基于神经网络的驾驶员违规行为检测方法、终端、装置制造方法及图纸

本发明专利技术提供一种基于神经网络的驾驶员违规行为检测方法、终端、装置，该检测方法包括；S101：通过违规图片对神经网络训练形成目标检测模型、分类识别模型；S102：将原始图像缩放为待识别图像，通过目标检测模型判断待识别图像中是否存在违规目标，若是，则执行S103，若否，则执行S105；S103：获取违规目标在原始图像中的违规目标区域的图像，通过分类识别模型判断违规目标区域中是否存在违规对象，若是，则执行S104，若否，则执行S105；S104：根据违规对象判断驾驶员是否违规；S105：确定驾驶员不违规。本发明专利技术通过目标检测模型和分类识别模型分别对不同的图像进行检测、识别的方式提高了检测速度，识别准确率高，减少了交通事故的发生，保障了交通安全。

【技术实现步骤摘要】
基于神经网络的驾驶员违规行为检测方法、终端、装置
本专利技术涉及违规行为检测领域，尤其涉及一种基于神经网络的驾驶员违规行为检测方法、终端、装置。
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。在驾驶员造成的交通事故中，很大一部分是因为驾驶员在驾驶过程中吸烟、喝水或使用手机这些违规对象造成驾驶失误。因此，对驾驶员在驾驶过程中使用违规对象的违规行为进行检测对减少交通事故大有帮助。传统的交通违规检测往往是通过电子摄像头对车辆整体的信息进行捕捉，以达到检测是否闯红灯、逆行、轧线等违章行为的目的，但这种检测只能检测到已经发生的车辆违章行为，不能对驾驶员可能导致违章的违规行为做到有效的检测。
技术实现思路
为了克服现有技术的不足，本专利技术提出一种基于神经网络的驾驶员违规行为检测方法、终端、装置，先通过违规图片训练目标检测模型本文档来自技高网...

【技术保护点】
1.一种基于神经网络的驾驶员违规行为检测方法，其特征在于，所述驾驶员违规行为检测方法包括；/nS101：通过违规图片形成目标检测训练集、分类识别训练集，利用所述目标检测训练集对第一神经网络训练生成目标检测模型，根据所述分类识别训练集对第二神经网络训练形成分类识别模型，并通过网络剪枝算法对所述第一神经网络、第二神经网络进行网络通道裁剪；/nS102：获取车辆内部的驾驶区域视频，将所述驾驶区域视频的原始图像缩放为待识别图像，通过所述目标检测模型判断所述待识别图像中是否存在违规目标，若是，则执行S103，若否，则执行S105；/nS103：获取所述违规目标在所述原始图像中的违规目标区域的图像，通过所...

【技术特征摘要】
1.一种基于神经网络的驾驶员违规行为检测方法，其特征在于，所述驾驶员违规行为检测方法包括；
S101：通过违规图片形成目标检测训练集、分类识别训练集，利用所述目标检测训练集对第一神经网络训练生成目标检测模型，根据所述分类识别训练集对第二神经网络训练形成分类识别模型，并通过网络剪枝算法对所述第一神经网络、第二神经网络进行网络通道裁剪；
S102：获取车辆内部的驾驶区域视频，将所述驾驶区域视频的原始图像缩放为待识别图像，通过所述目标检测模型判断所述待识别图像中是否存在违规目标，若是，则执行S103，若否，则执行S105；
S103：获取所述违规目标在所述原始图像中的违规目标区域的图像，通过所述分类识别模型判断所述违规目标区域中是否存在违规对象，若是，则执行S104，若否，则执行S105；
S104：根据所述违规对象判断驾驶员是否违规；
S105：确定驾驶员不违规。


2.如权利要求1所述的基于神经网络的驾驶员违规行为检测方法，其特征在于，所述通过违规图片形成目标检测训练集、分类识别训练集的步骤具体包括：
获取违规图片，在所述违规图片中标注违规物品形成目标检测训练集；
裁出所述违规图片中违规物品对应的违规区域，对所述违规区域进行分类，并裁剪所述违规图片中不包括违规物品的区域形成背景图，通过所述违规区域的图片、背景图形成分类识别训练集。


3.如权利要求1所述的基于神经网络的驾驶员违规行为检测方法，其特征在于，所述第一神经网络、第二神经网络采用深度可分卷积构建。


4.如权利要求1所述的基于神经网络的驾驶员违规行为检测方法，其特征在于，采用协同训练的方式对所述第一神经网络、第二神经网络进行训练。


5.如权利要求1所述的基于神经网络的驾驶员违规行为检测方法，其特征在于，所述通过所述目标检测模型...

【专利技术属性】
技术研发人员：纪向阳，
申请(专利权)人：深圳市点创科技有限公司，
类型：发明
国别省市：广东;44