CN107862296A - 驾驶员行为的监控方法及系统、计算机可读存储介质 - Google Patents

Abstract

本发明公开一种驾驶员行为的监控方法，包括：采集驾驶员的驾驶行为图像；对所述驾驶行为图像进行识别，提取所述驾驶员的手部动作信息和头部动作信息；根据所述驾驶员的手部动作信息和头部动作信息，对驾驶员行为进行二分类判别，判断所述驾驶员的手部动作和头部动作是否符合预设正常动作；在所述驾驶员的手部动作和头部动作中至少一个不符合预设正常动作时，确定为非正常驾驶行为；在所述驾驶员的手部动作和头部动作均符合预设正常动作时，确定为正常驾驶行为。本发明通过对图像中驾驶员的驾驶行为进行二分类，从而对所述驾驶员的驾驶行为进行分析判断。本发明还公开一种驾驶员行为的监控系统和计算机可读存储介质。

Description

驾驶员行为的监控方法及系统、计算机可读存储介质

技术领域

本发明涉及交通安全技术领域，尤其涉及一种驾驶员行为的监控方法及系统、计算机可读存储介质。

背景技术

随着生活水平的提高，汽车等已成为人们生活中必不可少的基本交通工具，但与此同时，道路交通事故也伴随频繁出现。其中，产生交通事故的诱因主要是由于驾驶员的个人原因，比如：驾驶过程中的驾驶行为。因此，有关部门可以通过分析驾驶员的驾驶行为，研究驾驶员是否存在违规驾驶行为，以减少交通事故事件。

目前，对驾驶员的驾驶行为的监控方法有根据驾驶员的湖区中的酒精含量判断驾驶员是否属于酒驾或者通过利用车载产品上的疲劳驾驶检测功能评价驾驶员的驾驶状态，但是，这种监控方法做分析准确率低，不能对驾驶员行为进行精确的多分类分析，因而不能准确获取驾驶员的违规驾驶行为。

