司乘人员未系安全带识别方法、装置及存储介质制造方法及图纸

本申请涉及一种司乘人员未系安全带识别方法、装置及存储介质，属于图像处理技术领域，该方法包括：获取待识别的目标图像；确定目标图像中的安全带识别区域，得到目标区域图像；将目标区域图像输入基于样本图像训练得到的识别模型，得到识别结果；其中，样本图像包括第一分类样本和第二分类样本，第一分类样本的数量小于第二分类样本的数量；第一分类样本基于第二分类样本的数量进行补足得到；可以解决样本分布不均导致的识别模型的识别结果不准确的问题；通过对样本图像中不同分类的样本进行均衡处理，可以保证训练识别模型时使用的样本图像是分布均匀的，可以提高识别模型输出的识别结果的准确性。

Identification method, device and storage medium of driver and passenger not wearing safety belt

【技术实现步骤摘要】
司乘人员未系安全带识别方法、装置及存储介质
本申请涉及一种司乘人员未系安全带识别方法、装置及存储介质，属于图像识别

技术介绍
机动车行驶过程中发生碰撞或紧急制动时，产生强惯性力，司乘人员通过系安全带可以有效控制身体，避免碰撞带来的身体伤害。系安全带对于保障司机和乘客的生命安全具有至关重要的作用。基于交通监控图像的未系安全带识别方法可以对道路上的司机未系安全带的事件进行实时监控，自动捕获车辆信息和记录司机未系安全带的行为。在传统的未系安全带识别方法中，通过使用深度神经网络模型对图像中的司乘人员是否系安全带进行识别。其中，深度神经网络模型是通过样本图像训练得到的，样本图像大多为系安全带样本，而未系安全带样本的占比较小。然而，系安全带样本和未系安全带样本分布的不均衡，会导致训练得到的深度神经网络模型的预测结果向样本量过多的一方倾斜，也即，预测结果为司乘人员系安全带的概率较高。在监控场景中，监控人员会对未系安全带的司乘人员予以警告，虽然，样本分布不均可以减少误报率，然而检出“司乘人员未系安全带”的效率会大大降低。
技术实现思路
本申请提供了一种司乘人员未系安全带识别方法、装置及存储介质，可以解决样本分布不均导致的识别模型的识别结果不准确的问题。本申请提供如下技术方案：第一方面，提供了一种司乘人员未系安全带识别方法，所述方法包括：获取待识别的目标图像；确定所述目标图像中的安全带识别区域，得到目标区域图像；将所述目标区域图像输入基于样本图像训练得到的识别模型，得到识别结果，所述识别结果用于指示所述目标图像中的司乘人员是否系安全带；其中，所述样本图像包括第一分类样本和第二分类样本，所述第一分类样本的数量小于所述第二分类样本的数量；所述第一分类样本基于所述第二分类样本的数量进行补足得到。可选地，所述将所述目标区域图像输入基于样本图像训练得到的识别模型，得到识别结果之前，包括：获取所述样本图像；将所述样本图像输入预设的深度神经网络模型，得到模型输出结果，所述深度神经网络模型的模型结构与所述识别模型的模型结构相同；基于所述模型输出结果和预设损失函数对所述深度神经网络模型进行训练，得到所述识别模型，所述预设损失函数用于对模型输出结果与对应的真实值之间的差异以及模型输出结果与先验分布的差异进行加权求和。可选地，所述获取样本图像，包括：获取多个原始数据中的安全带识别区域，得到第一分类样本和第二分类样本；对所述第二分类样本的各个样本索引值进行随机排列处理，得到乱序后的索引值；计算各个乱序后的索引值对所述第一分类样本的数量进行求余后，得到的求余索引序列；将所述第一分类样本按照所述求余索引序列进行扩展，得到扩展后的第一分类样本，所述样本图像包括所述第二分类样本和所述扩展后的第一分类样本。可选地，所述获取多个原始数据中的安全带识别区域，得到第一分类样本和第二分类样本之后，还包括：对所述第一分类样本和/或所述第二分类样本进行灰度处理得到对应的灰度图像，所述样本图像包括所述灰度图像。可选地，所述预设损失函数以预设的权重对预测结果与先验分布、以及预测结果与真实值进行惩罚。可选地，所述预设损失函数通过下式表示：其中，K为样本类别数；θ为常数；u(k)＝1/K。可选地，所述识别模型是基于密集连接卷积网络的网络模型建立的，所述密集连接卷积网络包括的密集块的数量为预设数量，且每个密集块是通过对应次数的迭代次数训练得到的。可选地，所述确定所述目标图像中的安全带识别区域，得到目标区域图像，包括：确定所述目标图像中的车牌区域；基于所述车牌区域确定车牌所属的车辆区域；在所述车辆区域内进行人脸识别，得到人脸检测框；基于所述人脸检测框的位置确定所述目标区域图像。第二方面，提供了一种司乘人员未系安全带识别装置，所述装置包括：图像获取模块，用于获取待识别的目标图像；区域确定模块，用于确定所述目标图像中的安全带识别区域，得到目标区域图像；图像识别模块，用于将所述目标区域图像输入基于样本图像训练得到的识别模型，得到识别结果，所述识别结果用于指示所述目标图像中的司乘人员是否系安全带；其中，所述样本图像包括第一分类样本和第二分类样本，所述第一分类样本基于所述第二分类样本的数量进行补足得到；所述第一分类样本的数量小于所述第二分类样本的数量。第三方面，提供一种司乘人员未系安全带识别装置，所述装置包括处理器和存储器；所述存储器中存储有程序，所述程序由所述处理器加载并执行以实现第一方面所述的司乘人员未系安全带识别方法。第四方面，提供一种计算机可读存储介质，所述存储介质中存储有程序，所述程序由所述处理器加载并执行以实现第一方面所述的司乘人员未系安全带识别方法。本申请的有益效果在于：通过获取待识别的目标图像；确定目标图像中的安全带识别区域，得到目标区域图像；将目标区域图像输入基于样本图像训练得到的识别模型，得到识别结果；其中，样本图像包括第一分类样本和第二分类样本，第一分类样本基于第二分类样本的数量进行补足得到；第一分类样本的数量小于第二分类样本的数量；可以解决样本分布不均导致的识别模型的识别结果不准确的问题；通过对样本图像中不同分类的样本进行均衡处理，可以保证训练识别模型时使用的样本图像是分布均匀的，可以提高识别模型输出的识别结果的准确性。另外，通过对图像数据进行灰度处理得到对应的灰度图像，将灰度图像加入样本图像中，可以增加输入信息的纹理表达，提高样本图像的丰富度，从而进一步提高识别模型输出的识别结果的准确性。另外，通过对类别标签进行修正以调整损失函数，改进的损失函数以不同的权重对预测类别与先验分布以及预测类别与真实值进行惩罚，改善训练过程中出现的过拟合现象；对预测类别与真实类别之间的差异以及预测类别与先验分布的差异进行加权求和，提高系统检出率。另外，通过控制识别模型的层数和迭代次数，可以简化识别模型的训练过程，提高训练效率。上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，并可依照说明书的内容予以实施，以下以本申请的较佳实施例并配合附图详细说明如后。附图说明图1是本申请一个实施例提供的密集块的结构示意图；图2是本申请一个实施例提供的卷积神经网络的结构示意图；图3是本申请一个实施例提供的司乘人员未系安全带识别方法的流程图；图4是本申请一个实施例提供的确定安全带识别区域的示意图；图5是本申请一个实施例提供的训练识别模型的方法的流程图；图6是本申请一个实施例提供的司乘人员未系安全带识别装置的框图；图7是本申请一个实施例提供的司乘人员未系安全带识别装置的框图。具体实施方式下面结合附图和实施例，对本申请的具体实施方式作进一步详细描述。以下实施例用于说明本申请，但不用来限制本申请的本文档来自技高网...

