還包括其他多個(gè)方面，如娛樂，社交，辦公，金融，醫(yī)療保健等。

伴隨智能手機(jī)功能和硬件的不斷完善，通過智能手機(jī)傳感器、計(jì)算和通信等模塊協(xié)同工作對人類行為識(shí)別的能力也日益突出。如何充分利用智能手機(jī)自身的硬件條件使智能手機(jī)更好識(shí)別人類行為這個(gè)問題得到了很多科研人員的關(guān)注。

最近幾年，有很多研究成果展示了通過智能手機(jī)中嵌入的傳感器對人們?nèi)粘Ｐ袨檫M(jìn)行識(shí)別。有識(shí)別簡單的動(dòng)作，如人們的行走，跑步，上下樓梯等。也有對人類復(fù)雜行為的識(shí)別，如識(shí)別騎車，老年人摔倒，不安全的駕駛行為等。還有通過智能手機(jī)的麥克風(fēng)和攝像頭識(shí)別用戶所處環(huán)境，如識(shí)別手機(jī)用戶是否在開會(huì)，手機(jī)用戶是否在熱鬧的人群中等。這些行為的識(shí)別利用智能手機(jī)內(nèi)置的傳感器(如加速度傳感器，陀螺儀傳感器，重力傳感器等)采集人們?nèi)粘５男袨樾盘?，再對傳感器的原始信號進(jìn)行相關(guān)處理后，結(jié)合設(shè)計(jì)好的行為識(shí)別算法對行為進(jìn)行識(shí)別。這些成果讓智能手機(jī)更加“智能”，也使人們?nèi)粘Ｉ罡颖憬荨?/p>

針對智能手機(jī)導(dǎo)致駕駛員注意力分散的問題，最近幾年已經(jīng)有相關(guān)研究人員從安全角度設(shè)計(jì)一些應(yīng)用程序阻止駕駛員在駕駛過程使用手機(jī)，如在駕駛過程中阻止手機(jī)來電和禁止對手機(jī)進(jìn)行相關(guān)操作(如發(fā)短信)。但是這些方案都存在著一些限制，比如有些要在使用時(shí)提前設(shè)定手機(jī)用戶的角色(駕駛員，乘客)，但是提前設(shè)定用戶角色使得應(yīng)用交互不是很友好，不夠智能簡單。有些要借助外界設(shè)備，如車載自動(dòng)診斷系統(tǒng)(On Board Diagnostics，OBD)，近場通信(Near Field Communication，NFC)，和車載系統(tǒng)等。但是這些外界設(shè)備并不是所有汽車都具備，例如只有一些高級車才配備了NFC和車載系統(tǒng)，有些設(shè)備則需要用戶自己進(jìn)行安裝。因此，導(dǎo)致這些應(yīng)用程序?qū)τ诔鰪S時(shí)間較早，或者低端汽車不能提供很好的兼容性。當(dāng)然，也有人從事通過智能手機(jī)傳感器識(shí)別駕駛員的研究。在這些研究中，雖然不需要借助外界設(shè)備的輔助，但是要求汽車內(nèi)至少存在兩個(gè)智能手機(jī)，而且要求兩個(gè)智能手機(jī)通信，通過智能手機(jī)傳感器測出一個(gè)手機(jī)相對于另一個(gè)手機(jī)的位置；或者要求和云端進(jìn)行通信。這些都沒有完全做到只通過一個(gè)智能手機(jī)自主的識(shí)別駕駛員。這就亟需本領(lǐng)域技術(shù)人員解決相應(yīng)的技術(shù)問題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明旨在至少解決現(xiàn)有技術(shù)中存在的技術(shù)問題，特別創(chuàng)新地提出了一種基于智能手機(jī)的駕駛員識(shí)別方法。

為了實(shí)現(xiàn)本發(fā)明的上述目的，本發(fā)明提供了一種基于智能手機(jī)的駕駛員識(shí)別方法，包括如下步驟：

S1，用戶攜帶智能手機(jī)后，智能手機(jī)數(shù)據(jù)采集模塊進(jìn)行方位狀態(tài)判斷，根據(jù)方向調(diào)整方法將智能手機(jī)方位進(jìn)行調(diào)整統(tǒng)一，然后執(zhí)行S2；

S2，調(diào)整統(tǒng)一后的手機(jī)定位數(shù)據(jù)將被放入智能手機(jī)數(shù)據(jù)分析模塊的時(shí)間窗口內(nèi)進(jìn)行特征值提?。?/p>

S3，SVM分類器通過特征值識(shí)別用戶初步屬性；

S4，用戶初步屬性識(shí)別完成之后，進(jìn)行行為識(shí)別判斷得到用戶最終屬性，從而判斷該用戶為駕駛員或者乘客。

所述的基于智能手機(jī)的駕駛員識(shí)別方法，優(yōu)選的，所述S1的方位狀態(tài)判斷包括：

A，當(dāng)智能手機(jī)屏幕朝向身體外側(cè)時(shí)，Y軸的方向和重力加速度的方向相反狀態(tài)；

B，當(dāng)智能手機(jī)屏幕朝向身體外側(cè)時(shí)，Y軸的方向和重力加速度的方向相同狀態(tài)；

C，當(dāng)智能手機(jī)屏幕朝向身體內(nèi)側(cè)時(shí)，Y軸的方向和重力加速度的方向相反狀態(tài)；

D，當(dāng)智能手機(jī)屏幕朝向身體內(nèi)側(cè)時(shí)，Y軸的方向和重力加速度的方向相同狀態(tài)；

E，將采集的方向狀態(tài)調(diào)整為B狀態(tài)。

所述的基于智能手機(jī)的駕駛員識(shí)別方法，優(yōu)選的，所述方向狀態(tài)調(diào)整為B狀態(tài)的步驟包括：

S1-1，將A狀態(tài)進(jìn)行調(diào)整，如果智能手機(jī)傳感器在Y軸上采集輸出數(shù)據(jù)為正則變成負(fù)，如果智能手機(jī)傳感器在Y軸上采集輸出數(shù)據(jù)為負(fù)則變成正；

S1-2，將C狀態(tài)進(jìn)行調(diào)整，如果智能手機(jī)傳感器在X軸上采集輸出數(shù)據(jù)為正則變成負(fù)，如果智能手機(jī)傳感器在X軸上采集輸出數(shù)據(jù)為負(fù)則變成正，如果智能手機(jī)傳感器在Z軸上采集輸出數(shù)據(jù)為正則變成負(fù)，如果智能手機(jī)傳感器在Z軸上采集輸出數(shù)據(jù)為負(fù)則變成正；

S1-3，將D狀態(tài)進(jìn)行調(diào)整，如果智能手機(jī)傳感器在X軸上采集輸出數(shù)據(jù)為正則變成負(fù)，如果智能手機(jī)傳感器在X軸上采集輸出數(shù)據(jù)為負(fù)則變成正，如果智能手機(jī)傳感器在Y軸上采集輸出數(shù)據(jù)為正則變成負(fù)，如果智能手機(jī)傳感器在Y軸上采集輸出數(shù)據(jù)為負(fù)則變成正，如果智能手機(jī)傳感器在Z軸上采集輸出數(shù)據(jù)為正則變成負(fù)，如果智能手機(jī)傳感器在Z軸上采集輸出數(shù)據(jù)為負(fù)則變成正。

所述的基于智能手機(jī)的駕駛員識(shí)別方法，優(yōu)選的，所述S2的時(shí)間窗口內(nèi)進(jìn)行特征值提取的步驟包括：

S2-1，采集到的數(shù)據(jù)會(huì)被放進(jìn)固定大小的時(shí)間窗口內(nèi)，保證時(shí)間窗口的大小不變性，當(dāng)有新數(shù)據(jù)過來時(shí)，將會(huì)刪除較早時(shí)間的傳感器數(shù)據(jù)；維持特定大小的時(shí)間窗口，同時(shí)負(fù)責(zé)從現(xiàn)有時(shí)間窗口數(shù)據(jù)中提取特征值，從而進(jìn)行駕駛員或者乘客判斷過程。

