[發明專利]基于深度學習的駕駛提醒方法、裝置、設備及存儲介質

有效

• 申請號: 201910846569.2
• 申請日: 2019-09-06
• 公開（公告）號: CN110667593B
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 肖爽
• 申請（專利權）人: 中國平安財產保險股份有限公司
• 主分類號: B60W40/08
• 分類號: B60W40/08;B60W40/09;B60W50/14;G06N3/04
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 胡海國

本發明公開了一種基于深度學習的駕駛提醒方法、裝置、設備及存儲介質，所述基于深度學習的駕駛提醒方法包括：實時獲取針對車輛駕駛員的監控視頻，以獲取所述監控視頻的圖像數據；將所述圖像數據作為輸入數據輸入至預設三維卷積神經網絡模型中，以判斷所述車輛駕駛員是否存在隱患行為；若所述車輛駕駛員存在隱患行為，則輸出預設提醒信息以提醒所述駕駛員。本發明解決現有技術中車輛駕駛員的危險駕駛動作行為多，易增加交通意外的概率，影響行駛安全體驗的技術問題。

技術領域

本發明涉及神經網絡技術領域，尤其涉及一種基于深度學習的駕駛提醒方法、裝置、設備及存儲介質。

背景技術

在車輛行駛過程中，很多車輛駕駛員都或多或少有過影響行駛安全的動作行為，比如疲勞駕駛等情況，在現有技術中，往往是通過采集車輛駕駛時間等識別影響行駛安全的動作行為，而通過采集車輛駕駛時間等識別影響行駛安全的動作行為，存在識別準確度低的技術問題。

發明內容

本發明的主要目的在于提供一種基于深度學習的駕駛提醒方法、裝置、設備及存儲介質，旨在解決現有技術中對車輛駕駛員的危險駕駛動作行為，存在識別準確度低的技術問題。

為實現上述目的，本發明提供一種基于深度學習的駕駛提醒方法，所述基于深度學習的駕駛提醒方法應用于瀏覽器，所述基于深度學習的駕駛提醒方法包括：

實時獲取針對車輛駕駛員的監控視頻，以獲取所述監控視頻的圖像數據；

將所述圖像數據作為輸入數據輸入至預設三維卷積神經網絡模型中，以判斷所述車輛駕駛員是否存在隱患行為；

若所述車輛駕駛員存在隱患行為，則輸出預設提醒信息以提醒所述駕駛員。

可選地，所述將所述圖像數據作為輸入數據輸入至預設三維卷積神經網絡模型中，以判斷所述車輛駕駛員是否存在隱患行為步驟包括：

將所述圖像數據作為輸入數據輸入至預設三維卷積神經網絡模型中，以對所述輸入數據進行預設次數的卷積與池化交替處理，得到初始處理結果；

對所述初始處理結果進行分類處理，以判斷所述車輛駕駛員是否存在隱患行為。

可選地，所述將所述圖像數據作為輸入數據輸入至預設三維卷積神經網絡模型中，以對所述輸入數據進行預設次數的卷積與池化交替處理，得到初始處理結果步驟包括：

將所述圖像數據作為輸入數據輸入至預設三維卷積神經網絡模型中；

獲取所述預設三維卷積神經網絡模型中針對所述駕駛員隱患行為識別的多個預設動作行為特征，以及所述多個預設動作行為特征對應統計特性分別對應的權值矩陣；

根據所述多個預設動作行為特征與所述權值矩陣，對所述圖像數據進行濾波卷積處理，得到卷積處理結果；

對所述卷積處理結果進行池化處理，以得到池化處理結果；

根據所述預設次數，對所述池化處理結果再次進行相應次數的卷積與池化交替處理，以得到初始處理結果。

可選地，所述對所述卷積處理結果進行池化處理，以得到池化處理結果步驟包括：

將所述卷積處理結果分割為多個大小一致的預設尺寸的圖像矩陣；

獲取所述預設尺寸的圖像矩陣中的最大像素值，將所述最大像素值代替所述預設尺寸的圖像矩陣，以得到新的圖像矩陣；

將所述新的圖像矩陣設為所述池化處理結果。

可選地，所述對所述初始處理結果進行分類處理，以判斷所述車輛駕駛員是否存在隱患行為步驟包括：

獲取所述車輛的類型，根據所述車輛的類型確定所述車輛的分類閥值；