一种驾驶员打电话行为的检测方法及装置制造方法及图纸

技术编号:13913477 阅读:124 留言:0更新日期:2016-10-27 09:37
本发明专利技术提供了一种驾驶员打电话行为的检测方法,该方法包括:选取标签的彩色图像为样本图像,采用卷积神经网络对样本图像进行反复训练,获取训练好的打电话检测模型;根据车牌区域获取车窗的候选区域;采用Hough变换在车窗的候选区域内检测直线,对直线进行聚类处理,提取车窗区域;采用人脸检测算法在车窗区域内进行检测,提取人脸区域;根据人脸区域获取打电话的感兴趣区域;利用训练好的打电话检测模型对感兴趣区域进行检测,输出检测结果。与现有技术相比,本发明专利技术能准确的检测出驾驶员的打电话行为,且鲁棒性较好。

【技术实现步骤摘要】

本专利技术涉及图像处理、视频监控以及智能交通,特别涉及驾驶员打电话行为的检测方法及装置
技术介绍
随着交通运输业的发展,交通事故已成为当今危害人类生命安全的主要公害之一,同时也是当前世界各国所面临的一个严重的社会问题。在交通事故的发生原因中,驾驶员注意力不集中是主要原因之一。据统计报告显示,开车时打电话会严重干扰驾驶员的注意力,使得发生车祸的风险比正常驾驶时高4倍以上。目前,对于驾驶员行车途中打电话行为检测的研究还比较少,主要集中在基于手机信号进行检测。由于很难分辨是驾驶员在打电话还是乘客在打电话,基于手机信号的方式会有很多误检。随着计算机硬件和软件技术、图像处理技术和计算机视觉、模式识别等技术的发展,近年来基于图像处理的打电话行为检测得到了研究。现有的基于图像处理的打电话行为检测大多是基于分类器的,例如公开号为CN104573659A和CN102567743A的中国专利技术专利申请是基于SVM(Support Vector Machines,支持向量机)分类器的,公开号为CN104966059A的中国专利技术专利申请是基于Cascade级联分类器的。然而由于分类器提取的特征有限,因此影响了打电话行为检测的检测准确率。综上所述,目前迫切需要提出一种检测准确率较高的驾驶员打电话行为的检测方法及装置。
技术实现思路
有鉴于此,本专利技术的主要目的在于实现驾驶员打电话行为的检测,且检测准确率较高。为达到上述目的,按照本专利技术的第一个方面,提供了一种驾驶员打电话行为的检测方法,该方法包括:第一步骤,选取标签的彩色图像为样本图像,采用卷积神经网络对样本图像进行反复训练,获取训练好的打电话检测模型;第二步骤,根据车牌区域获取车窗的候选区域;第三步骤,采用Hough变换在车窗的候选区域内检测直线,对直线进行聚类处理,提取车窗区域;第四步骤,采用人脸检测算法在车窗区域内进行检测,提取人脸区域;第五步骤,根据人脸区域获取打电话的感兴趣区域;第六步骤,利用训练好的打电话检测模型对感兴趣区域进行检测,输出检测结果。所述第一步骤进一步包括:样本选取步骤,选取标签驾驶员打电话的彩色图像、标签驾驶员未打电话的彩色图像、标签模糊的彩色图像作为样本图像;初步训练步骤,利用卷积神经网络对样本图像进行特征训练,获得初步训练的模型;二次训练步骤,选取测试图像,根据初步训练的模型对测试图像进行反复训练,直至模型收敛;模型输出步骤,将收敛的模型作为训练好的驾驶员打电话检测模型并输出。所述初步训练步骤中卷积神经网络包括:输入层、Th_Con个卷积层、Th_Pool个池化层、Th_Full个全连接层。其中,每层卷积层包括Th_CK个卷积核,卷积核的大小为CKSi*CKSi、步长为1。每层池化层的核的大小为KSi*KSi、步长为KSi。所述全连接层的最后一层全连接层输出的神经元的数量为3,即为3个驾驶员打电话检测类别。进一步地,所述卷积神经网络包括:输入层,输入Width*Height的图像;第一层卷积层,输出Th_CK1个卷积核,卷积核的大小为CKSi1*CKSi1、步长为1;第一层池化层,采用最大池化法输出KSi*KSi、步长为KSi的核;第二层卷积层,输出Th_CK2个卷积核,卷积核的大小为CKSi2*CKSi2、步长为1;第二层池化层,采用最大池化法输出KSi*KSi、步长为KSi的核;第三层卷积层,输出Th_CK3个卷积核,卷积核的大小为CKSi3*CKSi3、步长为1;第三层池化层,采用最大池化法输出KSi*KSi、步长为KSi的核;全连接层,采用ReLU作为激活函数,输出Th_Neur个神经元;全连接层,输出3个神经元,即3个打电话检测类别。所述二次训练步骤进一步包括:训练特征提取步骤,根据初步训练的模型提取测试图像的特征;训练分类判定步骤,计算该特征与每一驾驶员打电话检测类别特征的相似度Simik,k表示第k个类别,k={1,2,3本文档来自技高网...

