一种危险驾驶行为识别及预警方法与系统

本发明涉及智能交通，尤其涉及一种危险驾驶行为识别及预警方法与系统。

背景技术：

1、危险驾驶行为是指驾驶人驾驶机动车期间，违反道路交通安全法规，造成或增加不应有的危险的行为。从广义角度上来说，危险驾驶行为是指驾驶人在驾驶机动车期间出现的一切不安全、违反交通法规的危险驾驶行为方式。其中包括“不谨慎驾驶”和“不安全驾驶”两种模式，“不谨慎驾驶”是指当驾驶人行驶车辆期间，驾驶人自身受到手机、外部环境等非交通信息的影响下导致其出现注意力不集中、或者情绪剧烈波动，使其不具备安全驾驶条件，进而驾驶期间遇到交通问题情况时，未能采取相应交通安全驾驶行为，致使交通事故发生，例如分心驾驶、愤怒驾驶等；不安全驾驶即指驾驶人的身体状态和行为极度不适宜驾驶车辆，这种情况极易引发交通事故、对驾驶人安全造成严重影响，例如醉酒驾驶、疲劳驾驶等。

2、驾驶人是道路交通安全事故发生的主导因素，驾驶人出现危险驾驶行为往往会受到交通环境和驾驶人个人自身状态等因素共同作用和互相影响。在高峰拥堵时段，部分驾驶人往往通过插队、强行换道等不良驾驶来满足自身驾驶需求，而这种现象往往会导致被插队的驾驶人表现出生气、愤怒和路怒症等愤怒情绪；驾驶人行驶车辆时使用智能设备和车载媒体会影响其对于机动车驾驶的专注程度，智能设备会在驾驶人在驾驶任务过程中不同程度地占用和竞争驾驶人的视觉、认知、动作等资源，进而对安全驾驶产生影响；驾驶人受到生活节奏和工作压力的影响和长时间驾驶或者堵车过程中，由于驾驶操作的机械性、所处环境的单调性和长时间负荷驾驶，往往会出现注意力不集中、对周围认知判断出现偏差等驾驶疲劳现象。根据道路交通事故的研究显示，在交通事故问题中，驾驶人与其相关联的事故次数占比高达90％左右。

3、因此，本发明提出一种危险驾驶行为识别及预警方法与系统。

技术实现思路

1、本发明将驾驶人图像信息、驾驶人生理信息与车辆运行信息相结合，建立了愤怒驾驶、分心驾驶、疲劳驾驶三种危险驾驶行为的识别模型，提出了一种危险驾驶行为识别及预警方法，可以实现对危险驾驶行为实时监测，以便于在驾驶人处于危险驾驶状态时进行预警和干预。

2、一方面，为实现上述目的本发明提供了一种危险驾驶行为识别及预警方法，包括：

3、分别获取车辆运行信息、驾驶人图像信息以及驾驶人人因数据，并对所述驾驶人图像信息进行处理；

4、构建危险驾驶行为识别模型，并将处理后的所述车辆运行信息、驾驶人图像信息以及驾驶人人因数据输入至所述危险驾驶行为识别模型中进行驾驶行为决策；

5、根据决策结果判断是否执行预警干预行为；

6、其中，所述预警干预行为包括预警行为和干预行为，所述预警行为包括一级预警、二级预警和三级预警，所述干预行为包括一级干预行为、二级干预行为和三级干预行为。

7、优选地，获取所述车辆运行信息包括：

8、通过can总线获取车辆实时运行信息，所述车辆实时运行系信息包括车辆的速度、加速度、方向盘转向幅度、油门踏板开度、油门使用频率、制动踏板开度以及制动使用频率数；其中，方向盘转向幅度、油门踏板开度和制动踏板开度的取值范围均为[0，1]，0表示驾驶人方向盘未进行偏移，或没有踩油门踏板，或没有踩刹车踏板。

9、优选地，对所述驾驶人图像信息进行处理包括：

10、将获取的所述驾驶人图像进行灰度处理，并采用对比度受限的自适应直方图均衡化的方法对所述驾驶人图像进行均衡化处理，其中，所述驾驶人图像包括驾驶人面部图像和驾驶人侧身图像。

