一种驾驶员车内行为检测方法及装置制造方法及图纸

本申请公开了一种驾驶员车内行为检测方法及装置，通过由一个标准卷积层、十个bott l eneck层和两个逐点卷积层构成的训练网络对图像训练集进行训练获得训练模型，然后通过实时采集车内的驾驶图像数据，将驾驶图像数据输入到训练模型中识别，检测驾驶员是否存在玩手机行为。本申请的驾驶员车内行为检测方法有效的减少运算量，提高了模型的运行速度，能更快的实行检测和判断。实行检测和判断。实行检测和判断。

【技术实现步骤摘要】
一种驾驶员车内行为检测方法及装置


[0001]本申请涉及驾驶员行为检测
，尤其涉及一种驾驶员车内行为检测方法及装置。

技术介绍

[0002]近年来，随着交通运输行业的蓬勃发展，机动车的保有量和机动车驾驶员人数迅速增加，交通事故也越来越多。其中交通事故中由于驾驶员本身注意力不集中导致的占大多数。随着信息技术的快速发展，手机的使用越来越普遍，人对于手机的依赖程度越来越严重在实际场景中，由于玩手机造成的事故屡见不鲜。据公安部交管局统计，全国因开车在道路上玩手机引发的道路交通事故数量呈逐年上升。根据道路交通安全法实施条例的相关规定，驾驶机动车不得有拨打接听手持电话、观看电视等妨碍安全驾驶的行为。
[0003]目前，市场上存在一些检测驾驶员玩手机的技术，如通过开发了一款手机应用，能够通过监测用户的开车速度来限制驾驶员开车玩手机的行为；或者在告诉卡点上设置监控装置，专门拍开车玩手机的违法违规行为，但是这些检测手段存在智能度低、响应速率慢、效率低的问题。

