[發明專利]注意力識別方法、裝置、電子設備及存儲介質

在審

• 申請號: 202011438525.5
• 申請日: 2020-12-07
• 公開（公告）號: CN112597823A
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 陳海波;羅志鵬;車麗軒
• 申請（專利權）人: 深延科技（北京）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 鄭朝然

1.一種注意力識別方法，其特征在于，包括：

確定待識別的駕駛人的人臉圖像；

將所述人臉圖像輸入至注意力分類融合模型，得到所述注意力分類融合模型輸出的人臉方向角；

其中，所述注意力分類融合模型是對多個不同類型的注意力分類模型進行融合后得到的。

2.根據權利要求1所述的注意力識別方法，其特征在于，所述注意力分類融合模型的確定方法包括：

從每一類型的多個注意力分類模型中，分別選取性能評分最高的注意力分類模型作為每一類型的基礎模型；

對每一類型的基礎模型進行融合，得到所述注意力分類融合模型。

3.根據權利要求2所述的注意力識別方法，其特征在于，所述從每一類型的多個注意力分類模型中，分別選取性能評分最高的注意力分類模型作為每一類型的基礎模型，包括：

確定多個人臉訓練集及其對應的人臉驗證集；

基于每一人臉訓練集，對任一類型的初始模型進行訓練，得到每一人臉訓練集對應的注意力分類模型；

基于每一人臉訓練集對應的人臉驗證集，對所述每一人臉訓練集對應的注意力分類模型進行性能評分；

將性能得分最高的注意力分類模型作為所述任一類型對應的基礎模型。

4.根據權利要求3所述的注意力識別方法，其特征在于，所述確定多個人臉訓練集及其對應的人臉驗證集，包括：

確定樣本人臉數據集；

將所述樣本人臉數據集拆分為多個子集，并采用交叉驗證法確定多個人臉訓練集及其對應的人臉驗證集。

5.根據權利要求2所述的注意力識別方法，其特征在于，所述對每一類型的基礎模型進行融合，得到所述注意力分類融合模型，包括：

基于每一類型的基礎模型的性能得分，確定每個基礎模型對應的權值；

基于每個基礎模型對應的權值，對多個基礎模型進行融合，得到注意力分類融合模型。

6.根據權利要求1至5任一項所述的注意力識別方法，其特征在于，所述確定待識別的駕駛人的人臉圖像，包括：

獲取包含所述駕駛人的人臉的圖像數據；

將所述圖像數據輸入至人臉檢測模型，得到所述人臉檢測模型輸出的人臉圖像；

其中，所述人臉檢測模型是基于Retina Face模型建立的，所述Retina Face模型的特征提取層為Inception V4。

7.根據權利要求1至5任一項所述的注意力識別方法，其特征在于，所述多個不同類型的注意力分類模型包括DenseNet121、EfficientNet-B0、EfficientNet-B3和EfficientNet-B7中的至少一種。

8.一種注意力識別裝置，其特征在于，包括：

確定單元，用于確定待識別的駕駛人的人臉圖像；

識別單元，用于將所述人臉圖像輸入至注意力分類融合模型，得到所述注意力分類融合模型輸出的人臉方向角；

其中，所述注意力分類融合模型是對多個不同類型的注意力分類模型進行融合后得到的。

9.根據權利要求8所述的注意力識別裝置，其特征在于，還包括融合模型確定單元，所述融合模型確定單元包括：

基礎模型確定子單元，用于從每一類型的多個注意力分類模型中，分別選取性能評分最高的注意力分類模型作為每一類型的基礎模型；

基礎模型融合子單元，用于對每一類型的基礎模型進行融合，得到所述注意力分類融合模型。