[发明专利]一种基于CNN的驾驶违规行为的识别方法

权利要求书

1.一种基于CNN的驾驶违规行为的识别方法，其特征在于：包括以下步骤：

S1、建立多层驾驶行为CNN识别网络，所述CNN识别网络包括三层网络；

S2、截取监控视频图像；

S3、将步骤S2截取的监控视频图像送入步骤S1建立的CNN识别网络的第一层，CNN识别网络的第一层识别视频图像属于车内场景还是车外场景，将属于车内场景的视频图像送入步骤S4，将属于车外场景的图像淘汰；

S4、CNN识别网络的第二层对步骤S3送入的视频图像进行识别，提取出视频图像中驾驶员人头部分送入步骤S5；

S5、CNN识别网络的第三层对步骤S4送入的视频图像进行识别，判断驾驶员的行为是否存在违规；

所述步骤S1中建立多层驾驶行为CNN识别网络的方法包括以下步骤：

S101、建立第一层CNN识别网络；

S102、建立第二层CNN识别网络；

S103、建立第三层CNN识别网络；

S104、将S101、S102、S10建立的三层CNN识别网络串联，形成最终的网络结构；

每层CNN识别网络的建立包括以下步骤：

S105、样本准备，将样本分为训练集和测试集；

S106、构建对应层的CNN网络结构；

S107、将训练集图像导入步骤S106建立的CNN网络结构中进行训练；

S108、训练完成，得到对应层的CNN网络；

所述步骤S107将训练集图像导入步骤S106建立的CNN网络结构中进行训练前还包括对训练集图像进行变换；

所述图像变换的方法包括横向平移、纵向平移，旋转、改变图像对比度、改变明亮度、设置模糊区域范围及模糊程度和调整噪声大小，并且对每类变换都可详细控制变换数量。

2.根据权利要求1所述的一种基于CNN的驾驶违规行为的识别方法，其特征在于：所述步骤S107中进行识别训练的训练框架采用了动态学习率的算法和自动判收敛算法。

3.根据权利要求1所述的一种基于CNN的驾驶违规行为的识别方法，其特征在于：每一层的样本准备包括：

第一层训练：需要准备车内的图片、车外场景的图片；

第二层训练：需要车内场景中是驾驶员人头的和不是人头的图片；

第三层训练：需要驾驶员人头中违规的图片和没有违规的图片。