一种交通岗位工作行为状态实时检测系统技术方案

本发明专利技术适用于车辆驾驶安全技术领域，提供了一种交通岗位工作行为状态实时检测系统，包括：获取单元：用于获取驾驶过程中驾驶员的多个初始图像；人脸识别单元：图像识别模块和检测模块，图像识别模块利用YOLO算法检测多个初始图像的人眼图像，检测模块对多个人眼图像进行疲劳判断；肢体动作识别单元：利用YOLO算法和姿态估计算法提取的人体运动数据以3D骨架序列呈现，以获取人体动作信息并对动作危险程度进行判断；输出单元：将人脸识别单元的检测结果和肢体动作识别单元判断结果输出，以实时提醒驾驶员及时矫正行为状态；不仅能对面部进行疲劳识别，还能对驾驶位中驾驶员的肢体动作进行分析，能够做到对更多驾驶员的不合规的驾驶动作进行分类分析。驶动作进行分类分析。驶动作进行分类分析。

A real-time detection system for working behavior state of traffic posts

【技术实现步骤摘要】
一种交通岗位工作行为状态实时检测系统


[0001]本专利技术属于车辆驾驶安全
，具体涉及到一种交通岗位工作行为状态实时检测系统。

技术介绍

[0002]随着我国汽车人均占有率的增加，交通事故已成为威胁人类生命的又一大突出问题。驾驶员疲劳驾驶或者主动不规范驾驶，例如注意力不集中、玩手机等均有可能造成危险驾驶，进而引起重特大道路交通事故的发生。目前车辆等交通岗位中均会配备检测系统，对驾驶人行驶状态的检测目前有较多研究的方法，现有的技术大部分只能做到对驾驶员的疲劳检测，这对于提高乘车安全性可以说是远远不够的，且检测手段不够全面，现有技术只能根据人脸的特征检测出驾驶员的疲劳状态，应用场景有限很多违规驾驶行为都没有纳入检测的范畴。另一方面，检测的仪器过多，成本高，效率低，现有技术常加入红外等多传感器进行检测，既增加成本又占用驾驶室空间。导致整个检测系统落地价值太低，不是一个完整的工程化系统，难以应用到实际中。

