一种面向城市道路的驾驶行为安全评估方法及系统技术方案

本发明专利技术公开一种面向城市道路的驾驶行为安全评估方法及系统，包括：采集驾驶员的驾驶图像；构建行为识别模型，所述行为识别模型包括FasterR

【技术实现步骤摘要】
一种面向城市道路的驾驶行为安全评估方法及系统


[0001]本专利技术属于道路交通安全领域，尤其涉及一种面向城市道路的驾 驶行为安全评估方法及系统。

技术介绍

[0002]随着社会的快速发展和交通基础设施的不断完善，汽车产业也在 快速发展，汽车已成为人们日常生活中必备的交通工具，与此同时， 交通事故也在频繁发生。根据中国交通运输部公布的数据，中国每年 死于交通事故的人数位居世界第二，并且在全国所有交通事故中，80％ 是由私家车和载货汽车引起的。而导致交通事故发生最重要的一个原 因是驾驶员在开车时做出的不安全行为，这些不安全行为包括：开车 过程中玩手机、抽烟、喝水等等，此时一旦出现紧急情况，驾驶员根 本来不及做出正确反应，从而造成交通事故。因此，为了减少驾驶员 的不安全行为，避免交通事故的发生，对驾驶员的行为进行实时监督 并做出提醒是很重要的。
[0003]就目前交通安全领域来看，在驾驶员行为评估模型构建方面多数 采用的是利用车身上安装的传感器，通过对汽车行驶时的速度、加速 度、急刹次数等数据进行赋权分析，从而对驾驶员的驾驶行为进行评 估。这种评估方法虽然在一定程度上可以满足驾驶员行为识别的需 求，但是实际上仅凭汽车行驶的数据去衡量驾驶员的行为是不够的， 因此如何去主观的获取驾驶员的行为并进行赋权分析就变得非常重 要。

