本发明专利技术涉及智能交通数据处理技术领域，尤其涉及一种风险驾驶行为的监控方法及系统。该方法包括以下步骤：控制车载摄像头进行图像采集，获取驾驶员图像信息；根据驾驶员图像信息进行眼部特征提取，获取眼部闭眼频率特征以及眼球运动轨迹特征；根据眼部闭眼频率特征以及眼球运动轨迹特征分别通过眼部闭眼频率识别模型以及眼球运动轨迹识别模型进行识别，获得眼部闭眼频率数据以及眼球运动轨迹数据；根据眼部闭眼频率数据以及眼球运动轨迹数据进行眼部行为评估，获取驾驶员的多维眼部评估数据。本发明专利技术通过驾驶员眼部行为监控，识别眼部疲劳以及分心的危险行为，避免潜在的交通安全隐患。隐患。隐患。
【技术实现步骤摘要】
一种风险驾驶行为的监控方法及系统
[0001]本专利技术涉及智能交通数据处理
，尤其涉及一种风险驾驶行为的监控方法及系统。
技术介绍
[0002]在长途或者长时间的驾驶过程中，往往容易出现驾驶员疲劳驾驶行为，如何消除疲劳驾驶行为，从而降低危险驾驶带来的潜在安全隐患一直是交通行业关注的问题之一，通常来讲，传统的方法是通过驾驶员的静态数据进行统计分析计算获得风险指数进行提醒，比如驾驶员年龄、性别、车型以及驾驶时长进行综合计算，通过广义线性模型进行风险行为预测，其中容易造成驾驶员不疲劳时发送假提醒以及驾驶员上车时已处于疲劳状态的无法及时提取。
[0003]随着互联网的发展，人工智能技术开始出现，通过人工智能技术深度挖掘数据背后的深度关联关系信息，从而及时做到探寻事物背后发展的客观规律，以更好地解决问题，如何将人工智能技术与风险驾驶行为进行结合，更好地发现图像背后驾驶员疲劳信息，便成为了一个问题。
技术实现思路
[0004]本专利技术为解决上述技术问题，提出了一种风险驾驶行为的监控方法及系统，以解决至少一个上述技术问题。
[0005]本专利技术提供一种风险驾驶行为的监控方法，包括以下步骤：步骤S1：控制车载摄像头进行图像采集，从而获取驾驶员图像信息；步骤S2：根据驾驶员图像信息进行眼部特征提取，从而获取眼部闭眼频率特征以及眼球运动轨迹特征；步骤S3：根据眼部闭眼频率特征以及眼球运动轨迹特征分别通过眼部闭眼频率识别模型以及眼球运动轨迹识别模型进行识别，从而获得眼部闭眼频率数据以及眼球运动轨迹数据；步骤S4：根据眼部闭眼频率数据以及眼球运动轨迹数据进行眼部行为评估，从而获取驾驶员的多维眼部评估数据，以发送至风险监控系统进行风险预警作业。
[0006]本专利技术通过监控驾驶员眼部行为，及时识别眼部疲劳、分心等危险行为，可以避免因驾驶员疲劳或注意力不集中而导致的交通事故，提高道路交通安全性，采用眼部闭眼频率特征和眼球运动轨迹特征，并结合本专利技术提供的识别模型和算法，可以多角度、全方位地评估驾驶员眼部行为，提高行为评估的准确性和可靠性。
[0007]在本说明书的一个实施例中，步骤S2具体为：步骤S21：根据驾驶员图像信息进行眼部检测作业，获取驾驶员眼部位置信息；步骤S22：根据驾驶员图像信息以及驾驶员眼部位置信息进行眼部区域提取，以获取眼部区域图像信息；
步骤S23：根据眼部区域图像信息进行眼部闭眼频率特征提取，从而获取眼部闭眼频率特征；步骤S24：根据眼部区域图像信息进行眼球运动轨迹特征提取，从而获取眼球运动轨迹特征。
[0008]本实施例中通过眼部检测技术，可以准确地获取驾驶员眼部位置信息，从而避免因姿态变化、遮挡等原因导致特征提取不准确的问题，提高特征提取的准确性，采用眼部区域提取技术，可以将眼部区域的图像信息单独提取出来，避免干扰因素对特征提取的影响，从而使得特征提取更加精细化，通过眼部区域提取技术，可以减少处理的数据量，从而提高特征提取的处理速度，提高整个系统的实时性和可靠性，通过眼部检测和眼部区域提取技术，可以针对不同的驾驶场景进行适应和优化，如适应不同的光线条件、驾驶员姿态等情况，增强系统的稳健性和实用性。
