技术特征：
1.一种基于车载视频识别的营运车辆驾驶员画像分类方法，其特征在于，该方法包括以下步骤：步骤1，采集驾驶员个人信息数据、车辆停车记录数据、主动安全预警数据和预警视频记录数据，将驾驶员个人信息数据、车辆停车记录数据、主动安全预警数据和预警视频记录数据进行关联生成主动安全预警信息详细数据表；步骤2，提取主动安全预警信息详细数据表中预警类别为超时疲劳的数据，生成超时疲劳驾驶记录表；提取每一位驾驶员在主动安全预警信息详细数据表中对应的预警记录，生成预警次数记录表；所述预警次数记录表中包括当前驾驶员前向碰撞预警、车道偏移预警、分身疲劳预警分别对应的触发次数；步骤3，提取预警视频记录数据中的关键数据，利用关键数据计算评价指标；所述关键数据包括车牌号、经纬度、时间和速度信息；所述评价指标包括反应时间、预警前速度变化和预警后速度变化；步骤4，利用预警视频记录数据中的车载前向视频计算车道偏移量；步骤5，根据评价指标和车道偏移量刻画驾驶员在不同预警类型下的反应程度，对指标进行聚类，得到不同预警类型下驾驶员的分类结果；所述预警类型包括前向碰撞预警、车道偏离预警和分神疲劳预警。2.根据权利要求1所述的营运车辆驾驶员画像分类方法，其特征在于，步骤3中，提取预警视频记录数据中的关键数据，利用关键数据计算评价指标包括：对预警视频进行抽帧，提取图片；对生成的图片进行检测，提取图片中的文字，根据文字生成预警详细数据表；根据预警详细数据表中数据得到反应时间、预警前速度变化和预警后速度变化。3.根据权利要求1所述的营运车辆驾驶员画像分类方法，其特征在于，所述步骤4具体包括：对车道视频进行抽帧得到车道偏离图片集，利用计算机视觉识别技术对图片集进行车道线检测、识别和拟合，计算出车辆每秒的车道偏移变化量。4.根据权利要求1所述的营运车辆驾驶员画像分类方法，其特征在于，在步骤5中，前向碰撞预警下驾驶员分类过程为：以驾驶员的反应时间作为驾驶员反应快慢的衡量标准，以预警后速度变化和车道偏移量来表示驾驶员接收预警后的反应激烈程度，对三个指标数值进行标准归一化后，使用肘部法则和轮廓系数法寻找最佳分类个数，再使用k-mean++进行聚类，得到前向碰撞预警下驾驶员的分类；车道偏离预警下驾驶员分类过程为：以偏离持续时间作为驾驶员反应快慢的衡量标准，以预警后速度变化以及车道偏移量来表示驾驶员接收预警后的反应激烈程度，对三个指标数值进行标准归一化后，使用肘部法则和轮廓系数法寻找最佳分类个数，再使用k-mean++进行聚类，得到车道偏离预警下驾驶员的分类；分神疲劳预警下驾驶员分类过程为：以驾驶员分神疲劳持续时间作为驾驶员反应快慢的衡量标准，以累积超时疲劳驾驶总时长作为驾驶员对待预警的接受程度，以分神疲劳预警累积总报警次数作为驾驶员评判驾驶员违规的指标，对三个指标数值标准归一化后，使用肘部法则和轮廓系数法寻找最佳分类个数，再使用k-mean++进行聚类，得到分神疲劳预警下驾驶员的分类。5.根据权利要求1所述的营运车辆驾驶员画像分类方法，其特征在于，将驾驶员个人信
息数据、车辆停车记录数据、主动安全预警数据和预警视频记录数据进行关联生成主动安全预警信息详细数据表具体为：根据预警编号将主动安全预警数据与预警视频记录数据相关联，根据驾驶员姓名将主动安全预警数据与驾驶员个人信息数据相关联，根据车牌号将主动安全预警数据与车辆停车记录数据相关联，利用关联之后的数据构建主动安全预警信息详细数据表。6.根据权利要求1所述的营运车辆驾驶员画像分类方法，其特征在于，所述超时疲劳驾驶记录表包括车牌号、驾驶员姓名、疲劳驾驶开始时间、疲劳驾驶结束时间和持续时间。
技术总结
本发明公开了一种基于车载视频识别的营运车辆驾驶员画像分类方法，包括：采集数据，生成主动安全预警信息详细数据表；生成超时疲劳驾驶记录表；提取每一位驾驶员对应的预警记录，生成预警次数记录表；提取预警视频记录数据中的关键数据，计算评价指标；计算车道偏移量；根据评价指标和车道偏移量刻画驾驶员在不同预警类型下的反应程度，得到不同预警类型下驾驶员的分类结果。本发明通过对视频信息的深入提取刻画驾驶员的驾驶行为，根据驾驶行为对驾驶员进行分类来，通过车载实时视频，可以高效准确的捕捉驾驶员的行车特征，对驾驶行为归类、用户画像分析可以为重点营运车辆的行车安全评价体系的建立提供有力理论支撑。全评价体系的建立提供有力理论支撑。全评价体系的建立提供有力理论支撑。
技术研发人员：邵宜昌 叶智锐 张艺 张宇涵 施晓蒙
受保护的技术使用者：东南大学
技术研发日：2022.08.24
技术公布日：2022/12/1