《駕駛員放手檢測方法、裝置、控制器及存儲介質》是蔚來汽車有限公司於2018年3月16日申請的專利，該專利公布號：CN109927731A，專利公布日：2019年6月25日，發明人是：周煜遠、李軍華、付晶瑋、章健勇、黃晨東。
《駕駛員放手檢測方法、裝置、控制器及存儲介質》涉及一種駕駛員放手檢測方法、裝置、控制器及存儲介質，所述方法包括:實時採集時間視窗中的方向盤扭矩信息；將所採集的方向盤扭矩信息輸入到方向盤狀態機率分類器中，得到方向盤狀態機率；將所述方向盤狀態機率與判斷閾值進行比較，從而判斷方向盤狀態，所述方向盤狀態包括駕駛員放手狀態和駕駛員握手狀態。《駕駛員放手檢測方法、裝置、控制器及存儲介質》結合車輛自身特性以及車身上有的感測器，採集大量的數據訓練出方向盤狀態機率分類器，通過輸入方向盤扭矩信息，實時計算出方向盤狀態機率，判斷駕駛員是否放手在方向盤上，並進行相應的提示，判斷結果可靠性高，提高了自動駕駛的安全性，提升了用戶體驗。
2021年8月16日，《駕駛員放手檢測方法、裝置、控制器及存儲介質》獲得安徽省第八屆專利獎金獎。
（概述圖為《駕駛員放手檢測方法、裝置、控制器及存儲介質》的摘要附圖）
基本介紹
- 中文名：駕駛員放手檢測方法、裝置、控制器及存儲介質
- 公布號：CN109927731A
- 公布日：2019年6月25日
- 申請號：2018102187519
- 申請日：2018年3月16日
- 申請人：蔚來汽車有限公司
- 地址：中國香港中環
- 發明人：周煜遠、李軍華、付晶瑋、章健勇、黃晨東
- 專利代理機構：北京中原華和智慧財產權代理有限責任公司
- 代理人：丁慧玲、壽寧
- Inc.Cl.：B60W40/09(2012.01)I、B60W50/00(2006.01)I
- 類別：發明專利
專利背景,發明內容,發明目的,技術方案,改善效果,附圖說明,技術領域,權利要求,實施方式,榮譽表彰,
專利背景
高級輔助駕駛系統是利用安裝在車上的各式各樣感測器，在汽車行駛過程中隨時來感應周圍的環境，收集數據，進行靜態、動態物體的辨識、偵測與追蹤，並結合導航儀地圖數據，進行系統的運算與分析，從而預先讓駕駛者察覺到可能發生的危險，有效增加汽車駕駛的舒適性和安全性。其中，自動駕駛功能為高級輔助駕駛中的一部分，汽車輔助駕駛中，檢測駕駛員是否放手一直是自動駕駛安全部分的重要組成部分之一。
截至2018年3月16日，量產的具備自動駕駛的輔助駕駛功能的汽車，大部分是基於方向盤壓力感測器檢測、駕駛室攝像頭識別的方法來進行駕駛員放手檢測，這些方法通過增加外部感測器或攝像頭等方法實現，檢測穩定性差，檢測效果不佳。也有將外部感測器和攝像頭相結合的方式進行檢測，但由於兩種檢測方式各自缺陷也沒能很好的互補，且基於成本和校準等各方面因素，兩者結合的方式也很難取得很好的檢測效果，從而造成自動駕駛安全性低，用戶體驗差。因此，如何準確進行駕駛員放手檢測，提高自動駕駛的安全性成為亟待解決的問題。
發明內容
發明目的
《駕駛員放手檢測方法、裝置、控制器及存儲介質》所要解決的技術問題在於，提供一種駕駛員放手檢測方法、裝置、控制器及存儲介質，結合車輛自身特性以及車身上的感測器，通過對方向盤扭矩的分析，實時計算出方向盤狀態機率，判斷駕駛員是否放手在方向盤上（即駕駛員將手放在方向盤上或者手離開方向盤），並進行相應的提示，從而提高自動駕駛的安全性。
技術方案
實時採集時間視窗中的方向盤扭矩信息；
將所採集的方向盤扭矩信息輸入到方向盤狀態機率分類器中，得到方向盤狀態機率；
將所述方向盤狀態機率與判斷閾值進行比較，從而判斷方向盤狀態，所述方向盤狀態包括駕駛員放手狀態和駕駛員握手狀態。
進一步的，所述方法還包括：訓練得到方向盤狀態機率分類器，所述訓練得到方向盤狀態機率分類器包括以下步驟：
動態調整滑動時間視窗；
獲取所述滑動時間視窗中的方向盤扭矩信息；
根據所述滑動時間視窗中的方向盤扭矩信息和對應的方向盤狀態構建樣本訓練集；
採用所述樣本訓練集對支持向量機進行訓練，得到方向盤狀態機率分類器。
進一步的，所述動態調整滑動時間視窗包括以下步驟：
