[发明专利]基于模型量化的驾驶员行为二次监控方法

说明书

本发明提供一种基于模型量化的驾驶员行为二次监控方法，该方法包括：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；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；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。本发明有效解决了车辆设备端计算资源不足造成的驾驶员行为事件监控误报率高的问题；同时能够兼顾离线视频特征提取的效率和目标预测的准确率，使得二次监控多个车载设备端上传的离线视频数据时的鲁棒性更强。

技术领域

本发明涉及深度学习技术领域，尤其涉及一种基于模型量化的驾驶员行为二次监控方法。

背景技术

座舱内驾驶员行为识别是保证驾驶员安全的关键，算法需要对驾驶员行为进行实时的监控识别，并且进行适时的报警，减少驾驶员的不安全驾驶行为，例如抽烟、打电话、疲劳闭眼、打哈欠、摄像头遮挡、注意力分散、阳光直射、摄像头角度是否正确、驾驶员是否位于摄像头内等行为。

为了实现舱内驾驶员行为监控的目的，现有技术提供了一些利用人脸关键点、抽烟检测/分类或者手机检测/分类的算法，结合后处理逻辑进行行为的判断与识别。

但受限于车辆移动端设备计算资源有限的现状，现有技术监控识别结果的准确率较低、误报率较高。

因此，如何提供一种高准确率、低误报率的驾驶员行为监控方法，成为了业内亟需解决的问题。

发明内容

本发明提供一种基于模型量化的驾驶员行为二次监控方法，用以解决现有技术中受限于车辆移动端设备计算资源有限监控识别结果的准确率较低、误报率较高的缺陷，实现精确的驾驶员行为监控。

本发明提供一种基于模型量化的驾驶员行为二次监控方法，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。

根据本发明提供的一种基于模型量化的驾驶员行为二次监控方法，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。

根据本发明提供的一种基于模型量化的驾驶员行为二次监控方法，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。

根据本发明提供的一种基于模型量化的驾驶员行为二次监控方法，所述设定的映射是指：