一种危险驾驶行为的检测方法以及系统技术方案

本发明专利技术涉及特征识别技术领域，具体涉及一种危险驾驶行为的检测方法以及系统，所述方法包括获取监控图像序列；监控图像序列基于深度学习的运动目标检测算法、基于目标匹配和分配的目标快速跟踪算法得到运动目标的参数矩阵；判断目标的参数矩阵是否大于目标阈值，若是则视为危险驾驶行为，否则为正常驾驶行为；本发明专利技术可以通过自动识别和处理各目标物之间的运动关系，能够智能判断道路交通是否发生危险驾驶行为；解决了对极可能造成事故的危险驾驶行为进行识别，便于其依据此信息开展车主的教育或者各项约束行为，从而能够纠正驾驶员的驾驶习惯，尽可能减少危险驾驶行为发生的概率，从而极大可能减少道路交通事故的发生，达到了安全出行的目的。全出行的目的。全出行的目的。

【技术实现步骤摘要】
一种危险驾驶行为的检测方法以及系统


[0001]本专利技术涉及特征识别
，具体涉及一种危险驾驶行为的检测方法以及系统。

技术介绍

[0002]我国每年的交通事故绝对数量是一个十分巨大的数字，造成了巨大的死亡人数和经济损失。而造成交通事故的一个很重要原因就是驾驶员的各种危险驾驶操作行为。
[0003]如果道路驾驶员的驾驶行为能够得到有效识别和监管，则能够通过类似于违章处罚类的手段规范驾驶员的驾驶习惯，从而减少驾驶员不良驾驶行为发生的概率，进而减少交通事故潜在发生的可能，最后就能够减少城市交通事故发生的数量。因此，对道路驾驶员驾驶行为准确检测和识别就有着非常重要的实用价值。
[0004]同时，现有危险驾驶行为识别技术仅能够针对单车识别一些简单的违章行为，针对车与车之间，车与人之间的危险行为是无法识别的。虽然，单车发生的违章行为是造成交通事故的潜在原因，但道路交通多目标直接交互而产生的危险驾驶行为才是最有可能造成事故的原因。为此，识别违章之外的危险驾驶行为就显得尤为重要，这样就可以对一些不违章，但可能直接造成事故的危险驾驶行为进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种危险驾驶行为的检测方法，其特征在于，包括获取监控图像序列；监控图像序列基于深度学习的运动目标检测算法、基于目标匹配和分配的目标快速跟踪算法得到运动目标的参数矩阵；判断目标的参数矩阵是否大于目标阈值，若是则视为危险驾驶行为，否则为正常驾驶行为。2.根据权利要求1所述的危险驾驶行为的检测方法，其特征在于，所述参数矩阵包括目标ID、加速度矢量；判断运动目标的参数矩阵中目标ID的加速度矢量是否大于目标阈值进行，若是则视为危险驾驶行为，否则为正常驾驶行为。3.根据权利要求1所述的危险驾驶行为的检测方法，其特征在于，所述基于深度学习的运动目标检测算法、基于目标匹配和分配的目标快速跟踪算法采用trackingbydetection框架，其中detection负责运动目标的检测识别，tracking负责跟踪运动目标的帧间移动；所述基于目标匹配和分配的目标快速跟踪算法包括基于线性运动模型的卡尔曼预测模型、基于重叠度评价的目标匹配算法、基于匈牙利算法的目标分配算法。4.根据权利要求3所述的危险驾驶行为的检测方法，其特征在于，所述基于线性运动模型的卡尔曼预测模型包括预设运动目标在相邻两帧图像之间发生线性移动，进而预测该运动目标在下一帧图像中的位置；通过输入状态向量和输出观测数据，进行最优估计；所述状态向量包括监控图像序列中的运动目标的位置参量、速度参量及检测框的尺寸参量、尺寸变化参量，以高斯白噪声为系统噪声和量测噪声，组建卡尔曼预测方程组后输出结果。5.根据权利要求4所述的危险驾驶行为的检测方法，其特征在于，所述基于重叠度评价的目标匹配算法包括将同一运动目标在相邻两帧图像上的信息进行关联，描述运动目标的位置序列；通过重叠度评价基于深度学习的运动目标检测算法得出的结果和卡尔曼预测模型输出结果；所述重叠度评价的重叠度计算公式为：式中c为candidatebound，即候选框；g为groundtruthbound，即原标记框；area表示面积；IOU为intersectionoverunion，即...

【专利技术属性】
技术研发人员：黄荣军，黄思德，潘定海，邹广才，原诚寅，
申请(专利权)人：北京国家新能源汽车技术创新中心有限公司，
类型：发明
国别省市：