獲取當前車速、駕駛狀態值；
根據所述車速、駕駛狀態值計算得到滑動視窗。
進一步的，所述駕駛狀態值根據加速度、自動駕駛狀態值和場景可靠性中的一種或多種得到。
進一步的，所述根據所述滑動時間視窗中的方向盤扭矩信息和對應的方向盤狀態構建樣本訓練集包括：
標記每一視窗內方向盤扭矩信息以及對應的方向盤狀態，將所有所述滑動時間視窗中的方向盤扭矩信息進行離散傅立葉變換；
獲取每一時間視窗內進行離散傅立葉變換後的每個離散頻率的振幅值；
根據所有數據對應的所述振幅值及對應的方向盤狀態計算每個離散頻率和方向盤狀態的相關性係數ρXY，從而構建所述樣本訓練集；
進一步的，所述方法還包括根據每個離散頻率所對應的相關性係數選取預設相關性係數範圍內的數據，構建成所述樣本訓練集。
進一步的，採用所述樣本訓練集對支持向量機進行訓練，得到方向盤狀態機率分類器包括以下步驟：
將所述樣本訓練集中每個頻率值對應的相關性係數作為對應振幅值的權重，結果向量作為結果，組成分類算法；
採用樣本訓練集對支持向量機進行分類訓練，計算出不同放手頻率對應的最優超平面，從而得到方向盤狀態機率分類器。
進一步的，所述將所述方向盤狀態機率與判斷閾值進行比較，從而判斷駕駛員是否為放手狀態包括以下步驟：
設定判斷閾值，所述判斷閾值包括放手閾值、臨界閾值和握手閾值，所述放手閾值<臨界閾值<握手閾值；
當所述放手閾值≤方向盤狀態機率≤握手閾值時，維持當前方向盤狀態不變；
當方向盤狀態機率>握手閾值時，判斷方向盤狀態為駕駛員握手狀態；
當方向盤狀態機率<放手閾值時，判斷方向盤狀態為駕駛員放手狀態。
進一步的，所述方法還包括，若判斷所述方向盤狀態為駕駛員放手狀態，則發出提示信息。
根據《駕駛員放手檢測方法、裝置、控制器及存儲介質》一另方面，提供了一種駕駛員放手檢測裝置，包括:
信息採集模組，用於實時採集時間視窗中的方向盤扭矩信息；
方向盤狀態機率分類器，用於輸入所採集的方向盤扭矩信息，得到方向盤狀態機率；
方向盤狀態判斷模組，用於將所述方向盤狀態機率與判斷閾值進行比較，從而判斷方向盤狀態，所述方向盤狀態包括駕駛員放手狀態和駕駛員握手狀態。
進一步的，所述裝置還包括方向盤狀態機率分類器生成模組，用於訓練得到方向盤狀態機率分類器，所述方向盤狀態機率分類器生成模組包括：
滑動時間視窗調整單元，用於動態調整滑動時間視窗；
方向盤扭矩信息獲取單元，用於獲取所述滑動時間視窗中的方向盤扭矩信息；
樣本訓練集構建單元，用於根據所述滑動時間視窗中的方向盤扭矩信息和對應的方向盤狀態構建樣本訓練集；
樣本訓練集訓練單元，用於採用所述樣本訓練集對支持向量機進行訓練，得到方向盤狀態機率分類器。
進一步的，所述滑動時間視窗調整單元包括：
參數獲取子單元，用於獲取當前車速、駕駛狀態值；
滑動視窗計運算元單元，用於根據所述車速、駕駛狀態值計算得到滑動視窗。
進一步的，所述駕駛狀態值根據加速度、自動駕駛狀態值和場景可靠性中的一種或多種得到。
進一步的，所述樣本訓練集構建單元包括：
第一處理子單元，用於標記每一視窗內方向盤扭矩信息以及對應的方向盤狀態，將所有所述滑動時間視窗中的方向盤扭矩信息進行離散傅立葉變換；
振幅值獲取子單元，用於獲取每一時間視窗內進行離散傅立葉變換後的每個離散頻率的振幅值；
第二處理子單元，用於根據所有數據對應的所述振幅值及對應的方向盤狀態計算每個離散頻率和方向盤狀態的相關性係數從而構建所述樣本訓練集。
進一步的，所述樣本訓練集構建單元還包括樣本訓練集選取子單元，用於根據每個離散頻率所對應的相關性係數選取預設相關性係數範圍內的數據，構建成所述樣本訓練集。
進一步的，所述樣本訓練集訓練單元包括：
分類算法生成子單元，用於將所述樣本訓練集中每個頻率值對應的相關性係數作為對應振幅值的權重，結果向量作為結果，組成分類算法；
分類器生成子單元，用於採用樣本訓練集對支持向量機進行分類訓練，計算出不同放手頻率對應的最優超平面，從而得到方向盤狀態機率分類器。
進一步的，所述方向盤狀態判斷模組包括：
閾值設定單元，用於設定判斷閾值，所述判斷閾值包括放手閾值、臨界閾值和握手閾值，所述放手閾值<臨界閾值<握手閾值；
