本發明涉及一種基于骨骼特征的危險駕駛行為識別方法，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。與現有技術相比，本發明具有預測準確性高、實時處理性強以及硬件成本低等優點。

技術領域

本發明涉及行為識別領域，尤其是涉及一種基于骨骼特征的危險駕駛行為識別方法。

背景技術

隨著經濟水平的不斷發展，汽車已經成為一種普遍的交通工具，但隨之而來的還有大量的交通事故。通過對這些事故的分析，可以得出，駕駛員的危險行為已經成為交通事故的主要原因。因此駕駛員的行為規范至關重要，對其行為檢測的需求也不斷提高。以往，通常采用監控錄像和人為分析的方式來對汽車駕駛員的行為進行采集與檢測。但這樣的傳統方法一般無法做到實時處理，對于駕駛員的行為分析也會相當繁瑣。

專利CN105551182A提供了一種基于Kinect人體姿勢識別的駕駛狀態監測系統，通過Kinect傳感器和紅外攝像機來捕捉駕駛員的人體切面圖像，從而實現對人體關節點位置的識別，并根據關節識別的結果分別分析駕駛員的頭部、脊椎和手臂等部位的動作，從而判斷駕駛員是否有危險駕駛行為，這個系統一方面硬件成本高，需要Kinect傳感器和紅外攝像機的配合才能對駕駛員的行為進行識別，另一方面，該系統的分析模式是將駕駛員的整體動作拆分為人體多個部位各自的動作，由于人體的危險駕駛行為往往是多個通過部位一起動作來體現，因此該系統的分析不具有完整性，準確程度明顯下降。

發明內容

本發明的目的是針對上述問題提供一種基于骨骼特征的危險駕駛行為識別方法。

本發明的目的可以通過以下技術方案來實現：

一種基于骨骼特征的危險駕駛行為識別方法，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。

優選地，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。

優選地，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。

優選地，每個所述時間窗口包含的幀數為55～65幀。

優選地，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；