CN114627613A - 不规范驾驶行为识别方法、装置、存储介质及电子设备 - Google Patents
不规范驾驶行为识别方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN114627613A CN114627613A CN202011453513.XA CN202011453513A CN114627613A CN 114627613 A CN114627613 A CN 114627613A CN 202011453513 A CN202011453513 A CN 202011453513A CN 114627613 A CN114627613 A CN 114627613A
- Authority
- CN
- China
- Prior art keywords
- driving state
- driver
- state image
- early warning
- warning signal
- 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.)
- Withdrawn
Links
- 230000001788 irregular Effects 0.000 title claims abstract description 90
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000006399 behavior Effects 0.000 claims abstract description 104
- 238000012544 monitoring process Methods 0.000 claims abstract description 43
- 238000012806 monitoring device Methods 0.000 claims description 31
- 238000012545 processing Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 239000003651 drinking water Substances 0.000 claims description 5
- 235000020188 drinking water Nutrition 0.000 claims description 5
- 206010039203 Road traffic accident Diseases 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 238000013527 convolutional neural network Methods 0.000 description 9
- 230000009471 action Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000004590 drinking behavior Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/0202—Child monitoring systems using a transmitter-receiver system carried by the parent and the child
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B3/00—Audible signalling systems; Audible personal calling systems
- G08B3/10—Audible signalling systems; Audible personal calling systems using electric transmission; using electromagnetic transmission
Abstract
本申请公开了一种不规范驾驶行为识别方法、装置、存储介质及电子设备。其中,该方法包括:接收监控设备发送的驾驶员的当前驾驶状态图像;在所述当前驾驶状态图像满足预设的图像清晰度阈值的情况下,基于所述当前驾驶状态图像,确定所述驾驶员的驾驶状态;在所述驾驶员的驾驶状态符合预设的不规范驾驶行为的情况下,生成预警信号,并向所述监控设备发送所述预警信号。本申请有助于提高驾驶员的安全意识,减少交通事故的发生,并且本申请还可以通过服务器保存驾驶员的驾驶状态图像,进而对不同驾驶员的驾驶状态数据进行统计。
Description
技术领域
本申请涉及计算机技术领域,尤其是一种不规范驾驶行为识别方法、装置、存储介质及电子设备。
背景技术
随着车辆的普及,由于司机的不规范动作造成的交通事故层出不穷,司机的驾驶行为安全也越发引起社会公众的关注。现有的驾驶系统需要驾驶员手动进行操作,缺乏对危险驾驶的事前预防等功能。
发明内容
本申请实施例提供了一种不规范驾驶行为识别方法、装置、存储介质及电子设备。
第一方面,本申请实施例提供了一种不规范驾驶行为识别方法,所述方法用于服务器,所述方法包括:
