[发明专利]违规驾驶姿势的检测方法、装置、介质和电子设备

说明书

本申请涉及交通及人工智能技术领域，揭示了一种违规驾驶姿势的检测方法、装置、介质及电子设备。该方法包括：确定目标图像，所述目标图像中包括驾驶员的驾驶姿势；基于所述目标图像，通过预先构建的特征提取模型对所述目标图像进行特征提取，得到至少一种尺度的特征图，所述特征提取模型包括DarkNet神经网络模型和Attention模型；根据所述特征图，通过预先训练的检测框检测所述驾驶员是否存在违规驾驶行为。此方法下，能够提高对驾驶员违规驾驶姿势进行检测的准确性。

技术领域

本申请涉及交通及人工智能技术领域，特别地，涉及一种违规驾驶姿势的检测方法、装置、介质和电子设备。

背景技术

目前，驾驶员违规驾驶行为是交通事故频发的重要原因之一，随着驾驶员违规驾驶行为日益增多，对驾驶员违规行为的自动检测变得尤为重要，而在一定程度上，可以通过检测驾驶员的驾驶姿势来检测驾驶员的违规驾驶行为。

在现有技术中针对图像中驾驶员驾驶姿势的检测算法，可以在晴天、白天、无遮挡等简单场景下达到实时检测并具有较高准确率的检测效果，但在雾霾、雨天、夜间、有遮挡等困难场景下，其检测的准确性都还相对较低。

基于此，如何提高对驾驶员违规驾驶姿势进行检测的准确性是亟待解决的技术问题。

发明内容

本申请的目的在于提供一种违规驾驶姿势的检测方法及装置、计算机可读存储介质、电子设备，从而可以提高对驾驶员违规驾驶姿势进行检测的准确性。

本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。

根据本申请实施例的一个方面，提供了一种违规驾驶姿势的检测方法，所述方法包括：确定目标图像，所述目标图像中包括驾驶员的驾驶姿势；基于所述目标图像，通过预先构建的特征提取模型对所述目标图像进行特征提取，得到至少一种尺度的特征图，所述特征提取模型包括DarkNet神经网络模型和Attention模型；根据所述特征图，通过预先训练的检测框检测所述驾驶员是否存在违规驾驶行为。

根据本申请实施例的一个方面，提供了一种违规驾驶姿势的检测装置，所述装置包括：确定单元，被用于确定目标图像，所述目标图像中包括驾驶员的驾驶姿势；提取单元，被用于基于所述目标图像，通过预先构建的特征提取模型对所述目标图像进行特征提取，得到至少一种尺度的特征图，所述特征提取模型包括DarkNet神经网络模型和Attention模型；检测单元，被用于根据所述特征图，通过预先训练的检测框检测所述驾驶员是否存在违规驾驶行为。

根据本申请实施例的一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序包括可执行指令，当该可执行指令被处理器执行时，实现如上述实施例中所述的违规驾驶姿势的检测方法。

根据本申请实施例的一个方面，提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储所述处理器的可执行指令，当所述可执行指令被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例中所述的违规驾驶姿势的检测方法。

在本申请一些实施例的技术方案中，通过包括DarkNet神经网络模型和Attention模型的特征提取模型对目标图像中驾驶员的驾驶姿势进行特征提取，得到至少一种尺度的特征图，可以保证对目标图像中的图像特征信息进行提取的完整性和召唤率，故通过预先训练的检测框对特征图的检测，能够提高对驾驶员违规驾驶姿势进行检测的准确性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

通过参照附图详细描述其示例性实施例，本申请的上述和其它特征及优点将变得更加明显。

图1示出了根据本申请一个实施例的违规驾驶姿势的检测方法的应用场景示意图；