上述技術(shù)方案的有益效果為：通過時(shí)間窗口的分割可以依次對特征值進(jìn)行判斷，隨著時(shí)間的推移，以及在一個(gè)特定時(shí)間段之內(nèi)，其行為是相對固定的，從而更加準(zhǔn)確的判斷特征值從而判斷用戶是駕駛員或者乘客。

所述的基于智能手機(jī)的駕駛員識(shí)別方法，優(yōu)選的，所述S3用戶初步屬性識(shí)別步驟包括：

S3-1，當(dāng)智能手機(jī)放置在用戶的上衣口袋時(shí)，用戶上車后將會(huì)向左側(cè)轉(zhuǎn)動(dòng)上半身拉動(dòng)安全帶，然后再向右側(cè)轉(zhuǎn)動(dòng)上半身去系安全帶，通過身體轉(zhuǎn)動(dòng)方向特征值判斷用戶在左側(cè)上車，如果沒有S3-1操作，則執(zhí)行S3-2；

S3-2，當(dāng)智能手機(jī)放置在用戶的上衣口袋時(shí)，用戶上車后將會(huì)向右側(cè)轉(zhuǎn)動(dòng)上半身拉動(dòng)安全帶，然后再向左側(cè)轉(zhuǎn)動(dòng)上半身去系安全帶，通過身體轉(zhuǎn)動(dòng)方向特征值判斷用戶在右側(cè)上車，如果沒有S3-1和S3-2操作，則執(zhí)行S3-3；

S3-3，當(dāng)智能手機(jī)放置在用戶的右側(cè)腿褲兜時(shí)，用戶左側(cè)進(jìn)入汽車先抬右側(cè)腿，然后將右側(cè)腿伸進(jìn)汽車內(nèi)，再抬起左側(cè)腿進(jìn)入汽車，通過右側(cè)腿部特征值判斷用戶在左側(cè)上車，如果沒有S3-3操作，則執(zhí)行S3-4；

S3-4，當(dāng)智能手機(jī)放置在用戶的右側(cè)腿褲兜時(shí)，用戶右側(cè)進(jìn)入汽車先抬左側(cè)腿，然后將左側(cè)腿伸進(jìn)汽車內(nèi)，再抬起右側(cè)腿進(jìn)入汽車，通過右側(cè)腿部特征值判斷用戶在右側(cè)上車，如果沒有S3-3和S3-4操作，則執(zhí)行S3-5；

S3-5，當(dāng)智能手機(jī)放置在用戶的左側(cè)腿褲兜時(shí)，用戶左側(cè)進(jìn)入汽車先抬右側(cè)腿，然后將右側(cè)腿伸進(jìn)汽車內(nèi)，再抬起左側(cè)腿進(jìn)入汽車，通過左側(cè)腿部特征值判斷用戶在左側(cè)上車，如果沒有S3-5操作，則執(zhí)行S3-6；

S3-6，當(dāng)智能手機(jī)放置在用戶的左側(cè)腿褲兜時(shí)，用戶右側(cè)進(jìn)入汽車先抬左側(cè)腿，然后將左側(cè)腿伸進(jìn)汽車內(nèi)，再抬起右側(cè)腿進(jìn)入汽車，通過左側(cè)腿部特征值判斷用戶在右側(cè)上車，執(zhí)行S3-7；

S3-7，通過系安全帶的身體轉(zhuǎn)動(dòng)方向特征值和上車抬腿時(shí)右側(cè)腿部特征值和左側(cè)腿部特征值的差異，區(qū)分用戶左側(cè)上車還是右側(cè)上車，完成用戶初步屬性判斷。

上述技術(shù)方案的有益效果為：對于智能手機(jī)采集的波形數(shù)據(jù)從中提煉歸類出相應(yīng)的特征值，從而實(shí)現(xiàn)對用戶初步屬性判斷，上述步驟的邏輯關(guān)系是從整體上進(jìn)行綜合判斷分析，從而增加判斷的準(zhǔn)確性。

所述的基于智能手機(jī)的駕駛員識(shí)別方法，優(yōu)選的，所述S4用戶最終屬性判斷步驟包括：

S4-1，當(dāng)智能手機(jī)放在用戶放在右腿褲兜時(shí)，根據(jù)踩剎車特征值判斷用戶為駕駛員，如果沒有采集到S4-1的操作，則執(zhí)行S4-2；

S4-2，當(dāng)智能手機(jī)放在用戶放在右腿褲兜時(shí)，根據(jù)踩油門特征值判斷用戶為駕駛員，如果沒有采集到S4-2的操作，則執(zhí)行S4-3；

S4-3，當(dāng)用戶進(jìn)行轉(zhuǎn)動(dòng)方向盤的動(dòng)作，根據(jù)轉(zhuǎn)動(dòng)方向盤特征值判斷用戶為駕駛員，如果沒有采集到S4-3的操作，則執(zhí)行S4-4；

S4-4，汽車在經(jīng)過不平路面時(shí)，由于前車輪先過不平路面，采集顛簸狀態(tài)特征值，如果前一時(shí)間窗口的顛簸狀態(tài)特征值大于后一時(shí)間窗口的顛簸狀態(tài)特征值，則判斷為駕駛員，如果前一時(shí)間窗口的顛簸狀態(tài)特征值小于后一時(shí)間窗口的顛簸狀態(tài)特征值，則判斷為乘客。

上述技術(shù)方案的有益效果為：對于智能手機(jī)采集的波形數(shù)據(jù)從中提煉歸類出相應(yīng)的特征值，從而實(shí)現(xiàn)對用戶最終屬性判斷，上述步驟的邏輯關(guān)系是從整體上進(jìn)行綜合判斷分析，從而增加判斷的準(zhǔn)確性。

所述的基于智能手機(jī)的駕駛員識(shí)別方法，優(yōu)選的，所述SVM分類器分類的步驟包括：

上衣口袋訓(xùn)練過程，將智能手機(jī)放置在用戶上衣口袋時(shí)，根據(jù)該用戶行為動(dòng)作的時(shí)間窗口，對系安全帶、左腿上車、右腿上車、踩剎車、踩油門、轉(zhuǎn)動(dòng)方向盤、經(jīng)過不平路面的行為動(dòng)作進(jìn)行記錄，提取相應(yīng)時(shí)間窗口的行為動(dòng)作特征值，收集若干該用戶的行為動(dòng)作特征值，通過SVM分類器進(jìn)行訓(xùn)練；

上衣口袋分類過程，將訓(xùn)練完成的系安全帶、左腿上車、右腿上車、踩剎車、踩油門、轉(zhuǎn)動(dòng)方向盤、經(jīng)過不平路面的行為動(dòng)作進(jìn)行分類，形成系安全帶、左腿上車、右腿上車、踩剎車、踩油門、轉(zhuǎn)動(dòng)方向盤、經(jīng)過不平路面的動(dòng)作標(biāo)簽特征值，從而形成上衣口袋行為特征值；

左側(cè)褲兜訓(xùn)練過程，將智能手機(jī)放置在用戶左側(cè)褲兜時(shí)，根據(jù)該用戶行為動(dòng)作的時(shí)間窗口，對系安全帶、左腿上車、右腿上車、踩剎車、踩油門、轉(zhuǎn)動(dòng)方向盤、經(jīng)過不平路面的行為動(dòng)作進(jìn)行記錄，提取相應(yīng)時(shí)間窗口的行為動(dòng)作特征值，收集若干該用戶的行為動(dòng)作特征值，通過SVM分類器進(jìn)行訓(xùn)練；

左側(cè)褲兜分類過程，將訓(xùn)練完成的系安全帶、左腿上車、右腿上車、踩剎車、踩油門、轉(zhuǎn)動(dòng)方向盤、經(jīng)過不平路面的行為動(dòng)作進(jìn)行分類，形成系安全帶、左腿上車、右腿上車、踩剎車、踩油門、轉(zhuǎn)動(dòng)方向盤、經(jīng)過不平路面的動(dòng)作標(biāo)簽特征值，從而形成左側(cè)褲兜行為特征值；