狀態判斷單元，用於執行以下判斷操作：
當所述放手閾值≤方向盤狀態機率≤握手閾值時，維持當前方向盤狀態不變；
當方向盤狀態機率>握手閾值時，判斷方向盤狀態為駕駛員握手狀態；
當方向盤狀態機率<放手閾值時，判斷方向盤狀態為駕駛員放手狀態。
進一步的，所述裝置還包括提示模組，用於在判斷所述方向盤狀態為駕駛員放手狀態時，則發出提示信息。
根據《駕駛員放手檢測方法、裝置、控制器及存儲介質》又一方面，提供一種控制器，其包括存儲器與處理器，所述存儲器存儲有電腦程式，所述程式在被所述處理器執行時能夠實現所述方法的步驟。
根據《駕駛員放手檢測方法、裝置、控制器及存儲介質》又一方面，提供一種計算機可讀存儲介質，用於存儲計算機指令，所述指令在由一計算機或處理器執行時實現所述方法的步驟。
改善效果
《駕駛員放手檢測方法、裝置、控制器及存儲介質》採集大量的數據訓練出方向盤狀態機率分類器，通過輸入方向盤扭矩信息，實時計算出方向盤狀態機率，判斷駕駛員是否放手在方向盤上，並進行相應的提示，判斷結果可靠性高，提高了自動駕駛的安全性，提升了用戶體驗。
附圖說明
圖1為《駕駛員放手檢測方法、裝置、控制器及存儲介質》一實施例提供駕駛員放手檢測方法示意圖。
圖2為《駕駛員放手檢測方法、裝置、控制器及存儲介質》一實施例提供的駕駛員放手檢測裝置示意圖。
技術領域
《駕駛員放手檢測方法、裝置、控制器及存儲介質》涉及汽車輔助駕駛技術領域，尤其涉及一種駕駛員放手檢測方法、裝置、控制器及存儲介質。
權利要求
1.一種駕駛員放手檢測方法，其特徵在於：包括:
實時採集時間視窗中的方向盤扭矩信息；
將所採集的方向盤扭矩信息輸入到方向盤狀態機率分類器中，得到方向盤狀態機率；
將所述方向盤狀態機率與判斷閾值進行比較，從而判斷方向盤狀態，所述方向盤狀態包括駕駛員放手狀態和駕駛員握手狀態；所述方法還包括：訓練得到方向盤狀態機率分類器，所述訓練得到方向盤狀態機率分類器包括以下步驟：
動態調整滑動時間視窗；
獲取所述滑動時間視窗中的方向盤扭矩信息；
根據所述滑動時間視窗中的方向盤扭矩信息和對應的方向盤狀態構建樣本訓練集；
採用所述樣本訓練集對支持向量機進行訓練，得到方向盤狀態機率分類器。
2.根據權利要求1所述的駕駛員放手檢測方法，其特徵在於：
所述動態調整滑動時間視窗包括以下步驟：
獲取當前車速、駕駛狀態值；
根據所述車速、駕駛狀態值計算得到滑動視窗。
3.根據權利要求2所述的駕駛員放手檢測方法，其特徵在於：
所述駕駛狀態值根據加速度、自動駕駛狀態值和場景可靠性中的一種或多種得到。
4.根據權利要求1所述的駕駛員放手檢測方法，其特徵在於：
所述根據所述滑動時間視窗中的方向盤扭矩信息和對應的方向盤狀態構建樣本訓練集包括：
標記每一視窗內方向盤扭矩信息以及對應的方向盤狀態；
將所有所述滑動時間視窗中的方向盤扭矩信息進行離散傅立葉變換；
獲取每一時間視窗內進行離散傅立葉變換後的每個離散頻率的振幅值；
根據所有數據對應的所述振幅值及對應的方向盤狀態計算每個離散頻率和方向盤狀態的相關性係數，從而構建所述樣本訓練集。
5.根據權利要求4所述的駕駛員放手檢測方法，其特徵在於：
所述方法還包括：根據每個離散頻率所對應的相關性係數選取預設相關性係數範圍內的數據，構建成所述樣本訓練集。
6.根據權利要求4所述的駕駛員放手檢測方法，其特徵在於：所述採用所述樣本訓練集對支持向量機進行訓練，得到方向盤狀態機率分類器包括以下步驟：
將所述樣本訓練集中每個頻率值對應的相關性係數作為對應振幅值的權重，結果向量作為結果，組成分類算法；
採用樣本訓練集對支持向量機進行分類訓練，計算出不同放手頻率對應的最優超平面，從而得到方向盤狀態機率分類器。
7.根據權利要求1所述的駕駛員放手檢測方法，其特徵在於：
所述將所述方向盤狀態機率與判斷閾值進行比較，從而判斷駕駛員是否為放手狀態包括以下步驟：
設定判斷閾值，所述判斷閾值包括放手閾值、臨界閾值和握手閾值，所述放手閾值<臨界閾值<握手閾值；
當所述放手閾值≤方向盤狀態機率≤握手閾值時，維持當前方向盤狀態不變；
