CN113361343A - 一种基于深度学习接打电话行为检测方法 - Google Patents
一种基于深度学习接打电话行为检测方法 Download PDFInfo
- Publication number
- CN113361343A CN113361343A CN202110555897.4A CN202110555897A CN113361343A CN 113361343 A CN113361343 A CN 113361343A CN 202110555897 A CN202110555897 A CN 202110555897A CN 113361343 A CN113361343 A CN 113361343A
- Authority
- CN
- China
- Prior art keywords
- driver
- biological characteristics
- call
- road surface
- biological
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 33
- 230000006399 behavior Effects 0.000 title claims abstract description 25
- 238000013135 deep learning Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 32
- 230000003068 static effect Effects 0.000 claims abstract description 20
- 238000012795 verification Methods 0.000 claims description 17
- 238000012806 monitoring device Methods 0.000 claims description 9
- 230000001815 facial effect Effects 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 description 5
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
Images
Abstract
本发明涉及辅助驾驶技术领域，具体涉及一种基于深度学习接打电话行为检测方法；采集驾驶人员的生物特征，并进行保存，得到第一生物特征和第二生物特征，验证第一生物特征，检测开始，判断驾驶人员是否接打电话，当检测驾驶人员正在接打电话，若判断路面为静态，后台不警示，若判断路面为动态，后台警示，验证第一生物特征，检测完毕，通过检测驾驶人员有拨打电话的行为时，判断路面为静态还是动态，实现避免驾驶人员在驾驶舱未行驶时接打电话，云台误报。
Description
技术领域
本发明涉及辅助驾驶技术领域，尤其涉及一种基于深度学习接打电话行为检测方法。
背景技术
在驾驶过程中接打电话的行为是引发交通事故的重要原因之一。由于沟通需求多，客车、商用车一直是在驾驶过程中接打电话行为的重灾区，手机使得驾驶员的注意力无法完全集中。
目前在监测驾驶人员是否接打电话时，使用监控设备和录音设备进行记录，若检测到驾驶人员存在接打电话时，平台给监控人员发出警报，警示监控人员，但驾驶人员在驾驶舱未行驶时接打电话时，云台会出现误报情况。
发明内容
本发明的目的在于提供一种基于深度学习接打电话行为检测方法，旨在解决现有技术中的驾驶人员在驾驶舱未行驶时接打电话，云台误报的技术问题。
为实现上述目的，本发明采用的一种基于深度学习接打电话行为检测方法，包括如下步骤：
采集驾驶人员的生物特征，并进行保存，得到第一生物特征和第二生物特征；
验证所述第一生物特征，检测开始；
判断驾驶人员是否接打电话，当检测驾驶人员正在接打电话，若判断路面为静态，后台不警示，若判断路面为动态，后台警示；
验证所述第一生物特征，检测完毕。
其中，在采集驾驶人员的生物特征，并进行保存，得到第一生物特征和第二生物特征的步骤中：在储存器中建立驾驶人员的基本信息，使用指纹采集器采集被识别人的所述第一生物特征，使用面部采集器采集被识别人的所述第二生物特征，所述储存器分别储存被识别人的所述基本信息、所述第一生物特征和所述第二生物特征，并通过处理器，传输至云台。
其中，在采集驾驶人员的生物特征，并进行保存，得到第一生物特征和第二生物特征的步骤中：所述第一生物特征为指纹特征。
其中，在采集驾驶人员的生物特征，并进行保存，得到第一生物特征和第二生物特征的步骤中：所述第二生物特征为面部特征。