右側(cè)褲兜訓(xùn)練過程，將智能手機(jī)放置在用戶右側(cè)褲兜時(shí)，根據(jù)該用戶行為動(dòng)作的時(shí)間窗口，對系安全帶、左腿上車、右腿上車、踩剎車、踩油門、轉(zhuǎn)動(dòng)方向盤、經(jīng)過不平路面的行為動(dòng)作進(jìn)行記錄，提取相應(yīng)時(shí)間窗口的行為動(dòng)作特征值，收集若干該用戶的行為動(dòng)作特征值，通過SVM分類器進(jìn)行訓(xùn)練；

右側(cè)褲兜分類過程，將訓(xùn)練完成的系安全帶、左腿上車、右腿上車、踩剎車、踩油門、轉(zhuǎn)動(dòng)方向盤、經(jīng)過不平路面的行為動(dòng)作進(jìn)行分類，形成系安全帶、左腿上車、右腿上車、踩剎車、踩油門、轉(zhuǎn)動(dòng)方向盤、經(jīng)過不平路面的動(dòng)作標(biāo)簽特征值，從而形成右側(cè)褲兜行為特征值。

上述技術(shù)方案的有益效果為：通過對SVM分類器進(jìn)行訓(xùn)練和分離，采集足夠多的用戶行為樣本，將數(shù)據(jù)放入SVM分類器進(jìn)行訓(xùn)練和分類，將判斷的行為更加準(zhǔn)確。

綜上所述，由于采用了上述技術(shù)方案，本發(fā)明的有益效果是：

綜合以上情況，本發(fā)明提出基于智能手機(jī)的駕駛員識(shí)別。本發(fā)明提出的解決方案旨在僅通過單個(gè)智能手機(jī)自帶的傳感器，不借助任何其他外界設(shè)備和網(wǎng)絡(luò)環(huán)境，識(shí)別汽車中的手機(jī)用戶是否為駕駛員。在該方案的基礎(chǔ)上可以設(shè)計(jì)很多有用的擴(kuò)展應(yīng)用：如當(dāng)識(shí)別出手機(jī)用戶是駕駛員時(shí)，可以記錄駕駛員的駕駛時(shí)間；若超過安全駕駛時(shí)間限制，可以通過智能手機(jī)提醒其已處于疲勞駕駛狀態(tài)。也可以在識(shí)別出手機(jī)用戶是駕駛員的情況下將相關(guān)的駕駛數(shù)據(jù)(駕駛的平均速度，所處位置，駕駛的時(shí)長等)上傳給交通安全部門，在此基礎(chǔ)上可以進(jìn)行數(shù)據(jù)分析獲得與交通相關(guān)的信息。在阻止手機(jī)分散駕駛員注意力方面，可以設(shè)置阻攔手機(jī)來電，禁止對手機(jī)的相關(guān)操作，阻止一些APP的推送通知等安全策略。以上列舉的這些應(yīng)用在成功識(shí)別出駕駛員的基礎(chǔ)上將能提供更加有效的功能和更友好的體驗(yàn)。

本發(fā)明提出的駕駛員識(shí)別方案的主要思想是通過駕駛員和乘客一些特有的微小行為動(dòng)作來區(qū)分駕駛員和乘客。經(jīng)過觀察和分析可知，駕駛員和乘客會(huì)各自表現(xiàn)出一些特有的微小動(dòng)作。這些微小行為將會(huì)在智能手機(jī)內(nèi)嵌的傳感器輸出的數(shù)據(jù)上有所體現(xiàn)。反過來，可以通過傳感器采集到的數(shù)據(jù)識(shí)別出駕駛員和乘客各自的特有動(dòng)作，從而達(dá)到識(shí)別出駕駛員的目的。

本發(fā)明的附加方面和優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實(shí)踐了解到。

附圖說明

本發(fā)明的上述和/或附加的方面和優(yōu)點(diǎn)從結(jié)合下面附圖對實(shí)施例的描述中將變得明顯和容易理解，其中：

圖1是本發(fā)明總體示意圖；

圖2是本發(fā)明實(shí)施例手機(jī)放置在身體位置示意圖；

圖3是本發(fā)明手機(jī)設(shè)備手機(jī)坐標(biāo)系和全球坐標(biāo)系示意圖；

圖4是本發(fā)明駕駛員系安全帶時(shí)陀螺儀Y軸上的數(shù)據(jù)波形圖；

圖5是本發(fā)明行為識(shí)別流程圖；

圖6是本發(fā)明實(shí)施例示意圖；

圖7是本發(fā)明實(shí)施例示意圖；

圖8是本發(fā)明實(shí)施例示意圖；

圖9是本發(fā)明實(shí)施例示意圖；

圖10是本發(fā)明訓(xùn)練分類器工作方法圖；

圖11是本發(fā)明分類器劃分工作方法圖；

圖12是本發(fā)明汽車左側(cè)和右側(cè)系安全帶在陀螺儀Y軸上信號對比圖；

圖13是本發(fā)明汽車左側(cè)和右側(cè)內(nèi)腿抬腿在陀螺儀Y軸上信號對比圖；

圖14是本發(fā)明汽車左側(cè)和右側(cè)外腿抬腿在陀螺儀Y軸上信號對比圖；

圖15是本發(fā)明汽車左側(cè)和右側(cè)外腿抬腿在陀螺儀Z軸上信號對比圖；

圖16是本發(fā)明踩剎車時(shí)左腿和右腿在陀螺儀Y軸上的區(qū)別圖；

圖17是本發(fā)明轉(zhuǎn)彎時(shí)駕駛員和乘客在陀螺儀Y軸上的波形比較圖；

圖18是本發(fā)明過減速帶時(shí)前側(cè)后后側(cè)的波形差異圖；

圖19是本發(fā)明二維分類的兩類樣本分類示意圖。

具體實(shí)施方式

下面詳細(xì)描述本發(fā)明的實(shí)施例，所述實(shí)施例的示例在附圖中示出，其中自始至終相同或類似的標(biāo)號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實(shí)施例是示例性的，僅用于解釋本發(fā)明，而不能理解為對本發(fā)明的限制。

在本發(fā)明的描述中，需要理解的是，術(shù)語“縱向”、“橫向”、“上”、“下”、“前”、“后”、“左”、“右”、“豎直”、“水平”、“頂”、“底”“內(nèi)”、“外”等指示的方位或位置關(guān)系為基于附圖所示的方位或位置關(guān)系，僅是為了便于描述本發(fā)明和簡化描述，而不是指示或暗示所指的裝置或元件必須具有特定的方位、以特定的方位構(gòu)造和操作，因此不能理解為對本發(fā)明的限制。

在本發(fā)明的描述中，除非另有規(guī)定和限定，需要說明的是，術(shù)語“安裝”、“相連”、“連接”應(yīng)做廣義理解，例如，可以是機(jī)械連接或電連接，也可以是兩個(gè)元件內(nèi)部的連通，可以是直接相連，也可以通過中間媒介間接相連，對于本領(lǐng)域的普通技術(shù)人員而言，可以根據(jù)具體情況理解上述術(shù)語的具體含義。

如圖1所示，本發(fā)明公開一種基于智能手機(jī)的駕駛員識(shí)別方法，其特征在于，包括如下步驟：

S1，用戶攜帶智能手機(jī)后，智能手機(jī)數(shù)據(jù)采集模塊進(jìn)行方位狀態(tài)判斷，根據(jù)方向調(diào)整方法將智能手機(jī)方位進(jìn)行調(diào)整統(tǒng)一，然后執(zhí)行S2；

S2，調(diào)整統(tǒng)一后的手機(jī)定位數(shù)據(jù)將被放入智能手機(jī)數(shù)據(jù)分析模塊的時(shí)間窗口內(nèi)進(jìn)行特征值提取；

