本發(fā)明涉及行車記錄儀，更具體地說，它涉及一種ai智能分析駕駛行為的行車記錄儀。
背景技術：
1、行車記錄儀可以記錄車輛行駛過程中的視頻圖像和聲音，相當于車輛的黑匣子，可為交通事故提供證據(jù)。通常，行車記錄儀為了使拍攝的畫面更加清晰，多采用高像素攝像頭及提高影像感測芯片的解析度的方式。
2、大量的統(tǒng)計分析結果表明，70％以上道路交通事故的發(fā)生都與駕駛員及其駕駛行為直接相關，因為駕駛員在駕駛過程中發(fā)生感知、判斷或操作差錯造成的這些駕駛事故。
3、且隨著汽車保有量的增加，安全駕駛已然成為影響社會穩(wěn)定因素的重要問題，其中駕駛員規(guī)范的駕駛行為對保障駕駛人安全駕駛至關重要。駕駛員的駕駛行為分析有利于降低駕駛過程中風險的幾率，保障駕駛員的財產和生命安全。
4、現(xiàn)階段的行車記錄儀多作為行車記錄，只能在交通事故發(fā)生后對其進行溯源，便于對行車事故中責任的劃分和事件發(fā)生原因的分析，但是在行車過程中無法輔助駕駛員進行安全駕駛，以此預防或者減低行車安全事故的發(fā)生。
技術實現(xiàn)思路
1、針對上述現(xiàn)有技術的不足，本發(fā)明的目的是提供一種ai智能分析駕駛行為的行車記錄儀，具有提醒駕駛員糾正駕駛行為，并提前避免交通事故的發(fā)生的優(yōu)點。
2、本發(fā)明的上述技術目的是通過以下技術方案得以實現(xiàn)的：一種ai智能分析駕駛行為的行車記錄儀，包括：
3、數(shù)據(jù)采集模塊，用于采集行車前方實時車況以及車內駕駛員的駕駛行為；
4、特征提取模塊，基于所述記錄儀記錄駕駛員的駕駛行為，提取駕駛員駕駛行為中的手部動作和眼睛活動，將手部動作作為規(guī)范駕駛行為的評判準則，根據(jù)眼睛活動，作為判斷駕駛員專注力的補償依據(jù)；
5、風險預測模塊，以駕駛員的手部動作和眼睛活動為權重，構建駕駛行為的評分模型：s＝w1*h+w2*(1-e)；
6、其中s為最終評分，h是手部動作的評分，e是眼睛活動評分，w1和w2是手部動作和眼睛活動的權重，且w1+w2＝1；
7、依據(jù)駕駛行為評分大小，通過設定危險駕駛的評分閾值和分神駕駛的評分閾值，對將駕駛員的駕駛駕駛行為進行風險預測；
8、警示模塊，根據(jù)風險預測模塊預測的風險大小發(fā)出不同警示信號，警示駕駛員糾正駕駛行為。
9、優(yōu)選的，所述數(shù)據(jù)采集模塊包括記錄儀承載本體、安裝于記錄儀承載本體一側的前置攝像模組以及安裝于記錄儀承載本體另一側的后置攝像模組，通過前置攝像模組實時記錄行車前方實況，利用后置攝像模組記錄拍攝駕駛員的駕駛行為。
10、優(yōu)選的，所述特征提取模塊包括針對駕駛員駕駛行為中的手部動作和眼睛活動的同步監(jiān)控，將所述后置攝像模組拍攝的視頻進行逐幀轉化，將轉化的圖片進行保存，通過設定保存圖片的間隔閾值，基于保存的圖片進行手部動作分析和眼睛活動分析。
11、優(yōu)選的，所述手部動作包括雙手握持方向駕駛、單手握持方向駕駛以及脫手方向駕駛；所述眼睛活動分析包括眼睛睜合度分析和眼神專注方向分析；
12、基于雙手握持方向駕駛的手部動作下，通過對應識別分析同時段駕駛員眼睛的眼睛睜合度，再利用風險預測模塊測算危險駕駛的駕駛風險；
13、基于單手握持方向駕駛的手部動作下，通過對應識別分析同時段駕駛員眼睛的眼神專注方向分析，利用風險預測模塊測算分神駕駛的駕駛風險；
14、基于脫手方向駕駛的手部動作下，直接通過警示模塊進行危險駕駛的駕駛預警。
