司机违规驾驶行为检测方法、装置、设备及可读存储介质与流程

1.本发明涉及轨道交通技术领域，更具体地说，涉及司机违规驾驶行为检测方法、装置、设备及可读存储介质。


背景技术：

2.列车是现代主要交通工具之一，在旅客及货物运输方面发挥了极大的作用，其安全问题一直受到各界人士的重点关注，其中主副司机的驾驶作业行为是否规范对列车的安全运行及运维起到十分关键的作用。为此，有关部门制定了一系列的司机行为作业守则以及配套的视频监控设备来确保司机的规范操作。
3.目前，各列车机务段主要采用人工审阅从机车下载回来的监控视频，来判别司机在机车上作业是否合规。然而由于各机务段每天出车数量过大、每辆车视频记录时间过长，传统靠人工审阅视频的方法效率低下，无法及时有效地对驾驶室监控视频进行分析。


技术实现要素：

4.有鉴于此，本发明提出司机违规驾驶行为检测方法、装置、设备及可读存储介质，欲实现对驾驶室视频的自动化分析，进而提高驾驶室监控视频的处理效率。
5.为了实现上述目的，现提出的方案如下：
6.第一方面，提供一种司机违规驾驶行为检测方法，包括：
7.获取待分析的驾驶室监控视频；
8.对所述驾驶室监控视频包含的图像进行人体骨架识别，得到人体关节点的二维坐标信息；
9.针对与所述待分析的驾驶室监控视频的摄像头安装位置，对应的预先训练好的不同的司机姿态二分类模型，将与所述司机姿态二分类模型对应的人体关节点的二维坐标信息，输入所述司机姿态二分类模型，得到司机姿态二分类模型输出的姿态信息，每个所述司机姿态二分类模型对应至少两个人体关节点；
10.根据预设的姿态组合与司机行为类型的对应的关系，对所有所述司机姿态二分类模型输出的姿态信息进行分析，得到司机行为类型；
11.根据列车运行监控数据确定列车运行工况；
12.依据时间将所述列车运行工况与所述司机行为类型关联，并根据关联后的所述列车运行工况与所述司机行为类型，分析工作时间是否存在违规驾驶行为。
13.可选的，在所述根据关联后的所述列车运行工况与所述司机行为类型，分析工作时间是否存在违规驾驶行为的步骤后，还包括：
14.根据预先设定的评分标准，对一次列车运行过程中，司机所有违规驾驶行为进行扣分，得到司机驾驶行为得分。
15.可选的，与所述待分析的驾驶室监控视频的摄像头安装位置，对应的预先训练好的不同的司机姿态二分类模型的训练过程，包括：
16.获取第一摄像头拍摄的历史视频，所述第一摄像头为与所述待分析的驾驶室监控视频的摄像头安装位置相同的摄像头；
17.从所述历史视频中提取包含司机行为的关键帧；
18.对所述关键帧进行人体骨骼识别，得到每一关键帧图像中人体关节点的二维坐标信息，并划分为不同的人体关节点组合；
19.对不同人体关节点组合的二维坐标信息进行姿态标注，得到与不同的司机姿态二分类模型对应的历史样本集；
20.针对每个司机姿态二分类模型，利用与其对应的所述历史样本集进行训练。
21.可选的，所述司机姿态二分类模型具体为：
22.随机森林分类器、xgboost分类器或决策树分类器。
23.可选的，所述根据关联后的所述列车运行工况与所述司机行为类型，分析工作时间是否存在违规驾驶行为，具体包括：
24.当所述司机行为类型为预设的第一类司机行为，且列车处于运行状态时，确定发生违规；
25.当所述司机行为类型为预设的第二类司机行为，列车处于运行状态，且所述司机行为持续时间超过预设时间时，确定发生违规；和/或，
26.当所述司机行为类型为预设的第三类司机行为，列车处于运行状态，且所述司机行为累积时间超过预设时间时，确定发生违规。
27.可选的，在对所述驾驶室监控视频包含的图像进行人体骨架识别的步骤前，还包括：
28.对所述驾驶室监控视频进行抽帧处理。
29.第二方面，提供一种司机违规驾驶行为检测装置，包括：
30.获取单元，用于获取待分析的驾驶室监控视频；
31.第一人体骨骼识别单元，用于对所述驾驶室监控视频包含的图像进行人体骨架识别，得到人体关节点的二维坐标信息；
32.姿态识别单元，用于针对与所述待分析的驾驶室监控视频的摄像头安装位置，对应的预先训练好的不同的司机姿态二分类模型，将与所述司机姿态二分类模型对应的人体关节点的二维坐标信息，输入所述司机姿态二分类模型，得到司机姿态二分类模型输出的姿态信息，每个所述司机姿态二分类模型对应至少两个人体关节点；
