一种基于样本不均衡的危险驾驶行为识别方法与流程

本发明涉及一种基于样本不均衡的危险驾驶行为识别方法，属于城市交通安全。

背景技术：

1、危险驾驶行为是许多事故的主要原因之一，如未系安全带、打电话、疲劳驾驶、超速、酒驾等。危险驾驶行为识别的业务背景涉及交通安全、交通管理和执法、保险行业以及驾驶员培训与教育。通过识别和纠正危险驾驶行为，可以实现道路安全和交通秩序的维护，减少事故发生和伤亡；交通管理部门可以进行有效的执法和监督；保险公司可以准确评估风险并制定更合理的保险策略；驾驶员培训和教育中，通过识别危险驾驶行为的反馈，可以提高驾驶员的安全意识和驾驶技能水平。这些业务背景推动了安全意识的提高和道路交通管理的不断改善。但是目前对于未系安全带和打电话的危险驾驶行为识别存在样本不均衡的情况，也缺乏对空间位置关系或者空间通道特征的关注。

技术实现思路

1、本发明所要解决的技术问题在于提供一种基于样本不均衡的危险驾驶行为识别方法，提高未系安全带和打电话两种危险驾驶行为的检出率和准确率。

2、为解决上述技术问题，本发明采用的技术方案如下：

3、一种基于样本不均衡的危险驾驶行为识别方法，包括以下步骤，

4、(1)对采集的少样本类别数据进行数据增强处理，包括几何变换和像素变换，其中的几何变换包括镜像、旋转、缩放、裁剪和平移，像素变换包括亮度、对比度、锐度和模糊；

5、(2)对数据增强处理的少样本类别数据进行过采样处理，具体方法是：建立两种列表，分别是存储n个类别的列表和存储n个类别所对应的样本列表，其中：

6、类别的列表为：

7、lclass＝[c1，c2，...，cn]，cn代表第n个类别；

8、样本的列表为：代表的是第i个类别的样本列表，其中(i＝1,2,…,n)，m代表该类别中有m个样本；

9、(3)采用efficientnet-b0作为基线模型，使用交叉熵损失函数wce作为基线损失函数对少样本类别数据进行权重均衡：

10、

11、其中m：代表类别的数量，yic：代表真实标签(0，1)，如果样本i的真是类别为c取1，否则取0；n：代表样本数量；pic：代表观测样本i属于类别c的预测概率，wc为类别c的类别权重；

12、(4)对交叉熵损失函数wce通过l2范数进行正则化处理，正则化以后的交叉熵损失函数wce记为nwce，

13、nwce＝wce+l2

14、(5)在efficientnet-b0基线模型添加能同时考虑通道信息和空间信息的卷积注意力模块cbam。

15、作为一种优选方案，所述步骤(3)中的efficientnet-b0模型的基础模型使用神经网络结构搜索方法同时优化模型精度与模型的浮点运算次数，得到一个高质量的基础模型，进一步从卷积通道数、卷积层数以及图像分辨率三个维度对模型进行缩放，得到多个规模的模型。

16、作为一种优选方案，所述步骤(5)中的卷积注意力模块cbam主要由两个模块构成：通道注意力模块cam和空间注意力模块sam，首先通过cam计算得到通道上的注意力权重，然后再使用sam计算得到空间上的注意力权重。

17、本发明的有益效果：与现有技术相比，本发明提出了过采样正则策略模型来实现样本不平衡条件下针对未系安全带和打电话的危险驾驶行为识别模型的优化设计，本发明从数据采样、数据分布、分类器优化三个层面来构造样本采样平衡、数据分布多样、类别权值均衡的图像识别模型，适用于模型规模严格受限、数据不平衡现象不是很显著的图像识别场景。

技术特征：

1.一种基于样本不均衡的危险驾驶行为识别方法，其特征在于：包括以下步骤，

2.根据权利要求1所述的基于样本不均衡的危险驾驶行为识别方法，其特征在于：所述步骤(3)中的efficientnet-b0模型的基础模型使用神经网络结构搜索方法同时优化模型精度与模型的浮点运算次数，得到一个高质量的基础模型，进一步从卷积通道数、卷积层数以及图像分辨率三个维度对模型进行缩放，得到多个规模的模型。

3.根据权利要求1所述的基于样本不均衡的危险驾驶行为识别方法，其特征在于：所述步骤(5)中的卷积注意力模块cbam主要由两个模块构成：通道注意力模块cam和空间注意力模块sam，首先通过cam计算得到通道上的注意力权重，然后再使用sam计算得到空间上的注意力权重。

技术总结
本发明公开了一种基于样本不均衡的危险驾驶行为识别方法，包括以下步骤：(1)对采集的少样本类别数据进行数据增强处理；(2)对数据增强处理的少样本类别数据进行过采样处理；(3)采用EfficientNet‑B0作为基线模型，使用交叉熵损失函数WCE作为基线损失函数对少样本类别数据进行权重均衡；(4)对交叉熵损失函数WCE通过L2范数进行正则化处理；(5)在EfficientNet‑B0基线模型添加卷积注意力模块CBAM。本发明提出了过采样正则策略模型来实现样本不平衡条件下的危险驾驶行为识别模型的优化设计，大大提高了危险驾驶行为的检出率和准确率，适用于模型规模严格受限、数据不平衡现象不是很显著的图像识别场景。

技术研发人员：周德松,徐桂林,胡凯华,伍帅先
受保护的技术使用者：贵州智诚科技有限公司
技术研发日：
技术公布日：2024/4/7