[0009]在本说明书的一个实施例中，其中眼部检测作业的步骤包括以下步骤：步骤S211：根据驾驶员图像信息进行特征向量提取转换，获取边缘特征向量数据以及纹理特征向量数据；步骤S212：根据驾驶员图像信息通过预设的滑动窗口进行图像分割，从而获得切割图像；步骤S213：根据边缘特征向量数据以及纹理特征向量数据对切割图像进行邻近相似性计算，从而获得邻近贴合指数；步骤S214：根据邻近贴合指数将切割图像进行图像合并，从而获得合并图像；步骤S215：获取图像拍摄角度并根据图像拍摄角度对合并图像进行图像翻转，从而获得翻转图像；步骤S216：根据翻转图像通过预设的缩放比例进行双线性插值法计算，从而获得缩放图像；步骤S217：根据缩放图像通过预设的多维线性回归曲线进行分类计算，从而获得眼部指数；步骤S218：根据眼部指数进行迭代计算，直至确定眼部指数大于预设的眼部阈值指数时，根据眼部指数对应的合并图像生成修正滑动窗口，以对滑动窗口进行修正，并根据眼部指数对应的缩放图像以及标准驾驶员图像信息进行坐标提取，生成眼部位置信息。
[0010]本实施例采用多种特征向量和相似性计算方法，在充分考虑眼部形态变化的情况下，准确地检测出驾驶员的眼部位置信息，提高了检测的精度和鲁棒性；通过预设的滑动窗口和多维线性回归曲线，可以对不同大小和姿态的驾驶员进行适应和优化；同时还可以根据图像拍摄角度进行翻转和缩放，从而适应更加复杂的图像环境，采用图像合并和缩放等技术，可以减少处理的数据量和运算时间，从而加速眼部检测的处理速度，提高系统的实时性和可靠性；通过迭代计算和自动修正滑动窗口，可以实现对眼部检测过程的自动化，减少人工干预的难度和错误率，提高系统的智能化和自动化水平。
[0011]在本说明书的一个实施例中，邻近相似性计算通过邻近相似性计算公式进行计算，其中邻近相似性计算公式具体为：
为邻近贴合指数，为切割图像的第个像素值的权重系数，为切割图像的第个像素值，为权重系数的平衡调整项，为根据边缘特征向量数据以及纹理特征向量数据生成的微调偏移项，为切割图像的第个像素值的邻近像素值的权重系数，为切割图像的第个像素值的邻近像素值，为根据边缘特征向量数据以及纹理特征向量生成的像素相关系数，为初始调整项，为邻近贴合指数的降维系数，为切割图像的像素总数，为邻近贴合指数的修正系数。
[0012]本实施例提供一种邻近相似性计算公式，该公式充分考虑了切割图像的第个像素值的权重系数、切割图像的第个像素值、权重系数的平衡调整项、根据边缘特征向量数据以及纹理特征向量数据生成的微调偏移项、切割图像的第个像素值的邻近像素值的权重系数、切割图像的第个像素值的邻近像素值、根据边缘特征向量数据以及纹理特征向量生成的像素相关系数、初始调整项、邻近贴合指数的降维系数，以及相互之间的作用关系，以形成函数关系，通过当前像素点以及邻近像素点，并考虑了像素点沿着边缘特征向量数据以及纹理特征向量的偏好，从而使得生成的合并图像能够将眼部特征全部展现提供准确的数据支持。
