[發(fā)明專利]行為信息的確定方法、裝置、存儲介質(zhì)及電子裝置

有效

• 申請?zhí)枺?/td>: 202211322667.4
• 申請日: 2022-10-27
• 公開（公告）號: CN115375978B
• 公開（公告）日: 2023-02-03
• 發(fā)明（設(shè)計）人: 李朝光;楊德城;林亦寧
• 申請（專利權(quán)）人: 北京閃馬智建科技有限公司;上海閃馬智能科技有限公司;杭州閃馬智擎科技有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/764;G06V10/74;G06V20/52
• 代理公司: 北京康信知識產(chǎn)權(quán)代理有限責(zé)任公司 11240
• 代理人: 趙靜

本發(fā)明實施例提供了一種行為信息的確定方法、裝置、存儲介質(zhì)及電子裝置，其中，該方法包括：確定第一圖像中包括的目標對象的檢測框?qū)?yīng)的第二圖像，其中，第一圖像為對第一對象進行拍攝所得到的圖像，目標對象為第一對象關(guān)聯(lián)的對象；將第二圖像輸入至目標網(wǎng)絡(luò)模型，確定目標對象的屬性信息；基于屬性信息以及第二圖像的數(shù)量確定第一對象的行為信息通過本發(fā)明，解決了相關(guān)技術(shù)中存在的確定行為信息不準確的問題，達到提高確定行為信息準確率的效果。

技術(shù)領(lǐng)域

本發(fā)明實施例涉及計算機領(lǐng)域，具體而言，涉及一種行為信息的確定方法、裝置、存儲介質(zhì)及電子裝置。

背景技術(shù)

隨著非機動車的使用量日益增多，對交通管理的壓力也越來越大，城市中由于非機動車違章造成的交通事故也頻頻發(fā)生，對非機動車的合理有效管理越來越迫切。智能監(jiān)控技術(shù)已經(jīng)在交通管理領(lǐng)域廣泛應(yīng)用，比如：車輛檢測，車輛識別，流量統(tǒng)計，違章抓拍等。然而利用智能監(jiān)控系統(tǒng)實現(xiàn)非機動車違章行為抓拍取證的方法還沒有得到廣泛的重視。

在相關(guān)技術(shù)中，對非機動車的安全管理主要還是依靠交警現(xiàn)場管理和結(jié)合攝像頭信息進行人工統(tǒng)計等方法，而當前的分類算法雖然能區(qū)分大部分特征差異顯著的目標，但是對于頭盔情況這種細微差距的目標不夠精確，對于交警取證來說這些分類算法的精度還是不夠嚴謹?shù)摹?/p>

由此可知，相關(guān)技術(shù)中存在確定行為信息不準確的問題。

針對相關(guān)技術(shù)中存在的上述問題，目前尚未提出有效的解決方案。

發(fā)明內(nèi)容

本發(fā)明實施例提供了一種行為信息的確定方法、裝置、存儲介質(zhì)及電子裝置，以至少解決相關(guān)技術(shù)中存在的確定行為信息不準確的問題。

根據(jù)本發(fā)明的一個實施例，提供了一種行為信息的確定方法，包括：確定第一圖像中包括的目標對象的檢測框?qū)?yīng)的第二圖像，其中，所述第一圖像為對第一對象進行拍攝所得到的圖像，所述目標對象為所述第一對象關(guān)聯(lián)的對象；將第二圖像輸入至目標網(wǎng)絡(luò)模型，確定所述目標對象的屬性信息，其中，所述目標網(wǎng)絡(luò)模型是通過如下方式訓(xùn)練得到的：將訓(xùn)練圖像輸入至初始網(wǎng)絡(luò)模型中包括的第一初始子模型，確定所述訓(xùn)練圖像的第一特征；將所述訓(xùn)練圖像輸入至所述初始網(wǎng)絡(luò)模型中包括的第二初始子模型，確定所述訓(xùn)練圖像的第二特征；基于所述第一特征以及所述第二特征確定所述初始網(wǎng)絡(luò)模型的第一損失值；基于所述第一特征以及所述訓(xùn)練圖像的標簽結(jié)果確定所述初始網(wǎng)絡(luò)模型的第二損失值，基于所述第一損失值以及所述第二損失值確定所述初始網(wǎng)絡(luò)模型的目標損失值，基于所述目標損失值更新所述第一初始子模型的網(wǎng)絡(luò)參數(shù)，得到所述目標網(wǎng)絡(luò)模型，其中，所述第二初始子模型為預(yù)先訓(xùn)練完成的模型；基于所述屬性信息以及所述第二圖像的數(shù)量確定所述第一對象的行為信息。

根據(jù)本發(fā)明的另一個實施例，提供了一種行為信息的確定裝置，包括：第一確定模塊，用于確定第一圖像中包括的目標對象的檢測框?qū)?yīng)的第二圖像，其中，所述第一圖像為對第一對象進行拍攝所得到的圖像，所述目標對象為所述第一對象關(guān)聯(lián)的對象；第二確定模塊，用于將第二圖像輸入至目標網(wǎng)絡(luò)模型，確定所述目標對象的屬性信息，其中，所述目標網(wǎng)絡(luò)模型是通過如下方式訓(xùn)練得到的：將訓(xùn)練圖像輸入至初始網(wǎng)絡(luò)模型中包括的第一初始子模型，確定所述訓(xùn)練圖像的第一特征；將所述訓(xùn)練圖像輸入至所述初始網(wǎng)絡(luò)模型中包括的第二初始子模型，確定所述訓(xùn)練圖像的第二特征；基于所述第一特征以及所述第二特征確定所述初始網(wǎng)絡(luò)模型的第一損失值；基于所述第一特征以及所述訓(xùn)練圖像的標簽結(jié)果確定所述初始網(wǎng)絡(luò)模型的第二損失值，基于所述第一損失值以及所述第二損失值確定所述初始網(wǎng)絡(luò)模型的目標損失值，基于所述目標損失值更新所述第一初始子模型的網(wǎng)絡(luò)參數(shù)，得到所述目標網(wǎng)絡(luò)模型，其中，所述第二初始子模型為預(yù)先訓(xùn)練完成的模型；第三確定模塊，用于基于所述屬性信息以及所述第二圖像的數(shù)量確定所述第一對象的行為信息。

根據(jù)本發(fā)明的又一個實施例，還提供了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)中存儲有計算機程序，其中，所述計算機程序被設(shè)置為運行時執(zhí)行上述任一項方法實施例中的步驟。