公交驾驶员行为识别方法及公交驾驶员行为监测系统技术方案

本发明专利技术涉及一种公交驾驶员行为识别方法及公交驾驶员行为监测系统，所述的公交驾驶员行为识别方法包括以下步骤：S1：构建公交驾驶员视频数据库；S2：对公交驾驶员视频数据库中的公交驾驶员视频进行分类标定，构建训练集和测试集；S3：构建驾驶员行为感知模型；S4：基于训练集、测试集并利用经验回放方法对驾驶员行为感知模型进行优化训练；S5：获取待识别公交驾驶员视频，并送入驾驶员行为感知模型进行识别，获取驾驶员行为类型。与现有技术相比，本发明专利技术改造成本低、效率高的优势，能提升公交运行安全性。安全性。安全性。

【技术实现步骤摘要】
公交驾驶员行为识别方法及公交驾驶员行为监测系统


[0001]本专利技术涉及公交驾驶安全监测领域，尤其是涉及一种公交驾驶员行为识别方法及公交驾驶员行为监测系统。

技术介绍

[0002]公交车已成为城市居民生活中不可或缺的交通工具，而公交驾驶员驾驶行为直接影响公交运营的安全与效率。公交驾驶员作为影响城市公共交通供给质量和服务满意度的双重介入主体，其个体行为在很大程度上代表了城市综合形象和城市包容度水平。而近几年引起全社会高度关注的公交车重大伤亡事故时有发生，其中约90％的事故都与驾驶员的不当行为有关。因此，如何规范与管理公交驾驶员驾驶行为也逐渐成为了重点研究方向。目前，现有的公交车监控系统需要通过监控方式人工监测驾驶员行为，效率较低。而现有的3D行为识别和基于智能摄像头的人脸识别需要极其复杂的部署并且耗费大量改造成本。

