[發(fā)明專利]駕駛員行為識別模型的訓(xùn)練方法、識別方法及裝置

有效

• 申請?zhí)枺?/td>: 202011539703.3
• 申請日: 2020-12-23
• 公開（公告）號: CN112528940B
• 公開（公告）日: 2022-07-01
• 發(fā)明（設(shè)計(jì)）人: 牛群遙;葛鶴銀;郭旭
• 申請（專利權(quán)）人: 蘇州科達(dá)科技股份有限公司
• 主分類號: G06V20/59
• 分類號: G06V20/59;G06V10/774;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京三聚陽光知識產(chǎn)權(quán)代理有限公司 11250
• 代理人: 張琳琳

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體涉及駕駛員行為識別模型的訓(xùn)練方法、識別方法及裝置，所述訓(xùn)練方法包括獲取正樣本圖像以及負(fù)樣本圖像，以得到訓(xùn)練數(shù)據(jù)集以及檢驗(yàn)數(shù)據(jù)集；對初始駕駛員行為識別模型進(jìn)行壓縮，得到第一駕駛員行為識別模型；利用訓(xùn)練數(shù)據(jù)集對第一駕駛員行為識別模型進(jìn)行訓(xùn)練得到第二駕駛員行為識別模型，并利用檢驗(yàn)數(shù)據(jù)集對第二駕駛員行為識別模型的準(zhǔn)確性進(jìn)行檢驗(yàn)，得到第二駕駛員行為識別模型的準(zhǔn)確性；基于第二駕駛員行為識別模型的準(zhǔn)確性，對第二駕駛行為識別模型進(jìn)行壓縮，以確定目標(biāo)駕駛員行為識別模型。在訓(xùn)練過程中通過對駕駛員行為識別模型進(jìn)行壓縮，使得目標(biāo)駕駛員行為識別模型能夠滿足實(shí)時(shí)性識別的需求。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體涉及駕駛員行為識別模型的訓(xùn)練方法、識別方法及裝置。

背景技術(shù)

隨著汽車行業(yè)和道路交通的不斷發(fā)展，人們越來越多地選擇汽車作為代步工具，汽車安全駕駛問題成為道路交通相關(guān)部門重點(diǎn)關(guān)注的內(nèi)容。在行駛過程中，駕駛員如果存在接聽電話、看手機(jī)、抽煙等危險(xiǎn)行為，容易分散駕駛?cè)说淖⒁饬Γ绊懫鋵π旭偔h(huán)境的判斷；遇到突發(fā)狀況時(shí)，無法及時(shí)做出反應(yīng)，容易引發(fā)嚴(yán)重的交通事故，對自身與他人的身體甚至生命造成無法估測的各種后果。

近年來，基于深度學(xué)習(xí)的駕駛員開車打電話檢測，司乘人員未系安全帶檢測等被應(yīng)用到道路交通場景中，協(xié)助交管部門對這些違反安全駕駛的行為進(jìn)行抓拍。現(xiàn)有的技術(shù)方法檢測方法，一般是將采集到的圖像輸入檢測模型中，檢測采集到的圖像中駕駛員的行為。然而，當(dāng)將檢測模型移植到前端設(shè)備中時(shí)，由于檢測網(wǎng)絡(luò)的模型參數(shù)量較大，前端設(shè)備的算力較低，就會導(dǎo)致檢測效率較低，難以滿足實(shí)時(shí)性要求。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明實(shí)施例提供了一種駕駛員行為識別模型的訓(xùn)練方法、識別方法及裝置，以解決現(xiàn)有駕駛員行為的檢測效率低的問題。

根據(jù)第一方面，本發(fā)明實(shí)施例提供了一種駕駛員行為識別模型的訓(xùn)練方法，包括：

獲取正樣本圖像以及負(fù)樣本圖像，以得到訓(xùn)練數(shù)據(jù)集以及檢驗(yàn)數(shù)據(jù)集；

對初始駕駛員行為識別模型進(jìn)行壓縮，得到第一駕駛員行為識別模型，所述初始駕駛員行為識別模型是利用所述訓(xùn)練數(shù)據(jù)集訓(xùn)練得到的；

利用所述訓(xùn)練數(shù)據(jù)集對所述第一駕駛員行為識別模型進(jìn)行訓(xùn)練得到第二駕駛員行為識別模型，并利用所述檢驗(yàn)數(shù)據(jù)集對所述第二駕駛員行為識別模型的準(zhǔn)確性進(jìn)行檢驗(yàn)，得到所述第二駕駛員行為識別模型的識別準(zhǔn)確性；

基于所述第二駕駛員行為識別模型的識別準(zhǔn)確性，對所述第二駕駛行為識別模型進(jìn)行壓縮，以確定目標(biāo)駕駛員行為識別模型。

本發(fā)明實(shí)施例提供的駕駛員行為識別模型的訓(xùn)練方法，在訓(xùn)練過程中通過對駕駛員行為識別模型進(jìn)行壓縮，在壓縮時(shí)同時(shí)兼顧模型識別的準(zhǔn)確性，大大減少了模型參數(shù)量，使得最終得到的目標(biāo)駕駛員行為識別模型的計(jì)算效率得到提升，其不僅對硬件設(shè)備的算力要求非常低，且能夠滿足實(shí)時(shí)性識別的需求。

結(jié)合第一方面，在第一方面第一實(shí)施方式中，所述基于所述第二駕駛員行為識別模型的識別準(zhǔn)確性，對所述第二駕駛行為識別模型進(jìn)行壓縮，以確定目標(biāo)駕駛員行為識別模型，包括：

判斷所述第二駕駛員行為識別模型的識別準(zhǔn)確性是否滿足預(yù)設(shè)條件；

當(dāng)所述第二駕駛員行為識別模型的識別準(zhǔn)確性滿足預(yù)設(shè)條件時(shí)，對所述第二駕駛行為識別模型進(jìn)行壓縮，以確定所述目標(biāo)駕駛員行為模型，所述壓縮包括減小卷積核的尺寸、縮減每層的濾波器數(shù)量、刪除預(yù)設(shè)模塊以及刪除預(yù)設(shè)步長的池化層中的至少一種。

本發(fā)明實(shí)施例提供的駕駛員行為識別模型的訓(xùn)練方法，通過減少減小卷積核的尺寸、縮減每層的濾波器數(shù)量、刪除預(yù)設(shè)模塊以及刪除預(yù)設(shè)步長的池化層中至少一種的壓縮方式對駕駛員識別模型進(jìn)行壓縮，大大減少了模型參數(shù)量，且通過刪除預(yù)設(shè)步長的池化層使得輸入分辨率可以降低，計(jì)算效率得到進(jìn)一步提升。