[发明专利]异常驾驶行为识别方法及装置、电子设备和存储介质

说明书

本公开涉及一种异常驾驶行为识别方法及装置、电子设备和存储介质，所述方法包括：获取待处理的车辆图像；通过目标检测网络对车辆图像进行目标检测，得到车辆图像中目标所在的目标区域，其中，目标检测网络是通过样本图像训练得到的，样本图像标注有样本目标及至少一个非样本目标；对与目标区域对应的区域图像进行行为识别，得到车辆图像中目标的至少一种异常驾驶行为的识别结果。本公开实施例可实现提高对异常驾驶行为的识别效率及准确率。

技术领域

本公开涉及计算机技术领域，尤其涉及一种异常驾驶行为识别方法及装置、电子设备和存储介质。

背景技术

随着车辆普及，准确识别不规范的驾车和/或乘车行为的需求日趋迫切。其中，不规范的驾车和/或乘车行为，例如可以包括：电话通话行为、吸烟行为、不系安全带行为等影响安全驾驶的行为。

目前，检测识别这些不规范的驾车及乘车行为，主要以人工抽查和人工判别方式为主，然而这种方式存在效率低、准确率低、人工成本高等问题。

发明内容

本公开提出了一种异常驾驶行为识别技术方案。

根据本公开的一方面，提供了一种异常驾驶行为识别方法，包括：获取待处理的车辆图像；通过目标检测网络对所述车辆图像进行目标检测，得到所述车辆图像中目标所在的目标区域，其中，所述目标检测网络是通过样本图像训练得到的，所述样本图像标注有样本目标及至少一个非样本目标；对与所述目标区域对应的区域图像进行行为识别，得到所述车辆图像中目标的至少一种异常驾驶行为的识别结果。通过该方式，能够显著提高对异常驾驶行为的识别效率及准确率。

在一种可能的实现方式中，所述通过目标检测网络对所述车辆图像进行目标检测，得到所述车辆图像中目标所在的目标区域，包括：通过所述目标检测网络对所述车辆图像进行目标检测，得到所述车辆图像中目标的目标置信度以及所述目标的检索框；在所述目标置信度超过目标置信度阈值的情况下，将所述检索框指示的区域作为所述目标区域，其中，所述目标置信度阈值根据所述目标检测网络训练过程中，输出的每个图像错误检索框数目确定。通过该方式，能够基于目标置信度及目标置信度阈值，对检测出的目标区域进行过滤，过滤出图像质量高、可靠性高的目标区域，进而可以提高对与目标区域对应的区域图像，进行异常驾驶行为识别的准确率及效率。

在一种可能的实现方式中，所述目标检测网络的训练方法包括：将样本图像输入至预设的初始网络，得到所述样本图像的检测结果，所述样本图像中包含标注的样本目标以及至少一个非样本目标，所述检测结果包括：所述样本目标的第一概率，以及所述至少一个非样本目标的第二概率；根据所述检测结果的损失，训练所述初始网络，得到所述目标检测网络。通过该方式，训练得到的目标检测网络，可以更为准确地检测出车辆图像中目标所在的目标区域。

在一种可能的实现方式中，所述根据所述检测结果的损失，训练所述初始网络，包括：根据预设的加权项，对所述第一概率的对数值的负值进行加权，得到所述损失，其中，所述加权项包括根据所述第一概率确定，或根据所述第一概率及所述至少一个第二概率确定；根据所述损失，更新所述初始网络的网络参数。通过该方式，能够使训练后的用于对车辆图像进行目标检测的目标检测网络，可以更为准确地检测出车辆图像中目标所在的目标区域。

在一种可能的实现方式中，根据所述第一概率确定所述加权项，包括：根据1与所述第一概率之间的差值的次方运算，与预设加权系数的乘积，确定所述加权项；根据所述第一概率及所述至少一个第二概率确定所述加权项，包括：根据1与所述第一概率之间的差值的次方运算，及1与每一所述第二概率之间差值的次方运算的总和，确定所述加权项。通过该方式，能够在训练过程中输出的第一概率的值太大或太小的情况下，避免产生较大的损失波动，使计算得到的损失更加稳定，进而取得更好的训练效果，或使目标检测网络更专注于样本目标的检测，从而提高待训练的目标检测网络的检测精度。