[发明专利]一种从整体到局部的两阶段打电话行为识别方法

说明书

本发明涉及一种从整体到局部的两阶段打电话行为识别方法，采用从整体到局部两阶段模型相结合的方法设计出基于CNN的整体初筛模型以及基于CNN的局部确认模型，其中，整体初筛模型用于从宏观上进行初筛，在保证保留绝大多数打电话的行为的情况下，尽可能多的过滤掉非打电话的行为；局部确认模型用于从微观进行校验，进一步确定驾驶员是否发生了打电话行为。通过两个模型的有效结合，既可以达到精度高的要求，也能达到速度快的要求。

技术领域

本发明涉及图像处理技术领域，具体涉及一种从整体到局部的两阶段打电话行为识别方法。

背景技术

打电话行为的识别在驾驶安全领域具有非常重要的应用场景，比如国家战略层面所提出必须要严格监管的“两客一危”车辆（“两客一危”车辆，是指从事旅游的包车、三类以上班线客车和运输危险化学品、烟花爆竹、民用爆炸物品的道路专用车辆）。这些车辆一旦发生交通事故，往往造成群死群伤、重大财产损失等严重后果。而司机的不专心驾驶行为如疲劳、酒驾、打电话等等，是导致交通事故频发重要因素，因此如果能有效识别司机的打电话行为，可以极大减少安全事故的发生。就目前而言，打电话行为识别的方法主要有两种：（1）基于手机信号检测的方法；（2）基于摄像头监控的方法，即基于图像分析的方法。

其中，基于手机信号检测的方法，需要安装手机信号检测器，该方法最大的问题是受乘客干扰比较大，识别结果不准，误检较多。因为手机设备的已经普及，车上大部分乘客都有手机，所以该方法比较难以区分是司机打电话还是乘客打电话。

另，基于摄像头监控的方法，主要是实时监控司机的行为，通过对图像的综合分析，来判断司机是否在打电话。常见的传统方法和流程一般是：先检测人脸，然后再提取特征如Harr、Hog、LBP等，最后训练一个分类器如支持向量机（SVM）。这种方法一般准确率较低，尤其是在各种复杂光照、司机各种不同的姿态以及其他复杂环境下如阴阳脸等。在有限数据集（样本）的情况下，传统分类算法表现一般，而最近兴起的卷积神经网络（CNN）在图像识别领域表现出惊人效果，比如在著名的ImageNet比赛中，微软相关的研究员研发的基于CNN的算法，错误率已降低至4.94%。而此前同样的实验中，人眼辨识的错误率大概只有5.1%。

尽管基于CNN的方法在图像识别效果突出，但是其弊端和缺陷也越来越明显。因为随着Deep Learning技术朝着越来越深的方向发展，CNN的网络结构的层数也在骤升，从2012年AlexNet的8层网络结构，到2014年VGG的19层网络结构，再到2014年GoogLeNet的22层网络结构，最后到2015年Resnet的152层网结构，以及最近基于Resnet改进的Densenet、DPN等高达上千层的网络结构。所以可以看出，这些效果突出的CNN网络往往参数多以及计算量大，训练和预测速度都非常慢，一般需要在GPU服务器或者服务器集群上运行，普通的CPU处理器速度非常慢，而处理能力更弱的Arm芯片处理器速度大约是普通PC的几十分之一。

因此，如使用卷积神经网络（CNN）的方法对图片进行分析，在识别领域相比传统算法具有得天独厚的优势，但是如何把庞大的CNN模型，进行适当的优化，然后迁移到移动终端或者处理能力弱、资源紧张的嵌入设备上运行，是一个非常严峻的问题。

发明内容

本发明的目的在于提供一种从整体到局部的两阶段打电话行为识别方法，其能够准确快速地识别出驾驶员打电话行为。

为实现上述目的，本发明采用的技术方案是：

一种从整体到局部的两阶段打电话行为识别方法，其包括以下步骤：

步骤1、CNN模型训练

CNN模型训练包括基于CNN的整体初筛模型和基于CNN的局部确认模型，两个模型的训练具体如下：

1.1、整体初筛模型的训练