一种驾驶员行为识别模型的训练方法及行为识别方法与流程

本发明涉及图像处理，具体为一种驾驶员行为识别模型的训练方法及行为识别方法。

背景技术：

1、危险驾驶行为识别通常属于驾驶员监测系统中的一项功能，其具体要求能够实时准确地识别出图像中驾驶员是否存在影响驾驶的危险行为。现有技术中的驾驶行为识别方法包括对原图直接分类、对交互物进行检测以及对人体属性行为分析等，但存在由于图片尺寸较大影响行为识别准确度、单一交互物识别无法判断多种异常行为等缺陷。

技术实现思路

1、有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是如何在提高模型训练的准确性的基础上，提高驾驶员行为识别的准确性。

2、为了解决上述提出的至少一个技术问题，本发明公开了一种驾驶员行为识别模型的训练方法及行为识别方法。

3、根据本公开的一方面，提供一种驾驶员行为识别模型的训练方法，包括：

4、获取样本数据；所述样本数据包括样本驾驶员图像、以及与所述样本驾驶员图像对应的多个行为属性标签；

5、获取预设行为识别模型；

6、基于所述预设行为识别模型对所述样本驾驶员图像进行行为识别，得到与所述样本驾驶员图像对应的多个行为识别信息；每个行为识别信息对应一个行为属性标签；

7、基于损失函数、所述多个行为识别信息以及与所述多个行为识别信息对应的所述多个行为属性标签，得到训练损失信息；所述损失函数包括与所述多个行为属性标签对应的损失子函数，每个损失子函数的权重基于相应行为属性标签对应的样本驾驶员图像的数量确定；

8、基于所述训练损失信息对所述预设行为识别模型进行模型训练，得到目标行为识别模型。

9、在一些可能的实施例中，所述方法还包括：

10、基于每个行为属性标签对应的所述样本驾驶员图像的数量，确定所述每个行为属性标签对应的样本比例；

11、基于所述样本比例，分别确定与所述每个行为属性标签对应的所述行为识别信息的权重系数；

12、基于所述权重系数，以及与所述每个行为属性标签分别对应的所述损失子函数，确定所述损失函数。

13、在一些可能的实施例中，所述获取样本数据，包括：

14、对原始图像进行面部识别，得到面部识别结果；

15、基于所述面部识别结果，从所述原始图像中确定目标区域；所述目标区域为驾驶员所在区域；

16、确定所述目标区域的尺寸数据以及坐标数据；

17、基于所述尺寸数据以及所述坐标数据，对所述目标区域进行横向外扩处理以及纵向外扩处理，得到所述样本驾驶员图像。

18、在一些可能的实施例中，所述获取样本数据，包括：

19、获取标准空间像素值以及与原始图像相匹配的图像空间像素值；所述标准空间像素值基于图像采集过程中的空间像素值确定；

20、基于所述标准空间像素值以及所述图像空间像素值，对所述原始图像进行图像增强处理，得到所述样本驾驶员图像。

21、在一些可能的实施例中，所述获取预设行为识别模型，包括：

22、获取原始行为识别模型；所述原始行为识别模型的输出通道数量为第一数量；

23、对所述原始行为识别模型的输出通道数量进行压缩，得到输出通道数量为第二数量的所述预设行为识别模型；所述第二数量小于所述第一数量。

24、在一些可能的实施例中，所述获取样本数据，包括：

25、基于所述面部识别结果，对所述原始图像进行图像提取，得到驾驶员面部所在区域对应的所述样本驾驶员图像；

26、对所述样本驾驶员图像进行行为标注，得到与所述样本驾驶员图像对应的多个行为属性标签。

27、在一些可能的实施例中，所述得到所述目标行为识别模型之后，所述方法包括：

28、获取校准数据集；

29、基于所述校准数据集以及量化算法，对所述目标行为识别模型进行模型量化处理，得到轻量化的目标行为识别模型。

30、根据本公开的第二方面，提供了一种驾驶员行为识别方法，包括：

31、获取驾驶场景图像；

32、对所述驾驶场景图像进行面部识别，得到目标驾驶员图像；

33、基于所述目标行为识别模型对所述目标驾驶员图像进行行为识别，得到行为识别信息。

34、根据本公开的第三方面，提供了一种驾驶员行为识别模型的训练装置，所述装置包括：

35、样本获取模块，用于获取样本数据；所述样本数据包括样本驾驶员图像、以及与所述样本驾驶员图像对应的多个行为属性标签；

36、模型获取模块，用于获取预设行为识别模型；

37、图像识别模块，用于基于所述预设行为识别模型对所述样本驾驶员图像进行行为识别，得到与所述样本驾驶员图像对应的多个行为识别信息；每个行为识别信息对应一个行为属性标签；

