[发明专利]基于计算机视觉的双手脱离方向盘检测方法

说明书

本发明公开了一种基于计算机视觉的双手脱离方向盘检测方法，包括：第一阶段，包括收集图片、图片预处理，预处理图片人工标注、原始图片和标注信息整理成标注数据集；第二阶段，包括以数据采集和标注阶段获得的标准数据集作为输入；以Yolo v3网络结构为基础，通过裁剪优化，设计出适用于手势检测的网络结构；基于Caffe框架，通过调参调优训练手势检测模型；第三阶段，包括部署线下训练好的手势检测模型至嵌入式检测设备，实时检测司机的状态，根据检测模型返回的结果，判断司机双手是否脱离方向盘。该方法通过把双手脱离方向盘的检测作为一种目标检测任务来实现，结合深度学习技术，克服以往图像检测分析过于复杂、成本高准确率低及判断不直观的问题。

技术领域

本发明涉及图像通信技术领域，特别是一种基于计算机视觉的双手脱离方向盘检测方法。

背景技术

众所周知，司机的驾驶行为和车辆交通事故的产生直接相关。良好的驾驶行为，会极大的减少交通事故的产生和人员的伤亡；相反，不良的驾驶行为如疲劳驾驶、酒驾、驾驶过程中打电话、双手脱离方向盘等不规范驾驶行为，则很大可能导致交通事故的产生，从而造成无法挽回的人员伤亡和财产损失。据统计，90％以上的交通事故是人为因素造成的，而其中有87％是因为司机的违规操作、经验不足、行为规范性差等原因造成的。

显然，司机在整个驾驶过程中，双手应该握住方向盘，而绝对不能双手脱离方向盘，因为一旦双手脱离方向盘，当遇到路面凹凸不平或者其他复杂路况时，则极有可能偏离正常的驾驶轨道，导致产生严重的交通事故。因此，一种自动的实时监测司机双手是否长时间脱离方向盘的方法或者装置就显得非常必要。就目前而言，司机双手脱离方向盘的检测方法主要有三种：

基于司机生理信号的测量方法；

基于方向盘上安装传感器的测量方法；

基于计算机视觉图像分析的方法；

基于司机生理信号的测量方法：一般是要求司机佩戴一种特殊的装置，这种装置可以实时监控司机的状态，而这种装置一般都比较贵，另外可能会影响司机的正常驾驶，因此该方法比较难大规模的推广使用。

基于方向盘上安装传感器的测量方法：一般是改造方向盘，在方向盘两侧或者周围安装压力传感器、电磁传感器等，通过传感器返回的压力等信息，判断司机是否双手脱离了方向盘。这种方法，一般容易受到不同司机的个体差异的影响，如手握方向盘的位置、力度等等；另外，它的成本相对比较高，当测量数据不准的情况下，容易产生误报，所以，这种方法也尚未得到普及。

基于计算机视觉图像分析的方法：一方面，很多客车、公交车甚至各种私家车等，都会安装监控摄像头，这些监控摄像头就使得利用图像来分析司机的状态成为了可能；另一方面，随着计算机视觉相关技术的发展，尤其是深度学习技术如卷积神经网络(CNN)在图像领域的各种任务中都取得的各种突破性进展，因此，近来越来越多的研究者采用计算机视觉相关的方法，实时分析监控摄像头的视频图片，判断司机是否存在双手脱离方向盘的危险行为。

上述现有技术存在的缺点：

(1)基于司机生理信号和基于方向盘上安装传感器设备的测量方法，速度快，但是成本贵，而且不同的个体可能会有比较大的差异，容易产生误报；

(2)基于图像分析的方法，现有大部分方法需要提前给出方向盘的位置(或者通过一些传统的技术检测方向盘的位置，如Hough椭圆检测算法)，当给定方向盘的位置后，再通过一些图像的处理技术或者手势检测方法给出手的位置，基于方向盘的位置和手的位置，或者方向盘上手的数目结合车速等信息，综合判断是否手脱离了方向盘。这些方法，一般都需要给出方向盘的位置；另外通过手的数目或者手和方向盘位置的判断方法不直观。

发明内容