[发明专利]一种基于视觉的运营车辆人员异常行为检测方法

说明书

本发明提供一种基于视觉的运营车辆人员异常行为检测方法，属于视觉识别领域。该方法首先全方位采集车内驾驶人员及其周围人员的图像信息；然后，提取2D图像，利用openpose数据库中深度学习算法对所有图像内人员的骨骼节点进行标注；接着，结合车辆行驶状态，界定干扰人员与被干扰人员，计算被干扰人员各关键肢体部位的危险距离阈值。随后，基于双目测距原计算干扰人员的腕部节点与被干扰人员关键肢体部位的空间距离；最后，通过判断空间距离处在危险距离阈值内的时间，检测干扰人员的异常行为。本发明适用于运营车辆人员异常行为检测，为车内人员异常行为的警示与及时报警提供关键评判依据，对保障车内人员生命财产安全具有重要意义。

技术领域

本发明属于视觉识别技术领域，特别涉及一种基于视觉的运营车辆人员异 常行为检测方法。

背景技术

随着互联网技术的进步，我国以专车、快车以及无人售票公交车为主的行 业得以快速发展，为人们带来了极大的便利。然而，由于缺乏严格的监管制度， 因乘客在驾驶过程中干扰驾驶人员正常驾驶或因驾驶人员侵扰乘客而导致车内 人员发生重大伤亡的案例也在逐渐增加。因此，寻求一种基于视觉的运营车辆 人员异常行为检测方法，用于实时检测车内人员姿态，并自动对车内人员异常 行为进行判别，为车内人员异常行为的警示与及时报警提供关键评判依据，对 保障车内人员生命财产安全具有重要意义。

实际运营车辆行驶过程中，为保障自身安全，乘客一般通过软件向好友实 时分享位置来确保自身受到侵害时得到及时救护。然而，该方法主观性强，不 能保证每一位乘客在受到侵害时立即获得预警。另一方面，驾驶人员为保障自 身安全，通常在驾驶座椅周围安装具有弹射功能的防护转置。然而，该方法仍 依赖驾驶人员对具体局势的主观判断，不能有效的对乘客的异常行为进行及时 预警。为此，寻求一种基于视觉的运营车辆人员异常行为检测方法，迫在眉睫。

研究表明，基于视觉的运营车辆人员异常行为检测，需满足车内人员姿态 的实时监测、人员相对位置的精确计算以及人员异常行为的及时判断等基本条 件，具有极大的工程挑战性。通过分布式摄像头全方位获取车内人员图像信息， 基于openpose数据库实时提取车内人员的姿态，结合双目测距原理获取车内人 员间的空间相对位置，并依此判定车内人员是否有异常行为，为基于视觉的运 营车辆人员异常行为检测提供了可能性。

2016年中国科学技术大学康宇等在发明专利CN201611267904.6中公开了 一种基于深度学习的危险驾驶行为实时检测方法，该方法采用图像采集系统获 取驾驶人员信息，通过深度学习方法判断驾驶人员抽烟、手持电话等异常行为。 2016年成都远控科技有限公司谢仲华在发明专利CN201610264968.4中公开了 一种基于视频智能算法的疲劳检测方法及系统，该方法通过采集图像获取驾驶 人员图像，并通过驾驶人员嘴巴、眼睛的张和度判断驾驶人员是否疲劳。然而， 上述测量方法并未涉及到驾驶人员与乘客间异常行为的检测。

发明内容

本发明目的在于克服现有方法不足，针对运营车辆人员异常行为检测问题， 发明了基于视觉的运营车辆人员异常行为检测方法。该方法利用openpose数据 库中深度学习算法提取乘客、驾驶人员的骨骼节点序列，为车内人员的姿态判 别提供位置依据；基于双目测距原理获取车内人员关键肢体部位间的空间距离， 为异常行为的判定奠定基础；制定车内人员关键肢体部位间的危险距离阈值， 为异常行为的判定提供依据，最终通过计算车内人员关键肢体部位间的距离小 于危险阈值的时间长短，实现运营车辆人员异常行为的检测。

本发明测量方法采用分布式摄像头采集运营车辆内驾驶人员及其周围的图 像信息；结合运营车辆的行驶状态，判断车内干扰人员与被干扰人员位置；利 用openpose数据库中深度学习算法提取车内人员的骨骼节点序列；基于双目测 距原理计算车内干扰人员的腕部部位节点与被干扰人员关键肢体部位的空间距 离；通过设定危险阈值，并通过空间距离处于危险阈值内的时间完成人员异常 行为的检测。

本发明的技术方案：