38、损失信息确定模块，用于基于损失函数、所述多个行为识别信息以及与所述多个行为识别信息对应的所述多个行为属性标签，得到训练损失信息；所述损失函数包括与所述多个行为属性标签对应的损失子函数，每个损失子函数的权重基于相应行为属性标签对应的样本驾驶员图像的数量确定；

39、模型训练模块，用于基于所述训练损失信息对所述预设行为识别模型进行模型训练，得到目标行为识别模型。

40、根据本公开的第四方面，提供了一种驾驶员行为识别装置，所述装置包括上述的一种驾驶员行为识别模型的训练装置，所述装置还包括：

41、图像获取模块，用于获取驾驶场景图像；

42、图像确定模块，用于对所述驾驶场景图像进行面部识别，得到目标驾驶员图像；

43、行为识别模块，用于基于所述目标行为识别模型对所述目标驾驶员图像进行行为识别，得到行为识别信息。

44、根据本公开的第五方面，提供一种电子设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令和至少一段程序，所述至少一条指令和所述至少一段程序由所述处理器加载并执行以实现如上所述的驾驶员行为识别模型的训练方法和/或驾驶员行为识别方法。

45、根据本公开的第六方面，提供了一种计算机存储介质，所述计算机存储介质中存储有至少一条指令和至少一段程序，所述至少一条指令和所述至少一段程序由处理器加载并执行以实现如上所述驾驶员行为识别模型的训练方法和/或驾驶员行为识别方法。

46、实施本发明，具有如下有益效果：

47、本发明中，设置与样本驾驶员图像对应的多个行为属性标签，能够解决单一标签在行为识别过程中引起的识别冲突，提高模型输入数据的正确性，能够提高模型训练的准确性；通过对损失函数进行修改，根据样本比例确定损失子函数，根据损失子函数进一步确定损失函数，能够减少样本数据中数据量带来的偏差，从而提高模型训练的效率和准确性。

技术特征：

1.一种驾驶员行为识别模型的训练方法，其特征在于，包括：

2.根据权利要求1所述的一种驾驶员行为识别模型的训练方法，其特征在于，所述方法还包括：

3.根据权利要求1所述的一种驾驶员行为识别模型的训练方法，其特征在于，所述获取样本数据，包括：

4.根据权利要求1所述的一种驾驶员行为识别模型的训练方法，其特征在于，所述获取样本数据，包括：

5.根据权利要求1所述的一种驾驶员行为识别模型的训练方法，其特征在于，所述获取预设行为识别模型，包括：

6.根据权利要求3所述的一种驾驶员行为识别模型的训练方法，其特征在于，所述获取样本数据，包括：

7.根据权利要求1所述的一种驾驶员行为识别模型的训练方法，其特征在于，所述得到所述目标行为识别模型之后，所述方法包括：

8.一种驾驶员行为识别方法，应用于权利要求1-7任一所述的驾驶员行为识别模型，其特征在于，所述方法包括：

9.一种驾驶员行为识别模型的训练装置，其特征在于，所述装置包括：

10.一种驾驶员行为识别装置，其特征在于，所述装置包括权利要求9所述的一种驾驶员行为识别模型的训练装置，所述装置还包括：

11.一种电子设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令和至少一段程序，所述至少一条指令和所述至少一段程序由所述处理器加载并执行以实现如权利要求1-7中任意一项所述驾驶员行为识别模型的训练方法或权利要求8中所述的驾驶员行为识别方法。

12.一种计算机存储介质，所述计算机存储介质中存储有至少一条指令和至少一段程序，所述至少一条指令和所述至少一段程序由处理器加载并执行以实现如权利要求1-7中任意一项所述驾驶员行为识别模型的训练方法或权利要求8中所述的驾驶员行为识别方法。

技术总结
本发明公开一种驾驶员行为识别模型的训练方法及行为识别方法，所述模型训练方法包括：获取样本数据；样本数据包括样本驾驶员图像、以及与所述样本驾驶员图像对应的多个行为属性标签；获取预设行为识别模型；基于预设行为识别模型对样本驾驶员图像进行行为识别，得到多个行为识别信息；基于损失函数、多个行为识别信息和多个行为属性标签，得到训练损失信息；损失函数包括与多个行为属性标签对应的损失子函数，损失子函数的权重基于相应行为属性标签对应的样本驾驶员图像数量确定；基于训练损失信息对预设行为识别模型进行训练，得到目标行为识别模型。本发明采用多标签行为分类方法，通过损失函数实现样本均衡，能够提高驾驶行为识别的准确性。

技术研发人员：蔡娜娜,陆长艳,于波,辛一
受保护的技术使用者：中汽创智科技有限公司
技术研发日：
技术公布日：2024/2/25