[发明专利]一种基于动作行为特征的危险驾驶行为识别方法及系统

说明书

本发明属于计算机视觉技术领域，提供了一种基于动作行为特征的危险驾驶行为识别方法及系统，该网络以CenterNet为目标检测主体，将ResNet‑50和Hourglass网络各自做了改进并结合，用作CenterNet的主干。为了提升精度和速度，在其他多个模块也都做了改进，并采集自然条件下的驾驶员危险驾驶行为数据集用于评估网络，实验部分分别做了消融实验和对比实验，证明每一个模块的改进都可以对模型性能产生积极影响。

技术领域

本发明属于计算机视觉技术领域，尤其涉及一种基于动作行为特征的危险驾驶行为识别方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

汽车工业的大规模发展增强了汽车技术，使得基本可以在硬件方面确保安全，但每天仍有大量的交通事故发生，其中有25％的碰撞事故源于驾驶员的注意力不集中，如分心、疲劳等状态。其中，危险驾驶行为占有很大比重，因此，对驾驶员的驾驶行为进行监控是很有必要的。

危险驾驶行为检测侧重于驾驶过程中的驾驶员的手部行为分析，在人机交互人类行为理解和动作识别等领域有诸多应用，得到许多研究者的关注。其挑战在于，一方面，手部不像身体可以有复杂的姿势和明显特征便于识别其不同行为，且采集到的手部数据常出现外部遮挡等问题；另一方面，在驾驶环境中存在背景、光照强度变化大，汽车运动造成的图像抖动等问题，都给驾驶员手部检测和行为分析带来难度。由此可见，采集较为全面的数据、准确的驾驶员手部目标检测和正确的危险行为分类在这项研究中都至关重要。

在利用驾驶员手部进行危险驾驶行为分析研究方面，主要集中于基于传统算法、基于设备和基于深度学习的研究。基于传统算法的研究应用广泛，可以兼顾多层次宽领域的识别分类，但计算量巨大，且很难达到精准的识别效果。基于设备的方法可以准确的分辨不同动作间的细微区别，且速度快，应用场景广泛。但由于是侵入式设备，在实际使用过程中对使用者的正常行为会有一定的影响，因此在需要保障安全的驾驶环境中基本不考虑这种方法。

发明内容

为了解决上述背景技术中存在的至少一项技术问题，本发明提供种一种基于动作行为特征的危险驾驶行为识别方法及系统，该系统综合考虑驾驶员的手部、手里拿的东西和相应的动作作为特征输入到目标检测网络中进行危险驾驶行为识别，实现了对驾驶员是否处于危险驾驶状态的判断，关键技术体现在将ResNet-50和Hourglass分别作了处理并结合，共同作为CenterNet的主干使用。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种基于动作行为特征的危险驾驶行为识别方法，包括如下步骤：

获取驾驶员驾驶过程中的待识别的自然危险驾驶行为视频；

将待识别的自然危险驾驶行为视频进行预处理得到待识别的自然危险驾驶行为图像；

将预处理后的待识别的自然危险驾驶行为图像输入至训练好的危险驾驶行为检测模型中，获取驾驶员危险驾驶行为识别结果；其中，所述危险驾驶行为检测模型以CenterNet为主干网络，所述CenterNet的主干网络包括Hourglass网络和ResNet-50网络，每个网络通道输出对应的原始特征图，分别对原始特征图处理得到每个网络通道的特征权重，将不同的网络通道的特征权重再作用到原始的特征图对应的网络通道，对原始特征重标定后融合。

本发明的第二个方面提供一种基于动作行为特征的危险驾驶行为识别系统，包括：

数据获取模块，被配置为：获取驾驶员驾驶过程中的待识别的自然危险驾驶行为视频；

数据预处理模块，被配置为：将待识别的自然危险驾驶行为视频进行预处理得到待识别的自然危险驾驶行为图像；