发明内容

本发明的主要目的是提供一种驾驶员行为的监控系统、驾驶员行为的监控方法以及计算机可读存储介质，旨在解决如何对驾驶员行为的多类别识别，并进行分析监控的问题。

为实现上述目的，本发明提供一种驾驶员行为的监控方法，所述监控方法包括：

采集驾驶员的驾驶行为图像；

对所述驾驶行为图像进行识别，提取所述驾驶员的手部动作信息和头部动作信息；

根据所述驾驶员的手部动作信息和头部动作信息，对驾驶员行为进行二分类判别，判断所述驾驶员的手部动作和头部动作是否符合预设正常动作；

在所述驾驶员的手部动作和头部动作中至少一个不符合预设正常动作时，将所述驾驶员行为确定为非正常驾驶行为；

在所述驾驶员的手部动作和头部动作均符合预设正常动作时，将所述驾驶员行为确定为正常驾驶行为。

优选地，所述预设正常动作包括预设头部动作和预设手部动作；

所述根据所述驾驶员的手部动作信息和头部动作信息，对驾驶员行为进行二分类判别，判断所述驾驶员的手部动作和头部动作是否符合预设正常动作的步骤，具体包括：

根据所述驾驶员的手部动作信息，判断所述驾驶员的手部动作是否符合预设手部动作；

在所述驾驶员的手部动作符合所述预设手部动作时，根据所述驾驶员的头部动作信息判断所述驾驶员的头部动作是否符合预设手部动作；

优选地，所述预设头部动作包括头部正视前方；所述预设手部动作包括双手握方向盘和手中没有物体的动作。

优选地，所述根据所述驾驶员的手部动作信息和头部动作信息，对驾驶员行为进行二分类判别，判断所述驾驶员的手部动作和头部动作是否符合预设正常动作的步骤，具体包括：

根据所述驾驶员的手部动作信息，判断所述驾驶员的手部动作是否符合双手握方向盘的动作；

在所述驾驶员的手部动作符合所述双手握方向盘的动作时，判断所述驾驶员的手部动作是否符合所述手中没有物体的动作；

在所述驾驶员的手部动作符合所述手中没有物体的动作时，根据所述驾驶员的头部动作信息判断所述驾驶员的头部动作是否符合预设头部动作。

优选地，所述预设手部动作还包括左手握方向盘同时右手握变速杆。

优选地，所述在所述驾驶员的手部动作和头部动作均符合预设正常动作时，将所述驾驶员行为确定为正常驾驶的步骤之后，还包括：

确定所述正常操作为变速操作，判断驾驶员的变速操作驾驶行为的持续时间是否在预设范围内；

当所述驾驶员的变速操作的持续时间未在预设范围内时，确定所述驾驶员行为为非正常驾驶行为。

优选地，在所述驾驶员的手部动作和头部动作中至少一个不符合预设正常动作时，将所述驾驶员行为确定为非正常驾驶的步骤之后，还包括：

判断所述驾驶员的手部动作或者头部动作是否符合预设危险动作，其中所述危险动作包括手持方形物体并将手置于耳边的动作，手持大于手掌体积的柱状物体的动作，手指间夹持细长物体的动作或者头部偏离车辆正前方预设角度的动作中的至少一个；

在所述驾驶员的手部动作和头部动作中至少一个符合预设危险动作时，将所述驾驶员行为确定为危险驾驶，并发出相应的提示信息。

优选地，还包括步骤：

选取正常驾驶行为的驾驶员图像作为样本图像，对具有深度学习的神经网络进行训练，以获取训练好的驾驶员状态识别模型；

根据所述驾驶员状态识别模型，提取所述驾驶员的预设手部动作和预设头部动作。

本发明还提供一种驾驶员行为的监控系统，包括图像采集模块、存储模块、处理模块以及存储在存储模块并在处理模块上运行的计算机程序，其特征在于，所述处理模块执行所述计算机程序时实现如上述中任一项所述的监控方法的步骤。

本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一项所述的监控方法的步骤。

本发明提供的驾驶员行为的监控系统和监控方法，包括：采集驾驶员的驾驶行为图像；对所述驾驶行为图像进行识别，提取所述驾驶员的手部动作信息和头部动作信息；根据所述驾驶员的手部动作信息和头部动作信息，对驾驶员行为进行二分类判别，判断所述驾驶员的手部动作和头部动作是否符合预设正常动作；在所述驾驶员的手部动作和头部动作中至少一个不符合预设正常动作时，将所述驾驶员行为确定为非正常驾驶行为；在所述驾驶员的手部动作和头部动作均符合预设正常动作时，将所述驾驶员行为确定为正常驾驶行为。所述监控方法简单易实行，而且可以根据驾驶员行为图像，采用二分类判别驾驶员的动作信息对驾驶员行为进行分析判断，以快速准确分析驾驶员行为；同时，驾驶员可以根据分析结果对驾驶行为作出相应的调整，以避免出现严重的交通事故。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。

图1为本发明一实施例中驾驶员行为的监控系统的结构示意图；

图2为本发明中驾驶员行为的监控方法第一实施例的流程图；

图3为本发明中驾驶员行为的监控方法第二实施例的流程图；

图4为本发明中驾驶员行为的监控方法第三实施例的流程图；

图5为本发明中驾驶员行为的监控方法第四实施例的流程图。

图6为本发明中驾驶员行为的监控方法第五实施例的流程图；

图7为本发明中驾驶员行为的监控方法第六实施例的流程图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明，本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。

另外，在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“连接”、“固定”等应做广义理解，例如，“固定”可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。

另外，本发明各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

本发明提出一种驾驶员行为的监控系统及其监控方法、计算机可读存储介质。

如图1所示，图1为实现本发明一实施例中涉及监控系统的模块结构示意图；本实施例中的监控系统包括图像采集模块10、处理模块20、存储模块30等部件。

其中，所述图像采集模块10用于采集驾驶员的驾驶行为的图像数据，并将该图像数据传送至处理模块20；所述图像采集模块10可以以各种形式来实施，例如，摄像头等。所述图像采集模块10的结构包括光学系统、光电转换系统以及电路系统，其中，所述光电转换系统可以将采集的光学图像信号转变为电信号，以便存储或者传送。

所述存储模块30，可用于存储图像采集模块10采集的图像信息，存储软件程序以及各种数据。存储模块30可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等，存储数据区可存储监控系统使用时所需的数据(比如密钥数据)等。