技术实现思路

[0004]为解决上述技术问题，本专利技术提出一种面向城市道路的驾驶行为 安全评估方法及系统，通过采集驾驶员的关键点信息对驾驶行为进行 识别，并根据识别结果对驾驶员进行评级打分，从而实现对驾驶员行 驶过程中的驾驶行为进行安全评估。
[0005]一方面为实现上述目的，本专利技术提供了一种面向城市道路的驾驶 行为安全评估方法，包括：
[0006]采集驾驶员的驾驶图像；
[0007]构建行为识别模型，所述行为识别模型包括FasterR
‑
CNN子模 型、SHN子模型和VGG子模型；
[0008]基于所述行为识别模型对所述驾驶图像进行识别，获取所述驾驶 员的驾驶行为；
[0009]对所述驾驶行为进行赋权评估，获取所述驾驶员的驾驶得分值， 基于所述驾驶得分值完成驾驶行为安全评估。
[0010]可选地，采集驾驶员的驾驶图像包括：对所述驾驶员进行图像采 集，并采用Yolo
‑
v5模型对采集的图像进行目标检测，将所述驾驶员 的位置分割出来。
[0011]可选地，构建行为识别模型包括：将堆叠沙漏子模型与VGG子 模型进行融合，将融合后的模型加入到所述FasterR
‑
CNN子模型中， 获得所述行为识别模型；其中，所述FasterR
‑
CNN子模型还包括： ROI
‑
Pooling层和Softmax层。
[0012]可选地，基于所述行为识别模型对所述驾驶图像进行识别包括： 利用所述SHN子模型对所述驾驶图像进行检测，获取所述驾驶员的 关键点区域，利用所述VGG子模型对所述驾驶图像进行处理，获取 全局图像特征图，利用所述ROI
‑
Pooling层将所述关键点区域和所述 全局图像特征图，分别映射为局部特征向量和全局特征向量，将所述 局部特征向量和所述全局特征向量进行级联融合，获取最终特征向 量，利用所述Softmax层对所述最终特征向量进行归一化处理，输出 预测的所述驾驶员的行为类别。
[0013]可选地，对所述驾驶行为进行赋权评估，获取所述驾驶员的驾驶 得分值包括：
[0014]采用基于熵权法与层次分析法的集成赋权法，获取所述驾驶行为 的权重值；
[0015]基于所述权重值，采用预设评分准则进行赋权打分，获得所述驾 驶得分值。
[0016]可选地，基于所述驾驶得分值完成驾驶行为安全评估包括：
[0017]预设安全评分阈值；
[0018]将所述驾驶得分值与所述安全评分阈值进行比较，若所述驾驶得 分值低于所述安全评分阈值，则认定所述驾驶员存在不安全驾驶行 为，并以报警的形式对所述驾驶员进行提醒。
[0019]另一方面为实现上述目的，本专利技术还提供了一种面向城市道路的 驾驶行为安全评估系统，包括：采集模块、构建模块、识别模块和评 估模块；
[0020]所述采集模块，用于采集驾驶员的驾驶图像；
[0021]所述构建模块，用于构建行为识别模型，所述行为识别模型包括 FasterR
‑
CNN子模型、SHN子模型和VGG子模型；
[0022]所述识别模块，用于基于所述行为识别模型对所述驾驶图像进行 识别，获取所述驾驶员的驾驶行为；
[0023]所述评估模块，用于对所述驾驶行为进行赋权评估，获取所述驾 驶员的驾驶得分值，基于所述驾驶得分值完成驾驶行为安全评估。
[0024]可选地，所述采集模块采集驾驶员的驾驶图像包括：对所述驾驶 员进行图像采集，并采用Yolo
‑
v5模型对采集的图像进行目标检测， 将所述驾驶员的位置分割出来。
[0025]可选地，所述构建模块中构建行为识别模型包括：将堆叠沙漏子 模型与VGG子模型进行融合，将融合后的模型加入到所述FasterR
‑
CNN子模型中，获得所述行为识别模型。
[0026]与现有技术相比，本专利技术具有如下优点和技术效果：
[0027]本专利技术提供的一种面向城市道路的驾驶行为安全评估方法及系 统，通过利用深度学习中的FasterR
‑
CNN模型、堆叠沙漏模型和VGG 模型构建行为识别模型，对驾驶员行为进行识别，获取驾驶员行为类 别数据，然后利用熵权法和层次分析法对这些行为指标进行权重估 计，最终构建出一套合理的驾驶员安全行为评估模型，能够主观直接 的对汽车行驶过程中驾驶员的行为进行评估，效果更精准。
附图说明
[0028]构成本申请的一部分的附图用来提供对本申请的进一步理解，本 申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的 不当限定。在附图中：
[0029]图1为本专利技术实施例1的一种面向城市道路的驾驶行为安全评估 方法流程示意图；
[0030]图2为本专利技术实施例1的行为识别算法模型示意图。
具体实施方式
[0031]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例 中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本 申请。
[0032]需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算 机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻 辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或 描述的步骤。
[0033]实施例1
[0034]如图1所示，本实施例提供了一种面向城市道路的驾驶行为安全 评估方法，包括：
[0035]采集驾驶员的驾驶图像；
[0036]构建行为识别模型，所述行为识别模型包括FasterR<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向城市道路的驾驶行为安全评估方法，其特征在于，包括：采集驾驶员的驾驶图像；构建行为识别模型，所述行为识别模型包括Faster R
‑
CNN子模型、SHN子模型和VGG子模型；基于所述行为识别模型对所述驾驶图像进行识别，获取所述驾驶员的驾驶行为；对所述驾驶行为进行赋权评估，获取所述驾驶员的驾驶得分值，基于所述驾驶得分值完成驾驶行为安全评估。2.根据权利要求1所述的面向城市道路的驾驶行为安全评估方法，其特征在于，采集驾驶员的驾驶图像包括：对所述驾驶员进行图像采集，并采用Yolo
‑
v5模型对采集的图像进行目标检测，将所述驾驶员的位置分割出来。3.根据权利要求1所述的面向城市道路的驾驶行为安全评估方法，其特征在于，构建行为识别模型包括：将堆叠沙漏子模型与VGG子模型进行融合，将融合后的模型加入到所述Faster R
‑
CNN子模型中，获得所述行为识别模型；其中，所述Faster R
‑
CNN子模型还包括：ROI
‑
Pooling层和Softmax层。4.根据权利要求3所述的面向城市道路的驾驶行为安全评估方法，其特征在于，基于所述行为识别模型对所述驾驶图像进行识别包括：利用所述SHN子模型对所述驾驶图像进行检测，获取所述驾驶员的关键点区域，利用所述VGG子模型对所述驾驶图像进行处理，获取全局图像特征图，利用所述ROI
‑
Pooling层将所述关键点区域和所述全局图像特征图，分别映射为局部特征向量和全局特征向量，将所述局部特征向量和所述全局特征向量进行级联融合，获取最终特征向量，利用所述Softmax层对所述最终特征向量进行归一化处理，输出预测的所述驾驶员的行为类别。5.根据权...

【专利技术属性】
技术研发人员：徐成，钟源，袁家政，刘宏哲，代松银，徐冰心，潘卫国，
申请(专利权)人：北京联合大学，
类型：发明
国别省市：