[發明專利]一種危險駕駛行為識別方法、裝置、電子設備及存儲介質

在審

• 申請號: 202010611370.4
• 申請日: 2020-06-29
• 公開（公告）號: CN111814637A
• 公開（公告）日: 2020-10-23
• 發明（設計）人: 王珂堯;馮浩城;岳海瀟
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本申請公開了一種危險駕駛行為識別方法、裝置、電子設備及存儲介質，涉及人工智能、深度學習以及圖像識別領域，可應用于自動駕駛領域。具體方案為：將待識別圖像輸入至預先訓練的人臉檢測模型，通過人臉檢測模型對待識別圖像進行人臉檢測，得到待識別圖像的人臉檢測框；將人臉檢測框輸入至預先訓練的危險駕駛行為識別模型，通過危險駕駛行為識別模型對人臉檢測框進行危險駕駛行為識別，得到人臉檢測框對應的危險駕駛行為識別結果。本申請實施例可以極大地提高識別駕駛員危險駕駛行為的準確度，同時還可以極大地減小計算成本，獲得高準確度的危險駕駛行為的實時識別能力。

技術領域

本申請涉及計算機技術領域，進一步涉及人工智能、深度學習以及圖像識別領域，可應用于自動駕駛領域，尤其是一種危險駕駛行為識別方法、裝置、電子設備及存儲介質。

背景技術

隨著互聯網和人工智能技術的不斷發展，越來越多的領域開始涉及自動化計算與分析，其中監控安防領域是最為重要的場景之一。

對于公共運營車輛，如出租車、公交車、長途大巴車等，由于涉及眾多乘客安全，駕駛員的駕駛安全顯得尤為重要。因此，許多公共運營車輛已安裝車載監控攝像頭，方便對應公司或監管部門對駕駛員駕駛行為進行監控。對于駕駛員經常出現的一些危險駕駛行為，如抽煙、打電話、未系安全帶等，需要及時發現并進行警告，最大限度保證車輛行駛安全。

針對駕駛員安全帶判斷，傳統方法通常采用對監控視頻進行抽查，之后人工肉眼進行判斷；近年來，隨著卷積神經網絡(Convolutional Neural Networks，CNN)的興起，一些方法已引入人工智能輔助識別，不過這些方法通常只是對整張監控圖片或者司機身體區域進行直接二分類來進行判斷。在已有方案中，人工肉眼方式存在速度慢，誤差大，時間、人力成本高昂等缺點；基于CNN的直接分類法，由于抽煙、打電話、喝水等目標在圖像中較小，可提取出的特征稀少，同時周圍又存在大量干擾信息，導致在真實車載場景中識別準確率較低，識別效果不理想。

發明內容

本申請提供了一種危險駕駛行為識別方法、裝置、電子設備及存儲介質，可以極大地提高識別駕駛員危險駕駛行為的準確度，同時還可以極大地減小計算成本，獲得高準確度的危險駕駛行為的實時識別能力。

第一方面，本申請提供了一種危險駕駛行為識別方法，所述方法包括：

將待識別圖像輸入至預先訓練的人臉檢測模型，通過所述人臉檢測模型對所述待識別圖像進行人臉檢測，得到所述待識別圖像的人臉檢測框；

將所述人臉檢測框輸入至預先訓練的危險駕駛行為識別模型，通過所述危險駕駛行為識別模型對所述人臉檢測框進行危險駕駛行為識別，得到所述人臉檢測框對應的危險駕駛行為識別結果。

第二方面，本申請提供了一種危險駕駛行為識別裝置，所述裝置包括：人臉檢測模塊和行為識別模塊；其中，

所述人臉檢測模塊，用于將待識別圖像輸入至預先訓練的人臉檢測模型，通過所述人臉檢測模型對所述待識別圖像進行人臉檢測，得到所述待識別圖像的人臉檢測框；

所述行為識別模塊，用于將所述人臉檢測框輸入至預先訓練的危險駕駛行為識別模型，通過所述危險駕駛行為識別模型對所述人臉檢測框進行危險駕駛行為識別，得到所述人臉檢測框對應的危險駕駛行為識別結果。

第三方面，本申請實施例提供了一種電子設備，包括：

一個或多個處理器；

存儲器，用于存儲一個或多個程序，

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現本申請任意實施例所述的危險駕駛行為識別方法。

第四方面，本申請實施例提供了一種存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現本申請任意實施例所述的危險駕駛行為識別方法。