當方向盤狀態機率>握手閾值時，判斷方向盤狀態為駕駛員握手狀態；
當方向盤狀態機率<放手閾值時，判斷方向盤狀態為駕駛員放手狀態。
8.根據權利要求1-7中任意一項所述的駕駛員放手檢測方法，其特徵在於：
所述方法還包括，若判斷所述方向盤狀態為駕駛員放手狀態，則發出提示信息。
9.一種駕駛員放手檢測裝置，其特徵在於：包括:
信息採集模組，用於實時採集時間視窗中的方向盤扭矩信息；
方向盤狀態機率分類器，用於輸入所採集的方向盤扭矩信息，得到方向盤狀態機率；
方向盤狀態判斷模組，用於將所述方向盤狀態機率與判斷閾值進行比較，從而判斷方向盤狀態，所述方向盤狀態包括駕駛員放手狀態和駕駛員握手狀態；所述裝置還包括方向盤狀態機率分類器生成模組，用於訓練得到方向盤狀態機率分類器，所述方向盤狀態機率分類器生成模組包括：
滑動時間視窗調整單元，用於動態調整滑動時間視窗；
方向盤扭矩信息獲取單元，用於獲取所述滑動時間視窗中的方向盤扭矩信息；
樣本訓練集構建單元，用於根據所述滑動時間視窗中的方向盤扭矩信息和對應的方向盤狀態構建樣本訓練集；
樣本訓練集訓練單元，用於採用所述樣本訓練集對支持向量機進行訓練，得到方向盤狀態機率分類器。
10.根據權利要求9所述的駕駛員放手檢測裝置，其特徵在於：
所述滑動時間視窗調整單元包括：
參數獲取子單元，用於獲取當前車速、駕駛狀態值；
滑動視窗計運算元單元，用於根據所述車速、駕駛狀態值計算得到滑動視窗。
11.根據權利要求10所述的駕駛員放手檢測裝置，其特徵在於：
所述駕駛狀態值根據加速度、自動駕駛狀態值和場景可靠性中的一種或多種得到。
12.根據權利要求9所述的駕駛員放手檢測裝置，其特徵在於：
所述樣本訓練集構建單元包括：
第一處理子單元，用於標記每一視窗內方向盤扭矩信息以及對應的方向盤狀態，將所有所述滑動時間視窗中的方向盤扭矩信息進行離散傅立葉變換；
振幅值獲取子單元，用於獲取每一時間視窗內進行離散傅立葉變換後的每個離散頻率的振幅值；
第二處理子單元，用於根據所有數據對應的所述振幅值及對應的方向盤狀態計算每個離散頻率和方向盤狀態的相關性係數從而構建所述樣本訓練集。
13.根據權利要求12所述的駕駛員放手檢測裝置，其特徵在於：
所述樣本訓練集構建單元還包括樣本訓練集選取子單元，用於根據每個離散頻率所對應的相關性係數選取預設相關性係數範圍內的數據，構建成所述樣本訓練集。
14.根據權利要求12所述的駕駛員放手檢測裝置，其特徵在於：所述樣本訓練集訓練單元包括：
分類算法生成子單元，用於將所述樣本訓練集中每個頻率值對應的相關性係數作為對應振幅值的權重，結果向量作為結果，組成分類算法；
分類器生成子單元，用於採用樣本訓練集對支持向量機進行分類訓練，計算出不同放手頻率對應的最優超平面，從而得到方向盤狀態機率分類器。
15.根據權利要求9所述的駕駛員放手檢測裝置，其特徵在於：
所述方向盤狀態判斷模組包括：
閾值設定單元，用於設定判斷閾值，所述判斷閾值包括放手閾值、臨界閾值和握手閾值，所述放手閾值<臨界閾值<握手閾值；
狀態判斷單元，用於執行以下判斷操作:
當所述放手閾值≤方向盤狀態機率≤握手閾值時，維持當前方向盤狀態不變；
當方向盤狀態機率>握手閾值時，判斷方向盤狀態為駕駛員握手狀態；
當方向盤狀態機率<放手閾值時，判斷方向盤狀態為駕駛員放手狀態。
16.根據權利要求9—15中任意一項所述的駕駛員放手檢測裝置，其特徵在於：
所述裝置還包括提示模組，用於在判斷所述方向盤狀態為駕駛員放手狀態時，則發出提示信息。
17.一種控制器，其包括存儲器與處理器，所述存儲器存儲有電腦程式，所述程式在被所述處理器執行時能夠實現權利要求1至8中任意一項權利要求所述的方法的步驟。
18.一種計算機可讀存儲介質，用於存儲計算機指令，所述指令在由一計算機或處理器執行時實現如權利要求1至8中任意一項權利要求所述的方法的步驟。
實施方式
為更進一步闡述《駕駛員放手檢測方法、裝置、控制器及存儲介質》為達成預定發明目的所採取的技術手段及功效，以下結合附圖及較佳實施例，對依據《駕駛員放手檢測方法、裝置、控制器及存儲介質》提出的一種駕駛員放手檢測方法、裝置、控制器及存儲介質的具體實施方式及其功效，詳細說明如後。