33.司机行为确定单元，用于根据预设的姿态组合与司机行为类型的对应的关系，对所有所述司机姿态二分类模型输出的姿态信息进行分析，得到司机行为类型；
34.列车运行工况确定单元，用于根据列车运行监控数据确定列车运行工况；
35.违规分析单元，用于依据时间将所述列车运行工况与所述司机行为类型关联，并根据关联后的所述列车运行工况与所述司机行为类型，分析工作时间是否存在违规驾驶行为。
36.可选的，所述司机违规驾驶行为检测装置，还包括：
37.行为评分单元，用于根据预先设定的评分标准，对一次列车运行过程中，司机所有违规驾驶行为进行扣分，得到司机驾驶行为得分。
38.可选的，所述司机违规驾驶行为检测装置，还包括：
39.历史数据获取单元，用于获取第一摄像头拍摄的历史视频，所述第一摄像头为与所述待分析的驾驶室监控视频的摄像头安装位置相同的摄像头；
40.关键帧提取单元，用于从所述历史视频中提取包含司机行为的关键帧；
41.第二人体骨骼识别单元，用于对所述关键帧进行人体骨骼识别，得到每一关键帧图像中人体关节点的二维坐标信息，并划分为不同的人体关节点组合；
42.标注单元，用于对不同人体关节点组合的二维坐标信息进行姿态标注，得到与不同的司机姿态二分类模型对应的历史样本集；
43.历史样本训练单元，用于针对每个司机姿态二分类模型，利用与其对应的所述历史样本集进行训练。
44.可选的，所述司机姿态二分类模型具体为：随机森林分类器、xgboost分类器或决策树分类器。
45.可选的，所述违规分析单元，具体包括：
46.第一违规分析子单元，用于当所述司机行为类型为预设的第一类司机行为，且列车处于运行状态时，确定发生违规；
47.第二违规分析子单元，用于当所述司机行为类型为预设的第二类司机行为，列车处于运行状态，且所述司机行为持续时间超过预设时间时，确定发生违规；和/或，
48.第三违规分析子单元，用于当所述司机行为类型为预设的第三类司机行为，列车处于运行状态，且所述司机行为累积时间超过预设时间时，确定发生违规。
49.可选的，所述司机违规驾驶行为检测装置，还包括：
50.抽针处理单元，用于在执行所述人体骨骼识别单元前，对所述驾驶室监控视频进行抽帧处理。
51.第三方面，提供一种可读存储介质，其上存储有程序，所述程序被处理器执行时，实现如第一方面中所述司机违规驾驶行为检测方法的各个步骤。
52.第四方面，提供一种司机违规驾驶行为检测设备，包括：存储器和处理器；
53.所述存储器，用于存储程序；
54.所述处理器，用于执行所述程序，实现如第一方面中所述司机违规驾驶行为检测方法的各个步骤。
55.与现有技术相比，本发明的技术方案具有以下优点：
56.上述技术方案提供的一种司机违规驾驶行为检测方法、装置、设备及可读存储介质，方法包括：先对驾驶室监控视频包含的图形进行人体骨架识别，得到人体关节点的二维坐标信息；然后利用预先训练好的司机姿态二分类模型，对相应人体关节点的二维坐标信息进行分析，得到姿态信息，并根据姿态信息确定司机行为类型；最后依据时间将司机行为类型与列车运行工况关联，进而分析司机在工作时间是否存在违规驾驶行为，实现了驾驶室视频的自动化分析，进而提高了驾驶室监控视频的处理效率。
57.进一步的，在对驾驶室监控视频包含的图像进行人体骨架识别之前，对驾驶室监控视频进行抽帧处理，减少需要分析的帧数，进而提高了分析速度。
58.当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
59.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，还可以根据提供的附图获得其他的附图。
60.图1为本发明实施例提供的一种司机违规驾驶行为检测方法的流程图；
61.图2为本发明实施例提供的另一种司机违规驾驶行为检测方法的流程图；
62.图3为本发明实施例提供的一种司机违规驾驶行为检测装置的流程图；
63.图4为本发明实施例提供的一种司机违规驾驶行为检测设备的示意图。
具体实施方式
