[发明专利]一种基于深度学习的驾驶员违章行为识别系统

说明书

本发明公开了一种基于深度学习的驾驶员违章行为识别系统，包含客户端和服务器端；在驾驶员违章行为识别系统客户端中输入待检视频，提取视频帧后上传到服务器端，通过后台的动作识别代码，结合所选择的需要识别的行为，对图像进行动作识别，并将识别结果传输至客户端。本发明对驾驶员违章行为识别系统的需求进行了分析，然后设计出客户端与服务器端两大模块，在客户端中设计了登录模块、视频操作模块、识别结果模块以及图像上传与下载模块，在服务器端中设计了配置模块与驾驶员违章行为识别模块。经过测试和应用，该系统较好的完成了驾驶员违章行为的识别，有较高的使用价值。

技术领域

本发明具体涉及一种基于深度学习的驾驶员违章行为识别系统。

背景技术

由于交通事故数量不断增长，不少统计资料表明，绝大多数交通事故往往是由于驾驶员在驾驶过程中的各种违章行为直接或间接导致的，驾驶员的行为姿态往往会决定了驾驶员的注意力集不集中、是否存在疲劳驾驶以及精神状态等信息，因此，全球各国研究机构以及学者对驾驶员行为展开了广泛的研究工作。针对驾驶员的行为识别工作，目前的研究方法有很多，但是主要围绕三种类别进行：基于车辆传感器的驾驶员行为识别方法、基于人体传感器的驾驶员行为识别方法、基于计算机视觉的驾驶员行为识别方法。

其中，基于计算机视觉的驾驶员行为识别方法是利用计算机视觉技术和人工智能技术，利用摄像头对驾驶员在驾驶过程中所产生的一系列动作进行采集，然后再利用相关的算法、神经网络对图像进行分析。该方法对图像的获取方式相对来说最为简单便捷，对车辆以及驾驶员来说所受的干扰都是非常少的，此类方法在交通领域内的研究当中也被称为非接触性辅助，同时非接触性地对驾驶员进行检测也已经成为最广泛使用、最有价值的司机行为识别手段。随着全球范围的计算机技术的不断进步，基于计算机视觉的识别方法已被世界各国的研究人员广泛采用。非接触性的对驾驶员进行检测的方法早已突破了传统疲劳驾驶方法的局限，从简单的检测驾驶员面部特征的疲劳程度，到分析驾驶员在驾驶过程中的各种行为，同时对驾驶员的驾驶状态也有了越来越全面的分析。因此本发明从该方法出发设计出一套可用性高的驾驶员违章行为识别系统。

该类方法主要以摄像头为传感器，基于计算机技术进行姿态识别。该类方法可以分为三类：基于驾驶员眼部凝视状态的驾驶姿态识别方法、基于驾驶员面部及头部姿态的驾驶姿态识别方法以及基于驾驶员身体姿势的驾驶姿态识别方法。基于计算机视觉的驾驶员行为识别方法的发展是从局部到整体的发展(“眼睛——面部——躯干”)，其中国内外对驾驶员行为的识别中最为代表性的有：2011年，李洪研等提出了一种基于人眼PERCLOS特征的列车驾驶员疲劳检测系统对驾驶员安全和不安全驾驶姿势的识别方法。2017年，Sun等提出了一种基于热传感自适应传感器的驾驶员识别方法。2018年，Li等提出了一种基于实车眼动实验的驾驶员注视行为建模分析的方法。2018年，Huang等提出了一种基于驾驶员气质特征的驾驶员姿态特征提取方法，其中对驾驶员的驾驶姿态识别主要采用多分类器集成进行。2016年，许华胜等提出了一种基于计算机视觉的驾驶员行为分析的系统，其中识别的核心功能是对驾驶员在数据集中的区域(包含头部、四肢)，并利用肤色检测技术对数据进行处理。