其中，在验证所述第一生物特征，检测开始的步骤中：使用所述指纹采集器识别驾驶人员的所述指纹特征，验证是否为驾驶人员本人，验证通过后，开始检测驾驶人员是否有接打电话的行为。
其中，在判断驾驶人员是否接打电话，当检测驾驶人员正在接打电话，若判断路面为静态，后台不警示，若判断路面为动态，后台警示的步骤中：监控设备记录驾驶人员的动作，录音设备记录驾驶人员的音源，所述处理器判断动作是否为通话过程中常用动作及音源是否有通话过程中常用语句，若动作和音源两种判断类型中至少满足一种类型为正在接打电话，所述处理器判断路面状态，若路面为静态，所述云台不警示，若路面为动态，所述云台发出警示，提醒监控人员该驾驶人员正在接打电话。
其中，在验证所述第一生物特征，检测完毕的步骤中，驾驶人员完成驾驶后：使用所述指纹采集器识别驾驶人员的所述指纹特征，验证是否为驾驶人员本人，验证通过后，完成检测驾驶人员是否有接打电话的行为。
本发明的有益效果体现在：通过采集驾驶人员的生物特征，并进行保存，得到第一生物特征和第二生物特征，验证所述第一生物特征，检测开始，判断驾驶人员是否接打电话，当检测驾驶人员正在接打电话，若判断路面为静态，后台不警示，若判断路面为动态，后台警示，验证所述第一生物特征，检测完毕。当检测驾驶人员有拨打电话的行为时，判断路面为静态还是动态，若路面为静态，则证明驾驶人员是在未行驶的状态下拨打电话，若路面为动态，则证明驾驶人员是在正在行驶的状态下拨打电话，实现了避免驾驶人员在驾驶舱未行驶时接打电话，所述云台误报。
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获得其他的附图。
图1是本发明的基于深度学习接打电话行为检测方法的步骤流程图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
请参阅图1，本发明提供了一种基于深度学习接打电话行为检测方法，包括如下步骤：
采集驾驶人员的生物特征，并进行保存，得到第一生物特征和第二生物特征；
验证所述第一生物特征，检测开始；
判断驾驶人员是否接打电话，当检测驾驶人员正在接打电话，若判断路面为静态，后台不警示，若判断路面为动态，后台警示；
验证所述第一生物特征，检测完毕。
在本实施方式中，采集驾驶人员的生物特征，并进行保存，得到第一生物特征和第二生物特征，验证所述第一生物特征，检测开始，判断驾驶人员是否接打电话，当检测驾驶人员正在接打电话，若判断路面为静态，后台不警示，若判断路面为动态，后台警示，验证所述第一生物特征，检测完毕。当检测驾驶人员有拨打电话的行为时，判断路面为静态还是动态，若路面为静态，则证明驾驶人员是在未行驶的状态下拨打电话，若路面为动态，则证明驾驶人员是在正在行驶的状态下拨打电话，实现了避免驾驶人员在驾驶舱未行驶时接打电话，所述云台误报。
其中，在采集驾驶人员的生物特征，并进行保存，得到第一生物特征和第二生物特征的步骤中：在储存器中建立驾驶人员的基本信息，使用指纹采集器采集被识别人的所述第一生物特征，使用面部采集器采集被识别人的所述第二生物特征，所述储存器分别储存被识别人的所述基本信息、所述第一生物特征和所述第二生物特征，并通过处理器，传输至云台。
在本实施方式中，在驾驶人员被所述指纹采集器和所述面部采集器采集所述生物特征之前，需在所述储存器中建立被识别人的所述基本信息，再分别使用所述指纹采集器和所述面部采集器采集被识别人的所述第一生物特征和所述第二生物特征，且所述基本信息、所述第一生物特征和所述第二生物特征之间相互补充。
其中，在采集驾驶人员的生物特征，并进行保存，得到第一生物特征和第二生物特征的步骤中：所述第一生物特征为指纹特征。
在本实施方式中，所述第一生物特征为所述指纹特征，所述指纹采集器采集驾驶人员的所述指纹特征。
其中，在采集驾驶人员的生物特征，并进行保存，得到第一生物特征和第二生物特征的步骤中：所述第二生物特征为面部特征。
在本实施方式中，第二生物特征为所述面部特征，所述面部采集器采集被识别人的所述面部特征。
其中，在验证所述第一生物特征，检测开始的步骤中：使用所述指纹采集器识别驾驶人员的所述指纹特征，验证是否为驾驶人员本人，验证通过后，开始检测驾驶人员是否有接打电话的行为。
在本实施方式中，当驾驶人员驾驶车辆前，需使用所述指纹采集器识别驾驶人员的所述指纹特征，所述处理器验证驾驶人员的基本信息，验证通过后，检测开始。
其中，在判断驾驶人员是否接打电话，当检测驾驶人员正在接打电话，若判断路面为静态，后台不警示，若判断路面为动态，后台警示的步骤中：监控设备记录驾驶人员的动作，录音设备记录驾驶人员的音源，所述处理器判断动作是否为通话过程中常用动作及音源是否有通话过程中常用语句，若动作和音源两种判断类型中至少满足一种类型为正在接打电话，所述处理器判断路面状态，若路面为静态，所述云台不警示，若路面为动态，所述云台发出警示，提醒监控人员该驾驶人员正在接打电话。