S3，SVM分類器通過特征值識(shí)別用戶初步屬性；

S4，用戶初步屬性識(shí)別完成之后，進(jìn)行行為識(shí)別判斷得到用戶最終屬性，從而判斷該用戶為駕駛員或者乘客。

智能手機(jī)進(jìn)行駕駛員和乘客判斷過程中，特殊的微小動(dòng)作持續(xù)的時(shí)間很短，系安全帶的整個(gè)動(dòng)作時(shí)間只有4秒，抬腿上車的整個(gè)動(dòng)作只有3秒。而隨著時(shí)間的推移，坐在汽車內(nèi)部的人，手機(jī)傳感器輸出的數(shù)據(jù)整體是相似的，因?yàn)槎际亲谄囍?，共同承受著汽車運(yùn)動(dòng)帶來的影響。所以，基于智能手機(jī)的駕駛員識(shí)別必需做到在特殊動(dòng)作發(fā)生時(shí)實(shí)時(shí)地捕捉。而不能將數(shù)據(jù)采集后進(jìn)行離線分析。如何進(jìn)行實(shí)時(shí)地識(shí)別持續(xù)時(shí)間短的行為也是這個(gè)方案中的難點(diǎn)。

基于智能手機(jī)的駕駛員識(shí)別方案將針對以上提出的難點(diǎn)，不依賴于汽車上的硬件以及其他硬件設(shè)備的支持，也不需要手機(jī)連接汽車內(nèi)部網(wǎng)絡(luò)或者兩臺(tái)手機(jī)相互連接。僅僅利用一臺(tái)智能手機(jī)，對駕駛員和乘客的特定行為進(jìn)行識(shí)別和分析，最終識(shí)別出手機(jī)用戶是駕駛員還是乘客。

圖1為基于智能手機(jī)的駕駛員識(shí)別的系統(tǒng)原理圖。本系統(tǒng)主要有數(shù)據(jù)采集，數(shù)據(jù)處理，左右檢測，前后檢測和識(shí)別結(jié)果五個(gè)部分組成。數(shù)據(jù)采集部分會(huì)采集智能手機(jī)加速度傳感器和陀螺儀的數(shù)據(jù)，隨后將采集得到的原始數(shù)據(jù)交給數(shù)據(jù)處理部分進(jìn)行處理。數(shù)據(jù)處理部分通過重力傳感器和指南針對原始數(shù)據(jù)進(jìn)行方向的調(diào)整，在這個(gè)部分，將通過數(shù)據(jù)調(diào)整解決手機(jī)放置方向的問題。調(diào)整后的數(shù)據(jù)將被放入時(shí)間窗口內(nèi)進(jìn)行特征值提取。提取后的特征值將被用來檢測左右。當(dāng)通過左右檢測后，要是結(jié)果為右則為乘客。為左則繼續(xù)進(jìn)行前后檢測。前后檢測的結(jié)果為前則為駕駛員。前后檢測為后則為乘客。

整個(gè)系統(tǒng)的執(zhí)行過程中只需要智能手機(jī)內(nèi)嵌傳感器(重力傳感器、加速度傳感器、壓力傳感器、陀螺儀等)的數(shù)據(jù)，無需任何其他硬件和網(wǎng)絡(luò)支持。

手機(jī)位置的確定

經(jīng)過對問題的分析，本發(fā)明提出的基于智能手機(jī)的駕駛員識(shí)別系統(tǒng)假設(shè)在識(shí)別時(shí)手機(jī)是放在用戶身上的。本發(fā)明是通過智能手機(jī)內(nèi)嵌傳感器采集用戶在做動(dòng)作行為時(shí)所產(chǎn)生的傳感器數(shù)據(jù)。在這些數(shù)據(jù)的基礎(chǔ)上，再進(jìn)行相關(guān)算法進(jìn)行駕駛員識(shí)別。當(dāng)手機(jī)不在駕駛員身上時(shí)，也就不存在通過手機(jī)用戶行為識(shí)別駕駛員。所以，這個(gè)假設(shè)是合理的。通過觀察發(fā)現(xiàn)，當(dāng)駕駛員或者乘客將手機(jī)放在身上時(shí)，會(huì)經(jīng)常將手機(jī)放在上衣口袋和褲兜里，如圖2所示。其中分別放置在上衣口袋，左側(cè)褲兜，右側(cè)褲兜。本系統(tǒng)將基于手機(jī)放置在這三個(gè)位置上的假設(shè)設(shè)計(jì)和實(shí)現(xiàn)。

除了手機(jī)在身體上放置的位置外，手機(jī)的放置方向也會(huì)影響傳感器的數(shù)據(jù)。智能手機(jī)有自己的坐標(biāo)系統(tǒng)，稱為設(shè)備坐標(biāo)系。設(shè)備坐標(biāo)系的詳細(xì)情況，以及設(shè)備坐標(biāo)系和全球坐標(biāo)系的對應(yīng)情況如圖3所示。手機(jī)傳感器，如加速度傳感器，會(huì)將傳感得到的加速度數(shù)值映射到設(shè)備坐標(biāo)系的三個(gè)軸上進(jìn)行輸出。三軸加速度傳感器返回三維數(shù)據(jù)，那么某一時(shí)刻t的加速度a(t)表示如下：

$a\left(t\right)=\stackrel{\→}{a_x}+\stackrel{\→}{a_y}+\stackrel{\→}{a_z}$

其中表示X軸方向上的加速度分量；其中表示Y軸方向上的加速度分量；其中表示Z軸方向上的加速度分量。

陀螺儀能夠測量不同方向上的角速度變化，陀螺儀測量物體繞三軸轉(zhuǎn)動(dòng)的角速度，因此某一時(shí)刻的的合角速度g(t)表示如下：

$g\left(t\right)=\stackrel{\→}{g_x}+\stackrel{\→}{g_y}+\stackrel{\→}{g_z}$

其中表示X軸方向上的加速度分量；其中表示Y軸方向上的加速度分量；其中表示Z軸方向上的加速度分量。

當(dāng)手機(jī)屏幕朝上放在水平面上，加速度傳感器Z軸的輸出為-9.8m/s²，當(dāng)手機(jī)屏幕朝下放在水平面上時(shí)，加速度傳感器Z軸的輸出為+9.8m/s²。所以手機(jī)方向也會(huì)影響智能手機(jī)傳感器的輸出。當(dāng)手機(jī)放置在圖2標(biāo)注的三個(gè)位置上時(shí)，手機(jī)放置的位置有四種情況。這四種情況為，第一種情況為手機(jī)屏幕朝向身體外，Y軸的方向和重力加速度的方向相反。第二種情況為手機(jī)屏幕朝向身體外，Y軸的方向和重力加速度的方向相同。第三種情況為手機(jī)屏幕朝向身體，Y軸的方向和重力加速度的方向相反。第四種情況為手機(jī)屏幕朝向身體，Y軸的方向和重力加速度的方向相同。通過對傳感器數(shù)據(jù)的分析，發(fā)現(xiàn)可以將四種可能的放置方向調(diào)整成第二種放置方向。

詳細(xì)的調(diào)整方向?yàn)椋?1)對于第一種情況，將手機(jī)傳感器在Y軸上的輸出數(shù)據(jù)正負(fù)置反(正的變成負(fù)的，負(fù)的變成正的)；

