[发明专利]一种基于强化学习的驾驶员异常姿态监测方法

摘要

本发明请求保护一种基于强化学习的驾驶员异常姿态监测方法，包括步骤：获取驾驶员驾驶视频后，利用OpenPose系统提取远小于图像像素点数量的驾驶员面部关键点和骨骼关键点，同时将面部关键点通过三次样条插值构建面部特征，进行驾驶员身份识别。关键帧提取方法基于强化学习的方式，通过姿态检测模型获取相应的奖励，并根据奖励和姿态的每个动作来更新动作价值函数，直到得到适用于每个驾驶员的稳定的关键帧提取策略。基于时间与空间变化的驾驶员动态行为，利用机器学习算法训练得到姿态检测模型。结合保护动机理论建立具有引导性质的安全预警机制。本发明增加了检测的实时性和准确性，增强了安全预警的可靠性。

主权项

1.一种基于强化学习的驾驶员异常姿态监测方法，其特征在于，准备阶段和检测阶段，其中准备阶段包括：基于时间与空间变化的驾驶员动态行为，利用机器学习算法训练得到驾驶员姿态检测模型，结合保护动机理论建立具有引导性质的安全预警机制；检测阶段包括以下步骤：视频获取步骤：通过车载单目摄像机获取驾驶员的驾驶视频；关键点检测步骤：利用OpenPose关键点检测系统标记视频中每一帧图像中驾驶员的面部关键点和骨骼关键点，使问题规模从图像中的像素点转换为驾驶员姿态变化的关键点；利用参考点重构并归一化处理后的关键点的初始化状态信息之间的拓扑关系提取驾驶员自然驾驶状态特征；关键帧序列提取步骤：若驾驶员处于非自然驾驶状态，则进行关键帧提取。关键帧序列提取方法基于强化学习的方式，通过姿态检测模型反馈相应的奖励，并根据奖励和姿态变化更新动作价值函数。每一个非自然状态的发生都会更新动作价值函数，直到得到适用于每个驾驶员的稳定的关键帧提取策略。通过关键帧提取策略经过一定时间的自适应在线训练，得到最具代表性的关键帧序列；姿态检测步骤：若驾驶员处于自然驾驶状态，则直接进行姿态检测；若驾驶员处于非自然驾驶状态，则进行关键帧提取，得到最具代表性的关键帧序列，并将其输入姿态检测模型；关键帧提取过程中若不满足关键帧提取策略，则放弃该时刻的关键帧提取，直接进行姿态检测；安全预警步骤：根据姿态检测步骤得到的检测结果进行安全预警。