本发明涉及物流,尤其涉及一种驾驶员违规驾驶监测方法、装置、设备及存储介质。
背景技术:
1、当前的长途驾驶在车队管理中常规要求是两个驾驶员轮流开车,以避免驾驶员在长途行驶中疲劳过度。然而,在实际情况中,由于多种原因,经常出现只有一个驾驶员驾驶车辆的情况,这很可能导致驾驶员疲劳并存在极大的安全隐患,增加交通事故的风险。
2、传统的方法通常是驾驶员手动记录或使用简单的检测设备来监测驾驶行为,这些方法存在诸多局限性,如易于被误操作或规避,缺乏高效的实时监测和反馈机制等,无法准确而可靠地识别驾驶员是否按照双驾单开规定驾驶。
3、为了能够有效识别驾驶员是否按照双驾单开的规定驾驶、提高驾驶员的安全驾驶意识、确保驾驶安全和规范、便于车队管理人员管理,有必要发明一种驾驶员违规驾驶监测方法、装置、设备及存储介质。
技术实现思路
1、本发明的主要目的在于解决现有技术中无法识别驾驶员是否按照双驾单开的规定驾驶、提高驾驶员的安全驾驶意识、确保驾驶安全和规范、便于车队管理人员管理的技术问题。
2、本发明第一方面提供了一种驾驶员违规驾驶监测方法,所述方法包括:
3、通过摄像装置进行驾驶员人脸图像采集,获取驾驶员图像数据集;
4、从所述驾驶员人脸图像中提取驾驶员人脸识别区域,并将所述驾驶员人脸识别区域调整至符合预设的识别条件;
5、构建驾驶员人脸特征提取模型,将所述驾驶员人脸识别区域输入所述驾驶员人脸特征提取模型,得到驾驶员人脸特征向量;
6、利用所述驾驶员图像数据集对所述驾驶员人脸识别深度神经网络模型进行训练,获得训练完成的驾驶员人脸识别深度神经网络模型;
7、定时将获取的驾驶员人脸图像的特征向量输入驾驶员人脸识别深度神经网络模型,计算驾驶员人脸图像中人脸特征向量的相似度,判断该驾驶员是否为同一人。
8、可选的,在本发明第一方面的第一种实现方式中,所述通过摄像装置进行驾驶员人脸图像采集,得到驾驶员图像数据集,包括:
9、根据所述驾驶员人脸位置确定所述摄像装置的最佳采集角度;
10、控制所述摄像装置旋转至所述最佳采集角度,以采集最佳人脸图像;
11、在车辆行驶过程中,所述摄像装置采集所述驾驶员的脸部图像,获取驾驶员图像数据集。
12、可选的,在本发明第一方面的第二种实现方式中,所述从所述驾驶员人脸图像中提取驾驶员人脸识别区域,并将所述驾驶员人脸识别区域调整至符合预设的识别条件,包括:
13、对所述驾驶员人脸图像及驾驶员人脸关键点进行检测,确定所述驾驶员人脸图像中的驾驶员人脸位置及两只眼睛的位置,提取所述驾驶员人脸位置的驾驶员人脸识别区域;
14、对所述驾驶员人脸识别区域及两只眼睛的位置进行关键点检测,检测到所述驾驶员人脸识别区域及两个眼睛关键点的位置;
15、根据所述两个眼睛关键点的中间点在所述驾驶员人脸识别区域中的位置,判断驾驶员人脸的偏转角度是否大于预设角度阈值,如果是,则判定所述驾驶员人脸识别区域不合格,通知驾驶员调整脸部的偏转角度。
16、可选的,在本发明第一方面的第三种实现方式中,所述构建驾驶员人脸特征提取模型,将所述驾驶员人脸识别区域输入所述驾驶员人脸特征提取模型,得到驾驶员人脸特征向量,包括:
17、构建驾驶员人脸识别深度神经网络模型;
18、利用所述驾驶员人脸识别深度神经网络模型对所述驾驶员人脸区域图像进行多尺度特征提取,以获取所述驾驶员人脸特征向量。
19、可选的,在本发明第一方面的第四种实现方式中,所述利用所述驾驶员图像数据集对所述驾驶员人脸识别深度神经网络模型进行训练,获得训练完成的驾驶员人脸识别深度神经网络模型,包括:
20、提取所述驾驶员图像数据集中的训练图像的图像特征;
21、基于所述图像特征进行图像重建,得到所述训练图像对应的重建图像;
22、计算所述训练图像与对应的重建图像之间的重建损失;
23、基于所述重建损失更新初始人脸识别模型的参数,获得训练完成的驾驶员人脸识别深度神经网络模型。
24、可选的,在本发明第一方面的第五种实现方式中,所述计算驾驶员人脸图像中人脸特征向量的相似度,判断该驾驶员是否为同一人,包括:
25、预设相似度阈值;
26、定时获取驾驶员人脸图像的特征向量;
27、将所述驾驶员人脸图像的特征向量输入驾驶员人脸识别深度神经网络模型,计算定时内驾驶员人脸图像中人脸特征向量的相似度;
28、若所述定时内驾驶员人脸图像中人脸特征向量的相似度大于等于预设相似度阈值,则判断该驾驶员为同一人;若所述定时内驾驶员人脸图像中人脸特征向量的相似度小于预设相似度阈值,则判断该驾驶员不为同一人。
29、可选的,在本发明第一方面的第六种实现方式中,所述计算驾驶员人脸图像中人脸特征向量的相似度,判断该驾驶员是否为同一人,还包括:
30、若在定时内所述驾驶员为同一人,则确认所述驾驶员是正常驾驶,
31、若在定时外所述驾驶员为同一人,则确认所述驾驶员是违规驾驶,并发出预警信号。
32、本发明第二方面提供了一种驾驶员违规驾驶监测装置,包括:
33、获取图像数据集模块,用于通过摄像装置进行驾驶员人脸图像采集,获取驾驶员图像数据集;
34、提取人脸识别区域模块,用于从所述驾驶员人脸图像中提取驾驶员人脸识别区域,并将所述驾驶员人脸识别区域调整至符合预设的识别条件;
35、构建模型模块,用于构建驾驶员人脸特征提取模型,将所述驾驶员人脸识别区域输入所述驾驶员人脸特征提取模型,得到驾驶员人脸特征向量;
36、训练模块,用于利用所述驾驶员图像数据集对所述驾驶员人脸识别深度神经网络模型进行训练,获得训练完成的驾驶员人脸识别深度神经网络模型;
37、计算判断模块,用于定时将获取的驾驶员人脸图像的特征向量输入驾驶员人脸识别深度神经网络模型,计算驾驶员人脸图像中人脸特征向量的相似度,判断该驾驶员是否为同一人。
38、本发明第三方面提供了一种计算机设备,所述计算机设备包括存储器和至少一个处理器,所述存储器中存储有指令;
39、所述至少一个处理器调用所述存储器中的所述指令,以使得所述计算机设备执行如上述所述的驾驶员违规驾驶监测方法。
40、本发明第四方面提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行上述所述的驾驶员违规驾驶监测方法。
41、本发明的驾驶员违规驾驶监测方法,通过实时获取的驾驶员的脸部图像来快速有效地识别出在规定的时间内驾驶员是否为同一人,在应该更换驾驶员的时间内驾驶员是否按照要求更换;能够有效地识别驾驶员是否按照双驾单开的规定驾驶,还能够提高驾驶员的安全驾驶意识,确保了长途驾驶过程中的安全性和规范性,更便于车队管理人员管理。