接收监控设备发送的驾驶员的当前驾驶状态图像;
在所述当前驾驶状态图像满足预设的图像清晰度阈值的情况下,基于所述当前驾驶状态图像,确定所述驾驶员的驾驶状态;
在所述驾驶员的驾驶状态符合预设的不规范驾驶行为的情况下,生成预警信号,并向所述监控设备发送所述预警信号。
第二方面,本申请实施例提供了一种不规范驾驶行为识别方法,所述方法用于监控设备,所述方法包括:
获取驾驶员的当前驾驶状态图像,向服务器发送所述当前驾驶状态图像;
接收所述服务器发送的预警信号;
基于所述预警信号生成语音信号,并向所述驾驶员发送所述语音信号。
第三方面,本申请实施例提供了一种不规范驾驶行为识别装置,所述装置用于服务器,所述装置包括:
第一接收模块,用于接收监控设备发送的驾驶员的当前驾驶状态图像;
确定模块,用于在所述当前驾驶状态图像满足预设的图像清晰度阈值的情况下,基于所述当前驾驶状态图像,确定所述驾驶员的驾驶状态;
第一生成模块,用于在所述驾驶员的驾驶状态符合预设的不规范驾驶行为的情况下,生成预警信号,并向所述监控设备发送所述预警信号。
第四方面,本申请实施例提供了一种不规范驾驶行为识别装置,所述装置用于监控设备,所述装置包括:
发送模块,用于获取驾驶员的当前驾驶状态图像,向服务器发送所述当前驾驶状态图像;
第二接收模块,用于接收所述服务器发送的预警信号;
第二生成模块,用于基于所述预警信号生成语音信号,并向所述驾驶员发送所述语音信号。
第五方面,本申请实施例提供了一种计算机存储介质,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行本申请实施例第一方面或第二方面提供的方法步骤。
第六方面,本申请实施例提供了一种服务器,包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由处理器加载并执行本申请实施例第一方面提供的方法步骤。
第七方面,本申请实施例提供了一种监控设备,包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由处理器加载并执行本申请实施例第二方面提供的方法步骤。
本申请一些实施例提供的技术方案带来的有益效果至少包括:
在本申请实施例中,服务器可以通过监控设备发送的驾驶员的当前驾驶状态图像,确定当前驾驶状态图像是否存在不规范驾驶行为,如果存在则生成预警信号,并通过监控设备向驾驶员发送预警信号对应的语音信号。本申请有助于提高驾驶员的安全意识,减少交通事故的发生,并且本申请还可以通过服务器保存驾驶员的驾驶状态图像,进而对不同驾驶员的驾驶状态数据进行统计。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例中所需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申请的一些实施例,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为本申请实施例提供的一种不规范驾驶行为识别方法的应用场景图;
图2为本申请实施例提供的一种不规范驾驶行为识别方法的系统架构图;
图3为本申请实施例提供的一种不规范驾驶行为识别方法的流程示意图;
图4为本申请实施例提供的另一种不规范驾驶行为识别方法的流程示意图;
图5为本申请实施例提供的一种不规范驾驶行为识别装置的流程示意图;
图6为本申请实施例提供的另一不规范驾驶行为识别装置的流程示意图;
图7为本申请实施例提供的一种服务器的结构示意图;
图8为本申请实施例提供的一种监控设备的结构示意图。
具体实施方式
下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。此外,在本申请的描述中,除非另有说明,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
图1示例性示出了本申请实施例提供的不规范驾驶行为识别方法的应用场景图。如图1所示,监控设备12用于对驾驶员11的驾驶行为进行监控。其中:监控设备12可以是安装在车内副驾驶位置带有摄像头的控制器,该控制器可以通过摄像头实时采集驾驶员的视频帧,即驾驶员的驾驶状态图像。
进一步地,本申请可以将监控设备12通过网络接入服务器,把监控设备12采集到的驾驶员11的当前驾驶状态图像传输到服务器,服务器对当前驾驶状态图像进行识别,并把识别结果发送回监控设备12,监控设备12可以对驾驶员11的不规范驾驶行为进行语音安全提示,例如“请勿打电话,注意行车安全”。
图2示出应用于本申请实施例的一种不规范驾驶行为识别方法的系统架构图。如图2所示,本申请实施例的执行主体是终端,该终端包括但不限于:监控设备、手持设备、个人电脑、平板电脑、车载设备、智能手机、计算设备或连接到无线调制解调器的其它处理设备等。在不同的网络中终端设备可以叫做不同的名称,例如:监控设备、用户设备、接入终端、用户单元、用户站、移动站、移动台、远方站、远程终端、移动设备、用户终端、终端、无线通信设备、用户代理或用户装置、蜂窝电话、无绳电话、个人数字处理(personal digitalassistant,PDA)、第五代移动通信技术(5th generation mobile networks,5G)网络或未来演进网络中的终端设备等。终端系统是指可以运行在终端上的操作系统,是管理和控制终端硬件和终端应用的程序,是终端不可或缺的系统应用。该系统包括担不限于安卓Android系统、IOS系统、Windows phone(WP)系统和Ubuntu移动版操作系统等。