(2)對于第三種的情況，將手機(jī)傳感器在X，Z軸上的輸出數(shù)據(jù)正負(fù)置反；

(3)對于第四種情況，將手機(jī)傳感器在X，Y，Z軸上的輸出數(shù)據(jù)正負(fù)置反。

特殊動(dòng)作檢測

由于人類行為的不確定性導(dǎo)致除了駕駛員和乘客的特殊動(dòng)作行為外還有其他很多其他的行為，例如：系安全帶，開門上車；但是通過組合多個(gè)傳感器的輸出數(shù)據(jù)，駕駛員和乘客特殊行為的信號依然有很強(qiáng)的特點(diǎn)。圖4顯示的是駕駛員系安全帶時(shí)陀螺儀上數(shù)據(jù)的變化。從圖4的波形圖中可以看出，當(dāng)手機(jī)放置在用戶上衣口袋，手機(jī)按圖2中第一種情況放置，當(dāng)駕駛員向左轉(zhuǎn)動(dòng)身體在陀螺儀的Y軸上將會(huì)產(chǎn)生正的波動(dòng)，拉動(dòng)安全帶后，將向右轉(zhuǎn)動(dòng)身體系安全帶，此時(shí)波形圖產(chǎn)生了一個(gè)負(fù)的波動(dòng)。由此可知，每一個(gè)特定動(dòng)作在傳感器的波形上都會(huì)有獨(dú)特的特征。

本發(fā)明將通過SVM工具，對每個(gè)動(dòng)作波形進(jìn)行特征提取訓(xùn)練得到SVM分類器，通過SVM分類器在眾多動(dòng)作中找到特殊行為動(dòng)作。

本發(fā)明采用的模式識(shí)別算法是支持向量機(jī)(Support Vector Machines，SVM)，是在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上發(fā)展而來的一種新的模式識(shí)別方法。SVM克服了傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法中合理結(jié)構(gòu)難以確定和存在局部最優(yōu)等缺陷，提高了方法的推廣能力。由于采用了結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則代替經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則，因此較好的解決了小樣本學(xué)習(xí)的問題，在小樣本、非線性及高維模式識(shí)別問題中表現(xiàn)出許多特有的優(yōu)勢，得到了廣泛的應(yīng)用。

支持向量機(jī)是從線性可分情況下的最優(yōu)分類面發(fā)展而來的，其基本思想是在兩類樣本之間尋找一個(gè)最優(yōu)分類面，該最優(yōu)分類面要在保證正確區(qū)分兩類樣本的同時(shí)使兩者之間的分類間隔最大。以一個(gè)二維分類問題為例進(jìn)行說明，圖19所示，其中圓形點(diǎn)和方形點(diǎn)分別代表兩類樣本，H為分類線，H1、H2與H平行且分別經(jīng)過兩類樣本中離H最近的樣本，H1、H2之間的距離即為分類間隔(margin)。分類線方程為

w·x+b＝0

(w是分類線的斜率，b是分類線的截距)

可以對其進(jìn)行歸一化，使得對線性可分樣本集

(x_i,y_i),i＝1,n,x∈R^d,y∈{+1,1}，滿足

y_i[w·x_i+b]-1≥0,i＝1,…,n

滿足上式且使||w||最小的分類面就叫做最優(yōu)分類面，H1、H2上的訓(xùn)練樣本就稱作支持向量。此時(shí)樣本的分類間隔為分類線w·x+b＝1與w·x+b＝-1的距離，即

$2\×\frac{|wx-b|}{\left|\right|w\left|\right|}=2\×\frac{1}{\left|\right|w\left|\right|}$

利用Lagrange優(yōu)化方法可以把上述最優(yōu)分類面問題轉(zhuǎn)化為相應(yīng)對偶問題，在約束條件

$\underset{i=1}{\overset{n}{\Σ}}{y}_i{\mathrm{\α}}_i=0,{\mathrm{\α}}_i\≥0,i=1,\mathrm{...},n$

下對α_i求解下列函數(shù)的最大值

α_i為每個(gè)約束條件對應(yīng)的Lagrange乘子。在不等式約束下二次函數(shù)尋優(yōu)，存在唯一的解。求解得到的最優(yōu)分類函數(shù)為

$f\left(x\right)=\mathrm{sgn}\{w\·x+b\}=\mathrm{sgn}\{\underset{i=1}{\overset{n}{\Σ}}{\mathrm{\α}}_i^{*}{y}_i(x_i\·x)+b^{*}\}$

其中的求和部分只對支持向量進(jìn)行。b是分類閾值，可以用任一支持向量求得，或通過兩類中任意一對支持向量取中值求得。以上介紹的是線性可分的情況，而對于非線性分類問題，支持向量機(jī)方法的基本思路是：首先通過非線性變換將原始空間變換到某個(gè)高維空間，該步驟的目的是將原始空間中的非線性問題轉(zhuǎn)變?yōu)楦呔S空間中的線性問題，然后在變換所得空間中求取最優(yōu)分類面，從而實(shí)現(xiàn)分類。

如圖4所示，利用時(shí)間窗口解決動(dòng)作行為持續(xù)時(shí)間短的問題。對于每一個(gè)特殊的微小動(dòng)作行為來說，僅僅從傳感器輸出數(shù)據(jù)繪制的波形上能看出哪一段波形對應(yīng)什么動(dòng)作。但是，如何實(shí)時(shí)根據(jù)傳感器數(shù)據(jù)識(shí)別出特定動(dòng)作，本發(fā)明采取時(shí)間窗口的方式對傳感器數(shù)據(jù)進(jìn)行處理。在處理傳感器輸出數(shù)據(jù)時(shí)，維持特定窗口大小(一般2秒左右)的傳感器數(shù)據(jù)。然后對窗口中的數(shù)據(jù)進(jìn)行特征值提取，利用SVM分類器進(jìn)行實(shí)時(shí)分類。這樣保證了當(dāng)某個(gè)特定動(dòng)作出現(xiàn)的時(shí)候能立刻識(shí)別出來。

經(jīng)過圖4分析，基于智能手機(jī)的駕駛員識(shí)別系統(tǒng)，將充分利用智能手機(jī)傳感器(加速度傳感器，陀螺儀，GPS等)，通過傳感器得到用戶行為動(dòng)作的輸出信號，然后對這個(gè)信號按照特定時(shí)間窗口進(jìn)行切割，對時(shí)間窗口中的數(shù)據(jù)信號提取指定的特征值交由SVM分類器進(jìn)行分類從而達(dá)到了實(shí)時(shí)捕捉到特殊動(dòng)作的目的。本發(fā)明提出的方案利用SVM分類器對特殊動(dòng)作的識(shí)別。識(shí)別出的結(jié)果可以用來為很多應(yīng)用服務(wù)，猶如本發(fā)明中所述的應(yīng)用等。

1)數(shù)據(jù)采集模塊：該模塊主要利用智能手機(jī)內(nèi)嵌傳感器采集用戶做出動(dòng)作時(shí)產(chǎn)生的數(shù)據(jù)。利用智能手機(jī)傳感器有加速度傳感器，陀螺儀，指南針，GPS等。該模塊采集實(shí)時(shí)的數(shù)據(jù)交給數(shù)據(jù)處理模塊進(jìn)行處理。

2)數(shù)據(jù)處理模塊：該模塊主要維持著一定大小時(shí)間窗口的數(shù)據(jù)。由數(shù)據(jù)采集模塊采集到的數(shù)據(jù)會(huì)被放進(jìn)固定大小的時(shí)間窗口內(nèi)，為了保證時(shí)間窗口的大小不變性，當(dāng)有新數(shù)據(jù)過來時(shí)，將會(huì)刪除較早時(shí)間的傳感器數(shù)據(jù)。除了維持特定大小的時(shí)間窗口外，該模塊也負(fù)責(zé)從現(xiàn)有時(shí)間窗口數(shù)據(jù)中提取特征值，如平均值方差等。將處理得到的特征值交給行為識(shí)別模塊。

3)行為識(shí)別模塊：該模塊主要利用前期制作好的SVM分類器對數(shù)據(jù)處理模塊傳輸過來的特征值進(jìn)行分類。當(dāng)識(shí)別為特定的動(dòng)作時(shí)，將按照圖5的流程進(jìn)行狀態(tài)的轉(zhuǎn)移。通過一步步的狀態(tài)轉(zhuǎn)移將最終判斷用戶是否為駕駛員。當(dāng)識(shí)別到用戶為駕駛員或者是乘客的時(shí)將識(shí)別結(jié)果給其他應(yīng)用模塊。

