驾驶员异常行为识别方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种驾驶员异常行为识别方法、装置、设备及存储介质，其中方法包括：确定待处理视频流数据的属性信息；根据待处理视频流数据的属性信息，获取与待处理视频流数据对应的目标神经网络模型；利用目标神经网络模型，对待处理视频流数据进行识别处理，以确定待处理视频数据中是否包含驾驶员异常行为数据。该方法实现了根据神经网络模型，对采集的视频流数据中驾驶员异常行为进行自动识别，从而当确定驾驶员行为存在异常时进行及时预警，使得控制中心能够及时采取补救措施，以降低突发事件造成的严重后果，并且还能降低人工成本，提高识别效率，为车辆的安全运行提供了条件。

Methods, devices, equipment and storage media for identifying abnormal behaviors of drivers

【技术实现步骤摘要】
驾驶员异常行为识别方法、装置、设备及存储介质
本申请涉及安全驾驶
，尤其涉及一种驾驶员异常行为识别方法、装置、设备及存储介质。
技术介绍
随着轨道交通系统日益完善，交通智能化监控已成为轨道交通的核心发展方向。尤其是对驾驶员异常行为监测，以避免安全事故的发生，具有重要社会意义。在实际应用中，对驾驶员异常行为进行监测时，通常采用以下方式：其一，在一个驾驶室内配备两名驾驶员，以降低安全风险；其二，利用监控系统获取驾驶室内的视频流数据，并将视频流数据上传至监控中心，以使监控中心的工作人员进行实时查看，确定驾驶员是否存在异常行为。然而，上述方式存在以下缺陷，其一，在驾驶室内配备两名驾驶员，虽然降低了安全风险，但是提高了人力成本，同时也浪费了人力资源；其二，通过人工进行视频监控，不仅效率低下而且人力成本高，更有可能因为人为因素不能及时准确的确定异常情况，给车辆的正常运行带来了安全隐患。
技术实现思路
本申请提供一种驾驶员异常行为识别方法、装置、设备及存储介质，用于解决相关技术中，通过人工监测方式，对驾驶员异常行为进行识别时，不仅效率低而且人力成本高，更有可能因为人为因素不能及时准确的确定异常情况，给车辆的正常运行带来了安全隐患的问题。本申请一方面实施例提供一种驾驶员异常行为识别方法，该方法包括：确定待处理视频流数据的属性信息，其中，所述属性信息，包括以下信息中的至少一个：所属的线路标识、采集时间、对应的采集区域、包含的视频帧数量、及包含的驾驶员数量；根据所述待处理视频流数据的属性信息，获取与所述待处理视频流数据对应的目标神经网络模型；利用所述目标神经网络模型，对所述待处理视频流数据进行识别处理，以确定所述待处理视频数据中是否包含驾驶员异常行为数据。本申请另一方面实施例提供一种驾驶员异常行为识别装置，该装置包括：确定模块，用于确定待处理视频流数据的属性信息，其中，所述属性信息，包括以下信息中的至少一个：所属的线路标识、采集时间、对应的采集区域、包含的视频帧数量、及包含的驾驶员数量；获取模块，用于根据所述待处理视频流数据的属性信息，获取与所述待处理视频流数据对应的目标神经网络模型；识别模块，用于利用所述目标神经网络模型，对所述待处理视频流数据进行识别处理，以确定所述待处理视频数据中是否包含驾驶员异常行为数据。本申请又一方面实施例提供一种计算机设备，该计算机设备包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，以实现第一方面实施例所述的驾驶员异常行为识别方法。本申请再一方面实施例的计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，以实现第一方面实施例所述的驾驶员异常行为识别方法。本申请再一方面实施例的计算机程序，当所述计算机程序被处理器执行时，实现第一方面实施例所述的驾驶员异常行为识别方法。本申请公开的技术方案，具有如下有益效果：通过确定待处理视频流数据的属性信息，以根据待处理视频流数据的属性信息，获取与待处理视频流数据对应的目标神经网络模型，然后利用目标神经网络模型，对待处理视频流数据进行识别处理，以确定待处理视频数据中是否包含驾驶员异常行为数据。由此，实现了根据神经网络模型，对采集的视频流数据中驾驶员异常行为进行自动识别，从而当确定驾驶员行为存在异常时进行及时预警，使得控制中心能够及时采取补救措施，以降低突发事件造成的严重后果，并且还能降低人工成本，提高识别效率，为车辆的安全运行提供了条件。本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。附图说明本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中，图1是根据本申请一个示例性实施例示出的驾驶员异常行为识别方法的流程示意图；图2是根据本申请一个示例性实施例示出的目标神经网络模型生成过程的流程示意图；图3是根据本申请另一个示例性实施例示出的驾驶员异常行为识别方法的流程示意图；图4是根据本申请再一个示例性实施例示出的驾驶员异常行为识别方法的流程示意图；图5是根据本申请一个示例性实施例示出的驾驶员异常行为识别装置的结构示意图；图6是根据本申请另一个示例性实施例示出的驾驶员异常行为识别装置的结构示意图；图7是根据本申请一个示例性实施例示出的计算机设备的结构示意图；图8是根据本申请另一个示例性实施例示出的计算机设备的结构示意图。具体实施方式下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。本申请各实施例针对相关技术中，通过人工监测方式，对驾驶员异常行为进行识别时，不仅效率低而且人力成本高，更有可能因为人为因素不能及时准确的确定异常情况，给车辆的正常运行带来了安全隐患的问题，提出一种驾驶员异常行为识别方法。本申请实施例，通过确定待处理视频流数据的属性信息，以根据待处理视频流数据的属性信息，获取对应的目标神经网络模型，然后利用获取的目标神经网络模型，对待处理视频流数据进行识别处理，以确定待处理视频流数据中是否包含驾驶员异常行为数据。由此，实现了根据神经网络模型，对采集的视频流数据中驾驶员异常行为进行自动识别，从而当确定驾驶员行为存在异常时进行及时预警，使得控制中心能够及时采取补救措施，以降低突发事件造成的严重后果，并且还能降低人工成本，提高识别效率，为车辆的安全运行提供了条件。下面参考附图描述本申请实施例的驾驶员异常行为识别方法、装置、设备及存储介质进行详细说明。首先，结合图1对本申请中驾驶员异常行为识别方法进行具体说明。图1是根据本申请一个示例性实施例的驾驶员异常行为识别方法的流程示意图。如图1所示，本申请的驾驶员异常行为识别方法可以包括以下步骤：步骤101，确定待处理视频流数据的属性信息。其中，属性信息，包括以下信息中的至少一个：所属的线路标识、采集时间、对应的采集区域、包含的视频帧数量、及包含的驾驶员数量。在本实施例中，待处理视频流数据，可以是图像采集设备对驾驶室内在连续时间段采集的视频流数据。其中，图像采集设备可以是任一具有图像采集功能的设备，比如摄像机等，此处对其不作具体限定。其中，本申请实施例提供的驾驶员异常行为识别方法，可以由本申请实施例提供的计算机设备执行。其中，计算机设备中设置有驾驶员异常行为识别装置，以实现对待处理视频流中包含的驾驶员异常行为数据进行识别。本实施例计算机设备可以是任一具有数据处理功能的硬件设备，比如电脑、服务器等等。可选的，在执行步骤101之前，本实施例可以通过图像采集设备，采集车辆驾驶室内的视频流数据，并将采集的视频流数据通过TCP/IP发送给计算机设备，使得计算机设备对上述本文档来自技高网...