根据一些实施例,终端可以通过网络和服务器连接。网络用以在终端和服务器之间提供通信链路。网络可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。应该理解,图2中的终端、网络和服务器的数目仅仅是示意性的。根据现实需要,可以具有任意数目的终端、网络和服务器。比如服务器可以是多个服务器组成的服务器集群等。用户可以使用终端通过网络与服务器交互,以获取监控设备中的当前驾驶状态图像等。
接下来结合图1介绍的不规范驾驶行为识别方法的应用场景图及图2介绍的系统架构图,来介绍本申请实施例提供的不规范驾驶行为识别方法,该方法可由上述终端设备执行。本申请实施例提供的不规范驾驶行为识别方法可适用于监控设备和服务器实时进行通信的场景。
在一个实施例中,图3所示,提供了一种不规范驾驶行为识别方法流程图。如图3所示,该不规范驾驶行为识别方法包括如下步骤:
S301,监控设备获取驾驶员的当前驾驶状态图像。
其中,本申请实施例的监控设备可以在驾驶员启动车辆时自动开启,并实时获取驾驶员的视频帧数据或基于预设的时间间隔获取驾驶员的驾驶状态图像。
S302,监控设备向服务器发送当前驾驶状态图像。
在本申请实施例中,当监控设备开启后,会向服务器发送接入信号,例如,当监控设备和服务器在同一局域网时,可以通过传输控制协议/网际协议TCP/IP来实现监控设备和服务器之间的信息传输。
具体地,本申请实施例可以将带有摄像头和控制器的监控设备作为源主机,把服务器作为目的主机,通过源主机发送当前驾驶状态图像,当前驾驶状态图像先通过应用层和控制信息形成报文流,传递给传输层;通过传输层将当前驾驶状态图像和控制信息形成报文段、数据报,再传到网际层;通过网际层和数据报组成帧,并通过比特流的形式传到物理层,最后当前驾驶状态图像就由源主机传输到了目的主机。
此外,如果当监控设备和服务器在不在同一局域网中,可以通过公共服务器实现监控设备与服务器之间的网络通信。
S303,在当前驾驶状态图像满足预设的图像清晰度阈值的情况下,服务器基于当前驾驶状态图像,确定驾驶员的驾驶状态。
具体地,由于车辆在行驶过程中,驾驶员的中一直处于运动状态,因此,监控设备获取到的当前驾驶状态图像可能存在运动模糊,需要先确定获取到的当前驾驶状态图像是否满足预设的图像清晰度阈值。例如,预设的图像清晰度阈值可以采用图像像素表示,若当前驾驶状态图像的像素为2100大于预设的图像清晰度阈值:像素2000,则服务器可以基于当前驾驶状态图像,确定驾驶员的驾驶状态。
S304,服务器在驾驶员的驾驶状态符合预设的不规范驾驶行为的情况下,生成预警信号。
其中,预设的不规范驾驶行为可以包括以下任意一项或多项:使用移动电话、操作音箱、饮水、打瞌睡。
具体地,服务器针对驾驶员在车辆行驶过程中玩手机、打电话、操作音响、喝水等多种危险动作状态进行实时监测,服务器可以通过人工智能技术对司机驾驶行为状态进行识别,例如通过卷积神经网络对接收到的当前驾驶状态图像进行识别,当识别到上述危险动作时生成预警信号,
此外,本申请也可以保存这些不规范驾驶行为图像并利用保存的图像数据对卷积神经网络进行训练,以提高人工智能技术对驾驶员的驾驶行为状态识别的准确度。
S305,服务器向监控设备发送预警信号。
其中,预警信号用于表示服务器生成的一种指令信号,该指令信号可以控制监控设备生成用于提示用户不规范驾驶行为的语音信号。
S306,监控设备基于接收到预警信号生成语音信号。
其中,语音信号用于表示向驾驶员发出的提醒信息。
在一个具体的例子中,服务器确定驾驶员的当前驾驶状态图像中存在喝水行为,属于预设的不规范驾驶行为,生成针对喝水行为的预警信号,并将该预警信号发送到监控设备,监控设备根据该预警信号生成相应的语音信号“请勿喝水,注意行车安全”。
在本申请实施例中,服务器可以通过监控设备发送的驾驶员的当前驾驶状态图像,确定当前驾驶状态图像是否存在不规范驾驶行为,如果存在则生成预警信号,并通过监控设备向驾驶员发送预警信号对应的语音信号。本申请有助于提高驾驶员的安全意识,减少交通事故的发生,并且本申请还可以通过服务器保存驾驶员的驾驶状态图像,进而对不同驾驶员的驾驶状态数据进行统计。
在一些实施方式中,在当前驾驶状态图像不满足预设的图像清晰度阈值的情况下,对当前驾驶状态图像进行去运动模糊处理直到当前驾驶状态图像满足预设的图像清晰度阈值。
可能地,本申请实施例可以采用生成式对抗网络(Generative AdversarialNetworks,GAN)博弈模型实现去运动模糊。
具体地,生成式对抗网络可以包括:生成器和判别器;生成式对抗网络将不满足预设的图像清晰度阈值的当前驾驶状态图像通过生成器进行去模糊处理,然后通过判别器进行运动模糊判别,如果图像去运动模糊没有达标,则再次返回生成器进行去模糊处理,直到当前驾驶状态图像满足预设的图像清晰度阈值。
在一个实施例中,图4所示,提供了一种不规范驾驶行为识别方法流程图。如图4所示,该不规范驾驶行为识别方法包括如下步骤:
S401,监控设备获取驾驶员的当前驾驶状态图像。
具体地,S401与S301一致,此处不再赘述。
S402,监控设备向服务器发送当前驾驶状态图像。
具体地,S402与S302一致,此处不再赘述。
S403,在当前驾驶状态图像满足预设的图像清晰度阈值的情况下,服务器获取当前驾驶状态图像中关键点的像素信息。
具体地,本申请实施例中的服务器可以获取当前驾驶状态图像中驾驶员的手部关键点信息、头部关键点信息、眼部关键点信息等,通过将当前驾驶状态图像中的各关键点信息与正常驾驶行为时各关键点图像信息作比较,确定驾驶员的驾驶状态。
S404,服务器基于关键点的像素信息,确定驾驶员的驾驶状态。
其中,本申请实施例可以通过卷积神经网络对关键点的像素信息进行处理,具体地,当本申请实施例给卷积神经网络中输入一个新的(未见过的)图像时,卷积神经网络会执行前向传播步骤并输出每个类的概率(对于新图像,计算输出概率所用的权重是之前优化过,并能够对训练集完全正确分类的)。如果训练集足够大,神经网络会有很好的泛化能力并将新图片分到正确的类里。
例如,通过卷积神经网络种输入层方块中的滤波器进行滤波,将滤波器分别与像素信息中的同大小区域进行点乘,每次滤波器依次从左往右从上往下滑过当前驾驶状态图像所有的区域,点乘后各个乘积求和得到新的过滤后的当前驾驶状态图像,然后传递到隐含层,隐含层是下采样的方块,通过下采样来压缩过滤后的图像,压缩后的图像再通过滤波器滤波产生新的当前驾驶状态图像,再进行一次下采样压缩后输出驾驶状态的判断结果。
S405,在驾驶员的驾驶状态符合预设的不规范驾驶行为的情况下,服务器生成预警信号。
具体地,S405与S304一致,此处不再赘述。
S406,服务器向监控设备发送预警信号。
具体地,S406与S305一致,此处不再赘述。
S407,监控设备基于接收到的预警信号生成语音信号。
具体地,S407与S306一致,此处不再赘述。在一个具体的例子中,服务器通过检测驾驶员的当前驾驶状态图像中手部关键点信息,利用卷积神经网络确定驾驶员存在打电话行为,属于预设的不规范驾驶行为,生成针对打电话行为的预警信号,并将该预警信号发送到监控设备,监控设备根据该预警信号生成相应的语音信号“请勿与他人通话,注意行车安全”。
在本申请实施例中,可以通过服务器检测当前驾驶状态图像中的关键点信息,以确定当前驾驶状态图像是否存在不规范驾驶行为。本申请利用关键点检测的方式不仅提高了卷积神经网络深度学习的准确度,还提高了服务器的运行效率。
在一些实施方式中,本申请实施例还可以在驾驶员的驾驶状态符合预设的不规范驾驶行为的情况下,向监控设备和/或远程监控系统发送预警信号,例如,远程监控系统可以是公共交通公司的后台。
在一个具体的例子中,公交公司可以通过监控设备对驾驶员的当前驾驶行为状态进行实时监测,并通过卷积神经网络对接收到的当前驾驶行为状态图像进行识别,当识别到不规范驾驶行为时,及时发出语音警示,提醒司机安全驾驶,并在后台服务器中保存这些图像数据,以便于对驾驶员的工作状态进行实时监控和后期考核。
图5是本申请一示例性实施例提供的不规范驾驶行为识别装置的结构示意图。该不规范驾驶行为识别装置可以设置于终端设备、服务器等电子设备中,执行本申请上述任一实施例的不规范驾驶行为识别方法。如图5所示,所述装置用于服务器,该装置包括:
第一接收模块51,用于接收监控设备发送的驾驶员的当前驾驶状态图像;
确定模块52,用于在所述当前驾驶状态图像满足预设的图像清晰度阈值的情况下,基于所述当前驾驶状态图像,确定所述驾驶员的驾驶状态;
第一生成模块53,用于在所述驾驶员的驾驶状态符合预设的不规范驾驶行为的情况下,生成预警信号,并向所述监控设备发送所述预警信号。
所述装置还包括:模糊处理模块,用于在所述当前驾驶状态图像不满足预设的图像清晰度阈值的情况下,对所述当前驾驶状态图像进行去运动模糊处理直到所述当前驾驶状态图像满足所述预设的图像清晰度阈值。
在一些可能的实施例中,所述确定模块52,包括:
获取单元,用于在所述当前驾驶状态图像满足预设的图像清晰度阈值的情况下,获取所述当前驾驶状态图像中关键点的像素信息;
确定单元,用于基于所述关键点的像素信息,确定所述驾驶员的驾驶状态。
在一些可能的实施例中,所述预设的不规范驾驶行为包括以下任意一项或多项:使用移动电话、操作音箱、饮水、打瞌睡;
所述第一生成模块,包括:
生成单元,用于在所述当前驾驶状态图像中关键点的像素信息符合预设的不规范驾驶行为的关键点的像素信息时,生成当前不规范驾驶行为对应的预警信号;
发送单元,用于向所述监控设备发送所述当前不规范驾驶行为对应的预警信号。在一些可能的实施例中,所述装置还包括:发送模块,用于在所述驾驶员的驾驶状态符合预设的不规范驾驶行为的情况下,向所述监控设备和/或远程监控系统发送所述预警信号。
图6是本申请一示例性实施例提供的不规范驾驶行为识别装置的结构示意图。该不规范驾驶行为识别装置可以设置于终端设备、服务器等电子设备中,执行本申请上述任一实施例的不规范驾驶行为识别方法。如图6所示,所述装置用于监控设备,该装置包括:
发送模块61,用于获取驾驶员的当前驾驶状态图像,向服务器发送所述当前驾驶状态图像;
第二接收模块62,用于接收所述服务器发送的预警信号;
第二生成模块63,用于基于所述预警信号生成语音信号,并向所述驾驶员发送所述语音信号。