4)其他應(yīng)用模塊：行為識(shí)別模塊識(shí)別出的結(jié)果，也就是用戶是乘客還是駕駛員這個(gè)信息將能被很多其他的應(yīng)用所使用，如安全駕駛應(yīng)用，道路狀況監(jiān)測應(yīng)用等。本發(fā)明提出的方案僅僅解決識(shí)別手機(jī)用戶是否為駕駛員的問題。這個(gè)結(jié)果將為其他應(yīng)用提供更深層次的服務(wù)。

基于智能手機(jī)的駕駛員識(shí)別系統(tǒng)主要利用駕駛員和乘客的特殊動(dòng)作行為進(jìn)行識(shí)別。經(jīng)過分析得出，利用駕駛員和乘客的上車動(dòng)作，系安全帶動(dòng)作，可以識(shí)別出手機(jī)用戶是從左邊上車還是從右邊上車。在右側(cè)上車的一定是乘客。而在左側(cè)上車將要區(qū)分左側(cè)乘客和駕駛員。在區(qū)分左側(cè)乘客和駕駛員上，駕駛員轉(zhuǎn)動(dòng)方向盤，踩剎車的行為是駕駛員特有的，同時(shí)，在汽車過想減速帶等不平的路面時(shí)也能區(qū)分出駕駛員和乘客。

各個(gè)特定動(dòng)作的介紹如下：

1)系安全帶

這個(gè)行為動(dòng)作被用來區(qū)分手機(jī)用戶在汽車左側(cè)還是右側(cè)。行為如圖6所示。當(dāng)手機(jī)放置在用戶的上衣口袋時(shí)，用戶上車后將會(huì)轉(zhuǎn)動(dòng)上半身去拉安全帶，然后再轉(zhuǎn)動(dòng)上半身去系安全帶。這個(gè)轉(zhuǎn)動(dòng)方向在汽車左側(cè)和右側(cè)正好相反。

2)上車抬腿

這個(gè)行為動(dòng)作用來區(qū)分當(dāng)手機(jī)放置在褲兜時(shí)用戶在汽車的左側(cè)還是右側(cè)。在詳細(xì)介紹前要說明下內(nèi)腿和外腿的概念。內(nèi)腿指的是上車時(shí)靠近汽車的那條腿，而外腿指的是遠(yuǎn)離汽車的那條腿，如當(dāng)在左側(cè)上車時(shí)，人的右腿為內(nèi)腿而左腿為外腿。通過觀察和分析可知，當(dāng)人在進(jìn)入汽車時(shí)要抬腿進(jìn)入汽車。當(dāng)在左側(cè)進(jìn)入汽車時(shí)，人會(huì)先抬內(nèi)側(cè)腿，然后將內(nèi)側(cè)腿伸進(jìn)汽車內(nèi)。然而這個(gè)伸腿的方向在右側(cè)剛剛想反。同樣的，當(dāng)手機(jī)放在外腿上的時(shí)候，也有相同的規(guī)律。因此可以通過上車抬腿時(shí)方向的差異區(qū)分在左側(cè)上車還是右側(cè)上車。

通過系安全帶和上車抬腿的動(dòng)作能區(qū)分手機(jī)用戶在汽車左側(cè)還是右側(cè)。在區(qū)分出在汽車左側(cè)的基礎(chǔ)上，如圖7所示，將通過踩剎車，轉(zhuǎn)動(dòng)方向盤和過不平路面區(qū)分左側(cè)的用戶是駕駛員還是乘客。

3)踩剎車

這個(gè)行為動(dòng)作用來區(qū)分在左側(cè)的手機(jī)用戶是駕駛員還是乘客，如圖7所示。在通過上車抬腿和系安全帶識(shí)別出在左側(cè)后，當(dāng)手機(jī)放在用戶右腿時(shí)，將用這個(gè)動(dòng)作區(qū)分手機(jī)用戶是駕駛員還是乘客。踩剎車或者油門這個(gè)行為動(dòng)作只有駕駛員才有，而坐在左側(cè)的乘客則不會(huì)有。

4)轉(zhuǎn)動(dòng)方向盤

當(dāng)手機(jī)放在上衣口袋時(shí)，通過觀察和分析發(fā)現(xiàn)，當(dāng)汽車在進(jìn)行轉(zhuǎn)彎時(shí)，由于駕駛員要進(jìn)行轉(zhuǎn)動(dòng)方向盤的動(dòng)作，如圖8示。而左側(cè)的乘客則沒有類似特征的動(dòng)作。當(dāng)手機(jī)放在上衣口袋，轉(zhuǎn)彎時(shí)駕駛員轉(zhuǎn)動(dòng)方向盤的動(dòng)作能被智能手機(jī)傳感器感知到。而左側(cè)的乘客的手機(jī)傳感器輸出數(shù)據(jù)則沒有這個(gè)動(dòng)作的信號。

5)過不平路面

當(dāng)手機(jī)放在左腿上時(shí)，在駕駛過程中，自動(dòng)擋汽車左腿沒有特定的動(dòng)作。此時(shí)，本發(fā)明利用汽車經(jīng)過不平路面時(shí)車前側(cè)和后側(cè)顛簸的時(shí)間和程度不同來區(qū)分用戶是在左側(cè)靠前還是在左側(cè)靠后的位置，如圖9所示，左側(cè)靠前的就是駕駛員。汽車在經(jīng)過不平路面時(shí)，由于前車輪先過不平路面，所以，坐在前側(cè)的人的顛簸程度比坐在后側(cè)的人大。當(dāng)后輪經(jīng)過不平路面的時(shí)候，坐在前側(cè)的人的顛簸程度比坐在后側(cè)的人小。這里所提到的不平路面包括：先上坡后下坡、先下坡后上坡、減速隔離帶或者顛簸路面等。

至此，基于智能手機(jī)的駕駛員識(shí)別先通過系安全帶和上車抬腿區(qū)分手機(jī)用戶在左側(cè)上車還是右側(cè)上車。當(dāng)在右側(cè)上車時(shí)則為乘客，當(dāng)在左側(cè)上車時(shí)，再通過踩剎車，轉(zhuǎn)方向盤和過不平路面區(qū)分左側(cè)的用戶是駕駛員還是乘客。

信號處理算法

基于智能手機(jī)的駕駛員識(shí)別通過智能手機(jī)內(nèi)置傳感器對駕駛員和乘客的行為動(dòng)作進(jìn)行感知，再利用SVM分類器識(shí)別出特殊的行為動(dòng)作，結(jié)合識(shí)別出的動(dòng)作推斷手機(jī)用戶是否為駕駛員。詳細(xì)的流程如圖5所示，處理智能手機(jī)傳感器采集的數(shù)據(jù)，對于每個(gè)特殊行為動(dòng)作的信號如何進(jìn)行特征值地提取，使SVM分類器對每個(gè)特定的動(dòng)作有更好的分類準(zhǔn)確率。同時(shí)，該用戶還能夠?qū)⑿袨閿?shù)據(jù)上傳至云端服務(wù)器，在云端服務(wù)器也進(jìn)行SVM分類器的分類操作，增加行為判斷的準(zhǔn)確性。

每個(gè)特定動(dòng)作的處理都是以時(shí)間窗口為單位。

圖10是動(dòng)作分類器的訓(xùn)練算法。先對特殊動(dòng)作的傳感器信號進(jìn)行采集。對采集到的信號進(jìn)行分析，劃分成指定的時(shí)間窗口。隨后對時(shí)間窗口中的數(shù)據(jù)進(jìn)行特征值提取。如何提起特征值，提取什么特征值將在后文介紹。特征值提取后將用來訓(xùn)練分類器。當(dāng)分類訓(xùn)練完后將得到特殊動(dòng)作的分類器。