技术实现思路

[0003]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种公交驾驶员行为识别方法及公交驾驶员行为监测系统。
[0004]本专利技术的目的可以通过以下技术方案来实现：
[0005]一种公交驾驶员行为识别方法，包括以下步骤：
[0006]S1：构建公交驾驶员视频数据库；
[0007]S2：对公交驾驶员视频数据库中的公交驾驶员视频进行分类标定，构建训练集和测试集；
[0008]S3：构建驾驶员行为感知模型；
[0009]S4：基于训练集、测试集并利用经验回放方法对驾驶员行为感知模型进行优化训练；
[0010]S5：获取待识别公交驾驶员视频，并送入驾驶员行为感知模型进行识别，获取驾驶员行为类型。
[0011]优选地，所述的步骤S2的具体步骤包括：
[0012]S21：获取驾驶员行为类型；
[0013]S22：基于驾驶员行为类型对公交驾驶员视频进行逐帧标定，并将标定后带标签的图片帧划分为训练集和测试集。
[0014]优选地，所述的步骤S2还包括：
[0015]S23：对训练集、测试集进行数据增强，对图片进行随机的缩放、旋转、平移和亮度调节。
[0016]优选地，所述的驾驶员行为感知模型为Inception V3卷积神经模型模型。
[0017]优选地，所述的步骤S4具体包括：
[0018]S41：将图片送入驾驶员行为感知模型；
[0019]S42：先用Adam主优化器进行训练，然后使用RMSprop副优化器设定学习率进行训练；
[0020]S43：采用损失函数对模型进行评价，并根据评价结果调整参数；
[0021]S44：在最后的全链接层使用Dropout层来提升模型的泛化能力，并且获取梯度阈值控制权重的范围。
[0022]优选地，所述的损失函数为Categorical Crossentropy损失函数：
[0023][0024]其中，y
i
为真实值，为模型预测输出值，i表示第i种动作。
[0025]优选地，所述的识别方法还包括步骤S6：采用类激活映射方法获取待识别公交驾驶员视频的类特定显着图。
[0026]一种公交驾驶员行为监测系统，包括驾驶员视频获取模块、视频信息识别模块、行为识别模块、安全评价模块、数据库、报警模块，
[0027]所述的驾驶员视频获取模块用于获取公交驾驶员视频；
[0028]所述的视频信息识别模块用于提取视频中的视频信息并生成对应视频日志；
[0029]所述的行为识别模块用于上述的一种公交驾驶员行为识别方法对公交驾驶员视频进行行为识别，获取驾驶员行为类型；
[0030]所述的安全评价模块用于构建决策树模型，基于公交驾驶员视频的视频日志和驾驶员行为类别判断公交驾驶员的行为安全类别，所述行为安全类别包括正常行为和异常行为；
[0031]所述的数据库用于存储所述公交驾驶员视频、视频日志、驾驶员行为类型信息和行为安全类别信息；
[0032]当所述安全评价模块的判断结果为异常行为时，所述的报警模块发出报警信号。
[0033]优选地，所述的视频信息识别模块对公交驾驶员视频进行OCR识别，提取视频中的视频信息，所述的视频信息包括车牌、时间、速度、坐标。
[0034]优选地，所述的行为识别模块获取当前视频帧的驾驶员行为类型，并获取当前帧向前、向后的预设范围内视频帧的驾驶员行为类型，当当前视频帧的驾驶员行为类型在预设范围内视频帧出现比例超过预设阈值时，判断当前视频帧的驾驶员行为类别为可信类别。
[0035]与现有技术相比，本专利技术具有如下优点：
[0036](1)本专利技术的公交驾驶员行为识别方法搭建驾驶员行为感知模型，并对公交驾驶员视频中的驾驶员动作进行分类识别，能准确有效地获取公交驾驶员行驶过程中的动作类型，执行效率高、检测结果可靠；
[0037](2)本专利技术的公交驾驶员行为识别方法中驾驶员行为感知模型基于Inception V3，并基于经验回放策略进行参数调整训练，模型的识别准确性高，对驾驶员动作的分类可靠性高；
[0038](3)本专利技术的公交驾驶员行为监测系统能够有效获取公交驾驶员视频，对食品中的驾驶员动作进行分类识别，并基于视频中的视频信息进行驾驶员行为安全类别的判断，
判断驾驶员是否存在异常行为，如果出现异常行为能够及时发出报警信息，行为感知和安全检测执行效率高，适用于输入视频与实时视频流,可扩展性强，适用于任何含有驾驶员侧方位监控的公交,改造成本低，利用现有公交的监控系统，有利于提高对于公交驾驶员决策行为的安全评估能力，解放大量人力资源，提高城市公交运营管理效率，提升公交运行安全性。
附图说明
[0039]图1为本专利技术公交驾驶员行为识别方法的流程图；
[0040]图2为本专利技术公交驾驶员行为监测系统的结构示意图；
[0041]图3为本专利技术实施例中安全评价模块的决策树模型；
[0042]图4为本专利技术类激活映射方法的类特定显着图生成流程；
[0043]图5为本专利技术生成的类激活图。
具体实施方式
[0044]下面结合附图和具体实施例对本专利技术进行详细说明。注意，以下的实施方式的说明只是实质上的例示，本专利技术并不意在对其适用物或其用途进行限定，且本专利技术并不限定于以下的实施方式。
[0045]实施例
[0046]一种公交驾驶员行为识别方法，如图1所示，包括以下步骤：
[0047]S1：构建公交驾驶员视频数据库。
[0048]S2：对公交驾驶员视频数据库中的公交驾驶员视频进行分类标定，构建训练集和测试集；
[0049]步骤S2的具体步骤包括：
[0050]S21：获取驾驶员行为类型；
[0051]S22：基于驾驶员行为类型对公交驾驶员视频进行逐帧标定，并将标定后带标签的图片帧划分为训练集和测试集；
[0052]S23：为防止过拟合，对训练集、测试集进行数据增强，对图片进行随机的缩放、旋转、平移和亮度调节，以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种公交驾驶员行为识别方法，其特征在于，包括以下步骤：S1：构建公交驾驶员视频数据库；S2：对公交驾驶员视频数据库中的公交驾驶员视频进行分类标定，构建训练集和测试集；S3：构建驾驶员行为感知模型；S4：基于训练集、测试集并利用经验回放方法对驾驶员行为感知模型进行优化训练；S5：获取待识别公交驾驶员视频，并送入驾驶员行为感知模型进行识别，获取驾驶员行为类型。2.根据权利要求1所述的一种公交驾驶员行为识别方法，其特征在于，所述的步骤S2的具体步骤包括：S21：获取驾驶员行为类型；S22：基于驾驶员行为类型对公交驾驶员视频进行逐帧标定，并将标定后带标签的图片帧划分为训练集和测试集。3.根据权利要求1所述的一种公交驾驶员行为识别方法，其特征在于，所述的步骤S2还包括：S23：对训练集、测试集进行数据增强，对图片进行随机的缩放、旋转、平移和亮度调节。4.根据权利要求1所述的一种公交驾驶员行为识别方法，其特征在于，所述的驾驶员行为感知模型为Inception V3卷积神经模型模型。5.根据权利要求1所述的一种公交驾驶员行为识别方法，其特征在于，所述的步骤S4具体包括：S41：将图片送入驾驶员行为感知模型；S42：先用Adam主优化器进行训练，然后使用RMSprop副优化器设定学习率进行训练；S43：采用损失函数对模型进行评价，并根据评价结果调整参数；S44：在最后的全链接层使用Dropout层来提升模型的泛化能力，并且获取梯度阈值控制权重的范围。6.根据权利要求1所述的一种公交驾驶员行为识别方法，其特征在于，所述的损失函数为Categorical Crossentropy损失函数：其中，y
i<...

【专利技术属性】
技术研发人员：沈煜，朱明志，朱劭杰，孙奥，赵冠华，陈康捷，
申请(专利权)人：同济大学，
类型：发明
国别省市：