[發明專利]一種基于骨骼特征的危險駕駛行為識別方法有效
| 申請號: | 201810425640.5 | 申請日: | 2018-05-07 |
| 公開(公告)號: | CN108446678B | 公開(公告)日: | 2021-05-11 |
| 發明(設計)人: | 董延超;何士波;林敏靜;岳繼光 | 申請(專利權)人: | 同濟大學 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00 |
| 代理公司: | 上海科盛知識產權代理有限公司 31225 | 代理人: | 葉敏華 |
| 地址: | 200092 *** | 國省代碼: | 上海;31 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 骨骼 特征 危險 駕駛 行為 識別 方法 | ||
1.一種基于骨骼特征的危險駕駛行為識別方法,其特征在于,所述方法包括下列步驟:
危險駕駛行為模型訓練步驟,根據駕駛行為的歷史影像信息,確定用于區別駕駛行為種類的特征,根據確定的特征提取對應的骨骼特征信息并進行訓練,確定危險駕駛行為模型,
危險駕駛行為識別步驟,采集駕駛員在駕駛過程中的當前影像信息,代入到危險駕駛行為模型中進行測試,根據測試結果確定危險駕駛行為的預測結果;
所述危險駕駛行為模型訓練步驟包括下列步驟:
A1)讀取駕駛行為的歷史影像信息,并根據駕駛行為的種類進行分類標注,
A2)將分類后的歷史影像信息輸入到骨骼算法模型,提取骨骼特征點,確定用于區別駕駛行為種類的特征,根據確定的的特征提取對應的骨骼特征信息,
A3)根據步驟A2)得到的骨骼特征信息進行訓練,得到危險駕駛行為模型;
所述步驟A2)包括:
A21)將分類后的歷史影像信息輸入到骨骼算法模型,提取骨骼特征點,得到歷史影像信息的每一幀的特征點文本數據,
A22)根據所有的特征點文本數據對應的駕駛行為的種類,確定不同種類駕駛行為發生時變化差異大的骨骼特征點組別,作為區別駕駛行為種類的特征,
A23)將歷史影像信息按一定幀數長度劃分為多個時間窗口,讀取每個時間窗口內的特征,并將與特征對應的駕駛行為的種類作為真值,得到對應的骨骼特征信息;
所述步驟A3)包括:
A31)將步驟A2)得到的骨骼特征信息隨機劃分為訓練集和驗證集,
A32)根據隨機森林訓練方法對訓練集內的骨骼特征信息進行訓練,得到中間訓練模型,
A33)根據步驟A32)得到的中間訓練模型,對驗證集內的骨骼特征信息進行測試,判斷準確率是否達到閾值,若是則將當前的中間訓練模型作為危險駕駛行為模型,若否則修改隨機森林訓練過程中的參數,并返回步驟A32);
所述危險駕駛行為識別步驟包括:
B1)采集駕駛員在駕駛過程中的當前影像信息,
B2)提取當前影像信息對應的骨骼特征信息,
B3)將步驟B2)中提取到的當前影像信息對應的骨骼特征信息通過危險駕駛行為模型,得到危險駕駛行為的預測結果;
所述步驟B2)包括:
B21)將步驟B1)采集的當前影像信息按照一定幀數長度劃分為多個時間窗口,讀取每個時間窗口內對應的所有特征,作為一組測試數據,
B22)整理當前影像信息內包含的所有組測試數據,作為當前影像信息對應的骨骼特征信息;
所述步驟B3)包括:
B31)將步驟B2)中提取到的當前影像信息對應的骨骼特征信息通過危險駕駛行為模型,得到每組測試數據對應的危險駕駛行為預測種類和對應的預測概率,作為危險駕駛行為的初始預測結果,
B32)將預測概率最大的預測種類作為每組測試數據的預測值,
B33)根據每組測試數據的預測值對危險駕駛行為的初始預測結果進行平滑濾波,得到危險駕駛行為的預測結果。
2.根據權利要求1所述的基于骨骼特征的危險駕駛行為識別方法,其特征在于,每個所述時間窗口包含的幀數為55~65幀。
3.根據權利要求1所述的基于骨骼特征的危險駕駛行為識別方法,其特征在于,所述步驟A33)中根據中間訓練模型對驗證集內的骨骼特征信息進行測試的過程次數不少于1次。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于同濟大學,未經同濟大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.17sss.com.cn/pat/books/201810425640.5/1.html,轉載請聲明來源鉆瓜專利網。