所述第二接收模块62,具体用于:接收当前不规范驾驶行为对应的预警信号;
在一些可能的实施例中,所述第二生成模块63,具体用于:基于所述当前不规范驾驶行为对应的预警信号生成所述当前不规范驾驶行为对应的语音信号,并向所述驾驶员发送所述当前不规范驾驶行为对应的语音信号。
在本申请实施例中,服务器可以通过监控设备发送的驾驶员的当前驾驶状态图像,确定当前驾驶状态图像是否存在不规范驾驶行为,如果存在则生成预警信号,并通过监控设备向驾驶员发送预警信号对应的语音信号。本申请有助于提高驾驶员的安全意识,减少交通事故的发生,并且本申请还可以通过服务器保存驾驶员的驾驶状态图像,进而对不同驾驶员的驾驶状态数据进行统计。
需要说明的是,上述实施例提供的不规范驾驶行为识别装置在执行不规范驾驶行为识别方法时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的不规范驾驶行为识别装置与不规范驾驶行为识别方法实施例属于同一构思,其体现实现过程详见方法实施例,这里不再赘述。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
请参见图7,为本申请实施例提供了一种服务器的结构示意图。如图7所示,所述服务器70可以包括:至少一个处理器71,至少一个网络接口74,用户接口73,存储器75,至少一个通信总线72。
其中,通信总线72用于实现这些组件之间的连接通信。
其中,用户接口73可以包括显示屏(Display)、摄像头(Camera),可选用户接口73还可以包括标准的有线接口、无线接口。
其中,网络接口74可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中,处理器71可以包括一个或者多个处理核心。处理器71利用各种借口和线路连接整个服务器70内的各个部分,通过运行或执行存储在存储器75内的指令、程序、代码集或指令集,以及调用存储在存储器75内的数据,执行服务器70的各种功能和处理数据。可选的,处理器71可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable LogicArray,PLA)中的至少一种硬件形式来实现。处理器71可集成中央处理器(CentralProcessing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示屏所需要显示的内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器71中,单独通过一块芯片进行实现。
其中,存储器75可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。可选的,该存储器75包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器75可用于存储指令、程序、代码、代码集或指令集。存储器75可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等;存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器75可选的还可以是至少一个位于远离前述处理器71的存储装置。如图7所示,作为一种计算机存储介质的存储器75中可以包括操作系统、网络通信模块、用户接口模块以及不规范驾驶行为识别应用程序。
在图7所示的服务器70中,用户接口73主要用于为用户提供输入的接口,获取用户输入的数据;而处理器71可以用于调用存储器75中存储的不规范驾驶行为识别应用程序,并具体执行以下操作:
接收监控设备发送的驾驶员的当前驾驶状态图像;
在所述当前驾驶状态图像满足预设的图像清晰度阈值的情况下,基于所述当前驾驶状态图像,确定所述驾驶员的驾驶状态;
在所述驾驶员的驾驶状态符合预设的不规范驾驶行为的情况下,生成预警信号,并向所述监控设备发送所述预警信号。
在一种可能的实施例中,所述处理器71还执行在所述当前驾驶状态图像不满足预设的图像清晰度阈值的情况下,对所述当前驾驶状态图像进行去运动模糊处理直到所述当前驾驶状态图像满足所述预设的图像清晰度阈值。
在一种可能的实施例中,所述处理器71在执行所述当前驾驶状态图像满足预设的图像清晰度阈值的情况下,基于所述当前驾驶状态图像,确定所述驾驶员的驾驶状态时,具体执行:
在所述当前驾驶状态图像满足预设的图像清晰度阈值的情况下,获取所述当前驾驶状态图像中关键点的像素信息;
基于所述关键点的像素信息,确定所述驾驶员的驾驶状态。
在一种可能的实施例中,预设的不规范驾驶行为包括以下任意一项或多项:使用移动电话、操作音箱、饮水、打瞌睡;
所述处理器71在执行所述驾驶员的驾驶状态符合预设的不规范驾驶行为的情况下,生成预警信号,并向所述监控设备发送所述预警信号时,具体执行:
在所述当前驾驶状态图像中关键点的像素信息符合预设的不规范驾驶行为的关键点的像素信息时,生成当前不规范驾驶行为对应的预警信号;
向所述监控设备发送所述当前不规范驾驶行为对应的预警信号。在一种可能的实施例中,所述处理器71还执行:在所述驾驶员的驾驶状态符合预设的不规范驾驶行为的情况下,向所述监控设备和/或远程监控系统发送所述预警信号。