64.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做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。
65.参见图1，为本发明实施例提供的一种司机违规驾驶行为检测方法，该方法可以包括以下步骤：
66.s11：获取待分析的驾驶室监控视频。
67.在列车的驾驶室布置有摄像头，当列车上电后，摄像头开始对驾驶室进行摄像。该摄像头拍摄的视频即为驾驶室监控视频。本发明提供的司机违规驾驶行为检测方法可以应用在列车实时运行过程中，这时步骤s11是实时从列车驾驶室布置摄像头获取驾驶室监控视频。本发明提供的司机违规驾驶行为检测方法还可以应用于列车运行结束后的分析，这时步骤s11是从存储有驾驶室监控视频的存储设备中获取待分析的驾驶室监控视频。
68.s12：对驾驶室监控视频包含的图像进行人体骨架识别，得到人体关节点的二维坐标信息。
69.人体骨骼识别是指在图像中获取所有人物的重要关节点的二维坐标信息。人体骨骼识别的具体方法可以是采用深度学习方法分析传统rgb图像构建模型获得，也可以通过深度摄像机(例如kinect)直接获得，本发明对此不做限定。
70.可选的，在执行步骤s12之前还可以根据视频图像质量及分析性能要求，先对驾驶室监控视频进行抽帧处理，从而减少需要分析的帧数，提高分析速度。
71.s13：针对与待分析的驾驶室监控视频的摄像头安装位置，对应的预先训练好的不同的司机姿态二分类模型，将与司机姿态二分类模型对应的人体关节点的二维坐标信息，输入司机姿态二分类模型，得到司机姿态二分类模型输出的姿态信息。
72.不同司机姿态二分类模型用于识别不同的姿态，例如，第一司机姿态二分类模型用于识别“抬手”，第二司机姿态二分类模型用于识别“伸直手臂”，第三司机姿态二分类模型用于识别“指向前方”等。司机姿态二分类模型输出的姿态信息即为是否为目标姿态，例如第一司机姿态二分类模型根据输入数据输出司机是否抬手的信息。
73.每个司机姿态二分类模型对应的人体关节点集合可以完全相同、部分相同或者完全不同。将与司机姿态二分类模型对应的人体关节点集合中的每个人体关节点的二维坐标
信息，输入到司机姿态二分类模型，就可以得到司机姿态二分类模型输出的姿态信息。
74.每个司机姿态二分类模型对应至少两个人体关节点。受列车驾驶室布局及内设影响，不同列车的驾驶室摄像头安装位置不同。预先按摄像头安装位置训练得到与不同摄像头安装位置对应的司机姿态二分类模型。每个摄像头安装位置对应的司机姿态二分类模型均为多个，每个司机姿态二分类模型识别一种姿态。
75.s14：根据预设的姿态组合与司机行为类型的对应的关系，对所有司机姿态二分类模型输出的姿态信息进行分析，得到司机行为类型。
76.每个司机行为类型对应一个姿态组合。例如，“手指向前方”对应的姿态组合可以是“抬手”、“伸直手臂”和“指向前方”。姿态组合可以包含一个或至少两个姿态。所有司机姿态二分类模型输出的姿态信息中包含司机行为类型对应的姿态组合，则确定存在该司机行为类型。
77.s15：根据列车运行监控数据确定列车运行工况。
78.本实施例中的列车运行监控数据指的是列车运行控制记录装置(lkj)采集的数据。根据列车运行监控数据可以获取列车运行中的控制信号、速度和时间等信息。本实施例根据列车运行监控数据得到列车运行工况。列车运行工况包括但不限于运行状态和停车状态。运行状态具体分为出站、进站和途中等。
79.s16：依据时间将列车运行工况与所述司机行为类型关联，并根据关联后的列车运行工况与司机行为类型，分析工作时间是否存在违规驾驶行为。
80.待分析的驾驶室监控视频的开始时间，可以通过文件名得到；而每帧图像有对应的帧号，两帧图像之间的时间间隔固定，根据该帧号可以计算出该帧图像对应的时间与开始时间之间的间隔时间，得到该帧图像对应的时间，进而得到司机行为类型对应的时间。因此，可以依据时间将列车运行工况与司机行为类型关联起来进行违规驾驶行为分析。