所示处理模块20，分别与图像采集模块10和存储模块30相连，是所述处理模块20是监控系统的控制中心。利用各种接口和线路连接整个监控系统的各个部分，通过运行或执行存储在存储模块30内的软件程序和/或模块，以及调用存储在存储模块30内的数据，执行监控系统的各种功能和处理数据，从而对监控系统进行整体监控。处理模块20可包括一个或多个处理单元或芯片；优选的，处理模块20可集成应用处理单元和调制解调处理单元，其中，应用处理单元主要处理操作系统、用户界面和应用程序等，调制解调处理单元主要处理无线通信。在本实施例中，所述图像采集模块10将采集的驾驶行为图像发送至处理模块20，随后所述处理模块20对具有驾驶员行为的图像进行深入分析处理。

本领域技术人员可以理解，图1中所示的监控系统还可以包括比图上更多或者更少的部件，或者组合某些部件，或者不同的部件布置。

基于上述硬件结构，提出本发明车辆驾驶行为的监控方法的各个实施例。

参照图2，为本发明提供的第一实施例中的监控方法的方法流程图200，所述监控方法包括如下步骤：

步骤S10，采集驾驶员的驾驶行为图像；

在该步骤中，通过采集驾驶员在驾驶过程中所做出的驾驶行为的图像，获取驾驶员的行为信息。所述图像可以包含方向盘以及驾驶员的行为姿态等信息，其中，所述驾驶员的行为姿态可以包括手部动作和头部动作等。所述图像拍摄的频率次数以及采集持续时间可以根据需要进行设置，例如每间隔5秒或者10秒采集一次驾驶员的驾驶行为图像。所述图像的采集方式可以为静态图像采集和动态图像采集，所述静态图像采集为连续拍摄所述驾驶员的驾驶行为的照片，所述动态图像采集为拍摄驾驶员的视频，以获得某个时段的连续图像。其中，动态图像采集的实现方式可以通过摄像头等。进一步地，所述图像的分辨率和像素可以根据用户的具体要求进行选择，在本实施例中，优选图像分辨率高于640*480,即像素至少为30万。

步骤S20，对所述驾驶行为图像进行识别，提取所述驾驶员的手部动作信息和头部动作信息；

可以理解的是，驾驶员的驾驶行为尤其是头部动作和手部动作，因为在驾驶员在驾驶过程中，头部动作和手部动作最能体现驾驶员的驾驶行为；例如，驾驶员双手脱离方向盘、驾驶员打电话、单手驾驶等，这些动作将会直接影响驾驶员的安全性，甚至可能因为驾驶员的手部动作不规范而导致严重的交通事故出现。因此，在本实施例中，所述图像采集模块10所采集的图像可以以方向盘为中心，从所述图像中提取所述包含驾驶员的手部动作信息和头部动作信息，还可以包括手部与方向盘之间的相对位置，以及头部与方向盘之间的相对位置。

进一步地，在本实施例中，在对所述驾驶员行为图像进行识别前，可以对所述图像采集模块10采集到的原始图像进行预处理，以改善图像数据抑制不需要的变形、还原原始图像的全部信息或者增强对驾驶员的驾驶行为特征。其中，所述预处理可以包括对原始图像进行灰度校正、噪声过滤等。

具体的，在该步骤中，所述图像采集模块10拍摄所述驾驶员驾驶行为的照片或者视频并发送至处理模块20进行预处理，然后所述处理模块20调用已经训练好的识别模型从所述处理后的图像中提取所述驾驶员的手部动作信息和头部动作信息。

步骤S30，根据所述驾驶员的手部动作信息和头部动作信息，对驾驶员行为进行二分类判别，判断所述驾驶员的手部动作和头部动作是否符合预设正常动作；

可以理解的是，实现同一驾驶行为的操作动作具有多样化，但驾驶员的手部动作和头部动作对驾驶效果产生直接的影响，因此在对驾驶员的驾驶行为进行分析时，需要具体分析驾驶员的手部动作。同时，为提高分析的准确性，对驾驶远员行为进行二分类判别。

