打手机、进食等违规行为”等2大类代表的识别预警，而且后期可以扩展到“东张西望、交谈聊天、驾驶时间过长、疲劳征兆”等行为的预警与提醒。
[0024]根据本实用新型，采集多类实际数据，对识别算法进行优化，使得虚警概率和漏警概率大大降低，达到实用的标准，同时没有给驾驶员带来额外的干扰与注意力分散。
[0025]根据本实用新型，立足于现有的硬件资源整合，包括高清摄像采集模块、前端中控模块、3G/4G无线传输模块、中心软件统计模块，将核心的识别放在前端中控模块处理，提高资源利用效率及及时性。
【附图说明】
[0026]图1为示出本实用新型一【具体实施方式】的驾驶员安全驾驶辅助系统的结构图。
[0027]图2为示出本实用新型一【具体实施方式】的驾驶员安全驾驶辅助系统的视频压缩示意图。
【具体实施方式】
[0028]下面参照附图，通过【具体实施方式】对本实用新型的安全驾驶辅助系统进行详细描述。本领域技术人员应该懂得，该描述仅仅是例示性的，本实用新型并不限于该实施方式。
[0029]如图1所示，图1为示出本实用新型一【具体实施方式】的驾驶员安全驾驶辅助系统的结构图。所述驾驶员安全驾驶辅助系统包括视频采集压缩模块、前端中控模块、无线回传模块、中心后台管理系统，所述视频采集压缩模块采集驾驶员的驾驶情况并进行压缩，将压缩后的码流发送至所述前端中控模块，所述中控模块分拣出特征视频，并实时分析检测特征视频中的驾驶行为，一旦发现非安全驾驶行为，发出语音提醒，截取违规图片，并将相应的违规图片(含时戳)通过无线回传模块回送至所述中心后台管理系统存储统计、备份备查，中心后台管理系统为指挥控制中心提供数据，这样，作为指控中心，就能够根据回传的违规图片的频率和数量，以决定是否需要通过语音专线提醒驾驶员纠正驾驶行为。
[0030]在该方案中，将核心的识别放在前端中控模块处理，在中控模块中即已经分拣出特征视频，而无需将整个码流进行回传，只需将截取的违规图片传送给中心后台管理系统进行存储分析，这样大大减轻了网路负担，提高网路传输效率，显著提高资源利用效率及及时性。
[0031]在本实用新型该【具体实施方式】中，视频采集区域主要是驾驶员区域，集中在驾驶员座位、驾驶员本身以及方向盘等相关区域。由于本实用新型主要关注驾驶员是否存在非安全驾驶行为，其背景相对固定单一，可变参量少，故可采用基于某些特征的高倍压缩方法；另外，对于公司而言，其驾驶员的队伍是相对非常稳定的，故可以提前在中心管理系统中建立相应的库，以进行模板的匹配。
[0032]在本实用新型中，对于视频压缩而言，从高清摄像头到高清视频，采用经典的H.264压缩解决方案，其为成熟方案，一般的摄像头里面都进行了集成，其输出的包为已经进行H.264压缩后的码流，该码流可送DVR存储。由于本方案不对H.264进行修改，故不在此方案进行赘述，参考摄像头的说明使用即可，无需增加额外的硬件或软件，采用业界通用的H.264IP摄像头即可。
[0033]如上所述，本实用新型所监视的区域为方向盘区域，其在纵向上是固定的，只有水平方向的转动，是一个特征非常明显且很容易描述的对象，其只需要用简单的几个参数即可准确描述。另外，方向盘上的操作只有3种状态，双手握住方向盘(合规)，单手握住方向盘(交叉打轮是个例外，但高速行驶中极少采用)，无手在方向盘上。
[0034]基于这种特定的应用场景，可以采用基于特征点的压缩，其基本原理示意如图2所示。
[0035]图2为示出本实用新型【具体实施方式】的驾驶员安全驾驶辅助系统的视频压缩示意图。
