一种基于两级协同碰撞检测的智能头盔及控制方法

本申请属于智能穿戴设备，具体涉及一种基于两级协同碰撞检测的智能头盔及控制方法。

背景技术：

1、随着绿色出行的普及，电动自行车和自行车骑行安全已成为社会关注的焦点。智能头盔作为骑行安全的重要装备，其市场需求不断扩大。

2、现有智能头盔的碰撞检测多采用单一时刻加速度阈值比较的方式，存在以下技术缺陷：（1）减速带、碎石路等颠簸路面产生的周期性振动容易导致频繁误触发；（2）真实碰撞与路面颠簸在波形形态上存在显著差异，真实碰撞表现为单一巨大脉冲后快速衰减，而路面颠簸表现为连续周期性脉冲群，但现有技术仅关注幅值大小而忽略了波形形态这一关键区分信息；（3）仅输出安全/危险的二元结果，无法支持分级预警策略，导致轻微异常时过度干扰用户、严重事故时响应不足。

3、因此，如何设计一种能够有效区分真实碰撞与路面颠簸、实现分级预警的智能头盔，是本领域亟待解决的技术问题。

技术实现思路

1、本申请实施例提供一种基于两级协同碰撞检测的智能头盔及控制方法，通过执行第一级波形预筛选和第二级多维评分决策，有效区分真实碰撞和路面颠簸，降低误报率，并通过三级差异化预警处理，实现了从被动防护到主动安全的转变，显著提升了应急救援效率。

2、本申请第一方面实施例提供一种基于两级协同碰撞检测的智能头盔，包括：

3、设置在头盔上的数据采集单元与主控单元，其中，

4、所述数据采集单元，用于实时采集佩戴者头部的三轴加速度信息、头盔本体相对于初始基准角度的姿态角信息以及用于实时获取头盔当前所处的位置信息和速度信息。

5、所述主控单元，被配置为采用所述数据采集单元采集的数据，执行两级协同碰撞检测，所述两级协同碰撞检测包括第一级波形预筛选和第二级多维评分决策，根据所述两级协同碰撞检测输出分级预警信号；

6、所述分级预警单元，用于根据主控单元输出的分级预警信号执行三级差异化处理方案。

7、进一步地，所述的第一级波形预筛选包括：

8、以预设采样频率持续采集三轴加速度数据，当三轴加速度模值超过预设阈值时，提取触发时刻前后预设时间窗口内的加速度波形片段；

9、对所述加速度波形片段进行预处理，提取包括脉冲宽度、上升时间和衰减率在内的时域特征，形成特征向量；

10、将所述特征向量与预置的事故波形特征库和颠簸波形特征库进行加权马氏距离匹配，输出事故类型标签；所述事件类型标签包括“碰撞候选”、“颠簸拦截”和“不确定”。

11、进一步地，将所述特征向量与预置的事故波形特征库和颠簸波形特征库进行加权马氏距离匹配，输出事故类型标签，包括：

12、在所述主控单元内部预置两个波形特征模板库，包括事故波形特征库和颠簸波形特征库，每个波形特征模板库包含对应事件类型的标准特征向量和统计标准差；

13、根据标准特征向量和统计标准差，采用加权马氏距离计算实时特征向量与各波形特征模板库的匹配距离；

14、根据匹配距离输出第一级事件类型标签，包括：当事故匹配距离小于颠簸匹配距离，且事故匹配距离小于1.5时，判定为“碰撞候选”； 当颠簸匹配距离小于事故匹配距离，且颠簸匹配距离小于1.5时，判定为“颠簸拦截”；