【技术保护点】
一种驾驶员打电话行为的检测方法,其特征在于,该方法包括:第一步骤,选取标签的彩色图像为样本图像,采用卷积神经网络对样本图像进行反复训练,获取训练好的打电话检测模型;第二步骤,根据车牌区域获取车窗的候选区域;第三步骤,采用Hough变换在车窗的候选区域内检测直线,对直线进行聚类处理,提取车窗区域;第四步骤,采用人脸检测算法在车窗区域内进行检测,提取人脸区域;第五步骤,根据人脸区域获取打电话的感兴趣区域;第六步骤,利用训练好的打电话检测模型对感兴趣区域进行检测,输出检测结果。

【技术特征摘要】
1.一种驾驶员打电话行为的检测方法,其特征在于,该方法包括:第一步骤,选取标签的彩色图像为样本图像,采用卷积神经网络对样本图像进行反复训练,获取训练好的打电话检测模型;第二步骤,根据车牌区域获取车窗的候选区域;第三步骤,采用Hough变换在车窗的候选区域内检测直线,对直线进行聚类处理,提取车窗区域;第四步骤,采用人脸检测算法在车窗区域内进行检测,提取人脸区域;第五步骤,根据人脸区域获取打电话的感兴趣区域;第六步骤,利用训练好的打电话检测模型对感兴趣区域进行检测,输出检测结果。2.如权利要求1所述的方法,其特征在于,所述第一步骤包括:样本选取步骤,选取标签驾驶员打电话的彩色图像、标签驾驶员未打电话的彩色图像、标签模糊的彩色图像作为样本图像;初步训练步骤,利用卷积神经网络对样本图像进行特征训练,获得初步训练的模型;二次训练步骤,选取测试图像,根据初步训练的模型对测试图像进行反复训练,直至模型收敛;模型输出步骤,将收敛的模型作为训练好的驾驶员打电话检测模型并输出。3.如权利要求2所述的方法,其特征在于,所述卷积神经网络包括:输入层、Th_Con个卷积层、Th_Pool个池化层、Th_Full个全连接层;其中,每层卷积层包括Th_CK个卷积核,卷积核的大小为CKSi*CKSi、步长为1;每层池化层的核的大小为KSi*KSi、步长为KSi;所述全连接层的最后一层全连接层输出的神经元的数量为3,即为3个驾驶员打电话检测类别;Th_Con∈[2,8],Th_Pool∈[2,8],Th_Full∈[1,3],Th_CK∈[...

【专利技术属性】
技术研发人员:李志国
申请(专利权)人:北京智芯原动科技有限公司
类型:发明
国别省市:北京;11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1