请参见图8,为本申请实施例提供了一种监控设备的结构示意图。如图8所示,所述监控设备80可以包括:至少一个处理器81,至少一个网络接口84,用户接口83,存储器85,至少一个通信总线82。
其中,通信总线82用于实现这些组件之间的连接通信。
其中,用户接口83可以包括显示屏(Display)、摄像头(Camera),可选用户接口83还可以包括标准的有线接口、无线接口。
其中,网络接口84可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中,处理器81可以包括一个或者多个处理核心。处理器81利用各种借口和线路连接整个电子设备80内的各个部分,通过运行或执行存储在存储器85内的指令、程序、代码集或指令集,以及调用存储在存储器85内的数据,执行电子设备80的各种功能和处理数据。可选的,处理器81可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable LogicArray,PLA)中的至少一种硬件形式来实现。处理器81可集成中央处理器(CentralProcessing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示屏所需要显示的内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器81中,单独通过一块芯片进行实现。
其中,存储器85可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。可选的,该存储器85包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器85可用于存储指令、程序、代码、代码集或指令集。存储器85可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等;存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器85可选的还可以是至少一个位于远离前述处理器81的存储装置。如图8所示,作为一种计算机存储介质的存储器85中可以包括操作系统、网络通信模块、用户接口模块以及不规范驾驶行为识别应用程序。
在图8所示的电子设备80中,用户接口83主要用于为用户提供输入的接口,获取用户输入的数据;而处理器81可以用于调用存储器85中存储的不规范驾驶行为识别应用程序,并具体执行以下操作:
获取驾驶员的当前驾驶状态图像,向服务器发送所述当前驾驶状态图像;
接收所述服务器发送的预警信号;
基于所述预警信号生成语音信号,并向所述驾驶员发送所述语音信号。
在一种可能的实施例中,所述处理器81在执行接收所述服务器生成的预警信号时,具体执行:接收当前不规范驾驶行为对应的预警信号;
所述处理器81在执行基于所述预警信号生成语音信号,并向所述驾驶员发送所述语音信号时,具体执行:基于所述当前不规范驾驶行为对应的预警信号生成所述当前不规范驾驶行为对应的语音信号,并向所述驾驶员发送所述当前不规范驾驶行为对应的语音信号。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在计算机或处理器上运行时,使得计算机或处理器执行上述图3-图4所示实施例中的一个或多个步骤。上述不规范驾驶行为识别装置的各组成模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在所述计算机可读取存储介质中。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者通过所述计算机可读存储介质进行传输。所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(Digital SubscriberLine,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,数字多功能光盘(Digital VersatileDisc,DVD))、或者半导体介质(例如,固态硬盘(Solid State Disk,SSD))等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,该程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。而前述的存储介质包括:制度存储器(Read Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可存储程序代码的介质。在不冲突的情况下,本实施例和实施方案中的技术特征可以任意组合。
以上所述的实施例仅仅是本申请的优选实施例方式进行描述,并非对本申请的范围进行限定,在不脱离本申请的设计精神的前提下,本领域普通技术人员对本申请的技术方案作出的各种变形及改进,均应落入本申请的权利要求书确定的保护范围内。
Claims (12)
1.一种不规范驾驶行为识别方法,所述方法用于服务器,其特征在于,所述方法包括:
接收监控设备发送的驾驶员的当前驾驶状态图像;
在所述当前驾驶状态图像满足预设的图像清晰度阈值的情况下,基于所述当前驾驶状态图像,确定所述驾驶员的驾驶状态;
