违规行为识别方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种违规行为识别方法、装置、计算机设备和存储介质。所述方法包括：获取待识别的目标图像；通过已训练好的人脸检测模型从所述目标图像中提取人脸图像；通过已训练好的违规行为识别模型对所述人脸图像进行识别，得到违规行为识别结果；当根据所述违规行为识别结果判定用户存在违规行为时，触发预警信息；当满足模型重新训练条件时，根据存在违规行为的目标图像重新训练所述违规行为识别模型，并通过重新训练的违规行为识别模型对再次获取到的目标图像进行识别。采用本方法能够提高违规行为识别的准确性与效率。

【技术实现步骤摘要】
违规行为识别方法、装置、计算机设备和存储介质
本申请涉及计算机视觉
，特别是涉及一种违规行为识别方法、装置、计算机设备和存储介质。
技术介绍
随着计算机视觉技术的发展，基于计算机视觉技术的智能监控广泛应用于各行各业，给人们的生活带来了诸多便捷。以交通监管为例，交通事故的发生主要源于司机的违规行为，由此，对司机的违规行为进行智能监控与识别是值得关注的问题。目前，通常是终端通过服务器根据所采集的监控视频，对用户的违规行为进行智能监控与识别，并针对违规行为进行预警。但是，该种违规行为识别方式，存在识别效率低的问题。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高违规行为识别效率的违规行为识别方法、装置、计算机设备和存储介质。一种违规行为识别方法，所述方法包括：获取待识别的目标图像；通过已训练好的人脸检测模型从所述目标图像中提取人脸图像；通过已训练好的违规行为识别模型对所述人脸图像进行识别，得到违规行为识别结果；当根据所述违规行为识别结果判定用户存在违规行为时，触发预警信息；当满足模型重新训练条件时，根据存在违规行为的目标图像重新训练所述违规行为识别模型，并通过重新训练的违规行为识别模型对再次获取到的目标图像进行识别。在其中一个实施例中，所述已训练好的违规行为识别模型包括：违规行为检测模型与违规行为分类模型；所述通过已训练好的违规行为识别模型对所述人脸图像进行识别，得到违规行为识别结果，包括：将所述人脸图像输入所述违规行为检测模型进行检测，得到从所述人脸图像中检测出的目标物体；通过所述违规行为分类模型对所述目标物体进行分类，并根据分类结果确定相应目标图像所对应的违规行为识别结果。在其中一个实施例中，所述目标图像有多个；所述当根据所述违规行为识别结果判定用户存在违规行为时，触发预警信息，包括：根据所述违规行为识别结果对相应目标图像进行聚类得到聚类结果；根据所述聚类结果对相应用户进行违规行为判定；当判定所述用户存在违规行为时，触发预警信息，并记录存在违规行为的目标图像与相应的违规行为识别结果；记录的目标图像与相应违规行为识别结果用于重新训练所述违规行为识别模型。在其中一个实施例中，所述违规行为识别模型通过服务器训练得到；通过所述服务器训练所述违规行为识别模型的步骤，包括：通过所述服务器获取训练样本集；所述训练样本集包括从样本图像中提取出的样本人脸图像与相应的样本违规行为识别结果；通过所述服务器将所述样本人脸图像作为输入特征，将相应的样本违规行为识别结果作为期望的输出特征，对待训练的违规行为识别模型进行模型训练，得到已训练好的违规行为识别模型。在其中一个实施例中，所述待训练的违规行为识别模型的初始化步骤，包括：通过所述服务器获取待确定的每个超参数对应的取值范围，并根据所述取值范围确定多个超参数组；通过所述服务器获取目标样本集与测试样本集，并按照每个超参数组根据所述目标样本集进行模型训练，得到相应的候选违规行为识别模型；通过所述服务器根据所述测试样本集对所述候选违规行为识别模型进行测试，根据测试结果从所述多个超参数组中选取目标超参数组，并根据所述目标超参数组初始化得到待训练的违规行为识别模型。在其中一个实施例中，所述方法还包括：获取自身的定位信息；根据所述定位信息判断自身所处的车辆是否处于运行状态；当判定所述车辆处于运行状态时，执行所述获取待识别的目标图像的步骤。一种违规行为识别装置，所述装置包括：获取模块，用于获取待识别的目标图像；识别模块，用于通过已训练好的人脸检测模型从所述目标图像中提取人脸图像；所述识别模块，还用于通过已训练好的违规行为识别模型对所述人脸图像进行识别，得到违规行为识别结果；预警模块，用于当根据所述违规行为识别结果判定用户存在违规行为时，触发预警信息；训练模块，用于当满足模型重新训练条件时，根据存在违规行为的目标图像重新训练所述违规行为识别模型，并通过重新训练的违规行为识别模型对再次获取到的目标图像进行识别。在其中一个实施例中，所述目标图像有多个；所述预警模块，还用于对各所述目标图像对应的违规行为识别结果进行聚类得到聚类结果；根据所述聚类结果对相应用户进行违规行为判定；当判定所述用户存在违规行为时，触发预警信息，并记录存在违规行为的目标图像与相应的违规行为识别结果；记录的目标图像与相应违规行为识别结果用于重新训练所述违规行为识别模型。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取待识别的目标图像；通过已训练好的人脸检测模型从所述目标图像中提取人脸图像；通过已训练好的违规行为识别模型对所述人脸图像进行识别，得到违规行为识别结果；当根据所述违规行为识别结果判定用户存在违规行为时，触发预警信息；当满足模型重新训练条件时，根据存在违规行为的目标图像重新训练所述违规行为识别模型，并通过重新训练的违规行为识别模型对再次获取到的目标图像进行识别。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取待识别的目标图像；通过已训练好的人脸检测模型从所述目标图像中提取人脸图像；通过已训练好的违规行为识别模型对所述人脸图像进行识别，得到违规行为识别结果；当根据所述违规行为识别结果判定用户存在违规行为时，触发预警信息；当满足模型重新训练条件时，根据存在违规行为的目标图像重新训练所述违规行为识别模型，并通过重新训练的违规行为识别模型对再次获取到的目标图像进行识别。上述违规行为识别方法、装置、计算机设备和存储介质，通过已训练好的人脸检测模型从待识别的目标图像中提取人脸图像，能够快速而准确地获得从目标图像中剔除无关图像区域后的人脸图像，而通过已训练好的违规行为识别模型对所提取出的人脸图像进行识别，能够快速而准确地得到目标图像对应的违规行为识别结果，以便于基于目标图像的违规行为识别结果识别用户的违规行为时，能够在保证违规行为识别准确性的情况下提高识别效率，这样，针对用户的违规行为能够快速而准确地触发预警信息。进一步地，当满足模型重新训练条件时，根据所识别出的存在违规行为的目标图像重新训练违规行为识别模型，以便于基于重新训练的违规行为识别模型对再次获取到的目标图像进行识别，能够进一步提高违规行为识别准确性，从而能够同时兼顾违规行为识别的准确性与效率。附图说明图1为一个实施例中违规行为识别方法的应用环境图；图2为一个实施例中违规行为识别方法的流程示意图；图3为一个实施例中基于多个目标图像进行违规行为识别的原理图；图4为一个实施例中违规行为识别方法的原理图；图5为另一个实施例中违规行为识别方法的流程示意图；图6为一个实施例中违规本文档来自技高网...

