基于深度神經網絡的駕駛員違章行為識別方法

姜雨凱 周亢 李志偉 李杰 丁政 向陽 邵葉秦

摘要：駕駛員的違章行為是造成交通事故的主要原因之一，利用攝像頭實時監控行駛過程中的駕駛員違章行為是一個減少交通事故的有效方法。本文提出一種通過深度神經網絡的駕駛員違章行為識別方法。首先，利用Deep-Pose檢測駕駛員身體關鍵點，接著，基于這些關鍵點提取動作特征，然后使用最近鄰分類器識別典型違章行為。實驗證明，本文的方法對于典型的違章行為是有效的。

關鍵字：駕駛員違章行為;人體關鍵點;深度神經網絡

中圖分類號：TP391 文獻標識碼：A

文章編號：1009-3044（2020）12-0198-03

1引言

隨著計算機和人工智能的飛速發展，深度神經網絡已經成為計算機領域近年來最為熱門的研究方向，并且在機器視覺、語言識別和文本處理等諸多應用領域中取得了重大突破。深度神經網絡模型是通過分層提取數據的底層特征，通過多層組合計算進而給出更為復雜的特征描述，進而讓機器理解圖像信息。

目前國內外學者提出多種檢測駕駛員行為，主要分為三類：通過傳感器檢測車輛狀態、通過生理指數測量、通過計算機視覺檢測剛。在實際應用中，前兩種方法需要復雜的儀器設備來輔助檢測，會干擾駕駛員的正常駕駛。因此，國內外的一些學者從計算機視覺檢測這個方向進行研究，這些研究根據膚色特征檢測手或人臉等，檢測駕駛員姿態，但容易受到外部環境的制約，比如光線昏暗或者光線強烈的環境下容易導致識別準確率低。

為了解決這個問題，本文提出基于深度神經網絡的駕駛員違章行為識別系統，通過深度神經網絡檢測駕駛員的人體關鍵點，并據此提取駕駛員的行為特征，然后使用分類器決定駕駛員的行為是否違章。

2基于深度神經網絡的駕駛員人體關鍵點檢測

2.1人體關鍵點檢測

本文對于駕駛員的行為分析主要依據是上半身，因此本文只檢測駕駛員上半身10個關鍵位置，分別是：頭部、頸部、胸膛、腰部、左肩、右肩、左肘、右肘、左手腕、右手腕。為了檢測人體的這些關鍵點，本文采用DeepPose方法。該方法分為兩個步驟。

4結束語

本文提出了一種基于深度神經網絡的駕駛員違章行為識別方法，通過基于Deep-Pose網絡檢測人體關鍵點，并提取人體動作特征識別違章行為。實驗證明，本文方法能有效地識別典型的打電話、玩手機等違章行為。