异常驾驶姿态检测方法、装置、设备、车辆和介质制造方法及图纸

本申请公开了一种异常驾驶姿态检测方法、装置、设备、车辆和介质，涉及计算机视觉、深度学习、智能交通等人工智能领域，具体可用于辅助驾驶场景下。具体实现方案为：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。本申请实施例提高了对驾驶用户异常驾驶姿态进行检测时的检测效率，并减少了数据运算量。并减少了数据运算量。并减少了数据运算量。

【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面，还提供了一种电子设备，包括：
[0012]至少一个处理器；以及
[0013]与所述至少一个处理器通信连接的存储器；其中，
[0014]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请任意实施例提供的一种异常驾驶姿态检测方法。
[0015]根据本申请的另一方面，还提供了一种车辆，其中，所述车辆设置有本申请任意实施例提供的一种电子设备。
[0016]根据本申请的另一方面，还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行本申请任意实施例提供的一种异常驾驶姿态检测方法。
[0017]根据本申请的技术方案，提高了对驾驶用户异常驾驶姿态进行检测时的检测效率，并减少了数据运算量。
[0018]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0019]附图用于更好地理解本方案，不构成对本申请的限定。其中：
[0020]图1是本申请实施例提供的一种异常驾驶姿态检测方法的流程图；
[0021]图2A是本申请实施例提供的另一种异常驾驶姿态检测方法的流程图；
[0022]图2B是本申请实施例提供的一种第二神经网络模型示意图；
[0023]图2C是本申请实施例提供的另一种第二神经网络模型示意图；
[0024]图2D是本申请实施例提供的一种面部姿态角示意图；
[0025]图3是本申请实施例提供的另一种异常驾驶姿态检测方法的流程图；
[0026]图4A是本申请实施例中的一种异常驾驶姿态检测方法的结构框图；
[0027]图4B是本申请实施例中的一种异常驾驶姿态检测方法的流程图；
[0028]图5是本申请实施例提供的一种异常驾驶姿态检测装置的结构图；
[0029]图6是用来实现本申请实施例的异常驾驶姿态检测方法的电子设备的框图。
具体实施方式
[0030]以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0031]本申请实施例提供的各异常驾驶姿态检测方法和异常驾驶姿态检测装置，适用于驾驶用户在驾驶可移动装置过程中，对驾驶用户是否存在具备危险性的异常驾驶姿态进行检测的情况。其中，可移动装置可以是车辆或轮船等。本申请实施例提供的各异常驾驶姿态检测方法可以采用异常驾驶姿态检测装置执行，该装置可以采用软件和/或硬件实现，并具体配置于电子设备中，该电子设备可以是诸如手机或平板等移动终端，还可以是嵌入在可移动装置中的固定终端。示例性地，若可移动装置为车辆，该电子设备可以是车载终端。
[0032]图1是本申请实施例提供的一种异常驾驶姿态检测方法的流程图，该方法包括：
[0033]S101、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，人体关键点包括肩部关键点。
[0034]其中，原始图像为驾驶用户在驾驶可移动装置时所采集的图像。原始图像可以存储在电子设备本地、与电子设备关联的其他存储设备或云端中，并在需要进行异常驾驶姿态检测时，从电子设备本地、与电子设备关联的其他存储设备或云端中进行原始图像的获取。
[0035]其中，人体关键点用于表征原始图像中与人体相关联的关键点，例如可以是人体轮廓上的关键点。其中，人体关键点的数量为至少一个。可以理解为是，为了提高后续进行异常驾驶姿态检测结果的准确度，通常将人体关键点的数量设置为至少两个。
[0036]在一个可选实施例中，根据驾驶用户驾驶时采集的原始图像，确定人体关键点，可以是：根据人体头部和肩部的分布特征，确定原始图像中的肩部关键点。
[0037]可选的，识别原始图像中的人体轮廓；根据人体轮廓中的宽度比例，确定肩部轮廓；选取肩部轮廓中的至少一个点作为肩部关键点。
[0038]可以理解的是，通过上述方式进行肩部关键点的确定，数据运算量小，对电子设备的算力要求较低，操作更为便捷。
[0039]在另一可选实施例中，根据驾驶用户驾驶时采集的原始图像，确定人体关键点，可以是：采用训练好的肩部关键点检测模型，根据驾驶用户驾驶时采集的原始图像，确定肩部关键点；其中，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。
[0040]可以理解的是，通过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后，得到肩部关键点检测模型，使得肩部关键点检测模型具备了肩部关键点识别能力。从而，在肩部关键点检测模型的使用阶段，通过将驾驶用户驾驶时采集的原始图像作为肩部关键点检测模型的输入数据，即可直接得到肩部关键点，实现了肩部关键点的一体化自动确定，进一步提高了肩部关键点确定效率和确定过程的便捷度。
[0041]需要说明的是，进行第一神经网络模型的训练时所采用的电子设备，与使用肩部关键点检测模型进行肩部关键点确定的电子设备，两者可以相同或不同。
[本文档来自技高网...

【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：