在本实施方式中，所述录音设备接近驾驶人员，便于获取驾驶人员的音源，所述监控设备分别录入驾驶舱处和窗外的地面，所述处理器判断音源中是否有通话过程中常用语句，同时判断动作是否为通话过程中常用动作，若动作和音源两种判断类型中至少满足一种类型为正在接打电话，所述处理器判断路面状态，若路面为静态，所述云台不警示，若路面为动态，所述云台警示，避免驾驶人员在驾驶舱未行驶时接打电话，所述云台误报。
其中，在验证所述第一生物特征，检测完毕的步骤中，驾驶人员完成驾驶后：使用所述指纹采集器识别驾驶人员的所述指纹特征，验证是否为驾驶人员本人，验证通过后，完成检测驾驶人员是否有接打电话的行为。
在本实施方式中，验证分两次，一次为驾驶人员开始行驶的验证，另一次为驾驶人员结束行驶的验证，所述储存器分别记录驾驶人员的开始行驶时间和结束行驶时间。
其中，在验证所述第一生物特征，检测开始和判断驾驶人员是否接打电话，当检测驾驶人员正在接打电话，若判断路面为静态，后台不警示，若判断路面为动态，后台警示的步骤之间，还包括：
判断驾驶过程中是否为驾驶人员本人，若不是驾驶人员本人，后台警示。
在本实施方式中，再驾驶过程中，所述监控设备录入驾驶舱处，当所述处理器判断实时监控中出现的所述面部特征，与所述储存器中记录的面部特征无法匹对时，所述处理器判断在驾驶过程中，不是驾驶人员本人，所述平台发出警示，提醒监控人员。
其中，在判断驾驶人员是否接打电话，当检测驾驶人员正在接打电话，若判断路面为静态，后台不警示，若判断路面为动态，后台警示的步骤之前，还包括：
判断乘客是否与驾驶人员交谈，当检测乘客正在与驾驶人员交谈，则排除驾驶人员正在接打电话的情况。
在本实施方式中，所述监控设备还录入车辆过道处，当所述处理器检测乘客正在与驾驶人员交谈，则排除驾驶人员正在接打电话的情况，避免由于驾驶人员与乘客交谈时，所述平台误报。
其中，在验证所述第一生物特征，检测开始的步骤后，还包括：
记录验证时间。
其中，在验证所述第一生物特征，检测完毕的步骤后，还包括：
记录验证时间。
在本实施方式中，验证分两次，一次为驾驶人员开始行驶的验证，另一次为驾驶人员结束行驶的验证，所述储存器分别记录驾驶人员的开始行驶时间和结束行驶时间，所述云台计算驾驶人员驾驶时间，督促驾驶人员不会出现疲劳驾驶的情况。
综上所述：在所述基于深度学习接打电话行为检测方法的过程中，首先采集驾驶人员的生物特征，并进行保存，得到第一生物特征和第二生物特征，然后验证所述第一生物特征，检测开始，接着记录验证时间，再判断驾驶过程中是否为驾驶人员本人，若不是驾驶人员本人，后台警示，然后判断乘客是否与驾驶人员交谈，当检测乘客正在与驾驶人员交谈，则排除驾驶人员正在接打电话的情况，再判断驾驶人员是否接打电话，当检测驾驶人员正在接打电话，若判断路面为静态，后台不警示，若判断路面为动态，后台警示，然后验证所述第一生物特征，检测完毕，最后记录验证时间。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。
Claims (7)
1.一种基于深度学习接打电话行为检测方法，其特征在于，包括如下步骤：
采集驾驶人员的生物特征，并进行保存，得到第一生物特征和第二生物特征；
验证所述第一生物特征，检测开始；
判断驾驶人员是否接打电话，当检测驾驶人员正在接打电话，若判断路面为静态，后台不警示，若判断路面为动态，后台警示；
验证所述第一生物特征，检测完毕。
2.如权利要求1所述的基于深度学习接打电话行为检测方法，其特征在于，
在采集驾驶人员的生物特征，并进行保存，得到第一生物特征和第二生物特征的步骤中：在储存器中建立驾驶人员的基本信息，使用指纹采集器采集被识别人的所述第一生物特征，使用面部采集器采集被识别人的所述第二生物特征，所述储存器分别储存被识别人的所述基本信息、所述第一生物特征和所述第二生物特征，并通过处理器，传输至云台。
3.如权利要求2所述的基于深度学习接打电话行为检测方法，其特征在于，
在采集驾驶人员的生物特征，并进行保存，得到第一生物特征和第二生物特征的步骤中：所述第一生物特征为指纹特征。
4.如权利要求3所述的基于深度学习接打电话行为检测方法，其特征在于，
在采集驾驶人员的生物特征，并进行保存，得到第一生物特征和第二生物特征的步骤中：所述第二生物特征为面部特征。
5.如权利要求4所述的基于深度学习接打电话行为检测方法，其特征在于，
在验证所述第一生物特征，检测开始的步骤中：使用所述指纹采集器识别驾驶人员的所述指纹特征，验证是否为驾驶人员本人，验证通过后，开始检测驾驶人员是否有接打电话的行为。
6.如权利要求5所述的基于深度学习接打电话行为检测方法，其特征在于，