【技术保护点】
1.一种驾驶员异常行为识别方法，其特征在于，包括：/n确定待处理视频流数据的属性信息，其中，所述属性信息，包括以下信息中的至少一个：所属的线路标识、采集时间、对应的采集区域、包含的视频帧数量、及包含的驾驶员数量；/n根据所述待处理视频流数据的属性信息，获取与所述待处理视频流数据对应的目标神经网络模型；/n利用所述目标神经网络模型，对所述待处理视频流数据进行识别处理，以确定所述待处理视频流数据中是否包含驾驶员异常行为数据。/n

【技术特征摘要】
1.一种驾驶员异常行为识别方法，其特征在于，包括：
确定待处理视频流数据的属性信息，其中，所述属性信息，包括以下信息中的至少一个：所属的线路标识、采集时间、对应的采集区域、包含的视频帧数量、及包含的驾驶员数量；
根据所述待处理视频流数据的属性信息，获取与所述待处理视频流数据对应的目标神经网络模型；
利用所述目标神经网络模型，对所述待处理视频流数据进行识别处理，以确定所述待处理视频流数据中是否包含驾驶员异常行为数据。


2.如权利要求1所述的方法，其特征在于，所述对所述待处理视频流数据进行识别处理之前，还包括：
对所述待处理视频流数据进行筛选处理。


3.如权利要求1所述的方法，其特征在于，所述获取与所述待处理视频流数据对应的目标神经网络模型，包括：
获取与所述待处理视频流数据对应的目标参数矩阵；
所述利用所述目标神经网络模型，对所述待处理视频流数据进行识别处理，包括：
基于所述目标参数矩阵，利用预设的神经网络模型，对所述待处理视频流数据进行识别处理，其中，所述预设的神经网络模型中的各参数的取值为所述目标参数矩阵中的各参数时，所述预设的神经网络模型为所述目标神经网络模型。


4.如权利要求1所述的方法，其特征在于，所述利用所述目标神经网络模型，对所述待处理视频流数据进行识别处理之前，还包括：
根据目标异常行为特征，从预设的数据库中获取目标多媒体数据，或者录制目标多媒体数据，其中，所述异常行为特征为根据待处理的视频流数据的属性信息确定的；
利用所述目标多媒体数据，对预设的神经网络模型进行训练，以生成所述目标神经网络模型。


5.如权利要求1-4任一所述的方法，其特征在于，所述利用所述目标神经网络模型，对所述待处理视频流数据进行识别处理，包括：
利用所述目标神经网...

【专利技术属性】
技术研发人员：刘国民，
申请(专利权)人：比亚迪股份有限公司，
类型：发明
国别省市：广东;44