圖11中對特殊動(dòng)作的分類器特征值進(jìn)行提取。將通過圖10得到的分類器對未知的傳感器信號進(jìn)行分類。對于未知的信號處理方式同訓(xùn)練分類器的方式一致。隨后將提取的特征值交給訓(xùn)練好的分類器。要是特殊的動(dòng)作則輸出相應(yīng)的動(dòng)作標(biāo)簽。

對于時(shí)間窗口中的數(shù)據(jù)，將采取方差，極差，積分等統(tǒng)計(jì)量作為特征值，以下是統(tǒng)計(jì)量的計(jì)算公式：

方差的計(jì)算：

$S^2=\frac{{(x_1,M)}^2+{(x_2,M)}^2+\mathrm{...}+{(x_n,M)}^2}{n}$

公式描述：公式中M為數(shù)據(jù)的平均數(shù)，n為數(shù)據(jù)的個(gè)數(shù)，S²為方差。

平均值計(jì)算：

$Average=\frac{\left({\Σ}_{i=1}^n{x}_i\right)}{n}$

公式描述：公式中Average為數(shù)據(jù)的平均數(shù)，n為數(shù)據(jù)的個(gè)數(shù)，x_i為統(tǒng)計(jì)樣本中的每個(gè)值。

極差計(jì)算：

R＝X_max-X_min

公式描述：公式中R為極差，X_max為統(tǒng)計(jì)樣本中的最大值，X_min為統(tǒng)計(jì)樣本的最小值。

各個(gè)動(dòng)作的信號分析及特征值提取方法

系安全帶信號處理

系安全帶的動(dòng)作被用于識(shí)別用戶在汽車的左側(cè)還是右側(cè)。利用用戶在系安全帶時(shí)身體的轉(zhuǎn)動(dòng)方向不同進(jìn)行區(qū)分。智能手機(jī)內(nèi)嵌的陀螺儀正好適合對轉(zhuǎn)動(dòng)行為的測量。圖6顯示的是用戶系安全帶的動(dòng)作行為在陀螺儀上信號輸出。從圖6中可以看出，在用戶拉安全帶時(shí)陀螺儀Y軸由于身體的轉(zhuǎn)動(dòng)產(chǎn)生了比較大的正方向峰值。緊接著將會(huì)向相反的方向轉(zhuǎn)動(dòng)身體系安全帶，此時(shí)在信號波形上的體現(xiàn)為負(fù)值，同時(shí)產(chǎn)生了一個(gè)波峰。所以從圖6可以證明用戶的行為在傳感器的輸出信號上有很好的體現(xiàn)。

圖12為在汽車左側(cè)和右側(cè)系安全帶時(shí)陀螺儀Y軸上信號對比。從圖中可以明顯看出，在汽車兩側(cè)系安全帶時(shí)陀螺儀Y軸上信號剛好相反，這個(gè)和現(xiàn)實(shí)中的動(dòng)作剛好對應(yīng)，在左側(cè)和右側(cè)系安全帶時(shí)身體轉(zhuǎn)動(dòng)方向的方向正好相反。這個(gè)信號只有當(dāng)手機(jī)放在用戶的上衣口袋才會(huì)被采集到，當(dāng)手機(jī)放在用戶的褲兜中時(shí)則不會(huì)產(chǎn)生這樣的信號。

在處理這個(gè)信號時(shí)，將時(shí)間窗口設(shè)定為4秒。用SVM對系安全帶的行為動(dòng)作進(jìn)行分類。分類的標(biāo)簽為左側(cè)系安全帶，右側(cè)系安全帶，無特定動(dòng)作三種。從時(shí)間窗口中的數(shù)據(jù)中提取特征值有：加速度傳感器三軸信號的方差，陀螺儀Z軸和Y軸的方差，陀螺儀Y軸的平均值和時(shí)間窗口前1.2秒陀螺儀Y軸的積分。雖然在左側(cè)和右側(cè)系安全帶的區(qū)別在陀螺儀Y軸上體現(xiàn)的比較明顯，但是陀螺儀其他軸和加速度傳感器的數(shù)據(jù)將輔助區(qū)分輸入的信號是系安全帶動(dòng)作還是無特定動(dòng)作。

上車抬腿信號處理

上車抬腿這個(gè)行為動(dòng)作只有當(dāng)手機(jī)放在用戶下半身時(shí)才能被檢測到，也就是放在左右腿褲兜中。抬腿進(jìn)車的方向反應(yīng)了用戶從車的左側(cè)上車還是右側(cè)上車。圖15為手機(jī)放在內(nèi)腿從兩側(cè)上車時(shí)，陀螺儀Y軸的輸出信號。

當(dāng)手機(jī)放在內(nèi)腿時(shí)，在車左側(cè)的用戶將會(huì)抬腿然后將腿從左向右移動(dòng)放進(jìn)車內(nèi)，而車右側(cè)的乘客正好相反。結(jié)合圖13看，在左側(cè)的用戶抬腿后將腿放進(jìn)車內(nèi)的動(dòng)作使陀螺儀Y軸信號產(chǎn)生了負(fù)的波峰。而在右側(cè)用戶上車時(shí)的信號波形正好相反，產(chǎn)生了正的波峰，并且兩個(gè)波峰的走勢是相似的。這個(gè)也正好和現(xiàn)實(shí)中的情況相似。也就是說傳感器信號可以反映從車的左側(cè)進(jìn)車還是右側(cè)進(jìn)車。

手機(jī)放在內(nèi)腿和放在外腿在傳感器輸出的信號有所不同。圖14和圖15展示的是手機(jī)放在外腿時(shí)抬腿進(jìn)入車內(nèi)的信號波形的差別。波形上信號的正負(fù)波峰的差別也正是現(xiàn)實(shí)中從汽車左側(cè)和右側(cè)上車時(shí)抬腿方向的不同。

在處理這個(gè)信號時(shí)，由于手機(jī)放在不同腿上輸出的信號不同，所以，將上車抬腿的動(dòng)作分為內(nèi)腿上車和外腿上車。

在處理內(nèi)腿上車這個(gè)信號時(shí)，將時(shí)間窗口設(shè)定為2秒。用SVM分類器對內(nèi)腿上車動(dòng)作進(jìn)行分類。分類的標(biāo)簽為左側(cè)內(nèi)腿，右側(cè)內(nèi)腿，無特定動(dòng)作三種。從時(shí)間窗口中的數(shù)據(jù)中提取的特征值有：加速度傳感器三個(gè)軸和陀螺儀三個(gè)軸的方差，陀螺儀X，Y軸的平均值，陀螺儀X前0.4秒的積分和陀螺儀Y軸后1秒積分。陀螺儀X軸和Y軸積分主要用來區(qū)分在左側(cè)上車還是在右側(cè)上車，但是陀螺儀和加速度傳感器的數(shù)據(jù)的方差值等將輔助區(qū)分輸入的信號是抬腿動(dòng)作還是無特定動(dòng)作。

在處理外腿上車這個(gè)信號時(shí)，將時(shí)間窗口設(shè)定為2秒。用SVM對外腿上車動(dòng)作進(jìn)行分類。分類的標(biāo)簽為左側(cè)外腿，右側(cè)外腿，無特定動(dòng)作三種。從時(shí)間窗口中的數(shù)據(jù)中提取的特征值有：加速度傳感器三個(gè)軸和陀螺儀三個(gè)軸的方差，陀螺儀三軸的平均值，陀螺儀Y軸前1秒的積分和陀螺儀Z軸后1秒積分。陀螺儀Y軸和Z軸積分主要用來區(qū)分在左側(cè)上車還是在右側(cè)上車，但是陀螺儀和加速度傳感器的數(shù)據(jù)的方差等將輔助區(qū)分輸入的信號是抬腿動(dòng)作還是無特定動(dòng)作。

踩剎車信號處理

這個(gè)行為動(dòng)作當(dāng)手機(jī)放在用戶右腿上才有可能被檢測到。駕駛員在駕駛汽車的過程中會(huì)踩剎車和油門。當(dāng)進(jìn)行這個(gè)動(dòng)作時(shí)，智能手機(jī)內(nèi)嵌傳感器能感知到，輸出的波形有圖16所示。

