【技术实现步骤摘要】
一种基于动作行为特征的危险驾驶行为识别方法及系统
[0001]本专利技术属于计算机视觉
，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。
技术介绍
[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]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。
[0004]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...
【技术保护点】
【技术特征摘要】
1.一种基于动作行为特征的危险驾驶行为识别方法，其特征在于，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。2.如权利要求1所述的一种基于动作行为特征的危险驾驶行为识别方法，其特征在于，所述Hourglass网络中采用扩张卷积网络，所述ResNet
‑
50网络的下采样层的卷积核大小和步长进行了修改，同时增加平均池化层。3.如权利要求2所述的一种基于动作行为特征的危险驾驶行为识别方法，其特征在于，所述扩张卷积网络包括两个普通卷积层和一个扩张卷积层，在所述扩张卷积层前后两个普通卷积层设置跳跃连接，所述跳跃连接用于将从第一个普通卷积层提取的特征信息传输至扩张卷积层得到特征映射，所述特征映射输入到第二个普通卷积层。4.如权利要求1所述的一种基于动作行为特征的危险驾驶行为识别方法，其特征在于，所述Hourglass网络和ResNet
‑
50网络中分别添加注意力机制，所述注意力机制根据损失值去每个网络通道的特征权重。5.如权利要求1所述的一种基于动作行为特征的危险驾驶行为识别方法，其特征在于，对原始特征重标定后融合的方式采用Loss值融合法；或，对原始特征重标定后融合的方式采用特征图融合法。6.如权利要求1所述的一种基...
【专利技术属性】
技术研发人员：杨晓晖，张樱己，冯志全，曲守宁，赵新勇，陈达，
申请(专利权)人：济南大学，
类型：发明
国别省市：
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。