【使用攻略】【驾驶行为分析】

功能介绍
检测到驾驶员后，进一步识别行为属性，可识别使用手机、抽烟、不系安全带、双手离开方向盘、视角未朝前方5大类行为

应用场景
营运车辆驾驶监测
针对出租车、客车、公交车、货车等各类营运车辆，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
社交内容分析审核
汽车类论坛、社区平台，对配图库以及用户上传的UGC图片进行分析识别，自动过滤出涉及危险驾驶行为的不良图片，有效减少人力成本并降低业务违规风险

接口描述
对于输入的一张车载监控图片（可正常解码，且长宽比适宜），识别图像中是否有人体（驾驶员），若检测到至少1个人体，则进一步识别属性行为，可识别使用手机、抽烟、未系安全带、双手离开方向盘、视线未朝前方5种典型行为姿态。

图片质量要求：

1、服务只适用于车载司机场景，请使用驾驶室的真实监控图片测试，勿用网图、非车载场景的普通监控图片、或者乘客的监控图片测试，否则效果不具备代表性。

2、车内摄像头硬件选型无特殊要求，分辨率建议720p以上，但更低分辨率的图片也能识别，只是效果可能有差异。

3、车内摄像头部署方案建议：尽可能拍全驾驶员的身体，并充分考虑背光、角度、方向盘遮挡等因素。

4、服务适用于夜间红外监控图片，识别效果跟可见光图片相比可能略微有差异。

5、图片主体内容清晰可见，模糊、驾驶员遮挡严重、光线暗等情况下，识别效果肯定不理想。

代码实现(python3)：

import urllib
import base64
import json
import time

#client_id 为官网获取的AK， client_secret 为官网获取的SK
client_id = 'XXXXXXXX'
client_secret = 'XXXXXXXXX'

#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()
    if token_content:
        token_info = json.loads(token_content)
        token_key = token_info['access_token']
    return token_key

#生成报告
def generate_report(persons):
    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))
        
        if warning=='':
            warning='无'
        result=result+ '警告：'+warning
        print(result)
      
#驾驶行为识别
def driver_behavior(filename):
    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")
    
    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:
        content=content.decode('utf-8')
        data = json.loads(content)
        print('人数:',data['person_num'])
        persons=data['person_info']
        
        generate_report(persons)

产品测评：

人数: 1
使用手机： 0.95
抽烟： 0.01 
未系安全带： 0.80
双手离开方向盘： 0.95 
视角未看前方： 0.98
警告：使用手机 未系安全带 双手离开方向盘 视角未看前方

测试结果及建议

通过评测发现百度驾驶行为分析具有速度快，识别准确等优势。针对不同应用，还有以下一些特点：
深入场景：专项训练高精度识别模型，覆盖出租车、客车、公交车、货车等典型车载场景
应用灵活：针对每类属性行为，分别返回概率分数和建议阈值，可根据实际业务需求灵活设置
服务稳定：可提供企业级稳定、精确的大流量服务，拥有毫秒级识别响应能力及99.9%的可靠性保障

建议可以将警告信息与百度的语音合成结合起来，直接通过语音告警提示驾驶员。