一种基于深度卷积神经网络的违规驾驶检测方法技术

本发明专利技术公开了一种基于深度卷积神经网络的违规驾驶检测方法，其包括以下步骤：S1、采集驾驶员驾驶过程中的图像；S2、预处理步骤S1所采集的图像，得到图像训练集；S3、通过深度卷积神经网络训练图像训练集，得到图像训练样本；S4、通过深度卷积神经网络识别系统对图像训练样本进行检测，以实现违规驾驶检测。本发明专利技术可以采用车载摄像头对驾驶员的驾驶行为进行监测，相比传统检测手段可以获取更多的有效的信息，便于判断驾驶员是否存在违规行为。

An illegal driving detection method based on deep convolution neural network

The invention discloses a method for detecting illegal driving depth based on convolutional neural network, which comprises the following steps: image acquisition, S1 driver in the driving process; S2 image preprocessing step, S1 acquisition, image training set; S3, through the depth of convolution neural network training image training set, get the training samples image; S4, through the depth of the convolutional neural network recognition system to detect the training sample images, in order to achieve the detection of illegal driving. The invention can monitor the driver's driving behavior by using the vehicle mounted camera, and can get more effective information than the traditional detection method, and is convenient for judging whether the driver has any violation behavior.

【技术实现步骤摘要】
一种基于深度卷积神经网络的违规驾驶检测方法
本专利技术涉及违规驾驶领域，具体涉及一种基于深度卷积神经网络的违规驾驶检测方法。
技术介绍
当代经济的快速发展提高了人民的生活水平，汽车保有量的不断增长就是一方面的体现，与此同时，交通事故也与日俱增。驾驶员作为道路交通系统中最重要的组成部分，在安全驾驶方面起到决定性的作用。因此，对驾驶员驾驶行为的检测和研究会对减少交通事故大有帮助。传统的交通违规检测是通过电子摄像头对车辆信息进行捕捉，以达到检测是否闯红灯、逆行、轧线等违章行为的目的，但这种检测对驾驶员的驾驶行为不能做到很好的监测。专利技术针对现有技术中的上述不足，本专利技术提供的一种基于深度卷积神经网络的违规驾驶检测方法解决了现有交通违规检测对驾驶员的驾驶行为监测效果差的问题。为了达到上述专利技术目的，本专利技术采用的技术方案为：提供一种基于深度卷积神经网络的违规驾驶检测方法，其包括以下步骤：S1、采集驾驶员驾驶过程中的图像；S2、预处理步骤S1所采集的图像，得到图像训练集；S3、通过深度卷积神经网络训练图像训练集，得到图像训练样本；S4、通过深度卷积神经网络识别系统对图像训练样本进行检测本文档来自技高网...

【技术保护点】
一种基于深度卷积神经网络的违规驾驶检测方法，其特征在于，包括以下步骤：S1、采集驾驶员驾驶过程中的图像；S2、预处理步骤S1所采集的图像，得到图像训练集；S3、通过深度卷积神经网络训练所述图像训练集，得到图像训练样本；S4、通过深度卷积神经网络识别系统对所述图像训练样本进行检测，以实现违规驾驶检测。

【技术特征摘要】
1.一种基于深度卷积神经网络的违规驾驶检测方法，其特征在于，包括以下步骤：S1、采集驾驶员驾驶过程中的图像；S2、预处理步骤S1所采集的图像，得到图像训练集；S3、通过深度卷积神经网络训练所述图像训练集，得到图像训练样本；S4、通过深度卷积神经网络识别系统对所述图像训练样本进行检测，以实现违规驾驶检测。2.根据权利要求1所述的基于深度卷积神经网络的违规驾驶检测方法，其特征在于，步骤S2中预处理图像并得到图像训练集的方法为：对每个图像中的期望目标进行坐标标定：根据上左和下右两个二维坐标确定目标的矩形框，并对矩形框指定标签以对应不同的违规行为，并将指定了标签的图像制作成图像训练集。3.根据权利要求2所述的基于深度卷积神经网络的违规驾驶检测方法，其特征在于，步骤S3中通过深度卷积神经网络训练所述图像训练集，得到图像训练样本的方法为：S3-1、根据ImageNet的原始特征分类库得到初始参数W0；S3-2、根据初始参数W0训练区域生成网络；S3-3、根据区域生成网络提取图像训练集上的候选区域；S3-4、根据提取的候选区域和参数W0训练FastRCNN，得到参数W1；S3-5、根据参数W1训练区域生成网络，得到新的候选区域；S3-6、根据新的候选区域和参数W1训练FastRCNN，得到参数W2；S3-7、采用与步骤S3-5和步骤S3-6相同的方法，将参数W1替换成W2进行迭代，直至得到的参数变化范围在允许阈值内，输出对应的图像训练样本。...

【专利技术属性】
技术研发人员：孟继成，杨涛，魏源璋，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51