[0013]在本说明书的一个实施例中，步骤S22具体为：步骤S221：根据驾驶员图像信息以及驾驶员眼部位置信息进行眼部区域提取，从而获取初步眼部区域图像信息；步骤S222：根据初步眼部区域图像信息通过优化极线约束法进行畸变消除计算，从而获得调整眼部图像信息；步骤S223：根据调整眼部图像信息进行角点检测及焦点纠正，生成校正眼部图像信息；步骤S224：根据校正眼部图像信息进行去噪处理，从而获得去噪眼部图像信息；步骤S225：根据去噪眼部图像信息进行光照条件阈值判断，从而生成光照图像指数；步骤S226：判断光照图像指数是否大于或等于预设的光照图像阈值指数；步骤S227：确定光照图像指数大于或等于预设的光照图像阈值指数时，则将去噪眼部图像信息确定为眼部区域图像信息；步骤S228：确定光本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种风险驾驶行为的监控方法，其特征在于，包括以下步骤：步骤S1：控制车载摄像头进行图像采集，从而获取驾驶员图像信息；步骤S2：根据驾驶员图像信息进行眼部特征提取，从而获取眼部闭眼频率特征以及眼球运动轨迹特征；步骤S3：根据眼部闭眼频率特征以及眼球运动轨迹特征分别通过眼部闭眼频率识别模型以及眼球运动轨迹识别模型进行识别，从而获得眼部闭眼频率数据以及眼球运动轨迹数据；步骤S4：根据眼部闭眼频率数据以及眼球运动轨迹数据进行眼部行为评估，从而获取驾驶员的多维眼部评估数据，以发送至风险监控系统进行风险预警作业。2.根据权利要求1所述的方法，其特征在于，步骤S2具体为：步骤S21：根据驾驶员图像信息进行眼部检测作业，获取驾驶员眼部位置信息；步骤S22：根据驾驶员图像信息以及驾驶员眼部位置信息进行眼部区域提取，以获取眼部区域图像信息；步骤S23：根据眼部区域图像信息进行眼部闭眼频率特征提取，从而获取眼部闭眼频率特征；步骤S24：根据眼部区域图像信息进行眼球运动轨迹特征提取，从而获取眼球运动轨迹特征。3.根据权利要求2所述的方法，其特征在于，其中眼部检测作业的步骤包括以下步骤：根据驾驶员图像信息进行特征向量提取转换，获取边缘特征向量数据以及纹理特征向量数据；根据驾驶员图像信息通过预设的滑动窗口进行图像分割，从而获得切割图像；根据边缘特征向量数据以及纹理特征向量数据对切割图像进行邻近相似性计算，从而获得邻近贴合指数；根据邻近贴合指数将切割图像进行图像合并，从而获得合并图像；获取图像拍摄角度并根据图像拍摄角度对合并图像进行图像翻转，从而获得翻转图像；根据翻转图像通过预设的缩放比例进行双线性插值法计算，从而获得缩放图像；根据缩放图像通过预设的多维线性回归曲线进行分类计算，从而获得眼部指数；根据眼部指数进行迭代计算，直至确定眼部指数大于预设的眼部阈值指数时，根据眼部指数对应的合并图像生成修正滑动窗口，以对滑动窗口进行修正，并根据眼部指数对应的缩放图像以及标准驾驶员图像信息进行坐标提取，生成眼部位置信息。4.根据权利要求3所述的方法，其特征在于，邻近相似性计算通过邻近相似性计算公式进行计算，其中邻近相似性计算公式具体为：进行计算，其中邻近相似性计算公式具体为：为邻近贴合指数，为切割图像的第个像素值的权重系数，为切割图像的第个像素值，为权重系数的平衡调整项，为根据边缘特征向量数据以及纹理特征向量数据生成的微调偏移项，为切割图像的第个像素值的邻近像素值的权重系数，为切割图像的
第个像素值的邻近像素值，为根据边缘特征向量数据以及纹理特征向量生成的像素相关系数，为初始调整项，为邻近贴合指数的降维系数，为切割图像的像素总数，为邻近贴合指数的修正系数。5.根据权利要求2所述的方法，其特征在于，步骤S22具体为：根据驾驶员图像信息以及驾驶员眼部位置信息进行眼部区域提取，从而获取初步眼部区域图像信息；根据初步眼部区域图像信息通过优化极线约束法进行畸变消除计算，从而获得调整眼部图像信息；根据调整眼部图像信息进行角点检测及焦点纠正，生成校正眼部图像信息；根据校正眼部图像信息...
【专利技术属性】
技术研发人员：冯波，
申请(专利权)人：万联易达物流科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。