[发明专利]一种判断驾驶行为类别的方法、装置、及计算机设备

权利要求书

1.一种判断驾驶行为类别的方法，其特征在于，所述方法包括：

获取待识别图像；

利用基于卷积神经网络的特征提取网络提取所述待识别图像的特征图；

利用全卷积神经网络对所述特征图进行分析，得到所述驾驶员的驾驶行为类别；

输出所述驾驶行为类别；

所述利用卷积神经深度特征提取网络模型提取所述待识别图像的特征图，包括：

调整所述待识别图像的像素至第一像素大小；

对像素为所述第一像素大小的待识别图像进行至少一次的卷积操作，得到多张为第二像素大小的特征图；

所述利用全卷积神经网络对所述特征图进行分析，得到所述驾驶员的驾驶行为类别，包括：

利用两路并行的全卷积神经网络对所述特征图进行卷积操作，得到驾驶员身体特征点在所述待识别图像中的坐标值；

分析所述坐标值得到所述驾驶员的驾驶行为类别；

所述利用两路并行的全卷积网络对所述特征图进行卷积操作，得到驾驶员身体特征点在所述待识别图像中的坐标值，包括：

将所有的所述特征图输入到两路并行的全卷积神经网络中，进行第1次卷积操作，得到第一置信热点图和第一部分亲和域；

将所述特征图与所述第一置信热点图和所述第一部分亲和域进行串联后再次输入到所述全卷积神经网络中，进行第2次卷积操作，得到第二置信热点图和第二部分亲和域；

在第t次卷积操作中，将所述特征图与第t-1次操作得到的置信热点图和部分亲和域进行串联后输入到所述全卷积神经网络中，得到驾驶员身体特征点在所述待识别图像中分布的置信热度图：其中，t≥5,且t为整数；

根据所述置信热度图获取所述驾驶员的身体特征点在所述待识别图像中的坐标值。

2.根据权利要求1所述的方法，其特征在于，所述分析所述坐标值得到所述驾驶员的驾驶行为类别，包括：

将所述坐标值进行归一化处理；

将归一化后的坐标值输入到双层感知机中，得到驾驶员驾驶行为所属类别的概率；

将所述概率与预设的阀值进行比较，得到所述驾驶员驾驶行为所述的类别。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括:

根据所述概率得到所述卷积神经网络的损失函数；

利用梯度下降法对所述损失函数进行优化，得到所述卷积神经网络的最终损失函数。

4.根据权利要求1所述的方法，其特征在于，所述获取待识别图像，包括：

获取摄像装置上传的所述待识别图像：或

读取可移动存储介质上存储的所述待识别图像：或

获取网络、云端的所述待识别图像。

5.一种使用如权利要求1所述的方法制作的判断驾驶行为类别的装置，其特征在于，所述装置包括：

信息获取单元，所述信息获取单元用于获取待识别图像，所述待识别图像中至少包含驾驶员身体肩部及以上的特征；

特征图提取单元，所述特征图提取单元用于利用基于卷积神经网络的特征提取网络提取所述待识别图像的特征图；

驾驶行为分析单元，所述驾驶行为分析单元用于利用全卷积神经网络对所述特征图进行分析，得到所述驾驶员的驾驶行为类别；

信息输出单元，所述信息输出单元用于输出所述驾驶行为类别。

6.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1至4中任一项权利要求所述一种识别不安全驾驶行为的方法的步骤。