在本实施例中，所述预设正常动作包括预设手部动作和预设头部动作，其中，预设手部动作可以为双手握方向盘和手中没有物体的动作，以及左手握方向盘同时右手握变速杆等；所述预设头部动作可以为头部正视前方等。具体的，对所述驾驶员行为进行二分类判别，是基于决策树的逻辑判断；在本实施例中，将所述驾驶员行为按照预设正常动作把驾驶员的动作分类成不同类别即手部动作和头部动作，然后将所述驾驶员的手部动作和头部动作依次与预设正常动作进行比对，最终形成对驾驶员行为的判别。通过采用二分类判别所述驾驶员行为，有效地提高了分类的精准度，以及分析效率。

步骤S40，在所述驾驶员的手部动作和头部动作中至少一个不符合预设正常动作时，将所述驾驶员行为确定为非正常驾驶行为；

步骤S50，在所述驾驶员的手部动作和头部动作均符合预设正常动作时，将所述驾驶员行为确定为正常驾驶行为。

具体的，在步骤S40中，所述处理模块20调用存储在存储模块30中的应用程序之后，所述应用程序对所述驾驶员行为进行二分类分析，在每一步分类中对手部动作分析判断所述驾驶员行为是否符合条件及预设正常动作；进一步地，对所述驾驶员的头部动作进行分析，以得到最终分析结果。

具体的，在驾驶过程中，当所述驾驶员的手部动作出现比如手中持有物体或者接听电话等动作，此时，可以确定所述驾驶员行为为非正常驾驶行为；或者当所述驾驶员的手部动作与预设正常动作相符现象，但其头部出现偏离，所述驾驶员的驾驶行为也确定为非正常驾驶行为，即当所述驾驶员的手部动作与预设正常动作相符，但所述驾驶员的头部动作与预设正常动作不相符时，可以确定所述驾驶员行为为非正常驾驶行为。

在步骤S50中，在驾驶过程中，所述驾驶员的手部动作为双手握方向盘并未手中没有物体或者左手握方向盘同时右手握变速杆，与此同时，所述驾驶员的头部动作为目视前方，说明所述驾驶员的手部动作以及头部动作与预设正常动作一致，因此，可以确定所述驾驶员的驾驶行为为正常驾驶。

在本实施例中，通过采集驾驶员行为的图像，从所述图像中提取相应的动作信息，并采用二分类判别驾驶员的动作信息以快速准确分析驾驶员行为，同时，驾驶员可以根据分析结果作出相应的调整和措施，以避免出现严重的交通事故。

请参考图3，基于本发明中第一实施例中的监控方法，提出第二实施例中的监控方法的方法流程图201；在第二实施例中，所述步骤S10～S20，S40～S50均与第一实施例中相同，在此不再赘述。

在本实施例中，所述预设正常动作包括预设头部动作和预设手部动作；所述步骤S30具体包括：

步骤S300，根据所述驾驶员的手部动作信息，判断所述驾驶员的手部动作是否符合预设手部动作；

在所述驾驶员的手部动作不符合所述预设手部动作时，进入步骤S40，以将所述驾驶员行为确定为非正常驾驶；

可以理解的是，所述驾驶员出现的动作呈现多样化，所述处理模块20对所述驾驶员的驾驶行为进行二分类后，将所述驾驶员的手部动作与预设手部动作进行比对，以判断所述驾驶员的手部动作是否与所述预设手部动作一致。当所述驾驶员的手部动作出现接听电话、双手离开方向盘等动作时，说明所述驾驶员的手部动作与所述预设手部动作不一致，此时，可以直接确定所述驾驶员行为非正常驾驶。

步骤S310，在所述驾驶员的手部动作符合所述预设手部动作时，根据所述驾驶员的头部动作信息判断所述驾驶员的头部动作是否符合预设头部动作；

在所述驾驶员的头部动作不符合所述预设头部动作时，进入步骤S40，以将所述驾驶员行为确定为非正常驾驶。

在所述驾驶员的头部动作符合所述预设头部动作时，进入步骤S50，以将所述驾驶员行为确定为正常驾驶。

需要说明的是，所述处理模块20完成对所述驾驶员的手部动作的判别，并且通过分析得到所述驾驶员的手部动作符合预设手部动作的结果后；所述处理模块20继续执行对所述驾驶员的头部动作进行判别。将所述驾驶员的头部动作与预设头部动作进行比对。