15、優(yōu)選的，所述警示模塊包括信息警示燈或者語音警示器，所述信息警示燈或者語音警示器安裝于所述記錄儀上；
16、基于風險預測模塊對危險駕駛和分神駕駛的分險駕駛預測下，通過信息警示燈用不同信號燈色進行警示提醒；
17、基于風險預測模塊對危險駕駛和分神駕駛的分險駕駛預測下，通過語音警示器用不同頻率的報警聲進行警示提醒。
18、優(yōu)選的，所述警示模塊包括與記錄儀電性連接的移動終端，所述移動終端包括手機、車機以及電話手表，通過觸發(fā)移動終端的振動和提示音用以警示駕駛員。
19、優(yōu)選的，所述特征提取模塊內預先構建有深度學習網(wǎng)絡模型，根據(jù)預先采集的眼睛活動訓練樣本、手部動作訓練樣本以及對所述深度學習網(wǎng)絡模型進行訓練，使所述深度學習網(wǎng)絡模型達到預設收斂條件用于輔助所述特征提取模塊對手部動作和眼睛活動進行特征提取。
20、綜上所述，本發(fā)明具有的有益效果：通過記錄儀采集行車前方實時車況以及車內駕駛員的駕駛行為，基于駕駛員的駕駛行為數(shù)據(jù)的采集，利用特征提取模塊提取駕駛員駕駛行為中的手部動作和眼睛活動，將手部動作作為規(guī)范駕駛行為的評判準則，根據(jù)眼睛活動，作為判斷駕駛員專注力的補償依據(jù)，進而通過風險預測模塊預先構建的駕駛行為的評分模型對駕駛行為進行評分預測，通過設定危險駕駛的評分閾值和分神駕駛的評分閾值，再根據(jù)駕駛行為的評分大小進行分險判定，依據(jù)判定的駕駛行為分險通過警示模塊進行警示，以此提醒駕駛員糾正駕駛行為，避免交通事故的發(fā)生。
1.一種ai智能分析駕駛行為的行車記錄儀，其特征是：包括：
2.根據(jù)權利要求1所述的一種ai智能分析駕駛行為的行車記錄儀，其特征是：所述數(shù)據(jù)采集模塊包括記錄儀承載本體、安裝于記錄儀承載本體一側的前置攝像模組以及安裝于記錄儀承載本體另一側的后置攝像模組，通過前置攝像模組實時記錄行車前方實況，利用后置攝像模組記錄拍攝駕駛員的駕駛行為。
3.根據(jù)權利要求2所述的一種ai智能分析駕駛行為的行車記錄儀，其特征是：所述特征提取模塊包括針對駕駛員駕駛行為中的手部動作和眼睛活動的同步監(jiān)控，將所述后置攝像模組拍攝的視頻進行逐幀轉化，將轉化的圖片進行保存，通過設定保存圖片的間隔閾值，基于保存的圖片進行手部動作分析和眼睛活動分析。
4.根據(jù)權利要求3所述的一種ai智能分析駕駛行為的行車記錄儀，其特征是：所述手部動作包括雙手握持方向駕駛、單手握持方向駕駛以及脫手方向駕駛；所述眼睛活動分析包括眼睛睜合度分析和眼神專注方向分析；
5.根據(jù)權利要求1所述的一種ai智能分析駕駛行為的行車記錄儀，其特征是：所述警示模塊包括信息警示燈或者語音警示器，所述信息警示燈或者語音警示器安裝于所述記錄儀上；
6.根據(jù)權利要求1所述的一種ai智能分析駕駛行為的行車記錄儀，其特征是：所述警示模塊包括與記錄儀電性連接的移動終端，所述移動終端包括手機、車機以及電話手表，通過觸發(fā)移動終端的振動和提示音用以警示駕駛員。
7.根據(jù)權利要求1所述的一種ai智能分析駕駛行為的行車記錄儀，其特征是：所述特征提取模塊內預先構建有深度學習網(wǎng)絡模型，根據(jù)預先采集的眼睛活動訓練樣本、手部動作訓練樣本以及對所述深度學習網(wǎng)絡模型進行訓練，使所述深度學習網(wǎng)絡模型達到預設收斂條件用于輔助所述特征提取模塊對手部動作和眼睛活動進行特征提取。