- 1、本文档共78页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
摘要
近年来,我国经济发展飞快,国内机动车的数量逐年上涨,同时道路交通事故的发
生频次也愈发增多。相关研究发现,驾驶员是导致发生道路交通事故的一个重要原因,
其中驾驶员不规范、不安全驾驶是最主要的原因,如单手抽烟或打电话、注意不集中等。
因此,避免驾驶员进行不规范、不安全的驾驶动作,可以使得道路交通事故的发生频次
减少。通过车内摄像头等设备对驾驶员动作进行实时监控和检测,然后根据识别结果对
驾驶员进行必要的提醒和警告,甚至通过干扰制动的方式强制让车辆减速,以避免道路
交通事故的发生。只有当道路交通事故的发生频次变少,人们的生命安全才能得到有效
保护,财产安全才能得到有效保障,同时还能有效缓解城市的堵车现象,避免城市交通
压力过大。本文的主要研究内容如下:
首先,本论文邀请15位驾驶员志愿者参与数据集7种不安全驾驶视频片段的拍摄,
依据SrateFarm-kaggle数据集,从拍摄方位、光照强度等方面,利用拍摄设备采集数据
SrateFarm-kaggle264
集。同时与开源数据集中位驾驶员的种不安全驾驶动作相对应的
数据集进行混合,形成论文研究的数据集。并在进行动态识别时,将数据集按7:3的比
TrainingSetTestSet
例分为和,保证论文实验结果的科学性和可操作性。
其次,基于所获取的开源数据集,以RGB图像为输入,通过Openpose获取静态下
驾驶员骨骼点信息,根据动作特征参数,设置标签,提出一种识别方法,对驾驶员4种
不安全驾驶动作进行静态识别。
同时,为扩大识别动作的覆盖面,本文基于混合数据集,以视频为输入,通过
Openpose获取动态下驾驶员骨骼点信息,构建骨骼序列时空图,在时空图卷积网络模型
ST-GCN7
()中进行驾驶员种不安全驾驶动作动态识别(对骨骼关节在时空运动的捕
捉)训练,并在测试集中进行检测。
最后,基于已有的训练模型和识别方法,设计开发了针对驾驶员不安全驾驶动作的
检测识别和预警系统,融合静态和动态两种状态,对驾驶员不安全动作进行识别。
OpenposeST-GCN
关键词:驾驶员不安全动作,深度学习,骨骼点信息,,网络模
型,动态识别
i
Abstract
Inrecentyears,withChinasrapideconomicdevelopment,thenumberofdomestic
motorvehiclesandtrafficaccidentsisincreasingyearbyyear.Studiesshowsthatdrivers’
behaviorisanimportantreasontotrafficaccident.Andirregularandunsafedrivingbydrivers
isthemainreason,suchassmokingortalkingonthephone,inattentiveness,etc.Therefore,
avoidingunregulatedandunsafedrivingbehaviorsbydriverscanreducetheincidenceofroad
trafficaccidents.Thedriversmovementsaremonitoredanddetectedinrealtimebydevices
suchasin-vehiclecameras,whichcanalertandwarnthedriversbasedonrecognitionresults
orevenforcethevehicletoslowdownb
文档评论(0)