姜雨凯 周亢 李志伟 李杰 丁政 向阳 邵叶秦

摘要：驾驶员的违章行为是造成交通事故的主要原因之一，利用摄像头实时监控行驶过程中的驾驶员违章行为是一个减少交通事故的有效方法。本文提出一种通过深度神经网络的驾驶员违章行为识别方法。首先，利用Deep-Pose检测驾驶员身体关键点，接着，基于这些关键点提取动作特征，然后使用最近邻分类器识别典型违章行为。實验证明，本文的方法对于典型的违章行为是有效的。

关键字：驾驶员违章行为;人体关键点;深度神经网络

中图分类号：TP391 文献标识码：A

文章编号：1009-3044（2020）12-0198-03

1引言

随着计算机和人工智能的飞速发展，深度神经网络已经成为计算机领域近年来最为热门的研究方向，并且在机器视觉、语言识别和文本处理等诸多应用领域中取得了重大突破。深度神经网络模型是通过分层提取数据的底层特征，通过多层组合计算进而给出更为复杂的特征描述，进而让机器理解图像信息。

目前国内外学者提出多种检测驾驶员行为，主要分为三类：通过传感器检测车辆状态、通过生理指数测量、通过计算机视觉检测刚。在实际应用中，前两种方法需要复杂的仪器设备来辅助检测，会干扰驾驶员的正常驾驶。因此，国内外的一些学者从计算机视觉检测这个方向进行研究，这些研究根据肤色特征检测手或人脸等，检测驾驶员姿态，但容易受到外部环境的制约，比如光线昏暗或者光线强烈的环境下容易导致识别准确率低。

为了解决这个问题，本文提出基于深度神经网络的驾驶员违章行为识别系统，通过深度神经网络检测驾驶员的人体关键点，并据此提取驾驶员的行为特征，然后使用分类器决定驾驶员的行为是否违章。

2基于深度神经网络的驾驶员人体关键点检测

2.1人体关键点检测

本文对于驾驶员的行为分析主要依据是上半身，因此本文只检测驾驶员上半身10个关键位置，分别是：头部、颈部、胸膛、腰部、左肩、右肩、左肘、右肘、左手腕、右手腕。为了检测人体的这些关键点，本文采用DeepPose方法。该方法分为两个步骤。

4结束语

本文提出了一种基于深度神经网络的驾驶员违章行为识别方法，通过基于Deep-Pose网络检测人体关键点，并提取人体动作特征识别违章行为。实验证明，本文方法能有效地识别典型的打电话、玩手机等违章行为。