在所述驾驶员的驾驶状态符合预设的不规范驾驶行为的情况下,生成预警信号,并向所述监控设备发送所述预警信号。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:在所述当前驾驶状态图像不满足预设的图像清晰度阈值的情况下,对所述当前驾驶状态图像进行去运动模糊处理直到所述当前驾驶状态图像满足所述预设的图像清晰度阈值。
3.根据权利要求2所述的方法,其特征在于,所述在所述当前驾驶状态图像满足预设的图像清晰度阈值的情况下,基于所述当前驾驶状态图像,确定所述驾驶员的驾驶状态,包括:
在所述当前驾驶状态图像满足预设的图像清晰度阈值的情况下,获取所述当前驾驶状态图像中关键点的像素信息;
基于所述关键点的像素信息,确定所述驾驶员的驾驶状态。
4.根据权利要求3所述的方法,其特征在于,所述预设的不规范驾驶行为包括以下任意一项或多项:使用移动电话、操作音箱、饮水、打瞌睡;
所述在所述驾驶员的驾驶状态符合预设的不规范驾驶行为的情况下,生成预警信号,并向所述监控设备发送所述预警信号,包括:
在所述当前驾驶状态图像中关键点的像素信息符合预设的不规范驾驶行为的关键点的像素信息时,生成当前不规范驾驶行为对应的预警信号;
向所述监控设备发送所述当前不规范驾驶行为对应的预警信号。
5.根据权利要求1-4任一所述的方法,其特征在于,所述方法还包括:在所述驾驶员的驾驶状态符合预设的不规范驾驶行为的情况下,向所述监控设备和/或远程监控系统发送所述预警信号。
6.一种不规范驾驶行为识别方法,所述方法用于监控设备,其特征在于,所述方法包括:
获取驾驶员的当前驾驶状态图像,向服务器发送所述当前驾驶状态图像;
接收所述服务器发送的预警信号;
基于所述预警信号生成语音信号,并向所述驾驶员发送所述语音信号。
7.根据权利要求6所述的方法,其特征在于,所述接收所述服务器生成的预警信号,包括:接收当前不规范驾驶行为对应的预警信号;
所述基于所述预警信号生成语音信号,并向所述驾驶员发送所述语音信号,包括:基于所述当前不规范驾驶行为对应的预警信号生成所述当前不规范驾驶行为对应的语音信号,并向所述驾驶员发送所述当前不规范驾驶行为对应的语音信号。
8.一种不规范驾驶行为识别装置,所述装置用于服务器,其特征在于,所述装置包括:
第一接收模块,用于接收监控设备发送的驾驶员的当前驾驶状态图像;
确定模块,用于在所述当前驾驶状态图像满足预设的图像清晰度阈值的情况下,基于所述当前驾驶状态图像,确定所述驾驶员的驾驶状态;
第一生成模块,用于在所述驾驶员的驾驶状态符合预设的不规范驾驶行为的情况下,生成预警信号,并向所述监控设备发送所述预警信号。
9.一种不规范驾驶行为识别装置,所述装置用于监控设备,其特征在于,所述装置包括:
发送模块,用于获取驾驶员的当前驾驶状态图像,向服务器发送所述当前驾驶状态图像;
第二接收模块,用于接收所述服务器发送的预警信号;
第二生成模块,用于基于所述预警信号生成语音信号,并向所述驾驶员发送所述语音信号。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行如权利要求1-7任一项的方法步骤。
11.一种服务器,其特征在于,包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由处理器加载并执行如权利要求1-5任一项的方法步骤。
12.一种监控设备,其特征在于,包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由处理器加载并执行如权利要求6-7任一项的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011453513.XA CN114627613A (zh) | 2020-12-11 | 2020-12-11 | 不规范驾驶行为识别方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011453513.XA CN114627613A (zh) | 2020-12-11 | 2020-12-11 | 不规范驾驶行为识别方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114627613A true CN114627613A (zh) | 2022-06-14 |
Family
ID=81895845
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011453513.XA Withdrawn CN114627613A (zh) | 2020-12-11 | 2020-12-11 | 不规范驾驶行为识别方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114627613A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107516307A (zh) * | 2016-06-17 | 2017-12-26 | 滴滴(中国)科技有限公司 | 一种判断上传照片清晰度的处理方法及装置 |