【技术保护点】
1.一种司乘人员未系安全带识别方法，其特征在于，所述方法包括：/n获取待识别的目标图像；/n确定所述目标图像中的安全带识别区域，得到目标区域图像；/n将所述目标区域图像输入基于样本图像训练得到的识别模型，得到识别结果，所述识别结果用于指示所述目标图像中的司乘人员是否系安全带；/n其中，所述样本图像包括第一分类样本和第二分类样本，所述第一分类样本的数量小于所述第二分类样本的数量，所述第一分类样本基于所述第二分类样本的数量进行补足得到。/n

【技术特征摘要】
1.一种司乘人员未系安全带识别方法，其特征在于，所述方法包括：
获取待识别的目标图像；
确定所述目标图像中的安全带识别区域，得到目标区域图像；
将所述目标区域图像输入基于样本图像训练得到的识别模型，得到识别结果，所述识别结果用于指示所述目标图像中的司乘人员是否系安全带；
其中，所述样本图像包括第一分类样本和第二分类样本，所述第一分类样本的数量小于所述第二分类样本的数量，所述第一分类样本基于所述第二分类样本的数量进行补足得到。


2.根据权利要求1所述的方法，其特征在于，所述将所述目标区域图像输入基于样本图像训练得到的识别模型，得到识别结果之前，包括：
获取所述样本图像；
将所述样本图像输入预设的深度神经网络模型，得到模型输出结果，所述深度神经网络模型的模型结构与所述识别模型的模型结构相同；
基于所述模型输出结果和预设损失函数对所述深度神经网络模型进行训练，得到所述识别模型，所述预设损失函数用于对模型输出结果与对应的真实值之间的差异以及模型输出结果与先验分布的差异进行加权求和。


3.根据权利要求2所述的方法，其特征在于，所述获取样本图像，包括：
获取多个原始数据中的安全带识别区域，得到第一分类样本和第二分类样本；
对所述第二分类样本的各个样本索引值进行随机排列处理，得到乱序后的索引值；
计算各个乱序后的索引值对所述第一分类样本的数量进行求余后，得到的求余索引序列；
将所述第一分类样本按照所述求余索引序列进行扩展，得到扩展后的第一分类样本，所述样本图像包括所述第二分类样本和所述扩展后的第一分类样本。


4.根据权利要求3所述的方法，其特征在于，所述获取多个原始数据中的安全带识别区域，得到第一分类样本和第二分类样本之后，还包括：
对所述第一分类样本和/或所述第二分类样本进行灰度处理得到对应的灰度图像，所述样本图像包括所述灰度图像。


5.根据权利要求2所述的方法，其特征...

【专利技术属性】
技术研发人员：葛鹤银，朱林，章勇，曹李军，
申请(专利权)人：苏州科达科技股份有限公司，
类型：发明
国别省市：江苏;32