在判断驾驶人员是否接打电话，当检测驾驶人员正在接打电话，若判断路面为静态，后台不警示，若判断路面为动态，后台警示的步骤中：监控设备记录驾驶人员的动作，录音设备记录驾驶人员的音源，所述处理器判断动作是否为通话过程中常用动作及音源是否有通话过程中常用语句，若动作和音源两种判断类型中至少满足一种类型为正在接打电话，所述处理器判断路面状态，若路面为静态，所述云台不警示，若路面为动态，所述云台发出警示，提醒监控人员该驾驶人员正在接打电话。
7.如权利要求6所述的基于深度学习接打电话行为检测方法，其特征在于，
在验证所述第一生物特征，检测完毕的步骤中：驾驶人员完成驾驶后，使用所述指纹采集器识别驾驶人员的所述指纹特征，验证是否为驾驶人员本人，验证通过后，完成检测驾驶人员是否有接打电话的行为。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110555897.4A CN113361343A (zh) | 2021-05-21 | 2021-05-21 | 一种基于深度学习接打电话行为检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110555897.4A CN113361343A (zh) | 2021-05-21 | 2021-05-21 | 一种基于深度学习接打电话行为检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113361343A true CN113361343A (zh) | 2021-09-07 |
Family
ID=77527192
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110555897.4A Pending CN113361343A (zh) | 2021-05-21 | 2021-05-21 | 一种基于深度学习接打电话行为检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113361343A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080252412A1 (en) * | 2005-07-11 | 2008-10-16 | Volvo Technology Corporation | Method for Performing Driver Identity Verification |
| CN104091079A (zh) * | 2014-07-15 | 2014-10-08 | 哈尔滨工程大学 | 一种基于mems imu公交司机驾驶水平评定方法 |
| CN104228679A (zh) * | 2014-09-30 | 2014-12-24 | 浙江吉利控股集团有限公司 | 一种车辆驾驶时接打电话提醒装置 |
| CN104442701A (zh) * | 2013-09-13 | 2015-03-25 | 天津力诺科技发展有限公司 | 一种驾驶员身份验证装置 |
| US20150256999A1 (en) * | 2014-05-16 | 2015-09-10 | Seyed Mehdi Doorandish | System and method for anti texting in cell phones during vehicle driving |
| CN105469073A (zh) * | 2015-12-16 | 2016-04-06 | 安徽创世科技有限公司 | 一种基于Kinect的驾驶员接打电话监控方法 |
| KR20180018953A (ko) * | 2016-08-12 | 2018-02-22 | 만도헬라일렉트로닉스(주) | 운전자 인증장치 및 그 인증방법 |
| CN111016846A (zh) * | 2019-12-31 | 2020-04-17 | 深圳市思博慧数据科技有限公司 | 一种安全驾驶主动防范管理方法及系统 |
| CN112550306A (zh) * | 2019-09-10 | 2021-03-26 | 奥迪股份公司 | 车辆驾驶辅助系统、包括其的车辆及相应方法和介质 |
-
2021
- 2021-05-21 CN CN202110555897.4A patent/CN113361343A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080252412A1 (en) * | 2005-07-11 | 2008-10-16 | Volvo Technology Corporation | Method for Performing Driver Identity Verification |
