[發明專利]一種駕駛行為識別方法、裝置和計算機可讀存儲介質

在審

• 申請號: 202110007808.2
• 申請日: 2021-01-05
• 公開（公告）號: CN112597965A
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 崔宵洋;彭聯貼;劉昕武;黎孟;顏家云;熊敏君;劉邦繁;褚金鵬;劉雨聰;李晨;張慧源
• 申請（專利權）人: 株洲中車時代電氣股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 史翠

1.一種駕駛行為識別方法，其特征在于，包括：

獲取駕駛室內的同步視頻數據；其中，所述同步視頻數據包括前置攝像頭采集的視頻數據和后置攝像頭采集的視頻數據；

利用訓練好的基于回歸的目標檢測測試模型和基于深度卷積神經網絡的人體姿態估計測試模型對所述同步視頻數據進行識別，以得到司機駕駛行為的識別結果；

依據采集的LKJ數據以及預先存儲的司機駕駛作業操作規范信息，對所述司機駕駛行為的識別結果進行違規分析，以識別所述同步視頻數據中存在的違規操作結果。

2.根據權利要求1所述的駕駛行為識別方法，其特征在于，所述目標檢測測試模型的訓練過程包括：

對采集的歷史視頻數據進行抽幀處理，以便于用戶對各數據幀標注用于表征駕駛行為的框圖位置信息以及行為類別；

依據各數據幀標注的行為類別，從所有所述數據幀中選取出符合第一類駕駛行為的數據幀作為第一數據訓練集；

利用所述第一數據訓練集對建立的基于回歸的目標檢測訓練模型進行迭代訓練，直至所述目標檢測訓練模型的檢測精度和檢測速度滿足預設要求，則將訓練好的目標檢測訓練模型作為目標檢測測試模型。

3.根據權利要求1所述的駕駛行為識別方法，其特征在于，所述人體姿態估計測試模型的訓練過程包括：

對采集的歷史視頻數據進行抽幀處理，以便于用戶對各數據幀標注用于表征駕駛行為的框圖位置信息以及行為類別；

依據各數據幀標注的行為類別，從所有所述數據幀中選取出符合第二類駕駛行為的數據幀作為第二數據訓練集；

利用所述第二數據訓練集對建立的基于深度卷積神經網絡的人體姿態估計訓練模型進行迭代訓練，直至所述人體姿態估計訓練模型的檢測精度和檢測速度滿足預設要求，則將訓練好的人體姿態估計訓練模型作為人體姿態估計檢測模型。

4.根據權利要求1所述的駕駛行為識別方法，其特征在于，在所述依據采集的LKJ數據以及預先存儲的司機駕駛作業操作規范信息，對所述司機駕駛行為的識別結果進行違規分析，以識別所述同步視頻數據中存在的違規操作結果之后還包括：

將所述違規操作結果上傳至機務段客戶端。

5.根據權利要求1所述的駕駛行為識別方法，其特征在于，在所述依據采集的LKJ數據以及預先存儲的司機駕駛作業操作規范信息，對所述司機駕駛行為的識別結果進行違規分析，以識別所述同步視頻數據中存在的違規操作結果之后還包括：

將所述違規操作結果上傳至司機手持終端。

6.根據權利要求4所述的駕駛行為識別方法，其特征在于，在所述依據采集的LKJ數據以及預先存儲的司機駕駛作業操作規范信息，對所述司機駕駛行為的識別結果進行違規分析，以識別所述同步視頻數據中存在的違規操作結果之后還包括：

接收所述機務段客戶端反饋的校驗結果；其中，所述校驗結果中包含標注有框圖位置信息以及行為類別的校準數據幀；

利用所述校準數據幀對所述目標檢測測試模型以及所述人體姿態估計測試模型進行訓練，以完成對所述目標檢測測試模型以及所述人體姿態估計測試模型的校準。

7.根據權利要求1-6任意一項所述的駕駛行為識別方法，其特征在于，在所述依據采集的LKJ數據以及預先存儲的司機駕駛作業操作規范信息，對所述司機駕駛行為的識別結果進行違規分析，以識別所述同步視頻數據中存在的違規操作結果之后還包括：

當所述同步視頻數據中存在違規操作結果時，進行報警提示。