【技术保护点】
1.一种违规行为识别方法，所述方法包括：/n获取待识别的目标图像；/n通过已训练好的人脸检测模型从所述目标图像中提取人脸图像；/n通过已训练好的违规行为识别模型对所述人脸图像进行识别，得到违规行为识别结果；/n当根据所述违规行为识别结果判定用户存在违规行为时，触发预警信息；/n当满足模型重新训练条件时，根据存在违规行为的目标图像重新训练所述违规行为识别模型，并通过重新训练的违规行为识别模型对再次获取到的目标图像进行识别。/n

【技术特征摘要】
1.一种违规行为识别方法，所述方法包括：
获取待识别的目标图像；
通过已训练好的人脸检测模型从所述目标图像中提取人脸图像；
通过已训练好的违规行为识别模型对所述人脸图像进行识别，得到违规行为识别结果；
当根据所述违规行为识别结果判定用户存在违规行为时，触发预警信息；
当满足模型重新训练条件时，根据存在违规行为的目标图像重新训练所述违规行为识别模型，并通过重新训练的违规行为识别模型对再次获取到的目标图像进行识别。


2.根据权利要求1所述的方法，其特征在于，所述已训练好的违规行为识别模型包括：违规行为检测模型与违规行为分类模型；所述通过已训练好的违规行为识别模型对所述人脸图像进行识别，得到违规行为识别结果，包括：
将所述人脸图像输入所述违规行为检测模型进行检测，得到从所述人脸图像中检测出的目标物体；
通过所述违规行为分类模型对所述目标物体进行分类，并根据分类结果确定相应目标图像所对应的违规行为识别结果。


3.根据权利要求1所述的方法，其特征在于，所述目标图像有多个；所述当根据所述违规行为识别结果判定用户存在违规行为时，触发预警信息，包括：
根据所述违规行为识别结果对相应目标图像进行聚类得到聚类结果；
根据所述聚类结果对相应用户进行违规行为判定；
当判定所述用户存在违规行为时，触发预警信息，并记录存在违规行为的目标图像与相应的违规行为识别结果；记录的目标图像与相应违规行为识别结果用于重新训练所述违规行为识别模型。


4.根据权利要求1所述的方法，其特征在于，所述违规行为识别模型通过服务器训练得到；通过所述服务器训练所述违规行为识别模型的步骤，包括：
通过所述服务器获取训练样本集；所述训练样本集包括从样本图像中提取出的样本人脸图像与相应的样本违规行为识别结果；
通过所述服务器将所述样本人脸图像作为输入特征，将相应的样本违规行为识别结果作为期望的输出特征，对待训练的违规行为识别模型进行模型训练，得到已训练好的违规行为识别模型。


5.根据权利要求4所述的方法，其特征在于，所述待训练的违规行为识别模型的初始化步骤，包括：
通过所述服务器...

【专利技术属性】
技术研发人员：韩放，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：广东;44