【百度大脑新品体验】驾驶行为分析

【百度大脑新品体验】驾驶行为分析
作者：才能我浪费99

1.功能描述：

针对车载场景，识别驾驶员使用手机、抽烟、不系安全带、双手离开方向盘等动作姿态，分析预警危险驾驶行为，提升行车安全性

2.平台接入

具体接入方式比较简单，可以参考我的另一个帖子，这里就不重复了：
http://ai.baidu.com/forum/topic/show/943327

3.调用攻略（Python3）及评测

3.1首先认证授权：

在开始调用任何API之前需要先进行认证授权，具体的说明请参考：

http://ai.baidu.com/docs#/Auth/top

具体Python3代码如下：

-- coding: utf-8 --

#!/usr/bin/env python

import urllib
import base64
import json
#client_id 为官网获取的AK， client_secret 为官网获取的SK
client_id =【百度云应用的AK】
client_secret =【百度云应用的SK】

#获取token
def get_token():
host = ‘https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=’ + client_id + ‘&client_secret=’ + client_secret
request = urllib.request.Request(host)
request.add_header(‘Content-Type’, ‘application/json; charset=UTF-8’)
response = urllib.request.urlopen(request)
token_content = response.read()
#print (token_content)
if token_content:
token_info = json.loads(token_content)
token_key = token_info[‘access_token’]
return token_key

3.2驾驶行为分析分析接口调用：

详细说明请参考： https://ai.baidu.com/docs#/Body-API/2387dd4f

说明的比较清晰，这里就不重复了。

大家需要注意的是：
API访问URL：https://aip.baidubce.com/rest/2.0/image-classify/v1/driver_behavior
图像数据，base64编码后进行urlencode，要求base64编码和urlencode后大小不超过4M。图片的base64编码是不包含图片头的，如(data:image/jpg;base64,)，支持图片格式：jpg、bmp、png，最短边至少50px，最长边最大4096px

Python3调用代码如下：

#画出驾驶行为识别结果
def driver_result(originfilename,persons,resultfilename,fontsize,fontcolor):
from PIL import Image, ImageDraw,ImageFont

image_origin = Image.open(originfilename)
draw =ImageDraw.Draw(image_origin)
setFont = ImageFont.truetype('C:/windows/fonts/simfang.ttf', fontsize)
for person in persons:
    warning=''
    result=''
    attributes=person['attributes']
    #使用手机
    score = attributes['cellphone']['score']
    threshold = attributes['cellphone']['threshold']
    if score>threshold:
        warning=warning+'使用手机 '
    result=result+('使用手机： {:.5f} \n'.format(score))
    #抽烟
    score = attributes['smoke']['score']
    threshold = attributes['smoke']['threshold']
    if score>threshold:
        warning=warning+'抽烟 '
    result=result+( '抽烟： {:.5f} \n'.format(score))
    #未系安全带
    score = attributes['not_buckling_up']['score']
    threshold = attributes['not_buckling_up']['threshold']
    if score>threshold:
        warning=warning+'未系安全带 '
    result=result+( '未系安全带： {:.5f} \n'.format(score))
    #双手离开方向盘
    score = attributes['both_hands_leaving_wheel']['score']
    threshold = attributes['both_hands_leaving_wheel']['threshold']
    if score>threshold:
        warning=warning+'双手离开方向盘 '
    result=result+( '双手离开方向盘： {:.5f} \n'.format(score))
    #视角未看前方
    score = attributes['not_facing_front']['score']
    threshold = attributes['not_facing_front']['threshold']
    if score>threshold:
        warning=warning+'视角未看前方 '
    result=result+( '视角未看前方： {:.5f} \n'.format(score))
    
    gesture = person['location'] 
    draw.rectangle((gesture['left'],gesture['top'],gesture['left']+gesture['width'],gesture['top']+gesture['height']),outline = "red")
    
    if warning=='':
        warning='无'
    result=result+ '需要警告内容：'+warning
    print(result)
    draw.text((gesture['left'],gesture['top']), result,font=setFont,fill=fontcolor)
    
image_origin.save(resultfilename, "JPEG")

#驾驶行为识别
#filename:原图片名（本地存储包括路径）
def driver_behavior(filename,resultfilename,fontsize,color):
request_url = “https://aip.baidubce.com/rest/2.0/image-classify/v1/driver_behavior”
print(filename)
# 二进制方式打开图片文件
f = open(filename, ‘rb’)
img = base64.b64encode(f.read())

params = dict()
params['image'] = img
params = urllib.parse.urlencode(params).encode("utf-8")
#params = json.dumps(params).encode('utf-8')

access_token = get_token()
begin = time.perf_counter()
request_url = request_url + "?access_token=" + access_token
request = urllib.request.Request(url=request_url, data=params)
request.add_header('Content-Type', 'application/x-www-form-urlencoded')
response = urllib.request.urlopen(request)
content = response.read()
end = time.perf_counter()

print('处理时长:'+'%.2f'%(end-begin)+'秒')
if content:
    #print(content)
    content=content.decode('utf-8')
    #print(content)
    data = json.loads(content)
    print('人数:',data['person_num'])
    #print(data)
    result=data['person_info']
    
    driver_result(filename,result,resultfilename,fontsize,color)

driver_behavior(’…/img/driver8.jpg’,’…/img/driver8_result.jpg’,20,‘blue’)

4.功能评测：
选用不同的数据对效果进行测试，具体效果如下（以下例子均来自网上）：

先测试正常的驾驶行为：

处理时长:0.64秒
人数: 1
使用手机： 0.00006
抽烟： 0.00007
未系安全带： 0.00207
双手离开方向盘： 0.00002
视角未看前方： 0.00255
需要警告内容：无

处理时长:0.58秒
人数: 1
使用手机： 0.00019
抽烟： 0.00015
未系安全带： 0.04759
双手离开方向盘： 0.00264
视角未看前方： 0.00234
需要警告内容：无

然后是各种危险驾驶行为：

处理时长:0.68秒
人数: 1
使用手机： 0.92399
抽烟： 0.00590
未系安全带： 0.00678
双手离开方向盘： 0.00087
视角未看前方： 0.21933
需要警告内容：使用手机

处理时长:0.47秒
人数: 1
使用手机： 0.99724
抽烟： 0.01933
未系安全带： 0.05710
双手离开方向盘： 0.01490
视角未看前方： 0.20637
需要警告内容：使用手机

处理时长:0.31秒
人数: 1
使用手机： 0.00339
抽烟： 0.45544
未系安全带： 0.33805
双手离开方向盘： 0.09973
视角未看前方： 0.24955
需要警告内容：抽烟

处理时长:1.23秒
人数: 1
使用手机： 0.01052
抽烟： 0.00131
未系安全带： 0.96246
双手离开方向盘： 0.99859
视角未看前方： 0.91556
需要警告内容：未系安全带 双手离开方向盘 视角未看前方

5.测试结论和建议

测试下来，整体识别效果不错。对于危险驾驶行为有很强的识别能力，效果很好，速度也很快。可以对实时监控车内情况，识别驾驶员抽烟、使用手机、未系安全带等危险行为，及时预警，降低事故发生率，保障人身财产安全。

建议：
1，现在识别场景限制比较多，可以针对这方面进行优化，增加功能的应用场景。
2，可以考虑增加对人的情绪，疲劳都等方面的识别及警告。