具体的，在驾驶过程中，当驾驶员的头部动作出现未目视前方等动作时，可以确定所述驾驶员的头部动作与所述预设头部动作不一致，可以认为所述驾驶员的驾驶行为可能会带来安全问题，因此可以将所述驾驶员行为确定为非正常驾驶；当所述驾驶员在整个驾驶过程中，所述驾驶员并未出现上述与预设头部动作不相符的头部动作时，可以确定所述驾驶员驾驶行为属于正常驾驶。

请参考图4，基于本发明中第二实施例中的监控方法，提出第三实施例中的监控方法的方法流程图202；在第三实施例中，所述步骤S10～S20，S40～S50均与第一实施例中相同，在此不再赘述；在本实施例中，所述预设头部动作包括头部正视前方；所述预设手部动作包括双手握方向盘和手中没有物体的动作。所述步骤S30具体包括：

步骤S301，根据所述驾驶员的手部动作信息，判断所述驾驶员的手部动作是否符合双手握方向盘的动作；

可以理解的是，车辆在正常行驶过程中，所述驾驶员的手部应当放置于车辆的方向盘上，以便当所述驾驶员进行高速行驶、弯道转向或者紧急变线等操作时，所述驾驶员对车辆能持续保持较强的操控能力以及驾驶操作的精准度和稳定性，进而可以保证车辆不偏离驾驶航线。

步骤S302，在所述驾驶员的手部动作符合所述双手握方向盘的动作时，判断所述驾驶员的手部动作是否符合所述手中没有物体的动作；

可以理解的是，在正常的驾驶过程中，所述驾驶员双手握方向盘的同时手中拿有物体比如：食物等，容易影响驾驶员的注意力不集中等现象，比如：当需要紧急变线时，所述驾驶员对车辆的操控能力、反应能力以及驾驶操作的精准度都会受到影响，从而导致出现交通事故。

步骤S303，在所述驾驶员的手部动作符合所述手中没有物体的动作时，根据所述驾驶员的头部动作信息判断所述驾驶员的头部动作是否符合预设头部动作。

在正常的驾驶过程中，所述驾驶员应当双手握方向盘，同时手中没有物体，以保证驾驶员在驾驶过程中的安全具体的。具体的，当所述驾驶员的手部动作符合双手握方向盘的动作时，需要进一步判断所述驾驶员的手中是否拿有物体。当所述驾驶员的双手握方向盘，并且其手部动作还符合手中没有物体的动作时，说明所述驾驶员的手部动作符合预设手部动作，此时，可以进一步地进入下一步操作，判断所述驾驶员的头部动作是否符合预设头部动作，以获取最终判断结果即所述驾驶员行为是否为正常驾驶员。

请参考图5，基于本发明中第一实施例中的监控方法，提出第四实施例中的监控方法的方法流程图203；在第四实施例中，所述步骤S10～步骤S50均与第一实施例中相同，在此不再赘述。

可以理解的是，在本实施例中，所述预设头部动作可以包括头部正视前方；所述预设手部动作包括可以左手握方向盘同时右手握变速杆。在正常驾驶时，通常需要进行变档操作，尤其是在拥堵的路段，驾驶员可以通过变档将车辆的行驶速率降低，以避免与其他车辆发生碰撞，产生交通事故。

所述步骤S50之后包括：

步骤S51，确定所述正常操作为变速操作，判断驾驶员的变速操作驾驶行为的持续时间是否在预设范围内；

在本实施例中，当所述驾驶员的手部动作为左手握方向盘同时右手握变速杆时，可以确定当前所述驾驶员的驾驶行为为变速操作。可以理解的是，在正常的驾驶过程中，驾驶员行驶变速操作持续的时间都较为短暂；当驾驶员长时间将手放在变速杆上，是不安全的驾驶行为；另外，当所述驾驶员出现异常时比如酒驾或者驾驶过程中昏睡等情况，促使所述驾驶员一直持续保持变速操作，进而容易带来交通安全事故。因此，可以记录所述驾驶员变速操作的持续时间，并根据变速操作的持续时间判断所述驾驶员的驾驶行为是否为正常。