如圖1所示，《駕駛員放手檢測方法、裝置、控制器及存儲介質》實施例提供一種駕駛員放手檢測方法，包括:
步驟S1、實時採集時間視窗中的方向盤扭矩信息；
汽車包括電動助力轉向系統（Electronic Power Steering，簡稱EPS），它利用電動機產生的動力協助駕駛員進行動力轉向。EPS包括轉矩（轉向）感測器、電子控制單元、電動機、減速器、機械轉向器、以及畜電池電源等。所述步驟S1中的方向盤扭矩信息可直接通過EPS中的轉矩（轉向）感測器實時採集，無需再額外設定感測器。在採集方向盤扭矩信息時，通常會將實時數據劃分為多個時間視窗，從而方便判斷各時間視窗內對應的駕駛員放手/握手狀態。
結合圖2，步驟S2、將所採集的方向盤扭矩信息輸入到方向盤狀態機率分類器2中，得到方向盤狀態機率；
其中，方向盤狀態機率分類器2會預先設定好，方向盤狀態機率分類器2通過大量的數據訓練得到，具體的：
所述方法還包括步驟S4、訓練得到方向盤狀態機率分類器2，所述訓練得到方向盤狀態機率分類器2包括以下步驟：
步驟S41、動態調整滑動時間視窗；
步驟S41包括以下步驟：
步驟S411、獲取當前車速、駕駛狀態值；
其中，車速可通過車身已有的速度感測器獲得，所述駕駛狀態值可以根據加速度、自動駕駛狀態值和場景可靠性中的一種或多種得到，即駕駛狀態值可以為加速度值、自動駕駛狀態值，或者根據加速度、自動駕駛狀態值和場景可靠性等參數進行綜合判斷，獲取相應的駕駛狀態值，例如可根據不同駕駛狀態值對駕駛狀態的影響大小設定對應的權重，然后綜合獲取對應的駕駛狀態值。
這裡的加速度指車輛在行駛中的加速度。自動駕駛狀態值指當前為自動駕駛或者當前為非自動駕駛，對於這兩種情況可以賦予不同的數值，該數值作為自動駕駛狀態值。場景可靠性表示將當前計算得到的場景作為真實場景的可靠性程度，即表示基於當前檢測到的數據所計算預估的場景與真實場景之間的相關性程度，相關性越高則可靠性越大，可以是獲取了越多的檢測數據種類則場景可靠性越高。這裡檢測到的數據可以是通過攝像頭識別車道線與否、其他車和本車距離等。加速度、自動駕駛值以及場景可靠性的具體取值可以根據實際情況進行設定，例如在一定範圍內給一個數值，或者由函式映射關係確定。
步驟S412、根據所述車速、駕駛狀態值計算得到滑動視窗，公式如下：
其中，a、b為係數，V為車速，S為駕駛狀態值，δ為常量。
以上的a、b分別代表車速、駕駛狀態值的對應權重，通常可以根據經驗值確定。δ為計算時補償的常量，通常可以根據經驗值確定。
作為一種示例，a取值為0.5，b取值為0.1，δ取值為2。可以理解的是，上述取值僅為一種示例，具體取值可在實際套用中做適應性調整。
步驟S42、獲取所述滑動時間視窗中的方向盤扭矩信息；
步驟S43、根據所述滑動時間視窗中的方向盤扭矩信息和對應的方向盤狀態構建樣本訓練集；
步驟S43包括：
步驟S431、標記每一視窗內方向盤扭矩信息以及對應的方向盤狀態（放手狀態或握手狀態），將所有所述滑動時間視窗中的方向盤扭矩信息進行離散傅立葉變換，公式如下：
其中，X（K）表示一個視窗內離散傅立葉變換後的方向盤扭矩的分布，N為正整數表示視窗中包含方向盤扭矩的個數，n＝1、2、3…N，x（n）為方向盤扭矩的大小，DFT表示離散傅立葉變換的運算符號，K表示離散幅值；
由於離散離散傅立葉變換無論在時域還是頻域均是離散的，因此方便後續計算。
步驟S432、獲取每一時間視窗內進行離散傅立葉變換後的每個離散頻率的振幅值；
每個離散頻率的振幅值可以是X（K）。
步驟S433、根據所有數據對應的所述振幅值及對應的方向盤狀態計算每個離散頻率和方向盤狀態的相關性係數Pxy從而構建所述樣本訓練集，相關性係數Pxy的計算公式如下：
其中，X為對應所有數據的對應離散頻率下的振幅值，Y為所有數據對應的結果向量，所述結果向量包括駕駛員放手狀態向量，記為0，駕駛員握手狀態向量，記為1，Cov（X，Y）表示駕駛員放手狀態和駕駛員握手狀態的協方差矩陣，E表示期望，D表示方差；