CN109523652A (zh) * | 2018-09-29 | 2019-03-26 | 百度在线网络技术(北京)有限公司 | 基于驾驶行为的保险的处理方法、装置、设备及存储介质 |
KR102010216B1 (ko) * | 2019-06-26 | 2019-08-13 | 주식회사 에이스큐브 | 졸음 운전 방지 시스템 |
CN110588512A (zh) * | 2019-09-25 | 2019-12-20 | 武汉极目智能技术有限公司 | 一种危险驾驶识别与预警装置、方法及系统 |
CN111178272A (zh) * | 2019-12-30 | 2020-05-19 | 东软集团(北京)有限公司 | 一种识别驾驶员行为的方法、装置及设备 |
CN111301280A (zh) * | 2018-12-11 | 2020-06-19 | 北京嘀嘀无限科技发展有限公司 | 一种危险状态识别方法及装置 |
-
2020
- 2020-12-11 CN CN202011453513.XA patent/CN114627613A/zh not_active Withdrawn
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107516307A (zh) * | 2016-06-17 | 2017-12-26 | 滴滴(中国)科技有限公司 | 一种判断上传照片清晰度的处理方法及装置 |
CN109523652A (zh) * | 2018-09-29 | 2019-03-26 | 百度在线网络技术(北京)有限公司 | 基于驾驶行为的保险的处理方法、装置、设备及存储介质 |
CN111301280A (zh) * | 2018-12-11 | 2020-06-19 | 北京嘀嘀无限科技发展有限公司 | 一种危险状态识别方法及装置 |
KR102010216B1 (ko) * | 2019-06-26 | 2019-08-13 | 주식회사 에이스큐브 | 졸음 운전 방지 시스템 |
CN110588512A (zh) * | 2019-09-25 | 2019-12-20 | 武汉极目智能技术有限公司 | 一种危险驾驶识别与预警装置、方法及系统 |
CN111178272A (zh) * | 2019-12-30 | 2020-05-19 | 东软集团(北京)有限公司 | 一种识别驾驶员行为的方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109725975B (zh) | 消息被读状态的提示方法、装置和电子设备 | |
CN110113729A (zh) | 车载设备的通信方法以及车载设备 | |
CN107241563B (zh) | 视频传输的方法、智能移动终端及具有存储功能的装置 | |
CN104992096A (zh) | 一种数据保护方法及移动终端 | |
CN109062715B (zh) | 内存时钟频率的确定方法、装置及终端 | |
CN113052098B (zh) | 车辆防刮预警方法、相关装置及计算机存储介质 | |
CN113611104B (zh) | 货运车辆的风险识别方法、装置、存储介质及终端 | |
CN106686208B (zh) | 一种可穿戴设备上显示多媒体消息的方法及装置 | |
CN104486509A (zh) | 一种移动终端及其控制方法 | |
CN113569718A (zh) | 提醒方法、装置、设备、系统和存储介质 | |
CN112995422A (zh) | 通话管控方法、装置、电子设备及存储介质 | |
CN112565062B (zh) | 即时通信订单的处理方法、相关装置、设备及介质 | |
CN114627613A (zh) | 不规范驾驶行为识别方法、装置、存储介质及电子设备 | |
CN117194160A (zh) | 监控dds的方法、装置、设备、介质及车辆 | |
CN112149589A (zh) | 车内驾驶员行为识别方法及装置 | |
CN110728206A (zh) | 疲劳驾驶检测方法、装置、计算机可读存储介质及终端 | |
CN114692757A (zh) | 一种异常驾驶行为的监测方法、装置及电子设备 | |
CN109634727A (zh) | 数据处理方法及装置 | |
CN112969053B (zh) | 车内信息传输方法、装置、车载设备及存储介质 | |
CN114095898A (zh) | 一种基于车联网运营控制中心的交互方法及系统 | |
CN114724011A (zh) | 一种行为的确定方法、装置、存储介质及电子装置 | |
CN114692898A (zh) | Mec联邦学习方法、装置及计算机可读存储介质 | |
CN113283286A (zh) | 一种驾驶员异常行为检测方法和装置 | |
CN112333045A (zh) | 智能流量基线学习方法、设备和计算机可读存储介质 | |
CN112543195A (zh) | 面向智能网联汽车的信息安全评估方法、装置及电子设备 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220614 |