李振威 石 英 高田翔 刘子伟

(武汉理工大学自动化学院 武汉 430070)

0 引 言

随着我国汽车保有量的迅速增长，驾驶员的不良驾驶行为成为导致交通事故和城市致堵致乱的重要因素,引起了人们对驾驶行为识别的关注度[1-2].国内外研究人员对行车过程中的驾驶行为进行了大量的研究分析,对于驾驶行为的研究主要分为基于视觉图像和基于多传感器数据融合这两种手段.

利用驾驶人或车辆的图像来对驾驶行为进行识别是目前较为主流的驾驶行为识别方案.Takenaka等[3]对车辆前装摄像头拍摄的图像进行识别，提取车辆运行状态、方向、交通信号等特征，利用双层结构分类器对这些特征进行上下文分析来评估驾驶行为.基于视觉图像的驾驶行为识别在环境理想的实验情况下识别效果较好，但实际应用中光线强度、摄像头角度的不确定性，以及周围环境的干扰都会对识别效果造成影响.

通过多种传感器融合感知车辆状态及周边环境的驾驶行为识别也渐渐流行起来.Sathyanarayana等[4]通过在车上加装加速度、重力、陀螺仪、GPS等传感器获取车辆速度、加速度等数据，利用kNN和SVM算法分别对驾驶行为进行识别.

由于给车加装便携式传感器过程复杂，且成本高，利用搭载了丰富的传感的移动智能终端进行驾驶行为检测易推广、易扩展，有着巨大的优势[5].Diaz等[6]利用智能手机内置的传感器获取速度等数据，并与车上加装的传感器获取的数据进行对比，证实……