作為一種示例，所述方法還包括步驟S434、根據每個離散頻率所對應的相關性係數選取預設相關性係數範圍內的數據，構建成所述樣本訓練集。
其中，預設相關性係數範圍可根據具體計算需求，如所需計算精度等因素進行設定，將所有的相關係數計算出來，拋棄不在預設相關係數範圍內的數據，保留在預設相關係數範圍內的數據，構成樣本訓練集。
步驟S44、採用所述樣本訓練集對支持向量機進行訓練，得到方向盤狀態機率分類器2。
所述步驟S44中，支持向量機通過尋求結構化風險最小來提高學習機泛化能力，實現經驗風險和置信範圍的最小化，從而達到在統計樣本量較少的情況下，亦能獲得良好統計規律的目的。它是一種二類分類模型，其基本模型定義為特徵空間上的間隔最大的線性分類器，即支持向量機的學習策略便是間隔最大化，最終可轉化為一個凸二次規劃問題的求解。
步驟S44包括以下步驟：
步驟S441、將所述樣本訓練集中每個頻率值對應的相關性係數作為對應振幅值的權重，結果向量作為結果，組成分類算法；
步驟S442、採用樣本訓練集對支持向量機進行分類訓練，計算出不同放手頻率對應的最優超平面，從而得到方向盤狀態機率分類器2。
步驟S3、將所述方向盤狀態機率與判斷閾值進行比較，從而判斷方向盤狀態，所述方向盤狀態包括駕駛員放手狀態和駕駛員握手狀態。
為了防止臨界值的數據抖動，可採用雙閾值來判斷方向盤狀態，所述步驟S3包括以下步驟：
步驟S31、設定判斷閾值，所述判斷閾值包括放手閾值、臨界閾值和握手閾值，所述放手閾值<臨界閾值<握手閾值；
步驟S32、當所述放手閾值≤方向盤狀態機率≤握手閾值時，維持當前方向盤狀態不變；
當方向盤狀態機率>握手閾值時，判斷方向盤狀態為駕駛員握手狀態；
當方向盤狀態機率<放手閾值時，判斷方向盤狀態為駕駛員放手狀態。
以下舉例對步驟S3例進行說明：
設臨界閾值為100％，放手閾值的95％，握手閾值為105％。
示例1、假設當前方向盤狀態為駕駛員放手狀態，檢測方向盤狀態機率為103％時，並不判斷為駕駛員握手狀態，只有當結果大於105％時，改變方向盤狀態為駕駛員握手狀態。
示例2、假設當前方向盤狀態為駕駛員握手狀態，檢測方向盤狀態機率為96％時，並不判斷為駕駛員放手狀態，只有當結果小於95％時，改變方向盤狀態為駕駛員放手。
通過設定雙閾值，避免出現在果斷時間內提示駕駛員放手，也避免出現多長時間不提示，造成危險。因此，提升了用戶駕駛體驗以及駕駛安全性。所述方法還包括步驟S5、若判斷所述方向盤狀態為駕駛員放手手狀態，則發出提示信息。所述提示信息可以為語音信息，例如提示駕駛員“請手握方向盤”，或者發出報警聲，也可以發出閃爍光來提示駕駛員，具體提示方式，可根據用戶需求等因素進行設定。
上述所有參數獲取過程中，均可設定步驟S6、採用異常數據監測進行數據清洗，過濾異常數據，從而提高檢測的穩定性。
以獲取方向盤扭矩信息為例，過濾方向盤扭矩信息可通過以下方式獲取：預先獲取大量方向盤扭矩信息；將所述大量方向盤扭矩信息進行統計分析，獲得方向盤扭矩範圍；這樣所述步驟1中實時採集時間視窗中的方向盤扭矩信息可與所述方向盤扭矩範圍進行對比，如果不在所述方向盤扭矩範圍內，則將該方向盤扭矩信息濾除掉，從而提高檢測的精確度。其他參數，如車輛速度、加速度等獲取過程中也可採用上述方法進行異常參數過濾。
《駕駛員放手檢測方法、裝置、控制器及存儲介質》實施例所述方法，結合車輛自身特性以及車身上2018年3月16日之前已有的感測器，採集大量的數據訓練出方向盤狀態機率分類器，通過輸入方向盤扭矩信息，實時計算出方向盤狀態機率，判斷駕駛員是否放手在方向盤上，並進行相應的提示，判斷結果可靠性高，提高了自動駕駛的安全性，提升了用戶體驗。
《駕駛員放手檢測方法、裝置、控制器及存儲介質》實施例還提供了一種駕駛員放手檢測裝置，如圖2所示，包括:信息採集模組1、方向盤狀態機率分類器2和方向盤狀態判斷模組3，其中，信息採集模組1用於實時採集時間視窗中的方向盤扭矩信息；方向盤狀態機率分類器2用於輸入所採集的方向盤扭矩信息，得到方向盤狀態機率；方向盤狀態判斷模組3用於將所述方向盤狀態機率與判斷閾值進行比較，從而判斷方向盤狀態，所述方向盤狀態包括駕駛員放手狀態和駕駛員握手狀態。
