[发明专利]一种基于双视角视频数据的驾驶员姿态识别方法

说明书

本发明公开了一种基于双视角视频数据的驾驶员姿态识别方法，包括如下步骤：使用双视角摄像头采集驾驶员驾驶视频数据；基于Python‑OpenCV库将视频数据转化为图片数据；将驾驶动作进行分解，提取视线偏移状态量V、持续性状态量C和短暂性状态量T，并形成标签化的双视角图像数据集；构建小型卷积神经网络识别视线偏移量V；构建多输出轻型卷积神经网络识别短暂型状态量C和持续型状态量T；构建联合识别网络，实现驾驶姿态识别；分析驾驶状态在时间轴上的排列，实现驾驶动作的识别。本发明采用双视角数据集，弥补了单视角数据信息损失的固有缺陷；通过构建模型识别驾驶姿态，并基于驾驶状态在时间轴上的排列，识别驾驶动作，模型实时性和精度均很好。

技术领域

本发明涉及一种驾驶员姿态识别方法，尤其涉及一种基于双视角视频数据的驾驶员姿态识别方法。

背景技术

世界卫生组织《道路安全全球现状报告2015》指出道路交通事故为全球人口死亡的主要因素，世界上每天大约有3500人因道路交通碰撞而死亡，改善交通安全成为各国目前工作中的首要任务之一。

研究者普遍认为交通事故的发生多数由驾驶员错误驾驶行为导致，这些错误行为中以疲劳驾驶、超速、错误驾驶姿态居多。不良的驾驶姿态会严重影响驾驶员的感知、判断以及对突发状况的应急反应能力。所以，对驾驶员姿态的准确及时的识别检测并给予适时地提醒对保障驾驶安全有重大意义。

现阶段，随着计算机视觉和机器学习的兴起，图像识别技术不断发展，针对驾驶姿态的检测，研究者构建了如kaggle、SEU等驾驶姿态数据集，从单视角对驾驶员的姿态信息进行采集，但单视角数据存在维度信息丢失问题，即单张图片难以完成表达驾驶姿态信息，而这会导致姿态检测类别受限以及检测精度不高等问题。

发明内容

发明目的：本发明的目的为提供一种提高模型识别精度、实现驾驶动作的识别的基于双视角视频数据的驾驶员姿态识别方法。

技术方案：本发明的基于双视角视频数据的驾驶员姿态识别方法，包括以下步骤：

(1)使用双视角摄像头采集驾驶员驾驶视频数据；

(2)基于Python-OpenCV库将视频数据转化为图片数据，并基于时间轴进行双视角图像数据匹配，形成双视角图像数据；

(3)将驾驶动作进行分解，提取视线偏移状态量V、持续性状态量C和短暂性状态量T，对双视角图像进行标签化处理，通过叠加状态量实现驾驶动作识别，并对图像冗余数据进行剪切和压缩，形成双视角图片数据集；

(4)剪切冗余数据的单视角图像，构建小型卷积神经网络识别视线偏移量V；

(5)基于网络轻型化技术，构建多输出轻型卷积神经网络识别短暂型状态量C和持续型状态量T；

(6)联合步骤(4)和(5)中的模型，构建联合识别网络模型，综合驾驶状态量，实现驾驶姿态识别；

(7)分析驾驶状态在时间轴上的排列，实现驾驶动作的识别。

基于营运车辆驾驶员驾驶动作识别系统小型化、实时性和高精度的需求，使用剪除了冗余数据的单视角图像，构建小型卷积神经网络识别视线偏移量V。

进一步地，步骤(1)具体包括如下步骤：

(a)根据车型及驾驶舱环境确定双视角摄像头固定位置，确保两个视角覆盖驾驶员上半身区域，确保观察到手部和头部的运动状态；

(b)采集驾驶员的双视角驾驶视频数据。

步骤(2)具体包括如下步骤：

(a)利用OpenCV库，基于python程序语言，将视频数据转换为图片数据；

(b)将图片数据根据时间轴按顺序一一匹配，获得双视角图像数据。