[发明专利]一种营运车辆异常驾驶行为检测方法及系统

权利要求书

1.一种营运车辆异常驾驶行为检测方法，包括以下步骤：

步骤一、采集500张不同年龄、不同性别和不同光照的驾驶员图像,手动分割出所述驾驶员图像的肤色区域，并将切分出来的肤色图像从RGB色彩空间转到YC_bC_r色彩空间，得到肤色区域的训练数据；

步骤二、利用公式(1)计算肤色区域像素点的C_bC_r值在高斯密度函数P_i(c|skin)中的概率值：

Pi(c|skin)=12π|Σ|1/2e-12(c-μ)TΣ-1(c-μ)---(1)]]>

其中，c为像素点在YC_bC_r色彩空间对应的颜色向量[C_b,C_r]^T,均值μ与协方差矩阵Σ通过步骤三计算；

步骤三、均值μ与协方差矩阵Σ通过EM算法估计，分为公式(2)的E-步和公式(3)的M-步，其中：E-步用于计算对数似然函数的期望，M-步用于选择期望最大的参数，再将所述参数代入E-步，计算期望，如此反复，直到收敛到最大似然意义上的最优解为止；

E-步：

M-步：

Σ^j=Σi=1Nωi,j·(ci-μ^j)(ci-μ^j)TΣi=1Nωi,j---(3)]]>

其中，ω_i,j表示样本c_i属于第j类的后验概率；表示第j类的比例系数，表示第j类的均值，表示第j类的协方差矩阵；

步骤四、构建肤色区域的混合高斯统计模型，混合高斯统计模型的概率密度函数如公式(4)所示：

P(c|skin)=Σi=1mπi·Pi(c|skin)---(4)]]>

其中：m为高斯分量的个数，π_i是高斯分量的混合比例系数，满足：π_i≥0,i＝1,2,…m；P_i(c|skin)为步骤二中第i个像素点的高斯密度函数；

步骤五、采用步骤一至步骤四，通过步骤四构建的混合高斯统计模型进行肤色区域的提取；

其中，进行肤色提取的过程是：在混合高斯统计模型中输入一张驾驶员图像，先将颜色空间转化到YC_bC_r色彩空间中，获得各像素点的C_bC_r值，再利用公式(4)计算每个像素点的C_bC_r值在混合高斯模型中的概率值，将概率值大于训练数据统计阈值的像素点标记为肤色点，并将所有肤色点构成的区域作为图像的肤色区域，然后保留肤色区域，擦除非肤色区域；

步骤六、将步骤五得到的提取图像，在训练好的人脸监测器中识别出人脸区域；

步骤七、从步骤五中得到的肤色区域中去除步骤六得到的人脸区域，并将其他区域定义为人手区域，根据人手区域在图像中的位置，定义左手区域和右手区域，再依据左手区域、右手区域与人脸区域的位置关系，判断驾驶员是否异常驾驶。