信息採集模組1可包EPS包括轉矩（轉向）感測器。信息採集模組1可直接通過所述步驟1轉矩（轉向）感測器實時採集時間視窗中的方向盤扭矩信息，無需再額外設定感測器。在採集方向盤扭矩信息時，通常會將實時數據劃分為多個時間視窗，從而方便判斷各時間視窗內對應的駕駛員放手/握手狀態。
方向盤狀態機率分類器會預先設定好，方向盤狀態機率分類器通過大量的數據訓練得到，因此，所述裝置還包括方向盤狀態機率分類器生成模組，用於訓練得到方向盤狀態機率分類器2。所述方向盤狀態機率分類器生成模組包括滑動時間視窗調整單元、方向盤扭矩信息獲取單元、樣本訓練集構建單元和樣本訓練集訓練單元，其中，滑動時間視窗調整單元用於動態調整滑動時間視窗；方向盤扭矩信息獲取單元用於獲取所述滑動時間視窗中的方向盤扭矩信息；樣本訓練集構建單元用於根據所述滑動時間視窗中的方向盤扭矩信息和對應的方向盤狀態構建樣本訓練集；樣本訓練集訓練單元用於採用所述樣本訓練集對支持向量機進行訓練，得到方向盤狀態機率分類器2。
滑動時間視窗調整單元包括：參數獲取子單元和滑動視窗計運算元單元，其中，參數獲取子單元，用於獲取當前車速、駕駛狀態值；其中，車速可通過車身2018年3月16日之前已有的速度感測器獲得，所述駕駛狀態值根據加速度、自動駕駛狀態值和場景可靠性中的一種或多種得到，即駕駛狀態值可以為加速度值、自動駕駛狀態值，或者根據加速度、自動駕駛狀態值和場景可靠性等參數進行綜合判斷，獲取相應的駕駛狀態值，例如可根據不同駕駛狀態值對駕駛狀態的影響大小設定對應的權重，然后綜合獲取對應的駕駛狀態值。
這裡的加速度指車輛在行駛中的加速度。自動駕駛狀態值指當前為自動駕駛或者當前為非自動駕駛，對於這兩種情況可以賦予不同的數值，該數值作為自動駕駛狀態值。場景可靠性表示將當前計算得到的場景作為真實場景的可靠性程度，即表示基於當前檢測到的數據所計算預估的場景與真實場景之間的相關性程度，相關性越高則可靠性越大，可以是獲取了越多的檢測數據種類則場景可靠性越高。這裡檢測到的數據可以是通過攝像頭識別車道線與否、其他車和本車距離等。加速度、自動駕駛值以及場景可靠性的具體取值可以根據實際情況進行設定，例如在一定範圍內給一個數值，或者又函式映射關係確定。
滑動視窗計運算元單元，用於根據所述車速、駕駛狀態值計算得到滑動視窗，公式如下：
其中，a、b為係數，V為車速，S為駕駛狀態值，δ為常量。作為一種示例，a取值為0.5，b取值為0.1，δ取值為2。
以上的a、b分別代表車速、駕駛狀態值的對應權重，通常可以根據經驗值確定。δ為計算時補償的常量，通常可以根據經驗值確定。
可以理解的是，上述取值僅為一種示例，具體取值可在實際套用中做適應性調整。
樣本訓練集構建單元包括第一處理子單元、振幅值獲取子單元、第二處理子單元和樣本訓練集選取子單元，其中，第一處理子單元用於標記每一視窗內方向盤扭矩信息以及對應的方向盤狀態（放手狀態或握手狀態），將所有所述滑動時間視窗中的方向盤扭矩信息進行離散傅立葉變換，公式如下：
其中，X（K）表示一個視窗內離散傅立葉變換後的方向盤扭矩的分布，N為正整數表示視窗中包含方向盤扭矩的個數，n＝1、2、3…N，x（n）為方向盤扭矩的大小；，DFT表示離散傅立葉變換的運算符號，K表示離散幅值由於離散離散傅立葉變換無論在時域還是頻域均是離散的，因此方便後續計算。
振幅值獲取子單元用於獲取每一時間視窗內進行離散傅立葉變換後的每個離散頻率的振幅值；每個離散頻率的振幅值可以是X（K）。第二處理子單元，用於根據所有數據對應的所述振幅值及對應的方向盤狀態計算每個離散頻率和方向盤狀態的相關性係數Pxy，構建成所述樣本訓練集。相關性係數ρXY計算公式如下：
其中，X為對應所有數據的對應離散頻率下的振幅值，Y為所有數據對應的結果向量，所述結果向量包括駕駛員放手狀態向量，記為0，駕駛員握手狀態向量，記為1，Cov（X，Y）表示駕駛員放手狀態和駕駛員握手狀態的協方差矩陣，E表示期望，D表示方差；
