[发明专利]一种驾驶行为识别方法、装置和计算机可读存储介质

说明书

本发明实施例公开了一种驾驶行为识别方法、装置和介质，获取驾驶室内的同步视频数据；其中，同步视频数据包括前置摄像头采集的视频数据和后置摄像头采集的视频数据，降低了视频检测的盲点。利用训练好的基于回归的目标检测测试模型和基于深度卷积神经网络的人体姿态估计测试模型对同步视频数据进行识别，以得到司机驾驶行为的识别结果；依据采集的LKJ数据以及预先存储的司机驾驶作业操作规范信息，对司机驾驶行为的识别结果进行违规分析，以识别同步视频数据中存在的违规操作结果。通过目标检测测试模型和人体姿态估计测试模型的配合，有效的提升了司机驾驶行为识别的精确度和实时性。

技术领域

本发明涉及图像分析技术领域，特别是涉及一种驾驶行为识别方法、装置和计算机可读存储介质。

背景技术

伴随着铁路机车车辆、铁路通信信号、铁路线路等设备不断现代化的进行，行车安全监控检测设备发挥着越来越重要的作用。列车越来越高的运行速度和越来越复杂的行车环境给铁路系统的正常运营带来了很多的压力和挑战。列车司机规范的驾驶作业行为对保证列车的安全可靠运行起着重要的作用。

司机行为识别系统的传统做法是采用基于人工特征的目标检测算法，当面对复杂场景的驾驶室图像和多驾驶行为目标检测任务时，由于人工所提取的特征不具有普适性，很难寻找一个能够非常准确地描述目标特征的算子。并且传统的分类器比较容易受到图像的干扰，类别之间细微的差异会导致分类精度大幅度下降。另一方面，大量的驾驶室视频监测数据给传统目标检测算法带来了巨大的运算压力，模型的计算速度比较慢，导致司机驾驶行为不能实时地被识别。

可见，如何提升司机驾驶行为识别的精确度和实时性，是本领域技术人员需要解决的问题。

发明内容

本发明实施例的目的是提供一种驾驶行为识别方法、装置和计算机可读存储介质，可以提升司机驾驶行为识别的精确度和实时性。

为解决上述技术问题，本发明实施例提供一种驾驶行为识别方法，包括：

获取驾驶室内的同步视频数据；其中，所述同步视频数据包括前置摄像头采集的视频数据和后置摄像头采集的视频数据；

利用训练好的基于回归的目标检测测试模型和基于深度卷积神经网络的人体姿态估计测试模型对所述同步视频数据进行识别，以得到司机驾驶行为的识别结果；

依据采集的LKJ数据以及预先存储的司机驾驶作业操作规范信息，对所述司机驾驶行为的识别结果进行违规分析，以识别所述同步视频数据中存在的违规操作结果。

可选地，所述目标检测测试模型的训练过程包括：

对采集的历史视频数据进行抽帧处理，以便于用户对各数据帧标注用于表征驾驶行为的框图位置信息以及行为类别；

依据各数据帧标注的行为类别，从所有所述数据帧中选取出符合第一类驾驶行为的数据帧作为第一数据训练集；

利用所述第一数据训练集对建立的基于回归的目标检测训练模型进行迭代训练，直至所述目标检测训练模型的检测精度和检测速度满足预设要求，则将训练好的目标检测训练模型作为目标检测测试模型。

可选地，所述人体姿态估计测试模型的训练过程包括：

对采集的历史视频数据进行抽帧处理，以便于用户对各数据帧标注用于表征驾驶行为的框图位置信息以及行为类别；

依据各数据帧标注的行为类别，从所有所述数据帧中选取出符合第二类驾驶行为的数据帧作为第二数据训练集；

利用所述第二数据训练集对建立的基于深度卷积神经网络的人体姿态估计训练模型进行迭代训练，直至所述人体姿态估计训练模型的检测精度和检测速度满足预设要求，则将训练好的人体姿态估计训练模型作为人体姿态估计检测模型。