步骤S52，当所述驾驶员的变速操作的持续时间未在预设范围内时，确定所述驾驶员行为为非正常驾驶行为。

可以理解的是，当所述驾驶员进行变速操作的持续时间超过预设范围时，比如：预设时间为半分钟，所述驾驶员进行变速操作的持续时间超过半分钟时，很显然，所述驾驶员的驾驶行为出现异常，此时，可以确定所述驾驶员行为为非正常驾驶行为。

请参考图6，基于本发明中第一实施例中的监控方法，提出第五实施例中的监控方法的方法流程图204；在第五实施例中，所述步骤S10～步骤S50均与第一实施例中相同，在此不再赘述；其不同在于，所述步骤S40之后包括：

步骤S400，判断所述驾驶员的手部动作或者头部动作是否符合预设危险动作，其中所述危险动作可以包括手持方形物体并将手置于耳边的动作，手持大于手掌体积的柱状物体的动作，手指间夹持细长物体的动作或者头部偏离车辆正前方预设角度的动作中的至少一个；

在本实施例中，根据所述驾驶员的非正常驾驶行为引起交通事故的危险程度，可以对所述驾驶员行为进一步分类；其中，当所述驾驶员在驾驶过程中，所述驾驶员的手部动作出现手持方形物体并将受置于耳边的动作、手指大于手掌体积的柱状物体的动作，或者手指间夹持细长物体的动作等，可以确定所述驾驶员行为为危险驾驶；或者当所述驾驶员在驾驶过程中，所述驾驶员的头部偏离正前方预设角度时，可以确定所述驾驶员行为为危险驾驶。

步骤S410，在所述驾驶员的手部动作和头部动作中至少一个符合预设危险动作时，将所述驾驶员行为确定为危险驾驶，并发出相应的提示信息。

具体的，当所述驾驶员的手部动作手持方形物体并将手置于耳边等的动作，容易造成驾驶员注意力不集中，致使交通事故出现，因而，可以确定为所述驾驶员行为为危险驾驶；或者在驾驶过程中，所述驾驶员的受动作符合预设手部动作，但所述驾驶员的头部偏离车辆正前方预设角度的动作等，所述驾驶员行为具有一定潜在的安全隐患问题，所述驾驶员行为可以确定为危险驾驶。进一步地，在其他实施例中，所述驾驶员的驾驶行为评价结果可以储存在本地，也可以上传至服务器。所述提示信息可以为语音提示、灯光闪烁等方式，在此不作具体的限制。

请参考图7，基于本发明中第一实施例中的监控方法，提出第六实施例中的监控方法的方法流程图205；在第六实施例中，所述步骤S10～步骤S50均与第一实施例中相同，在此不再赘述；其不同在于，所述步骤S10之前包括：

步骤S11，选取正常驾驶行为的驾驶员图像作为样本图像，对具有深度学习的神经网络进行训练，以获取训练好的驾驶员状态识别模型；

步骤S12，根据所述驾驶员状态识别模型，提取所述驾驶员的预设手部动作和预设头部动作。

可以理解的是，所述神经网络是多层次感知器，具有一定的灵活性和自适应性。在本实施例中，基于深度学习对所述神经网络进行训练，以得到训练好的驾驶员状态识别模型。所述神经网络的训练方式是通过向神经网络展示大量的训练范例即驾驶员的驾驶行为图像，然后逐渐对网络参数进行调整，最终对所述驾驶员行为作出合适的分类，得到所述图像中所述驾驶员的预设手部动作和预设头部动作。

具体的，所述驾驶员状态识别模型中的输入层接收驾驶员手部动作信息和头部动作信息并进行低层次的处理后将结果输出至下一层级，直到达到最后一个层级，以得到所述图像的分析结果。所述识别模型具有简单结构、训练参数少和适应性强的特点，同时还可以降低网络的复杂度。

请再次参考图1，本发明提供的监控系统包括图像采集模块10、存储模块30和处理模块20以及存储在存储模块30上并可在处理模块20上运行的计算机程序，所述处理模块20执行所述计算机程序时实现上述任一实施例所述的监控方法的步骤，具体包括：