81.根据预先设定的违规判断逻辑，分析司机在工作时间是否存在违规驾驶行为。违规驾驶行为判断逻辑包括但不限于触发式、累积时间式和持续时间式。触发式为在某些工况下，行为发生就确定为违规驾驶行为；即当司机行为类型为预设的第一类司机行为(如离岗)，且列车处于运行状态时，确定发生违规。累积时间式为在某些工况下，行为累积发生时间超过预设时间，确定为违规驾驶行为；即当司机行为类型为预设的第二类司机行为(如偏头闲聊)，列车处于运行状态，且司机行为累积时间超过预设时间(如5分钟)时，确定发生违规驾驶行为。持续时间式为在某些工况下，行为持续发生时间超过预设时间，确定为违规驾驶行为；即当司机行为类型为预设的第三类司机行为(如未握大闸)，列车处于运行状态，且司机行为持续时间超过预设时间(如2分钟)时，确定发生违规驾驶行为。
82.本发明提供的司机违规驾驶行为检测方法，将司机行为类型的识别拆分为对应的姿态组合的识别，例如将“手指向前方”这个司机驾驶行为拆分为对应的“抬手”、“伸直手臂”和“指向前方”这三个姿态。预先利用人体关节点的二维坐标信息，训练各个司机姿态二分类模型，在实际分析过程中，利用训练好的各个司机姿态二分类模型，对识别出的人体关节点的二维坐标信息，确定是否存在相应的姿态组合，进而确定是否存在相应的司机行为类型。司机姿态二分类模型具体为随机森林分类器、xgboost分类器或决策树分类器。
83.司机姿态二分类模型的训练过程，需要先根据摄像头的安装位置将视频源划分为不同组。受列车驾驶室布局及内设影响，不同列车的驾驶室摄像头安装位置不同。利用第一
图像(第一图像为某个安装位置的摄像头拍摄的图像)中的人体关节点的二维坐标信息，训练出的司机姿态二分类模型，去分析第二图像(第二图像为另个安装位置的摄像头拍摄的图像)中人体关节点的二维坐标信息，得到姿态信息可能不准确。因此，为了提高司机姿态二分类模型的预测准确度，先根据摄像头的安装位置将视频源划分为不同组，利用不同安装位置的摄像头的拍摄视频分别训练对应的司机姿态二分类模型，进而在实际分析中，可以根据摄像头的安装位置，利用相应的司机姿态二分类模型进行姿态识别。与各个摄像头的安装位置分别对应的司机姿态二分类模型的训练过程均相同，具体包括以下步骤：
84.a11：获取安装位置相同的至少一个摄像头拍摄的历史视频。
85.a12：从历史视频中提取包含司机行为的关键帧。
86.从视频中提取关键帧的技术为比较成熟的现有技术，本实施例不再赘述。
87.a13：对关键帧进行人体骨骼识别，得到每一关键帧图像中人体关节点的二维坐标信息，并划分为不同的人体关节点组合。
88.a14：对不同人体关节点组合的二维坐标信息进行姿态标注，得到与不同的司机姿态二分类模型对应的历史样本集。
89.a15：针对每个司机姿态二分类模型，利用与其对应的历史样本集进行训练。
90.预先设定将哪些人体关节点划分为一组。每组人体关节点对应一个姿态。每组人体关节点用于训练一个司机姿态二分类模型。每个司机姿态二分类模型用于识别一个姿态。例如分别为“抬手”、“伸直手臂”和“指向前方”这三个姿态，设置对应的人体关节点组合，然后分别利用相应的人体关节点组合的二维坐标信息，训练得到识别“抬手”、“伸直手臂”和“指向前方”的三个司机姿态二分类模型。
91.参见图2，为本发明实施例提供的另一种司机违规驾驶行为检测方法，在步骤s16之后，还包括步骤：
92.s17：根据预先设定的评分标准，对一次列车运行过程中，司机所有违规驾驶行为进行扣分，得到司机驾驶行为得分。
93.用户预先设定各种违规驾驶行为的扣分标准和初始总分，然后在初始总分的基础上对每次违规驾驶行为进行扣分，得到司机驾驶行为得分。例如，初始总分100分，睡觉行为扣20分，未握大闸扣5分。并且可以将司机驾驶行为得分和扣分内容进行显示。
94.对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。
95.下述为本发明装置实施例，可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节，请参照本发明方法实施例。
96.参见图3，为本发明实施例提供的一种司机违规驾驶行为检测装置，该装置包括：获取单元、第一人体骨骼识别单元、姿态识别单元、司机行为确定单元、列车运行工况确定单元和违规分析单元。
97.获取单元，用于获取待分析的驾驶室监控视频。
98.第一人体骨骼识别单元，用于对驾驶室监控视频包含的图像进行人体骨架识别，得到人体关节点的二维坐标信息。
