1.一种驾驶员手部相对静止状态下脱离方向盘检测方法，其特征在于，包括以下步骤：步骤一：在车辆行驶过程中，利用传感器按固定频率采集驾驶员手部加速度和车辆加速度，并将传感器坐标系转换到世界坐标系下，记录每次驾驶员手部加速度和车辆加速度采集的时刻t，形成数据序列；

步骤二：对驾驶员手部加速度数据集Dw和车辆加速度数据集Dp进行滑动窗口处理，得到数据片段D＝{D1，D2，D3…Dn}，Dn的表达式如下式：式中：Dn为第n个数据片段， 为该数据片段内第一个时刻驾驶员手部加速度和车辆加速度绝对值之差， 为窗口中时间点为ti时的数据值，且 的表达式如下：式中： 表示驾驶员手部加速度， 表示车辆加速度；

然后计算滑动窗口内所有数据的平均值，得到各个数据片段Dn中数据的平均值Di，mean，其计算公式如下式所示：式中：Di，mean为第i个滑动窗口的数据平均值， 表示该窗口中第i个数据，l表示一个滑动窗口的长度；

利用下式确定驾驶员的手在每个窗口内是否移动。当Di，mean不大于阈值ε时，便将其视为驾驶员手部在该窗口内处于相对静止状态：步骤三：对步骤二中驾驶员手部处于相对静止状态的窗口数据，根据车辆加速度和驾驶员手部加速度信息提取能区分驾驶员手握方向盘与驾驶员手离开方向盘的特征向量；

步骤四：构建确定最佳阈值ε的算法，具体过程如下：

将步骤三处理后的数据随机分为三部分：第一部分为训练数据集，第二部分为交叉验证集，第三部分为测试集；采用异常检测算法检测驾驶员收部是否离开方向盘，利用训练数据集估计异常检测算法的参数值，接着在交叉验证集上尝试用不同的阈值ε识别数据是否异常，根据测试结果选择最佳的阈值ε，最后在测试集上对检测模型进行测试，直到检测模型的检测准确率到达实际应用要求；

步骤五：利用训练完成的异常检测算法对实时采集到的数据进行检测，如果检测结果为驾驶员手部离开方向盘就对驾驶员进行预警提示。

2.根据权利要求1所述的检测方法，其特征在于，所述步骤一的具体过程如下：所述传感器为智能手机和智能手表，所述驾驶员手部加速度为智能手表测得的加速度，所述车辆加速度为智能手机测得的加速度，所述智能手机固定于车厢内，采集车辆行驶过程中的手机加速度传感器数据 陀螺仪传感器数据 重力加速度 线性加速度 所述智能手表绑定在驾驶员

手腕处，采集手表加速度传感器数据 重力加速度

线性加速度 采用转换矩阵R将智能手机坐标系和智能手表坐标系转换到世界坐标系下，其中R为3x3的数值矩阵；所述数据序列的存储形式为其中ti为采集时刻。

3.根据权利要求1或2所述的检测方法，其特征在于，所述步骤三的具体过程如下：首先对驾驶员手部相对静止的智能手表窗口数据提取特征值，通过下式计算智能手表重力加速度三轴均值wgx,mean、wgy,mean、wgz,mean，其中l为窗口长度；

通过下式计算智能手表所测得的车辆振动信号的垂直分量：

式中： 表示智能手表所测得的重力加速度， 表示智能手表所测得的线性加速度，av,watch表示智能手表所测得的车辆振动信号的垂直分量；然后通过下式计算智能手机所测得的车辆振动信号的垂直分量：式中： 表示智能手表所测得的重力加速度， 表示智能手表所测得的线性加速度，av,phone表示智能手表所测得的车辆振动信号的垂直分量；然后计算上述振动信号垂直分量的方差Var(av,watch)和Var(av,phone)，以及两者之比 最后得到特征向量

4.根据权利要求1所述的检测方法，其特征在于，所述步骤四的异常检测算法为基于多元高斯基于多元高斯模型的异常检测算法，步骤四的具体过程如下：从步骤三处理后的数据中随机选取60％的手握方向盘的数据用于构建训练数据集，

20％的手握方向盘数据和50％的手离开方向盘的数据构成交叉验证集，使用剩下的20％手握方向盘数据和50％的手离开方向盘数据构建测试集；首先，用下式在训练集上估计多元高斯模型的参数：(i)

式中：x 表示训练集中的一个样本，m为训练集样本数；当给定一个测试样本时，通过下式计算其概率密度函数：式中：x和μ为1×d的向量；

接着在交叉验证集上尝试用不同的阈值ε识别数据是否异常，根据测试结果的F1值选择最佳的阈值ε，最后在测试集上对检测模型进行测试，直到检测模型的检测准确率到达实际应用要求。