11、优选地，获取所述驾驶人人因数据包括：

12、通过人因数据传感器，获取驾驶人的肌电标准差、肌电均值频率、心动频率、心动平均值标准差、皮电反应强度标准差数据；其中，所述人因数据传感器包括肌电传感器、皮电传感器和光电容积脉搏传感器。

13、优选地，所述危险驾驶行为识别模型包括：

14、卷积层，用于提取输入数据的不同特征；

15、激活函数层，用于将神经元的输入映射到输出端，以及将神经网络中输入信号的总和转换为输出信号；

16、池化层，用于通过降采样方法，对所述卷积层中提取的特征进行挑选；

17、dropout层，用于在训练过程中随机删除神经元，以降低神经网络的复杂度和参数，避免过度拟合；

18、全连接层，用于将池化层的所有特征矩阵转化成一维的特征大向量，对输入数据进行分类；

19、其中，在每一个所述卷积层后添加batchnorm2d函数进行数据归一化；使用relu函数作为所述激活函数层的激活函数，所述池化层的池化方式采用最大池化；所述全连接层设置为四个线性层，所述四个线性层分别对应三个不同的危险驾驶行为和一个正常驾驶行为，并在所述全连接层的每一个线性层前面加入所述dropout层。

20、优选地，采用多分类交叉熵损失函数训练所述危险驾驶行为识别模型，并通过模型评价指标衡量模型的精准度，其中所述模型评价指标包括准确率、精确率、召回率、f1-score以及macro f1评价指标，若各项指标均达到预设阈值，则保存所述危险驾驶行为识别模型的参数。

21、优选地，所述决策结果包括：正常驾驶行为、愤怒驾驶行为、分心驾驶行为和疲劳驾驶行为；

22、其中，识别所述愤怒驾驶行为对应的数据权重顺序为：心率、面部表情、速度；

23、识别所述分心驾驶行为对应的数据权重顺序为：眼睛、表情、驾驶偏移量；

24、识别所述疲劳驾驶行为对应的数据权重顺序为：表情、时间序列、人因数据。

25、优选地，根据所述决策结果判断是否执行预警干预行为包括：

26、若识别为所述正常驾驶行为，则不执行预警干预行为，若识别为所述愤怒驾驶行为、所述分心驾驶行为或所述疲劳驾驶行为，则执行所述预警干预行为；

27、其中，是否执行所述预警干预行为的条件包括：

28、选择时间戳数据作为时间序列进行判断，并根据预设条件判断是否执行一级预警、二级预警或三级预警。

29、优选地，若执行所述一级预警则对应所述一级干预行为，所述一级干预行为包括对驾驶人进行警告，并对车辆执行紧急制动及靠边停车；

30、若执行所述二级预警则对应所述二级干预行为，所述二级干预行为包括对驾驶人进行预警，并对车辆进行限速及辅助制动；

31、若执行所述三级预警则对应所述三级干预行为，所述三级干预行为包括对驾驶人进行提示，并对车辆进行辅助制动。

32、另一方面，为了实现上述目的本发明还提供了一种危险驾驶行为识别及预警系统，包括：

33、数据采集模块：用于采集车辆运行数据、驾驶人图像数据和驾驶人人因数据，获得各项特征的时间序列数据，并输入到数据处理模块；

34、数据处理模块：用于剔除错误、冗余数据，补全缺失数据，并使用数据均值归一化的方法进行归一化处理；

35、识别决策模块：用于将处理完成的数据输入危险驾驶识别模型，对危险驾驶行为进行智能决策，判断是否执行预警干预行为。

36、与现有技术相比，本发明具有如下优点和技术效果：

37、本发明所建立的识别模型和设计的预警系统可对驾驶人愤怒、分心、疲劳三种危险驾驶行为进行识别和预警，能够在一定程度上减小甚至避免危险驾驶行为所带来的交通安全隐患，可以为个性化的汽车安全辅助驾驶系统的完善提供了一定技术支持。