| CN104442701A (zh) * | 2013-09-13 | 2015-03-25 | 天津力诺科技发展有限公司 | 一种驾驶员身份验证装置 |
| US20150256999A1 (en) * | 2014-05-16 | 2015-09-10 | Seyed Mehdi Doorandish | System and method for anti texting in cell phones during vehicle driving |
| CN104091079A (zh) * | 2014-07-15 | 2014-10-08 | 哈尔滨工程大学 | 一种基于mems imu公交司机驾驶水平评定方法 |
| CN104228679A (zh) * | 2014-09-30 | 2014-12-24 | 浙江吉利控股集团有限公司 | 一种车辆驾驶时接打电话提醒装置 |
| CN105469073A (zh) * | 2015-12-16 | 2016-04-06 | 安徽创世科技有限公司 | 一种基于Kinect的驾驶员接打电话监控方法 |
| KR20180018953A (ko) * | 2016-08-12 | 2018-02-22 | 만도헬라일렉트로닉스(주) | 운전자 인증장치 및 그 인증방법 |
| CN112550306A (zh) * | 2019-09-10 | 2021-03-26 | 奥迪股份公司 | 车辆驾驶辅助系统、包括其的车辆及相应方法和介质 |
| CN111016846A (zh) * | 2019-12-31 | 2020-04-17 | 深圳市思博慧数据科技有限公司 | 一种安全驾驶主动防范管理方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 董小明;李昌乐;迟志诚;陈一凡;: "基于深度学习的驾驶员状态识别", 汽车实用技术, no. 03, pages 99 - 102 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103871200B (zh) | 用于汽车驾驶的安全提醒系统及方法 | |
| CN108540579A (zh) | 驾驶员身份在线监测方法、装置和存储介质 | |
| CN106230940B (zh) | 一种基于车载智能终端的车辆碰撞检测方法及系统 | |
| CN105774549A (zh) | 基于车载智能终端的汽车安全控制方法及装置 | |
| CN108711202B (zh) | 一种基于大数据的交通事故救援系统 | |
| CN105205882A (zh) | 行车影像记录方法及行车记录仪 | |
| CN106251681A (zh) | 车辆事故报警系统及方法 | |
| CN106571033A (zh) | 酒驾检测方法及装置 | |
| CN109189019A (zh) | 一种机车乘务员值乘标准化监控系统 | |
| CN107027089B (zh) | 一种车载蓝牙连接方法和装置 | |
| CN111016846A (zh) | 一种安全驾驶主动防范管理方法及系统 | |
| CN112785837A (zh) | 用户驾驶车辆时情绪识别方法及装置、存储介质和终端 | |
| CN201756065U (zh) | 车载智能身份识别与疲劳提示装置 | |
| CN108305351A (zh) | 一种具有检测功能的行车记录仪 | |
| CN108922166B (zh) | 一种基于大数据的交通事故救援方法 | |
| CN105631968A (zh) | 基于行车记录仪的车辆的行车录像的保存方法及装置 | |
| CN112071309A (zh) | 网约车安全监测装置及系统 | |
| CN109686079A (zh) | 一种车辆事故的处理方法 | |
| KR20210042860A (ko) | 정보 출력 방법, 장치 및 시스템 | |
| CN108769427B (zh) | 一种安全驾驶的方法、装置、存储介质及车载设备 | |
| CN113361343A (zh) | 一种基于深度学习接打电话行为检测方法 | |
| CN109383516A (zh) | 一种基于用户行为分析的异常分析行为检测系统 | |
| CN106740667A (zh) | 根据用户距离而智能化传输信号的摩托车防盗系统 | |
| CN109948451B (zh) | 一种出租车拒载行为的识别系统和方法 | |
| CN106697116A (zh) | 摩托车防盗云服务系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |