[发明专利]基于模型量化的驾驶员行为二次监控方法

权利要求书

1.一种基于模型量化的驾驶员行为二次监控方法，其特征在于，包括：

获取离线视频数据；所述离线视频数据是在线视频数据中驾驶员行为事件发生的部分，由部署在车辆设备端的驾驶员行为监控系统根据车辆舱内的在线视频数据判定得到；

运行第一视频理解网络，并将所述离线视频数据作为所述第一视频理解网络的输入；所述第一视频理解网络是由第二视频理解网络量化得到的，且所述第一视频理解网络的参数位数小于所述第二视频理解网络的参数位数；所述第二视频理解网络是由解码数据样本训练得到的；

根据所述第一视频理解网络输出的事件监控任务得分，得到驾驶员行为的二次监控结果。

2.根据权利要求1所述的基于模型量化的驾驶员行为二次监控方法，其特征在于，所述运行第一视频理解网络，并将所述离线视频数据作为所述第一视频理解网络的输入的步骤包括：

基于CPU并行解码所述离线视频数据，得到解码数据；

基于GPU并发运行所述第一视频理解网络，并将所述解码数据作为所述第一视频理解网络的输入。

3.根据权利要求1所述的基于模型量化的驾驶员行为二次监控方法，其特征在于，所述量化是指：

以设定的映射变换所述第二视频理解网络的参数，得到参数位数小于所述第二视频理解网络的第三视频理解网络；

确定所述第三视频理解网络的准确率小于所述第二视频理解网络的准确率，且所述第三视频理解网络与所述第二视频理解网络的精度差大于阈值，则将补充训练后的第三视频理解网络作为第一视频理解网络；所述补充训练的参数位数与所述第三视频理解网络的参数位数相同；

确定所述第三视频理解网络的准确率不小于所述第二视频理解网络的准确率，或所述第三视频理解网络与所述第二视频理解网络的精度差不大于阈值，则将所述第三视频理解网络作为第一视频理解网络。

4.根据权利要求3所述的基于模型量化的驾驶员行为二次监控方法，其特征在于，所述设定的映射是指：

T₂＝sf×T₁+bias

式中，T₂为所述第二视频理解网络的参数；T₁为所述第一视频理解网络的参数；bias、sf分别为通过T₂的取值和T₁的位数确定的偏置值、比例因子。

5.根据权利要求2所述的基于模型量化的驾驶员行为二次监控方法，其特征在于，所述CPU的CPU资源与所述GPU的GPU资源满足：

利用所述CPU资源并行解码所述离线视频数据的耗时，与利用所述GPU资源并发运行所述第一视频理解网络，得出所述事件监控任务得分的耗时相同；

所述CPU资源是指一个或多个CPU中，用于驾驶员行为二次监控的总和计算资源；所述GPU资源是指一个或多个GPU中，用于驾驶员行为二次监控的总和计算资源。

6.根据权利要求1所述的基于模型量化的驾驶员行为二次监控方法，其特征在于，所述第一视频理解网络的参数为8比特整形数；所述第二视频理解网络的参数为32比特浮点数。

7.一种基于模型量化的驾驶员行为二次监控系统，其特征在于，包括：

数据获取模块，用于获取离线视频数据；所述离线视频数据是在线视频数据中驾驶员行为事件发生的部分，由部署在车辆设备端的驾驶员行为监控系统根据车辆舱内的在线视频数据判定得到；

网络推理模块，用于运行第一视频理解网络，并将所述离线视频数据作为所述第一视频理解网络的输入；所述第一视频理解网络是由第二视频理解网络量化得到的，且所述第一视频理解网络的参数位数小于所述第二视频理解网络的参数位数；所述第二视频理解网络是由解码数据样本训练得到的；

监控结果模块，用于根据所述第一视频理解网络输出的事件监控任务得分，得到驾驶员行为的二次监控结果。