作為一種示例，樣本訓練集構建單元還包括樣本訓練集選取子單元，用於根據每個離散頻率所對應的相關性係數選取預設相關性係數範圍內的數據，構建成所述樣本訓練集。其中，預設相關性係數範圍可根據具體計算需求，如所需計算精度等因素進行設定，將所有的相關係數計算出來，拋棄不在預設相關係數範圍內的數據，保留在預設相關係數範圍內的數據，構成樣本訓練集。
樣本訓練集訓練單元包括分類算法生成子單元和分類器生成子單元，其中，分類算法生成子單元用於將所述樣本訓練集中每個頻率值對應的相關性係數作為對應振幅值的權重，結果向量作為結果，組成分類算法；分類器生成子單元用於採用樣本訓練集對支持向量機進行分類訓練，計算出不同放手頻率對應的最優超平面，從而得到方向盤狀態機率分類器2。其中，支持向量機通過尋求結構化風險最小來提高學習機泛化能力，實現經驗風險和置信範圍的最小化，從而達到在統計樣本量較少的情況下，亦能獲得良好統計規律的目的。它是一種二類分類模型，其基本模型定義為特徵空間上的間隔最大的線性分類器，即支持向量機的學習策略便是間隔最大化，最終可轉化為一個凸二次規劃問題的求解。
為了防止臨界值的數據抖動，可採用雙閾值來判斷方向盤狀態，因此方向盤狀態判斷模組3包括閾值設定單元和狀態判斷單元，其中，閾值設定單元用於設定判斷閾值，所述判斷閾值包括放手閾值、臨界閾值和握手閾值，所述放手閾值<臨界閾值<握手閾值；狀態判斷單元用於執行以下判斷操作:
當所述放手閾值≤方向盤狀態機率≤握手閾值時，維持當前方向盤狀態不變；
當方向盤狀態機率>握手閾值時，判斷方向盤狀態為駕駛員握手狀態；
當方向盤狀態機率<放手閾值時，判斷方向盤狀態為駕駛員放手狀態。
以下舉例對狀態判斷單元所執行的操作例進行說明：
設臨界閾值為100％，放手閾值的95％，握手閾值為105％
示例1、假設當前方向盤狀態為駕駛員放手狀態，檢測方向盤狀態機率為103％時，並不判斷為駕駛員握手狀態，只有當結果大於105％時，改變方向盤狀態為駕駛員握手狀態。
示例2、假設當前方向盤狀態為駕駛員握手狀態，檢測方向盤狀態機率為96％時，並不判斷為駕駛員放手狀態，只有當結果小於95％時，改變方向盤狀態為駕駛員放手。
通過設定雙閾值，避免出現在果斷時間內提示駕駛員放手，也避免出現多長時間不提示，造成危險。因此，提升了用戶駕駛體驗以及駕駛安全性。
所述裝置還包括提示模組，用於在判斷所述方向盤狀態為駕駛員放手狀態時，則發出提示信息。所述提示信息可以為語音信息，例如提示駕駛員“請手握方向盤”，或者發出報警聲，也可以發出閃爍光來提示駕駛員，具體提示方式，可根據用戶需求等因素進行設定。
所述裝置還包括數據過濾模組，上述所有參數獲取過程中，通過數據過濾模組，採用異常數據監測進行數據清洗，過濾異常數據，從而提高檢測的穩定性。以獲取方向盤扭矩信息為例，數據過濾模組過濾方向盤扭矩信息可通過以下方式：預先獲取大量方向盤扭矩信息；將所述大量方向盤扭矩信息進行統計分析，獲得方向盤扭矩範圍；這樣數據過濾模組將實時採集時間視窗中的方向盤扭矩信息與所述方向盤扭矩範圍進行對比，如果不在所述方向盤扭矩範圍內，則將該方向盤扭矩信息濾除掉，從而提高檢測的精確度。其他參數，如車輛速度、加速度等獲取過程中也可採用上述方式進行異常參數過濾。
《駕駛員放手檢測方法、裝置、控制器及存儲介質》所述裝置結合車輛自身特性以及車身上2018年3月16日之前已有的感測器，採集大量的數據訓練出方向盤狀態機率分類器2，通過輸入方向盤扭矩信息，實時計算出方向盤狀態機率，判斷駕駛員是否放手在方向盤上，並進行相應的提示，判斷結果可靠性高，提高了自動駕駛的安全性，提升了用戶體驗。
《駕駛員放手檢測方法、裝置、控制器及存儲介質》實施例還提供一種控制器，其包括存儲器與處理器，所述存儲器存儲有電腦程式，所述程式在被所述處理器執行時能夠實現前述駕駛員放手檢測方法的相應步驟。
《駕駛員放手檢測方法、裝置、控制器及存儲介質》實施例還提供一種計算機可讀存儲介質，用於存儲計算機指令，所述指令在由一計算機或處理器執行時實現前述駕駛員放手檢測方法的相應步驟。
榮譽表彰
2021年8月16日，《駕駛員放手檢測方法、裝置、控制器及存儲介質》獲得安徽省第八屆專利獎金獎。