技术实现思路

[0003]本专利技术的目的在于克服上述现有技术的不足，提供了一种交通岗位工作行为状态实时检测系统。
[0004]本专利技术是这样实现的：一种交通岗位工作行为状态实时检测系统，其特征在于：包括：
[0005]获取单元：用于获取驾驶过程中驾驶员的多个初始图像，多个所述初始图像包括驾驶员的人脸变化图像和身体动态骨骼变化图像；
[0006]人脸识别单元：用于对多个所述初始图像中的人脸变化图像进行处理，包括图像识别模块和检测模块，所述图像识别模块利用YOLO算法检测多个所述初始图像的人眼图像，所述检测模块对多个人眼图像进行疲劳判断；
[0007]肢体动作识别单元：用于对多个所述初始图像中的身体动态骨骼变化图像进行处理，利用YOLO算法和姿态估计算法提取的人体运动数据以3D骨架序列呈现，以获取人体动作信息并对动作危险程度进行判断；
[0008]输出单元：将所述人脸识别单元的检测结果和所述肢体动作识别单元判断结果输出，当驾驶员出现不同危险级别的危险驾驶行为时，将以不同的警告方式提醒驾驶员，以实时提醒驾驶员及时矫正行为状态。
[0009]进一步的，所述获取单元为设置于交通岗位上的摄像头，通过摄像头录像的方式获取驾驶员在驾驶过程中的多个所述初始图像。
[0010]进一步的，所述图像识别模块利用YOLO算法，将每一所述初始图像再分解为若干个识别网格，每一所述初始图像均设有一个标签边框(x，y，w，h)，若所述标签边框落入至某个所述识别网格中，那么该所述识别网格整合到卷积神经网络中处理，并由特征向量表示，
完成人眼图像识别检测。
[0011]进一步的，所述识别网格为归一化网格，即所述图像识别模块将每一所述初始图像分成S
×
S的归一化网格。
[0012]进一步的，所述标签边框(x，y，w，h)，x与y分别表示所述标签边框中心位置的横左边与纵坐标，w与h分别表示所述标签边框中心位置到所述标签边框左边与上边的距离。
[0013]进一步的，所述特征向量包含目标的类别、边框位置以及图像特征值。
[0014]进一步的，所述检测模块进行疲劳判断的方法包括结合多个人眼图像的睁闭眼频率识别，所述检测模块上预设有睁眼时长、闭眼时长以及睁闭眼时间间隔，将多个人眼图像的时间间隔与预设时长作比较。
[0015]进一步的，所述肢体动作识别单元呈现的3D骨架序列由数个人体关节点连接组成，每个关节点包含人体关节的空间坐标数据，连续多帧的3D骨架序列可以简单高效的表征人体运动特征。
[0016]进一步的，所述输出单元以不同级别的危险驾驶行为采取不同的警告方式，包括：当驾驶员一级危险驾驶行为的时候，进行警报声提醒，出现二级或者更低级别的不良驾驶行为的时候，进行片段的记录截取。
[0017]进一步的，还包括有UI页面单元，所述UI页面单元为设于交通岗位上的显示屏幕，所述输出单元与所述UI页面单元连接，以实时将驾驶员的不同驾驶行为按分配权重对驾驶员的驾驶情况评分，并将所记录的片段以及判定结果反馈给驾驶员。
[0018]本专利技术提供的一种交通岗位工作行为状态实时检测系统，不仅仅能对面部进行疲劳识别，还能对驾驶位中驾驶员的肢体动作进行分析，能够做到对更多驾驶员的不合规的驾驶动作进行分类分析并按照驾驶行为的危险级别进行不同级别的处理，更加细化驾驶中的危险行为判断，以此改进驾驶员的危险驾驶习惯。
附图说明
[0019]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中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。
[0020]以下附图仅旨在于对本专利技术做示意性说明和解释，并不限定本专利技术的范围。
[0021]图1是本专利技术提供的系统框架图。
具体实施方式
[0022]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0023]请参阅图1，为技术公开的一种交通岗位工作行为状态实时检测系统，其特征在于：包括：
[0024]获取单元：用于获取驾驶过程中驾驶员的多个初始图像，多个所述初始图像包括驾驶员的人脸变化图像和身体动态骨骼变化图像；具体的，所述获取单元为设置于交通岗
位上的摄像头，通过摄像头录像的方式获取驾驶员在驾驶过程中的多个所述初始图像，能连续不断的记录驾驶员在驾驶过程中的行为状态，并快速获取多个所述初始图像。
[0025]人脸识别单元：用于对多个所述初始图像中的人脸变化图像进行处理，包括图像识别模块和检测模块，所述图像识别模块利用YOLO算法检测多个所述初始图像的人眼图像，所述检测模块对多个人眼图像进行疲劳判断；具体的，所述图像识别模块利用YOLO算法，将每一所述初始图像再分解为若干个识别网格，所述识别网格为归一化网格，即所述图像识别模块将每一所述初始图像分成S
×
S的归一化网格，即YOLO算法将检测识别视为回归问题，不需要传统神经网络诸如R
‑
CNN的复杂流程，使得所述图像识别模块识别人眼图像的速度非常快。每一所述初始图像均设有一个标签边框(x，y，w，h)，(x，y，w，h) 为所述标签边框的具体位置坐标，若所述标签边框落入至某个所述识别网格中，那么该所述识别网格整合到卷积神经网络中处理，并由特征向量表示，完成人眼图像识别检测。具体的，所述标签边框(x，y，w，h)，x与y分别表示所述标签边框中心位置的横左边与纵坐标，w与h分别表示所述标签边框中心位置到所述标签边框左边与上边的距离。所述特征向量包含目标的类别、边框位置以及图像特征值，能马上识别到由所述获取单元收录的多个所述初始图像中，迅速检测识别到驾驶员的人眼图像作为检测目标，另一方面，能避免除了驾驶位上的其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交通岗位工作行为状态实时检测系统，其特征在于：包括：获取单元：用于获取驾驶过程中驾驶员的多个初始图像，多个所述初始图像包括驾驶员的人脸变化图像和身体动态骨骼变化图像；人脸识别单元：用于对多个所述初始图像中的人脸变化图像进行处理，包括图像识别模块和检测模块，所述图像识别模块利用YOLO算法检测多个所述初始图像的人眼图像，所述检测模块对多个人眼图像进行疲劳判断；肢体动作识别单元：用于对多个所述初始图像中的身体动态骨骼变化图像进行处理，利用YOLO算法和姿态估计算法提取的人体运动数据以3D骨架序列呈现，以获取人体动作信息并对动作危险程度进行判断；输出单元：将所述人脸识别单元的检测结果和所述肢体动作识别单元判断结果输出，当驾驶员出现不同危险级别的危险驾驶行为时，将以不同的警告方式提醒驾驶员，以实时提醒驾驶员及时矫正行为状态。2.根据权利要求1所述的一种交通岗位工作行为状态实时检测系统，其特征在于：所述获取单元为设置于交通岗位上的摄像头，通过摄像头录像的方式获取驾驶员在驾驶过程中的多个所述初始图像。3.根据权利要求1所述的一种交通岗位工作行为状态实时检测系统，其特征在于：所述图像识别模块利用YOLO算法，将每一所述初始图像再分解为若干个识别网格，每一所述初始图像均设有一个标签边框(x，y，w，h)，若所述标签边框落入至某个所述识别网格中，那么该所述识别网格整合到卷积神经网络中处理，并由特征向量表示，完成人眼图像识别检测。4.根据权利要求3所述的一种交通岗位工作行为状态实时检测系统，其特征在于：所述识别网格为归一化网格，即所述图像识别模块将每一所述初始图像分成S
×

【专利技术属性】
技术研发人员：郭锦超，陈世正，王亮，
申请(专利权)人：深圳市正威智能有限公司，
类型：发明
国别省市：