[发明专利]一种基于视频识别的危险驾驶行为监督方法与装置

权利要求书

1.一种基于视频识别的危险驾驶行为监督方法，其特征在于：包括以下步骤：

采集视频图像；

通过视频图像识别危险驾驶行为；

对危险驾驶行为进行响应。

2.根据权利要求1所述的基于视频识别的危险驾驶行为监督方法，其特征在于：所述危险驾驶行为包括驾驶员使用手机、驾驶员未系安全带、驾驶员疲劳驾驶、货仓门打开中的一种或多种。

3.根据权利要求2所述的基于视频识别的危险驾驶行为监督方法，其特征在于：所述采集的视频图像包括驾驶员上半身视频图像、驾驶员面部视频图像、货仓内部视频图像中的一种或多种。

4.根据权利要求3所述的基于视频识别的危险驾驶行为监督方法，其特征在于：对危险驾驶行为进行响应的方式包括记录危险驾驶行为、向驾驶员进行告警、通过网络发送危险驾驶行为信息中的一种或多种。

5.根据权利要求4所述的基于视频识别的危险驾驶行为监督方法，其特征在于：所述通过视频图像识别驾驶员使用手机或驾驶员未系安全带的方法包括如下步骤：

采用深度学习算法建立基于卷积神经网络的驾驶员使用手机或驾驶员未系安全带的视频识别算法模型；

从实际应用场景的视频数据中获取样本数据，对模型进行训练，训练过程采用随机梯度下降的方法对损失函数进行优化，损失函数loss为目标位置与分类标号误差的加权求和：

其中，α_coord和α_noobj分别为目标和背景的权值，x、y、w、h分别为估计的目标的行、列坐标以及宽、高，分别为目标的真实行、列坐标以及宽、高，C为目标的类别号，p(c)为目标为c类的概率，i为目标或背景区域的索引；

车辆行驶过程中，通过模型检测视频图像中是否出现与驾驶员使用手机或驾驶员未系安全带特征一致的结果；若有，则判定驾驶员使用手机或驾驶员未系安全带。

6.根据权利要求5所述的基于视频识别的危险驾驶行为监督方法，其特征在于：所述通过视频图像识别驾驶员疲劳驾驶的方法包括如下步骤：

采用监督下降算法建立用于标记眼睛及嘴巴关键点的视频识别算法模型，所述监督下降算法采用牛顿下降法优化目标函数，所述目标函数loss为最小二乘目标函数，即特征点的估计位移与真实位移之间的均方误差：

其中，为关键点初始特征，Δx₁为关键点初始位置与期望位置之间的位移，R₀和b₀分别为最小二乘函数的系数项和偏置项；

从实际应用场景的视频数据中获取样本数据，人工对样本数据中眼睛及嘴巴关键点进行标记，通过标记后的样本数据对模型进行训练；

车辆行驶过程中，通过模型检测获得眼睛及嘴巴关键点，计算获得眼睛及嘴巴张开的高度；若眼睛张开的高度小于阈值，则判定为闭眼；若嘴巴张开的高度大于阈值，则判定为打哈欠；若持续闭眼或打哈欠，则判定驾驶员疲劳驾驶。

7.根据权利要求6所述的基于视频识别的危险驾驶行为监督方法，其特征在于：所述通过视频图像识别货仓门打开的方法为：车辆行驶过程中，若车厢内光线强度或车厢内物体位置发生的明显变化，则判定货仓门打开。

8.一种采用权利要求1至7中任一权利要求所述方法的基于视频识别的危险驾驶行为监督装置，其特征在于：包括

GPS模块，用于获取车辆位置信息和速度信息；

4G模块，用于接入移动通信网络；

OBD模块，用于连接车辆OBD接口，获取车辆速度信息和车辆工况信息；

摄像头，用于获取视频图像；

处理器，用于接收GPS模块、OBD模块和摄像头采集的数据，通过视频图像识别危险驾驶行为并作出响应；以及

存储器，用于记录GPS模块、OBD模块和摄像头采集的信息，以及处理器计算获得的危险驾驶行为信息。