[发明专利]驾驶行为检测算法优化方法

权利要求书

1.一种驾驶行为检测算法优化方法，包括按顺序处理的样本整理过程、样品标定过程和样品训练过程，其特征在于，样本整理过程包括人脸图片整理、抽烟图片整理和打电话图片整理，人脸图片整理是整理驾驶员的人脸图片用于后期的人脸样本训练，包括对驾驶员人脸图片的各种分类定期采样，把前期积累的图片进行分类为正常图片、闭眼图片、抽烟图片和打电话图片；其中，整理正常图片是为了训练人脸样本、特征点、嘴部正常情况和眼部正常情况做准备；整理闭眼图片是为了收集闭眼图片的正样本，以便后期训练闭眼检测模型；整理抽烟图片是为了收集抽烟的正样本图片，以便后期训练抽烟检测模型；整理打电话图片是为了收集打电话的正样本图片，以便后期训练打电话模型；样品标定过程包括人脸图片标定、人脸特征点标定、抽烟图片标定和打电话图片标定，分类整好样本之后，对样本中的异常区域进行画框标定；其中人脸图片标定是指标定图片中的人脸位置，用于人脸样本的截取，采用矩形框标定方案，矩形框标定上边界：眉毛上边缘以上，眉头中央附近，最低要求包含眉毛；矩形框标定下边界： 嘴巴下边缘以下，下巴边缘以上；矩形框标定左右边界：最远脸的轮廓边缘；人脸特征点标定是标定图片中人脸特征点的位置，用于特征点的训练，采用七个人脸特征点标定方案分别为：眼睛眼角四点标定，鼻孔标定嘴角两点标定；标定七点顺序：从左到右，从上到下依次为：左眼的左眼角、左眼的右眼角、右眼的左眼角、右眼的右眼角、鼻孔、嘴巴左角和嘴巴右角；抽烟图片标定是标定图片中的烟的位置区域，用于抽烟样本的截取；抽烟正样本分为：叼烟和嘴部遮挡两类样本；单独训练；遮挡样本，除包含真实抽烟的情况还包括捂嘴的情况；截取区域：鼻子以下，下巴与嘴唇中间以上，左边以左眼角为边界，右边以右眼角为边界；打电话图片标定是标定图片中的打电话的位置区域，用于打电话样本的截取；打电话的正样本主要选取手部特征，只需准确的检测到把手部，把真实打电话和手部挠耳朵的归为一类，加时间条件，超过t秒触发报警；截取样本分为左、右两类，即左边疑似打电话和右边疑似打电话的样本，单独训练；截取样本应包含手部的完整特征：上部到手指的上边缘、下部到手腕位置，左右包含手臂完整的边缘特征；样品训练过程包括人脸样本的训练、特征点训练、抽烟训练和打电话训练，人脸样本的训练用于人脸检测算法训练，特征点训练是在人脸定位的基础上准确的定位眼睛、鼻子的位置，抽烟训练样本是用于抽烟检测，打电话训练样本是用于打电话检测，各检测异样时报警；所述样品训练过程的训练算法包括如下步骤，步骤1：人脸检测采用haar+级联分类器主要步骤如下：（1）提取类Haar特征；（2）利用积分图法对类Haar特征提取进行加速；（3）使用Adaboost算法训练强分类器，区分出人脸和非人脸；（4）使用筛选式级联把强的分类器级联在一起以提高检测准确度；步骤2：特征点训练是通过多级级联的回归树进行关键点回归，表述为如下式子：

其中S^(t)S^(t)表示第t级回归器的形状，rtrt表示第t级回归器的更新量，更新策略采用GBDT算法，即每级回归器学习的都是当前形状与groundtruth形状的残差；步骤3：抽烟和打电话训练包括如下步骤，（1）提取正负样本hog特征，（2）投入svm分类器训练，得到model，（3）由model生成检测子，（4）利用检测子检测负样本，得到hardexample，（5）提取hardexample的hog特征并结合第一步中的特征一起投入训练，得到最终检测子；所述的抽烟和打电话训练的流程包括如下步骤：（1）准备训练样本集合；包括正样本集和负样本集，利用机器学习算法进行抽烟和打电话样本训练，用以获得到一个性能优良的分类器，训练足够数量的样本，而且训练样本应该覆盖实际应用过程中可能发生的各种情况；（2）收集到足够的训练样本之后，前期手动裁剪样本，将收集到的训练样本集合，手动裁剪图片中的人脸标定范围并保存下来；（3）裁剪得到训练样本之后，将所有正样本放在一个文件夹中；将所有负样本放在另一个文件夹中；并将所有训练样本缩放到同样的尺寸大小；（4）提取所有正样本的Hog特征；（5）提取所有负样本的Hog特征；（6）对所有正负样本赋予样本标签，所有正样本标记为1，所有负样本标记为0；（7）将正负样本的Hog特征，正负样本的标签，都输入到SVM中进行训练；Dalal在论文中考虑到速度问题，采用线性SVM进行训练；（8）SVM训练之后，将结果保存为文本文件；（9）线性SVM进行训练之后得到的文本文件里面，有一个数组，叫做support vector，还有一个数组，叫做alpha，有一个浮点数，叫做rho；将alpha矩阵同support vector相乘，将得到一个列向量；之后，再该列向量的最后添加一个元素rho；所述的样品训练过程包括进行所述矩形框标定的训练，预测矩形框上下边界和左右边界之间的关联向量场，通过关联向量场表示矩形框各边间之间的连接关系，得到预测的矩形框训练模型；将预测训练模型与实际标定模型进行比对，修正预测训练模型，根据检测的司机人脸图片特征判断驾驶行为并提前发出预警；所述的样品训练过程还包括进行七个人脸特征点标定的训练，预测各个人脸特征之间的关联向量场，通过关联向量场表示各个人脸特征之间的连接关系，得到预测的七个人脸特征点训练模型；将预测训练模型与实际标定模型进行比对，修正预测训练模型，根据检测的司机人脸图片特征判断驾驶行为并提前发出预警。