99.姿态识别单元，用于针对与待分析的驾驶室监控视频的摄像头安装位置，对应的
预先训练好的不同的司机姿态二分类模型，将与司机姿态二分类模型对应的人体关节点的二维坐标信息，输入司机姿态二分类模型，得到司机姿态二分类模型输出的姿态信息，每个司机姿态二分类模型对应至少两个人体关节点。
100.司机行为确定单元，用于根据预设的姿态组合与司机行为类型的对应的关系，对所有司机姿态二分类模型输出的姿态信息进行分析，得到司机行为类型。
101.列车运行工况确定单元，用于根据列车运行监控数据确定列车运行工况。
102.违规分析单元，用于依据时间将列车运行工况与司机行为类型关联，并根据关联后的列车运行工况与司机行为类型，分析工作时间是否存在违规驾驶行为。
103.可选的，司机违规驾驶行为检测装置，还包括：行为评分单元，用于根据预先设定的评分标准，对一次列车运行过程中，司机所有违规驾驶行为进行扣分，得到司机驾驶行为得分。
104.可选的，司机违规驾驶行为检测装置，还包括模型训练模块，模型训练模块包括历史数据获取单元、关键帧提取单元、第二人体骨骼识别单元、标注单元和历史样本训练单元。
105.历史数据获取单元，用于获取第一摄像头拍摄的历史视频，第一摄像头为与待分析的驾驶室监控视频的摄像头安装位置相同的摄像头。
106.关键帧提取单元，用于从历史视频中提取包含司机行为的关键帧。
107.第二人体骨骼识别单元，用于对关键帧进行人体骨骼识别，得到每一关键帧图像中人体关节点的二维坐标信息，并划分为不同的人体关节点组合。
108.标注单元，用于对不同人体关节点组合的二维坐标信息进行姿态标注，得到与不同的司机姿态二分类模型对应的历史样本集。
109.历史样本训练单元，用于针对每个司机姿态二分类模型，利用与其对应的历史样本集进行训练。
110.可选的，司机姿态二分类模型具体为：随机森林分类器、xgboost分类器或决策树分类器。
111.可选的，违规分析单元，具体包括：第一违规分析子单元、第二违规分析子单元和/或第三违规分析子单元。
112.第一违规分析子单元，用于当司机行为类型为预设的第一类司机行为，且列车处于运行状态时，确定发生违规。
113.第二违规分析子单元，用于当司机行为类型为预设的第二类司机行为，列车处于运行状态，且司机行为持续时间超过预设时间时，确定发生违规。
114.第三违规分析子单元，用于当司机行为类型为预设的第三类司机行为，列车处于运行状态，且司机行为累积时间超过预设时间时，确定发生违规。
115.可选的，司机违规驾驶行为检测装置，还包括：抽针处理单元，用于在执行人体骨骼识别单元前，对驾驶室监控视频进行抽帧处理。
116.参见图4，为本发明实施例提供的司机违规驾驶行为检测设备的示意图。司机违规驾驶行为检测设备的硬件结构可以包括：至少一个处理器41，至少一个通信接口42，至少一个存储器43和至少一个通信总线44；且处理器41、通信接口42、存储器43通过通信总线44完成相互间的通信。
117.处理器41在一些实施例中可以是一个cpu(centralprocessing unit，中央处理器)，或者是asic(application specific integrated circuit，特定集成电路)，或者是被配置成实施本发明实施例的一个或多个集成电路等。
118.通信接口42可以包括标准的有线接口、无线接口。通常用于在司机违规驾驶行为检测设备与其他电子设备或系统之间建立通信连接。
119.存储器43包括至少一种类型的可读存储介质。可读存储介质可以为如闪存、硬盘、多媒体卡、卡型存储器等nvm(non-volatile memory，非易失性存储器)。可读存储介质还可以是高速ram(random access memory，随机存取存储器)存储器。可读存储介质在一些实施例中可以是司机违规驾驶行为检测设备的内部存储单元，例如该司机违规驾驶行为检测设备的硬盘。在另一些实施例中，可读存储介质还可以是司机违规驾驶行为检测设备的外部存储设备，例如该司机违规驾驶行为检测设备上配备的插接式硬盘、smc(smart media card,智能存储卡)、sd(secure digital,安全数字)卡，闪存卡(flash card)等。
