[发明专利]一种营运车辆异常驾驶行为检测方法及系统

说明书

技术领域

本发明属于图像处理技术领域，具体涉及一种营运车辆异常驾驶行为检测方法及系统。

背景技术

据公安部数据表明，全国特大交通事故中营运车辆占总数的70％，事故发生率与死亡率居高不下，其中营运客车驾驶员疲劳驾驶行为是导致营运事故高发的重要原因，给驾驶员及乘客人身和财产安全造成严重威胁。驾驶员疲劳状态监测技术主要分为三大类，基于生理指标的检测方法、基于驾驶人行为特性分析的检测方法和基于机器视觉的检测方法。

基于生理指标的检测方法采用接触式测量方式，一般通过测试驾驶人的生理信号来推测驾驶人的疲劳状态。在该类方法中，脑电图分析是目前应用最多、性能最优的方法，它是通过分析脑电频谱中各节律成分的绝对或相对变化来估计驾驶人的疲劳状态。另外，研究发现，在长时间夜间驾驶或疲劳驾驶情况下，心率会严重下降，心电图也可作为判别参数来对驾驶人疲劳状态进行推断。但是，接触式生理参数测评方法通常需要被测者佩戴相应的装置(如电极贴片等)，会给驾驶行为造成极大干扰，不适合实际行车环境下的应用。

基于驾驶人行为特性的疲劳检测方法，是通过分析驾驶人的转向盘、踏板操作特性或车辆行驶轨迹特征来推测驾驶人的疲劳状态，其中驾驶人对转向盘的修正操作特性被认为与疲劳状态存在较强的相关性。美国Digital Installations公司开发的转向盘监视装置S.A.M通过置于转向盘下方的磁性条检测转向盘转角，如果一段时间内驾驶人没有对转向盘进行任何修正操作，则系统判断驾驶人进入疲劳状态并触发报警。虽然基于驾驶人操作特性的疲劳检测方法能够达到一定的识别精度，且测量过程不会对驾驶人带来干扰，但驾驶人的操作除了与疲劳状态有关外，还受道路环境、行驶速度、个人习惯、操作技能等的影响，其准确性与鲁棒性仍有待提高。

基于机器视觉的疲劳检测方法通过监控设备检测人体一个或者若干个区域的状态，通过这些状态判断驾驶员的驾驶行为。驾驶人的眼睛特征、嘴部运动特征都可直接用于检测疲劳，其中与眼睛状态相关的信息是目前应用最为广泛的。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种营运车辆异常驾驶行为检测方法及系统。本发明要解决的技术问题通过以下技术方案实现：

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：

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：

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：

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；