[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

说明书

本发明涉及图像识别领域，特别是涉及一种判断驾驶行为类别的方法、装置、及计算机设备，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。本发明使用卷积神经深度特征提取网络自动提取图像数据的深层次特征，克服了现有技术中需要使用人工先验知识来提取图像数据特征过程的过于复杂和低效的不足，特征提取更加简易、高效，同时提取的特征代表性更高；使用全卷积神经网络同时预测人体关节点和脸部特征点坐标值作为分类器的输入特征，对驾驶行为的分类更加准确。

技术领域

本发明涉及图像识别领域，特别是涉及一种判断驾驶行为类别的方法、装置、及计算及设备。

背景技术

道路运输交通安全是社会关注的重点，驾驶员在驾驶过程中不安全的驾驶行为是影响道路交通安全的主要因素，对驾驶员在驾驶过程中的驾驶行为进行实时监控、分析、识别和预警是保障道路运输交通安全的有效方法。

现有技术都是通过视觉算法对驾驶员的驾驶行为进行识别分析，然后对不安全的驾驶行为进行预警。但是现有技术一般都是通过人工定义的目标特征模板与监测到的目标特征进行对比，人为定义的特征模板不能完全反应数据的本质特征，泛化能力较低，导致准确率不高，同时比对的过程需要进行大量的计算，降低了行为识别的效率。

由此可见，现有技术对于驾驶员不安全驾驶行为的识别存在计算量大、准确率不高的问题，需要改善。

发明内容

基于此，有必要针对上述的问题，提供一种判断驾驶行为类别的方法、装置、及计算及设备。

在其中一个实施例中，本发明提供了一种判断驾驶行为类别的方法，所述方法包括如下步骤：

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。

在其中一个实施例中，本发明提供了一种判断驾驶行为类别的装置，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。

在其中一个实施例中，本发明还提供一种计算机设备，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上述实施例所述判断驾驶行为类别的方法的步骤。

本发明实施例中的判断驾驶行为类别的方法、装置、以及计算机设备，使用卷积神经深度特征提取网络、全卷积神经网络、感知机网络三种网络结构进行联合的端到端模型，单一模型同时完成了图像特征提取、人体特征点预测和行为识别的训练与预测，克服了现有技术中图像特征提取网络与行为识别网络分离训练与多网络模型级联进行行为识别预测的复杂性，使得本发明的行为识别网络模型训练时具有整体性，预测时具有高效性的优点；使用全卷积神经网络同时预测人体关节点和脸部特征点坐标值，多特征联合作为行为识别分类器的输入特征，克服了现有技术中只使用脸部特征点或整张驾驶员监控图像提取出的特征作为驾驶员驾驶行为分类特征，特征数据较少且单一导致分类准确率不高的不足，使得本发明在驾驶员驾驶行为的分类识别结果具有更加精准的优点。

附图说明