120.其中，存储器43存储有计算机程序，处理器41可调用存储器43存储的计算机程序，所述计算机程序用于：
121.获取待分析的驾驶室监控视频；
122.对驾驶室监控视频包含的图像进行人体骨架识别，得到人体关节点的二维坐标信息；
123.针对与待分析的驾驶室监控视频的摄像头安装位置，对应的预先训练好的不同的司机姿态二分类模型，将与司机姿态二分类模型对应的人体关节点的二维坐标信息，输入司机姿态二分类模型，得到司机姿态二分类模型输出的姿态信息，每个司机姿态二分类模型对应至少两个人体关节点；
124.根据预设的姿态组合与司机行为类型的对应的关系，对所有司机姿态二分类模型输出的姿态信息进行分析，得到司机行为类型；
125.根据列车运行监控数据确定列车运行工况；
126.依据时间将列车运行工况与司机行为类型关联，并根据关联后的列车运行工况与司机行为类型，分析工作时间是否存在违规驾驶行为。
127.所述程序的细化功能和扩展功能可参照上文描述。
128.图4仅示出了具有组件41～44的司机违规驾驶行为检测设备，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
129.可选地，该司机违规驾驶行为检测设备还可以包括用户接口，用户接口可以包括输入单元(比如键盘)、语音输入装置(比如包含麦克风的具有语音识别功能的设备)和/或语音输出装置(比如音响、耳机等)。
130.可选地，该司机违规驾驶行为检测设备还可以包括显示器，显示器也可以称为显示屏或显示单元。在一些实施例中可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)显示器等。显示器用于用于显示可视化的用户界面。
131.可选地，该司机违规驾驶行为检测设备还包括触摸传感器。触摸传感器所提供的供用户进行触摸操作的区域称为触控区域。此外，触摸传感器可以为电阻式触摸传感器、电容式触摸传感器等。而且，触摸传感器不仅包括接触式的触摸传感器，也可包括接近式的触
摸传感器等。此外，触摸传感器可以为单个传感器，也可以为例如阵列布置的多个传感器。
132.此外，该司机违规驾驶行为检测设备的显示器的面积可以与触摸传感器的面积相同，也可以不同。可选地，将显示器与触摸传感器层叠设置，以形成触摸显示屏。该装置基于触摸显示屏侦测用户触发的触控操作。
133.该数据校验设备还可以包括rf(radio frequency，射频)电路、传感器和音频电路等等，在此不再赘。
134.本发明实施例还提供一种可读存储介质，该可读存储介质可存储有适于处理器执行的程序，所述程序用于：
135.获取待分析的驾驶室监控视频；
136.对驾驶室监控视频包含的图像进行人体骨架识别，得到人体关节点的二维坐标信息；
137.针对与待分析的驾驶室监控视频的摄像头安装位置，对应的预先训练好的不同的司机姿态二分类模型，将与司机姿态二分类模型对应的人体关节点的二维坐标信息，输入司机姿态二分类模型，得到司机姿态二分类模型输出的姿态信息，每个司机姿态二分类模型对应至少两个人体关节点；
138.根据预设的姿态组合与司机行为类型的对应的关系，对所有司机姿态二分类模型输出的姿态信息进行分析，得到司机行为类型；
139.根据列车运行监控数据确定列车运行工况；
140.依据时间将列车运行工况与司机行为类型关联，并根据关联后的列车运行工况与司机行为类型，分析工作时间是否存在违规驾驶行为。
141.所述程序的细化功能和扩展功能可参照上文描述。
142.以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
143.在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
144.本说明书中各个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可，且本说明书中各实施例中记载的特征可以相互替换或者组合。
145.对本发明所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，
本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。