[发明专利]信息输出方法和装置

权利要求书

1.一种信息输出方法，包括：

获取记录有目标驾驶员的驾车过程的目标视频；

将所述目标视频输入至预先训练的深度学习模型，得到所述目标驾驶员的预测驾驶类型，其中，所述深度学习模型用于表征记录有驾驶员的驾车过程的视频与驾驶员的预测驾驶类型之间的对应关系；

将所述目标驾驶员的预测驾驶类型在预设的违规驾驶类型集合中进行匹配；

响应于所述目标驾驶员的预测驾驶类型在所述违规驾驶类型集合中匹配成功，获取与所述匹配成功的违规驾驶类型相关联的提示信息；

输出所述提示信息。

2.根据权利要求1所述的方法，其中，所述深度学习模型包括卷积神经网络、循环神经网络和全连接层。

3.根据权利要求2所述的方法，其中，所述将所述目标视频输入至预先训练的深度学习模型，得到所述目标驾驶员的预测驾驶类型，包括：

将所述目标视频输入至所述卷积神经网络，得到所述目标视频的各帧图像的特征向量，其中，所述卷积神经网络用于表征视频与视频的各帧图像的特征向量之间的对应关系；

将所述目标视频的各帧图像的特征向量输入至所述循环神经网络，得到所述目标视频的特征向量，其中，所述循环神经网络用于表征视频的各帧图像的特征向量与视频的特征向量之间的对应关系，视频的特征向量用于表征视频的各帧图像的特征向量之间的关联关系；

将所述目标视频的特征向量输入至所述全连接层，得到所述目标驾驶员的预测驾驶类型，其中，所述全连接层用于表征视频的特征向量与驾驶员的预测驾驶类型之间的对应关系。

4.根据权利要求1所述的方法，其中，所述深度学习模型通过如下步骤训练得到：

获取多个记录有样本驾驶员的驾车过程的样本视频和所述多个样本视频中的每个样本视频所对应的所述样本驾驶员的驾驶类型；

将所述多个样本视频中的每个样本视频作为输入，将所述多个样本视频中的每个样本视频所对应的所述样本驾驶员的驾驶类型作为输出，训练得到所述深度学习模型。

5.根据权利要求4所述的方法，其中，所述将所述多个样本视频中的每个样本视频作为输入，将所述多个样本视频中的每个样本视频所对应的所述样本驾驶员的驾驶类型作为输出，训练得到所述深度学习模型，包括：

执行以下训练步骤：将所述多个样本视频中的每个样本视频依次输入至初始化深度学习模型，得到所述多个样本视频中的每个样本视频所对应的所述样本驾驶员的预测驾驶类型，将所述多个样本视频中的每个样本视频所对应的所述样本驾驶员的预测驾驶类型与该样本视频所对应的所述样本驾驶员的驾驶类型进行比较，得到所述初始化深度学习模型的预测准确率，确定所述预测准确率是否大于预设准确率阈值，若大于所述预设准确率阈值，则将所述初始化深度学习模型作为训练完成的深度学习模型。

6.根据权利要求5所述的方法，其中，所述将所述多个样本视频中的每个样本视频作为输入，将所述多个样本视频中的每个样本视频所对应的所述样本驾驶员的驾驶类型作为输出，训练得到所述深度学习模型，还包括：

响应于不大于所述预设准确率阈值，调整所述初始化深度学习模型的参数，并继续执行所述训练步骤。

7.一种信息输出装置，包括：

目标视频获取单元，配置用于获取记录有目标驾驶员的驾车过程的目标视频；

驾驶类型预测单元，配置用于将所述目标视频输入至预先训练的深度学习模型，得到所述目标驾驶员的预测驾驶类型，其中，所述深度学习模型用于表征记录有驾驶员的驾车过程的视频与驾驶员的预测驾驶类型之间的对应关系；

驾驶类型匹配单元，配置用于将所述目标驾驶员的预测驾驶类型在预设的违规驾驶类型集合中进行匹配；

提示信息获取单元，配置用于响应于所述目标驾驶员的预测驾驶类型在所述违规驾驶类型集合中匹配成功，获取与所述匹配成功的违规驾驶类型相关联的提示信息；

提示信息输出单元，配置用于输出所述提示信息。

8.根据权利要求7所述的装置，其中，所述深度学习模型包括卷积神经网络、循环神经网络和全连接层。