【技术实现步骤摘要】
异常驾驶姿态检测方法、装置、设备、车辆和介质
[0001]本申请涉及人工智能领域,尤其涉及计算机视觉、深度学习以及智能交通技术,具体涉及一种异常驾驶姿态检测方法、装置、设备、车辆和介质。
技术介绍
[0002]随着人们生活水平的提高,汽车已经进入千家万户,汽车行驶安全也逐渐成为人们关注的问题。在用户驾驶车辆过程中,时常存在由于用户姿态异常,导致出现安全事故的情况。为了降低驾驶过程的安全隐患,对驾驶用户的异常姿态监测至关重要。
[0003]然而,现有技术在对驾驶用户的异常驾驶姿态进行监测时,存在监测效率低、计算量大等问题,使得异常驾驶姿态监测时效性较差,难以适配实时驾驶场景。
技术实现思路
[0004]本申请提供了一种检测效率更高、计算量更小的异常驾驶姿态检测方法、装置、设备、车辆和介质。
[0005]根据本申请的一方面,提供了一种异常驾驶姿态检测方法,包括:
[0006]根据驾驶用户驾驶时采集的原始图像,确定人体关键点;其中,所述人体关键点包括肩部关键点;
[0007]根据所述肩部关键点,检测所述驾驶用户的异常驾驶姿态。
[0008]根据本申请的另一方面,还提供了一种异常驾驶姿态检测装置,包括:
[0009]人体关键点确定模块,用于根据驾驶用户驾驶时采集的原始图像,确定人体关键点;其中,所述人体关键点包括肩部关键点;
[0010]异常驾驶姿态检测模块,用于根据所述肩部关键点,检测所述驾驶用户的异常驾驶姿态。
[0011]根据本申请的另一方 ...
【技术保护点】
【技术特征摘要】
1.一种异常驾驶姿态检测方法,包括:根据驾驶用户驾驶时采集的原始图像,确定人体关键点;其中,所述人体关键点包括肩部关键点;根据所述肩部关键点,检测所述驾驶用户的异常驾驶姿态。2.根据权利要求1所述的方法,其中,所述根据驾驶用户驾驶时采集的原始图像,确定人体关键点,包括:采用训练好的肩部关键点检测模型,根据所述驾驶用户驾驶时采集的原始图像,确定肩部关键点;其中,所述肩部关键点检测模型基于样本用户驾驶时采集的样本图像和肩部关键点标签,对预先构建的第一神经网络模型进行训练得到。3.根据权利要求1所述的方法,其中,所述人体关键点还包括面部关键点;所述根据驾驶用户驾驶时采集的原始图像,确定人体关键点,包括:采用训练好的人体关键点检测模型,根据所述驾驶用户驾驶时采集的原始图像,确定所述肩部关键点和所述面部关键点;其中,所述人体关键点检测模型基于样本用户驾驶时采集的样本图像、肩部关键点标签和面部关键点标签,对预先构建的第二神经网络模型进行训练得到。4.根据权利要求3所述的方法,其中,所述第二神经网络包括肩部关键点检测模块和面部关键点检测模块;对所述预先构建的第二神经网络模型进行训练,包括:采用所述肩部关键点检测模块,确定所述样本图像中的肩部关键点预测结果;采用所述面部关键点检测模块,确定所述样本图像中的面部关键点预测结果;根据所述肩部关键点预测结果和所述面部关键点预测结果、所述肩部关键点标签和所述面部关键点标签,对所述第二神经网络中的网络参数进行调整。5.根据权利要求3或4所述的方法,其中,在对预先构建的第二神经网络模型进行训练时,所采用的目标损失函数根据以下方式构建:根据所述肩部关键点标签的数量和所述面部关键点标签的数量,分别确定肩部损失权重和面部损失权重;根据所述样本图像的肩部关键点预测结果和所述肩部关键点标签,确定肩部损失值;以及,根据所述样本图像的面部关键点预测结果和所述面部关键点标签,确定面部损失值;根据所述肩部损失权重和所述面部损失权重,分别对所述肩部损失值和所述面部损失值进行加权,得到所述目标损失函数。6.根据权利要求1所述的方法,其中,所述根据驾驶用户驾驶时采集的原始图像,确定人体关键点,包括:识别所述驾驶用户驾驶时采集的原始图像中的面部区域;对所述面部区域进行扩展,得到候选区域;所述候选区域包括肩部区域;根据所述候选区域截取所述原始图像,得到目标图像;根据所述目标图像,确定人体关键点。7.根据权利要求6所述的方法,其中,所述对所述面部区域进行扩展,得到候选区域,包括:
以所述面部区域为中心,分别向双耳方向扩展第一比例,以及向双耳方向的垂直方向扩展第二比例,得到所述候选区域。8.根据权利要求1-4和6-7中任一项所述的方法,其中,所述根据所述肩部关键点,检测所述驾驶用户的异常驾驶姿态,包括:根据至少两个所述肩部关键点,确定肩部连接线;根据所述肩部连接线与标准参考线的夹角,检测所述驾驶用户的异常驾驶姿态。9.一种异常驾驶姿态检测装置,包括:人体关键点确定模块,用于根据驾驶用户驾驶时采集的原始图像,确定人体关键点;其中,所述人体关键点包括肩部关键点;异常驾驶姿态检测模块,用于根据所述肩部关键点,检测所述驾驶用户的异常驾驶姿态。10.根据权利要求9所述的装置,其中,所述人体关键点确定模块,包括:肩部关键点确定单元,用于采用训练好的肩部关键点检测模型,根据所述驾驶用户驾驶时采...
【专利技术属性】
技术研发人员:王珂尧,冯浩城,岳海潇,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。