15、当上述两种条件均不满足时，判定为“不确定”。

16、进一步地，所述第二级多维评分决策包括：

17、当所述事件类型标签为“碰撞候选”或“不确定”时，计算冲击强度评分、姿态异常评分、冲击后静止度评分和速度变化率评分；

18、根据所述事件类型标签调制各评分的权重系数：当标签为“碰撞候选”时保持默认权重；当标签为“不确定”时将冲击强度评分的权重系数调高；

19、将调制后的四个维度评分进行加权融合，经时序验证后得到综合置信度并输出分级预警信号。

20、进一步地，计算冲击强度评分、姿态异常评分、冲击后静止度评分和速度变化率评分，包括：计算冲击强度评分：

21、，

22、其中，为加速度模值，为重力加速度；

23、姿态异常评分：，其中θ为角度传感器测得的当前倾斜角度；

24、冲击后静止度评分: 基于冲击发生后2秒内加速度模值的方差，当时=1,当时=0，中间线性插值；

25、速度变化率评分:，其中为冲击前后2秒内的平均减速度。

26、进一步地，所述分级预警信号包括：

27、当综合置信度c≥0.8且事件类型标签为“碰撞候选”时输出一级紧急预警信号；

28、当事件类型标签为“碰撞候选”且0.6≤c<0.8或事件类型标签为“不确定”且c≥0.7时输出所述二级预警信号；

29、当事件类型标签为“碰撞候选”且c<0.6或事件类型标签为“不确定”且c<0.7或事件类型标签为“颠簸拦截”时输出所述无预警信号。

30、进一步地，所述主控单元间隔时间计算一次综合可信度分数，每次计算基于计算时刻最新的传感器数据，连续采集n个评分周期的综合可信度分数，采用指数加权移动平均计算时序加权置信度；

31、基于第一级事件类型标签和时序加权置信度，主控单元输出分级预警信号。

32、本申请第二方面实施例提供一种基于两级协同碰撞检测的智能头盔的控制方法，包括：

33、实时采集佩戴者头部的三轴加速度信息、头盔本体相对于初始基准角度的姿态角信息，以及实时获取智能头盔当前所处的位置信息和速度信息；

34、采用采集到的数据执行两级协同碰撞检测，所述两级协同碰撞检测包括第一级波形预筛选和第二级多维评分决策；

35、根据两级协同碰撞检测的结果输出分级预警信号，并依据所述分级预警信号执行三级差异化处理方案。

36、本申请与现有技术相比，有益效果在于：

37、通过第一级波形预筛选对加速度波形进行时域特征分析与模式匹配，有效区分真实碰撞（单脉冲快衰减）与路面颠簸（周期脉冲群），第一级即可拦截大部分颠簸事件，显著降低误报率。

38、通过第二级多维评分决策融合冲击强度、姿态异常、冲击后静止度和速度变化率四个维度的评分，并引入时序验证机制，提高碰撞判断的准确性和可靠性。

39、通过两级之间的参数调制机制（根据第一级事件类型标签动态调整第二级的权重系数和触发阈值），实现自适应决策，兼顾高召回率与低误报率。

40、通过三级差异化处理方案，实现从紧急求助到继续检测的完整预警链条，避免轻微异常时过度干扰用户，同时在严重事故时确保及时响应。

41、在严重碰撞时自动触发紧急求助流程，通过通信模块上传位置和速度信息，提高救援及时性。

1.一种基于两级协同碰撞检测的智能头盔，其特征在于，包括：

2.根据权利要求1所述的一种基于两级协同碰撞检测的智能头盔，其特征在于，所述的第一级波形预筛选包括：

3.根据权利要求2所述的一种基于两级协同碰撞检测的智能头盔，其特征在于，将所述特征向量与预置的事故波形特征库和颠簸波形特征库进行加权马氏距离匹配，输出事故类型标签，包括：

4.根据权利要求2所述的一种基于两级协同碰撞检测的智能头盔，其特征在于，所述第二级多维评分决策包括：

5.根据权利要求4所述的一种基于两级协同碰撞检测的智能头盔，其特征在于，计算冲击强度评分、姿态异常评分、冲击后静止度评分和速度变化率评分，包括：计算冲击强度评分：

6.根据权利要求1所述的一种基于两级协同碰撞检测的智能头盔，其特征在于，所述分级预警信号包括：

7.根据权利要求5所述的一种基于两级协同碰撞检测的智能头盔，其特征在于，所述主控单元间隔时间计算一次综合可信度分数，每次计算基于计算时刻最新的传感器数据，连续采集n个评分周期的综合可信度分数，采用指数加权移动平均计算时序加权置信度；

8.一种基于两级协同碰撞检测的智能头盔的控制方法，采用权利要求1-7任一项所述的智能头盔，其特征在于，包括：