基于神经网络学习的公共汽车驾驶安全识别

文章针对目前公交车驾驶员身体突发疾病、乘客抢夺方向盘以及现阶段L2级别的智能驾驶中驾驶权转移的空白等行车安全问题,设计了表情识别和危险动作识别两款程序。其中表情识别程序是利用基于Python语言的Opencv计算机视觉库,以Qt5作上位机设计的一款在视频中实时采集的人脸表情识别程序。首先通过输入图像的处理提高有关信息的可监测性,进而提高监测质量,其次进行表情模型训练和数据采集等,最终实现识别功能。同时还介绍了基于LabVIEW的危险动作识别程序。通过摄像头传入的视频信息,采用帧间差分法以及背景学习等算法监测出运动物体,实现监测范围内可能对驾驶安全构成威胁的外来物体的实时捕捉。实验数据表明,两款程序能够准确、快速地捕捉相应表情和危险动作,在解决上述问题的同时还大大提高了公共汽车的行车安全性。