步骤S10，采集驾驶员的驾驶行为图像；

步骤S20，对所述驾驶行为图像进行识别，提取所述驾驶员的手部动作信息和头部动作信息；

步骤S30，根据所述驾驶员的手部动作信息和头部动作信息，对驾驶员行为进行二分类判别，判断所述驾驶员的手部动作和头部动作是否符合预设正常动作；

步骤S40，在所述驾驶员的手部动作和头部动作中至少一个不符合预设正常动作时，将所述驾驶员行为确定为非正常驾驶行为；

步骤S50，在所述驾驶员的手部动作和头部动作均符合预设正常动作时，将所述驾驶员行为确定为正常驾驶行为。

在本实施例中，通过采集驾驶员行为的图像，从所述图像中提取相应的动作信息，并采用二分类判别驾驶员的动作信息以快速准确分析驾驶员行为，同时，驾驶员可以根据分析结果作出相应的调整和措施，以避免出现严重的交通事故。

进一步地，所述预设正常动作包括预设头部动作和预设手部动作，所述计算机程序被处理模块20执行时，所述步骤S30具体实现：

步骤S300，根据所述驾驶员的手部动作信息，判断所述驾驶员的手部动作是否符合预设手部动作；

在所述驾驶员的手部动作不符合所述预设手部动作时，进入步骤S40，将所述驾驶员行为确定为非正常驾驶；

步骤S310，在所述驾驶员的手部动作符合所述预设手部动作时，根据所述驾驶员的头部动作信息判断所述驾驶员的头部动作是否符合预设头部动作；

在所述驾驶员的头部动作不符合所述预设头部动作时，进入步骤S40，将所述驾驶员行为确定为非正常驾驶。

在所述驾驶员的头部动作符合所述预设头部动作时，进入步骤S50，将所述驾驶员行为确定为正常驾驶。

进一步的，所述预设头部动作包括头部正视前方；所述预设手部动作包括双手握方向盘和手中没有物体的动作，所述计算机程序被处理模块20执行时，所述步骤S30具体实现：

步骤S301，根据所述驾驶员的手部动作信息，判断所述驾驶员的手部动作是否符合双手握方向盘的动作；

步骤S302，在所述驾驶员的手部动作符合所述双手握方向盘的动作时，判断所述驾驶员的手部动作是否符合所述手中没有物体的动作；

步骤S303，在所述驾驶员的手部动作符合所述手中没有物体的动作时，根据所述驾驶员的头部动作信息判断所述驾驶员的头部动作是否符合预设头部动作。

进一步地，所述计算机程序被处理模块20执行时，所述步骤S50之后还实现：

步骤S51，确定所述正常操作为变速操作，判断驾驶员的变速操作驾驶行为的持续时间是否在预设范围内；

步骤S52，当所述驾驶员的变速操作的持续时间未在预设范围内时，确定所述驾驶员行为为非正常驾驶行为。

进一步地，所述计算机程序被处理模块20执行时,所述步骤S40之后还实现

步骤S400，判断所述驾驶员的手部动作或者头部动作是否符合预设危险动作，其中所述危险动作包括手持方形物体并将手置于耳边的动作，手持大于手掌体积的柱状物体的动作，手指间夹持细长物体的动作或者头部偏离车辆正前方预设角度的动作中的至少一个；

步骤S410，在所述驾驶员的手部动作和头部动作中至少一个符合预设危险动作时，将所述驾驶员行为确定为危险驾驶，并发出相应的提示信息。

进一步地，所述计算机程序被处理模块20执行时,所述步骤S10之前还实现

步骤S11，选取正常驾驶行为的驾驶员图像作为样本图像，对具有深度学习的神经网络进行训练，以获取训练好的驾驶员状态识别模型；

步骤S12，根据所述驾驶员状态识别模型，提取所述驾驶员的预设手部动作和预设头部动作。

本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任意一实施方式中的监控方法的步骤。

在本说明书的描述中，参考术语“一实施例”、“另一实施例”、“其他实施例”、或“第一实施例～第X实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料、方法步骤或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上所述仅为本发明的优选实施，并非因此限制本发明的专利范围，凡是在本发明的构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。