[0036]如图2所示，发送端和接收端先从网络平台上获得共同的媒体中间件库，在此库的基础上，发端只需要发送关于该中间件的某类特征即可，收端根据特征即可重建出发端的原始图片，可进一步降低数据量5?10倍，代价是发端需要一定的处理能力，前期的试验表明一般的移动终端的处理能力是足够的，对于车载可供电的压缩应该是毫无压力的。
[0037]详细的来说，对于本项目的场景，收发双端实现建立好方向盘的库、司机握方向盘的库，所需要传输的就是一个标号、坐标等极少的特征参数，收端根据收到的特征参数，对库进行旋转投影等操作便可重建发端的违规图片。
[0038]下面对本实用新型前端中控模块进行详细说明。
[0039]前端中控模块是整个系统的大脑，其负责及时检测出非安全驾驶行为并作出正确响应，其运行的准确率及快捷性直接决定着整个系统的性能，也是是否能够达到需求的决定因素。本实用新型中，本系统的需求诸如可以是:识别驾驶员行车过程中单手或双手离开方向盘等异常行为；识别驾驶员行车过程中吸烟、打手机、进食等违规行为；所有异常行为及违规行为数据通过3G/4G方式回传到公司后台服务器。
[0040]上述需求的首要问题是进行行为分析及聚类，然后准确快捷地识别出非安全驾驶行为，然后进行响应干预，预防事故。
[0041]对于非安全驾驶行为抽象与聚类，诸如驾驶中抽烟、驾驶中进食、驾驶中打电话、单手驾驶等均属于非安全驾驶行为，直观上来看，其中存在着诸多不同，驾驶员性别不同、肤色不同、表情不同、身高不同、表情不同、姿态不同、车型不同、手机不同，如果逐一进行识另IJ，需要具有极高的可与人类比拟的智能程度，而无法实现系统的自动识别，也就退化到现在的监控模式，靠人眼死盯，系统的智能化程度极低，更谈不上预警、预防等更高级的要求和操作，但仔细分析这些非安全驾驶行为，其有一个共同点:单手或者双手离开了方向盘。从这个角度出发的话，一个多场景检测识别的问题可抽象统一到一个对方向盘上有几只手的检测问题，这显然是一个较为容易的问题。由此，可以将该类能够反映绝大多数非安全驾驶行为抽象与聚类为同一性质的结果，即将同时满足如下两个个条件的情形抽象与聚类为非安全驾驶行为:
[0042]I)行驶过程中(不检查停车状态);
[0043]2)方向盘上没有两只手的持续时间超过30s (限定时间是为了避免交叉打轮或是换挡之类操作的误报，但该时间可以进一步根据先验知识优化)。
[0044]在抽象和聚类后，前端中控模块即对其进行智能行为识别动作。
[0045]由上述可知，智能行为识别动作可以被简化成一个方向盘上的有几只手持续控制方向盘的时空二维检测问题，这大大简化了识别模块运行模式，提高运行速度。这其中，在进行智能行为识别时，还需同时考虑几个细节性问题:
[0046]I)摄像头要能够以较好的角度获得方向盘上手的位置，尽量从驾驶员的后上方俯视，以免被驾驶员本身或座椅遮挡；
[0047]2)由于涉及到时间尺度的检测，时间阈值的设置是很关键的，其需要通过前期的试验确立出合理的取值；
[0048]3)由于所检测的为方向盘，而方向盘为已知的且不会发生变化的对象，所以，在本实用新型中，提前建立有一个精确的模型库，模拟出各个方向盘的各种形态，显著辅助该系统提高识别的速度和准确率；
[0049]4)由于上述抽象与聚类模式归集了绝多数非安全驾驶行为，因此极少数非安全驾驶行为中，对方向盘的检测可能会存在一定的漏报，比如说抽烟时只是点烟及扔点烟头时用手，其他时候仍是双手握着方向盘，针对这种特殊情况，本实用新型为此增加对驾驶员嘴部形态进彳丁检测的t旲式，两者结合，进一步提尚识别准确率。
[0050]在考