踩剎車和踩油門是先后發(fā)生的。從圖16中可以看出，在踩剎車或油門時(shí)波形比較平凡，額外的動(dòng)一下腿也可能會(huì)產(chǎn)生類似的波形。所以在處理這個(gè)動(dòng)作時(shí)，本方案采取檢測先剎車后踩油門(或者選踩油門后踩剎車)的行為動(dòng)作。整個(gè)信號包含先踩剎車，隨后會(huì)有一段靜止的波形，緊接著會(huì)出現(xiàn)踩油門信號。這些信號在陀螺儀的Y軸上體現(xiàn)的比較明顯。

在處理這個(gè)信號時(shí)，將時(shí)間窗口設(shè)定為3秒。用SVM對踩剎車動(dòng)作進(jìn)行分類。分類的標(biāo)簽為有采剎車動(dòng)作，無特定動(dòng)作兩種。從時(shí)間窗口中的數(shù)據(jù)提取的特征值有：陀螺儀三軸前1秒的方差，加速度三軸后1秒的方差，陀螺儀中間1秒的方差。前1秒和后1秒識(shí)別踩油門或者剎車的行為。中間的1秒識(shí)別中間不動(dòng)的部分。

轉(zhuǎn)動(dòng)方向盤信號處理

這個(gè)行為動(dòng)作是當(dāng)手機(jī)被放在用戶上衣口袋是才可能被感知到。當(dāng)汽車在行駛過程中，會(huì)有轉(zhuǎn)彎的情況發(fā)生。當(dāng)在轉(zhuǎn)彎開始時(shí)，駕駛員要轉(zhuǎn)動(dòng)方向盤進(jìn)行控制，轉(zhuǎn)彎過后，要回正方向盤。這個(gè)行為在駕駛員后方的乘客則沒有，屬于駕駛員特有的行為。圖17展示在轉(zhuǎn)彎時(shí)乘客和駕駛員在傳感器信號波形上的差異。

在轉(zhuǎn)彎時(shí)，由于駕駛員要轉(zhuǎn)動(dòng)方向盤進(jìn)行轉(zhuǎn)向的控制，所以在轉(zhuǎn)彎的起始和結(jié)束階段駕駛員的波形會(huì)出現(xiàn)波動(dòng)，而乘客的波形則是相對比較光滑的，但兩者在中間的時(shí)間段波形相似。這個(gè)也是符合事實(shí)的。借此，當(dāng)通過SVM檢測到有出現(xiàn)類似的波形時(shí)可以識(shí)別出手機(jī)用戶為駕駛員。

在處理這個(gè)信號時(shí)，將時(shí)間窗口設(shè)定為6秒。用SVM對轉(zhuǎn)方向盤動(dòng)作進(jìn)行分類。分類的標(biāo)簽為轉(zhuǎn)動(dòng)方向盤，無特定動(dòng)作兩種。從時(shí)間窗口中的數(shù)據(jù)提取的特征值有：陀螺儀和加速度傳感器Y軸Z軸前2秒，中間2秒和后2秒的方差，前1秒和后一秒的方差主要為識(shí)別轉(zhuǎn)動(dòng)方向盤做貢獻(xiàn)。中間部分主要用來識(shí)別轉(zhuǎn)彎狀態(tài)。

過不平路面信號處理

這個(gè)特定的行為動(dòng)作當(dāng)手機(jī)被放置在用戶左腿上將可能被檢測到。由于汽車型號的不同，存在自動(dòng)擋和手動(dòng)擋。當(dāng)駕駛自動(dòng)擋汽車時(shí)，放在左腿時(shí)并沒有類似于踩剎車的行為。針對這個(gè)情況，通過實(shí)驗(yàn)發(fā)現(xiàn)，當(dāng)汽車在經(jīng)過不平的路面上時(shí)，在左側(cè)的駕駛員和乘客在傳感器信號有差異，如圖18所示。

圖18展示的是汽車過減速帶時(shí)在左側(cè)的駕駛員乘客陀螺儀Y軸上的波形差異。當(dāng)汽車前輪經(jīng)過減速帶，此時(shí)駕駛員由于在汽車前側(cè)，所以產(chǎn)生的顛簸程度較大，在波形上體現(xiàn)的是振幅較大，而后側(cè)的乘客振幅則較小。當(dāng)后輪經(jīng)過減速帶時(shí)則相反，乘客的振幅較大而駕駛員的較小。從而當(dāng)檢測到這種先大后小的波動(dòng)波形時(shí)可以判斷用戶是駕駛員。當(dāng)然這種類似的波動(dòng)趨勢在加速度傳感器上也有所體現(xiàn)。

在處理這個(gè)信號時(shí)，將時(shí)間窗口設(shè)定為1.4秒。用SVM對過不平路面進(jìn)行分類。分類的標(biāo)簽為過不平路面，無特定動(dòng)作兩種。從時(shí)間窗口中的數(shù)據(jù)提取的特征值有：陀螺儀Y軸前0.7秒的極差和后0.7秒的極差的差值，陀螺儀Z軸前0.7秒的極差和后0.7秒的極差的差值，陀螺儀和加速度傳感器三軸的方差。極差的差值主要體現(xiàn)了前半段顛簸和后半段顛簸程度的差異。而方差則體現(xiàn)和其他無關(guān)信號的差異。

在詳細(xì)的介紹上面幾個(gè)特定動(dòng)作后，結(jié)合著圖4的駕駛員識(shí)別流程圖將能有效的識(shí)別智能手機(jī)用戶是否為駕駛員。

當(dāng)手機(jī)放在用戶上衣口袋中，將要通過觀察分析駕駛員和乘客系安全帶的行為。駕駛員在系安全帶時(shí)將先向左轉(zhuǎn)動(dòng)上半身拉安全帶，然后向右轉(zhuǎn)動(dòng)上半身扣上安全帶。這樣的系安全帶行為對于乘客來說正好相反。除此之外，在識(shí)別駕駛員時(shí)，還存在區(qū)分前后的問題。坐在駕駛員正后方的乘客上車時(shí)的動(dòng)作，以及上車后系安全帶的動(dòng)作都和駕駛員相似。此時(shí)如果手機(jī)沒有放在用戶右腿，很難區(qū)分駕駛員和乘客。

智能手機(jī)用戶是否為駕駛員這個(gè)基本信息對于很多應(yīng)用來說非常重要。比如駕駛行為檢測，不安全駕駛行為警告等。本發(fā)明提出了一種不依賴于任何外界硬件、基于單個(gè)智能手機(jī)的駕駛員識(shí)別方案。該方案實(shí)現(xiàn)了僅通過單個(gè)智能手機(jī)及其內(nèi)置傳感器識(shí)別手機(jī)用戶是否為駕駛員的目的?；谥悄苁謾C(jī)的駕駛員識(shí)別的基本思想是利用駕駛員所具有的特殊微小動(dòng)作進(jìn)行駕駛員特征識(shí)別，如系安全帶，踩剎車，轉(zhuǎn)動(dòng)方向盤等。而如何只通過單個(gè)智能手機(jī)對這些特殊的微小動(dòng)作進(jìn)行識(shí)別是本發(fā)明提出方案的難點(diǎn)。我們首先通過智能手機(jī)傳感器采集用戶行為信號，再結(jié)合SVM分類器對特殊的微小動(dòng)作進(jìn)行識(shí)別，最后檢測這些動(dòng)作先后發(fā)生的順序確定手機(jī)用戶是否為駕駛員。我們在Android操作系統(tǒng)上實(shí)現(xiàn)了本發(fā)明提出的方案。實(shí)驗(yàn)結(jié)果表明，對于每個(gè)特殊的微小動(dòng)作都有至少85％的識(shí)別正確率，對駕駛員的識(shí)別正確率為90％。