技术实现思路

[0004]本申请实施例提供一种驾驶员车内行为检测方法及装置，能更精准的做出推理与判断，更快速的获取检测结果。
[0005]有鉴于此，本申请提供了一种驾驶员车内行为检测方法，包括以下步骤：搭建训练网络，对训练网络进行初始化，获得预训练模型；采集不同场景下驾驶员玩手机的图像训练集，将图像训练集输入到所述预训练模型中训练，获得训练模型；实时捕捉驾驶图像数据，对所述驾驶图像数据进行图像预处理；将预处理后的驾驶图像数据加载到所述训练模型中进行识别，检测驾驶员是否存在玩手机行为；其中，所述训练网络包括一个标准卷积层、十个bottleneck层和两个逐点卷积层。
[0006]可选的，所述训练网络的搭建方式为：搭建ssdlite_mobilenet_v3_small网络，然后对ssdlite_mobilenet_v3_small网络中的bottleneck层中的第七层和第九层进行删减。
[0007]可选的，在采集图像训练集后，对图像训练集中的图片进行翻转、镜像、裁剪从而扩充图像训练集，再将图像训练集输入到所述预训练模型中训练。
[0008]可选的，所述图像预处理包括对图像进行尺寸变换、高斯模糊和边缘增强。
[0009]可选的，所述图像预处理还包括对图像进行零均值归一化，使得输入训练模型的数据按照原始图像的灰度信息分布于
‑
1到1的区间之中。
[0010]可选的，当检测到驾驶员存在玩手机行为时，输出驾驶违规警报，并将驾驶图像数据上传至云服务器保存。
[0011]本申请提供了一种驾驶员车内行为检测装置包括：检测模块，用于搭建训练网络，对训练网络进行初始化，获得预训练模型；训练模块，用于获取不同场景下驾驶员玩手机的
图像训练集，将图像训练集输入到所述预训练模型中训练，获得训练模型；图像获取模块，用于实时捕捉驾驶图像数据；预处理模块，接收所述图像获取模块捕捉的驾驶图像数据，并对所述驾驶图像数据进行图像预处理，然后将驾驶图像数据输入到所述检测模块的训练模型中检测。
[0012]可选的，本申请的一种驾驶员车内行为检测装置还包括报警模块，所述报警模块和所述检测模块连接，当检测到驾驶员存在玩手机行为时，所述检测模块发出报警指令至所述报警模块，所述报警模块接收报警指令后产生警报。
[0013]可选的，本申请的一种驾驶员车内行为检测装置还包括监控终端，所述监控终端和所述检测模块通过无线网络连接，当检测到驾驶员存在玩手机行为时，所述检测模块将驾驶图像数据、驾驶员信息和车辆信息发送至所述监控终端。
[0014]可选的，所述报警模块为语音报警模块。
[0015]从以上技术方案可以看出，本申请实施例具有以下优点：
[0016]本申请的一种驾驶员车内行为检测方法，包括以下步骤：搭建训练网络，对训练网络进行初始化，获得预训练模型；采集不同场景下驾驶员玩手机的图像训练集，将图像训练集输入到所述预训练模型中训练，获得训练模型；实时捕捉驾驶图像数据，对所述驾驶图像数据进行图像预处理；将预处理后的驾驶图像数据加载到所述训练模型中进行识别，检测驾驶员是否存在玩手机行为；其中，所述训练网络包括一个标准卷积层、十个bottleneck层和两个逐点卷积层。通过由一个标准卷积层、十个bottleneck层和两个逐点卷积层构成的训练网络对图像训练集进行训练获得训练模型，然后通过实时采集车内的驾驶图像数据，将驾驶图像数据输入到训练模型中识别，检测驾驶员是否存在玩手机行为。本申请的驾驶员车内行为检测方法有效的减少运算量，提高了模型的运行速度，能更快的实行检测和判断。
[0017]本申请的一种驾驶员车内行为检测装置具有和上述方法一样的效果，在此不做赘述。
附图说明
[0018]为了更清楚地表达说明本专利技术实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0019]图1为本申请实施例中驾驶员车内行为检测方法的流程图；
[0020]图2为本申请实施例中训练网络的结构示意图；
[0021]图3为本申请实施例中检测运行时间对比的直方图；
[0022]图4为本申请实施例中检测准确率对比的直方图；
[0023]图5为本申请实施例中驾驶员车内行为检测装置的模块框图。
具体实施方式
[0024]为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本
申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0025]请参照图1，一种驾驶员车内行为检测方法，包括以下步骤：搭建训练网络，对训练网络进行初始化，获得预训练模型；采集不同场景下驾驶员玩手机的图像训练集，将图像训练集输入到预训练模型中训练，获得训练模型,不同场景下驾驶员玩手机的图像训练集为在不同车型、不同车内饰情况下拍摄获取的图片集，能模拟多种类型的车内图像进行检测从而提高检测精度；实时捕捉驾驶图像数据，对驾驶图像数据进行图像预处理；将预处理后的驾驶图像数据加载到训练模型中进行识别，检测驾驶员是否存在玩手机行为；其中，训练网络包括一个标准卷积层、十个bottleneck层和两个逐点卷积层。
[0026]本申请实施例一树莓派硬件为基础，并使用paddle lite轻量化推理引擎部署在移动端进行训练网络搭建，参见图2，训练网络中，标准卷积层参数为：conv，out＝16，s＝2，HS,输入224*224*3，bottleneck层从前至后参数依次为：bottleneck，3*3，out＝16，s＝2，t＝1，HS，输入112*112本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种驾驶员车内行为检测方法，其特征在于，包括以下步骤：搭建训练网络，对训练网络进行初始化，获得预训练模型；采集不同场景下驾驶员玩手机的图像训练集，将图像训练集输入到所述预训练模型中训练，获得训练模型；实时捕捉驾驶图像数据，对所述驾驶图像数据进行图像预处理；将预处理后的驾驶图像数据加载到所述训练模型中进行识别，检测驾驶员是否存在玩手机行为；其中，所述训练网络包括一个标准卷积层、十个bottleneck层和两个逐点卷积层。2.根据权利要求1所述的驾驶员车内行为检测方法，其特征在于，所述训练网络的搭建方式为：搭建ssdlite_mobilenet_v3_small网络，然后对ssdlite_mobilenet_v3_small网络中的bottleneck层中的第七层和第九层进行删减。3.根据权利要求1所述的驾驶员车内行为检测方法，其特征在于，在采集图像训练集后，对图像训练集中的图片进行翻转、镜像、裁剪从而扩充图像训练集，再将图像训练集输入到所述预训练模型中训练。4.根据权利要求1所述的驾驶员车内行为检测方法，其特征在于，所述图像预处理包括对图像进行尺寸变换、高斯模糊和边缘增强。5.根据权利要求4所述的驾驶员车内行为检测方法，其特征在于，所述图像预处理还包括对图像进行零均值归一化，使得输入训练模型的数据按照原始图像的灰度信息分布...

【专利技术属性】
技术研发人员：王艺臻，
申请(专利权)人：海南锔元科技有限公司，
类型：发明
国别省市：