Claims (10)

1.一种驾驶员行为的监控方法，其特征在于，所述监控方法包括：

采集驾驶员的驾驶行为图像；

对所述驾驶行为图像进行识别，提取所述驾驶员的手部动作信息和头部动作信息；

根据所述驾驶员的手部动作信息和头部动作信息，对驾驶员行为进行二分类判别，判断所述驾驶员的手部动作和头部动作是否符合预设正常动作；

在所述驾驶员的手部动作和头部动作中至少一个不符合预设正常动作时，将所述驾驶员行为确定为非正常驾驶行为；

在所述驾驶员的手部动作和头部动作均符合预设正常动作时，将所述驾驶员行为确定为正常驾驶行为。

2.如权利要求1所述的监控方法，其特征在于，所述预设正常动作包括预设头部动作和预设手部动作；

所述根据所述驾驶员的手部动作信息和头部动作信息，对驾驶员行为进行二分类判别，判断所述驾驶员的手部动作和头部动作是否符合预设正常动作的步骤，具体包括：

根据所述驾驶员的手部动作信息，判断所述驾驶员的手部动作是否符合预设手部动作；

在所述驾驶员的手部动作符合所述预设手部动作时，根据所述驾驶员的头部动作信息判断所述驾驶员的头部动作是否符合预设手部动作。

3.如权利要求2所述的监控方法，其特征在于，所述预设头部动作包括头部正视前方；所述预设手部动作包括双手握方向盘和手中没有物体的动作。

4.如权利要求3所述的监控方法，其特征在于，所述根据所述驾驶员的手部动作信息和头部动作信息，对驾驶员行为进行二分类判别，判断所述驾驶员的手部动作和头部动作是否符合预设正常动作的步骤，具体包括：

根据所述驾驶员的手部动作信息，判断所述驾驶员的手部动作是否符合双手握方向盘的动作；

在所述驾驶员的手部动作符合所述双手握方向盘的动作时，判断所述驾驶员的手部动作是否符合所述手中没有物体的动作；

在所述驾驶员的手部动作符合所述手中没有物体的动作时，根据所述驾驶员的头部动作信息判断所述驾驶员的头部动作是否符合预设头部动作。

5.如权利要求3所述的监控方法，其特征在于，所述预设手部动作还包括左手握方向盘同时右手握变速杆。

6.如权利要求5所述的监控方法，其特征在于，所述在所述驾驶员的手部动作和头部动作均符合预设正常动作时，将所述驾驶员行为确定为正常驾驶的步骤之后，还包括：

确定所述正常操作为变速操作，判断驾驶员的变速操作驾驶行为的持续时间是否在预设范围内；

当所述驾驶员的变速操作的持续时间未在预设范围内时，确定所述驾驶员行为为非正常驾驶行为。

7.如权利要求1所述的监控方法，其特征在于，在所述驾驶员的手部动作和头部动作中至少一个不符合预设正常动作时，将所述驾驶员行为确定为非正常驾驶的步骤之后，还包括：

判断所述驾驶员的手部动作或者头部动作是否符合预设危险动作，其中所述危险动作包括手持方形物体并将手置于耳边的动作，手持大于手掌体积的柱状物体的动作，手指间夹持细长物体的动作或者头部偏离车辆正前方预设角度的动作中的至少一个；

在所述驾驶员的手部动作和头部动作中至少一个符合预设危险动作时，将所述驾驶员行为确定为危险驾驶，并发出相应的提示信息。

8.如权利要求1所述的监控方法，其特征在于，还包括步骤：

选取正常驾驶行为的驾驶员图像作为样本图像，对具有深度学习的神经网络进行训练，以获取训练好的驾驶员状态识别模型；

根据所述驾驶员状态识别模型，提取所述驾驶员的预设手部动作和预设头部动作。

9.一种驾驶员行为的监控系统，包括图像采集模块、存储模块、处理模块以及存储在存储模块并在处理模块上运行的计算机程序，其特征在于，所述处理模块执行所述计算机程序时实现如权利要求1至8中任一项所述的监控方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至8中任一项所述的监控方法的步骤。