[发明专利]一种驾驶员不规范行为检测方法

说明书

本发明提供一种驾驶员不规范行为检测方法，包括以下检测步骤：初始化N个报警队列；获取当前驾驶位置的图片；当判断具有人脸目标时，分别判断当前驾驶位置的图片是否符合每一个设定的报警条件；当任意一个当前驾驶位置的图片符合设定的报警条件时，在该报警队列的一端插入1，并删除另一端第一个数字。然后对队列求和，再判断队列的和是否大于等于该队列报警阈值，当队列的和大于等于该队列报警阈值时，进行报警。其优点在于可灵活部署在终端设备或服务器上，同时检测多种不规范驾驶行为，并在曝光不足、人脸遮挡、角度不正等问题下，仍然保持一定的报警精度。

技术领域

本发明涉及一种驾驶员不规范行为检测方法。

背景技术

交通事故常常是由很多主观因素导致的，所以，作为参与交通行为的主要对象——驾驶员，需要在其产生不规范的驾驶行为时，得到及时的提醒，以减少事故的发生。目前，常采用在驾驶室内安装监控摄像头的方式，对司机的驾驶行为进行监管，但人力无法做到24小时不间断监管和及时提醒，需要依靠人工智能算法的辅助。现有的，借助人工智能算法和机器视觉相结合解决方案主要有以下两种：

一种本地部署AI算法：将人工智能算法部署在AI摄像头上，在本地实时处理摄像头采集的图像，并通过语音设备播报告警。

另一种，远程部署AI算法：采用搭载通信传输功能普通摄像头，将其采集的图像传输到远程服务器上，经部署在服务器上的人工智能算法运算后，再将告警结果反馈给驾驶员。

这两种方式都对人工智能算法的效率和准确性有很高要求。一方面，算法效率决定了能否产生及时的告警，这对需要远程传输的设备更为重要。另一方面，准确性差的算法产生过多误检，进而导致频繁告警，也会影响司机正常驾驶，适得其反。另外，不同场景下，采集到的图片往往光照、角度、遮挡等不一，对驾驶员检测算法带来很多挑战。

现有的驾驶员行为检测算法，一般包含目标检测、人脸检测、人脸关键点检测、人体姿态识别、手部姿态识别等典型算法。除了算法本身的准确性和效率的限制，算法的选择和组合也是正确识别的关键。

发明内容

本发明提供的一种驾驶员不规范行为检测方法，针对在驾驶过程(包括驾驶私家车、货车、大中型客车、轨道交通工具等)中，司机接打电话、抽烟、困倦疲劳、分心等不规范驾驶行为的视觉检测方法，可灵活部署在终端设备或服务器上，同时检测多种不规范驾驶行为，并在曝光不足、人脸遮挡、角度不正等问题下，仍然保持一定的报警精度；以克服现有技术的缺陷。

本发明提供一种驾驶员不规范行为检测方法，包括以下检测步骤：

步骤A、初始化N个报警队列，并设定每个队列的长度，每个队列中的初始值均为0。

步骤B、获取当前驾驶位置的图片。

步骤C、判断当前驾驶位置的图片是否具有人脸目标。当判断具有人脸目标时，进入步骤D。

步骤D、每个报警队列对应一个设定的报警条件，分别判断当前驾驶位置的图片是否符合每一个设定的报警条件。

当任意一个当前驾驶位置的图片不符合设定的报警条件时，在该报警队列的一端插入0，并删除另一端第一个数字。返回步骤B。

当任意一个当前驾驶位置的图片符合设定的报警条件时，在该报警队列的一端插入1，并删除另一端第一个数字。然后对队列求和，再判断队列的和是否大于等于该队列报警阈值，当队列的和大于等于该队列报警阈值时，进行报警。返回步骤B。

当队列的和小于该队列报警阈值时，返回步骤B。

进一步，本发明提供一种驾驶员不规范行为检测方法，还可以具有这样的特征：步骤B包括以下步骤：

步骤B1、当前驾驶位置的图片通过OpenCV的VideoCapture模块判断驾驶室摄像头是否在开启状态。