本发明专利技术涉及图像识别技术领域，公开了一种危险驾驶行为的识别方法、装置、设备及存储介质，用于提高对危险驾驶行为的识别准确度，减少驾驶行为的监测成本。危险驾驶行为的识别方法包括：当车辆的驾驶员处于预置的检测区域时，对车辆进行车辆行驶检测；若车辆处于行驶状态，则获取驾驶员对应的驾驶行为图像，并对驾驶行为图像进行图像增强处理，得到目标驾驶行为图像；调用预置的危险驾驶行为识别模型对目标驾驶行为图像进行识别，其中，危险驾驶行为识别模型基于残差网络通过注意力机制和三元组损失函数进行模型优化；若目标驾驶行为图像中驾驶员存在危险驾驶行为，则生成危险驾驶提醒信息，并将危险驾驶提醒信息发送至提醒终端。端。端。
【技术实现步骤摘要】
危险驾驶行为的识别方法、装置、设备及存储介质
[0001]本专利技术涉及图像识别
，尤其涉及一种危险驾驶行为的识别方法、装置、设备及存储介质。
技术介绍
[0002]物流运输车辆因行业性质，大多数在夜间进行发车运输，且路途较长。这对驾驶员的安全驾驶要求较高，夜间行车很容易疲劳驾驶，造成危险。同时可能存在不规范的驾驶行为，例如打电话、抽烟、玩手机等都对行车安全造成不良影响，存在安全隐患。因此需要对驾驶员的驾驶行为进行监管，避免不安全的驾驶行为，保障物流车辆运输安全。
[0003]在传统方法的研究中，研究人员主要集中在捕捉特征，包括头部姿势、眼睛凝视、面部表情、足部动力学、手部运动的生理信号，使用大量的生理传感器检测驾驶员的生理信号，如脑电图、心电图和眼电图。
[0004]采用生理传感器对驾驶员进行实时检测，虽然具有很好的监测作用，但是生理传感器的成本较高，推广起来复杂。
技术实现思路
[0005]本专利技术提供了一种危险驾驶行为的识别方法、装置、设备及存储介质，用于提高对危险驾驶行为的识别准确度，减少驾驶行为的监测成本。
[0006]本专利技术第一方面提供了一种危险驾驶行为的识别方法，包括：当车辆的驾驶员处于预置的检测区域时，对所述车辆进行车辆行驶检测；若所述车辆处于行驶状态，则获取所述驾驶员对应的驾驶行为图像，并对所述驾驶行为图像进行图像增强处理，得到目标驾驶行为图像；调用预置的危险驾驶行为识别模型对所述目标驾驶行为图像进行识别，其中，所述危险驾驶行为识别模型基于残差网络通过注意力机制和三元组损失函数进行模型优化；若所述目标驾驶行为图像中所述驾驶员存在危险驾驶行为，则生成危险驾驶提醒信息，并将所述危险驾驶提醒信息发送至提醒终端。
[0007]在一种可行的实施方式中，在所述当车辆的驾驶员处于预置的检测区域时，对所述车辆进行车辆行驶检测之前，还包括：获取多张历史危险驾驶行为图像，并对所述多张历史危险驾驶行为图像进行样本抽取，得到样本图像集；对所述样本图像集进行三元组组合，并基于注意力机制进行特征提取和分类，得到多个目标危险驾驶行为图像集；根据所述多个目标危险驾驶行为图像集基于残差网络对预设模型进行训练，生成危险驾驶行为识别模型。
[0008]在一种可行的实施方式中，所述获取多张历史危险驾驶行为图像，并对所述多张历史危险驾驶行为图像进行样本抽取，得到样本图像集，包括：获取多张历史危险驾驶行为图像，并对每张历史危险驾驶行为图像进行线性增强和裁剪，得到多张线性增强和裁剪后的历史危险驾驶行为图像；将所述多张线性增强和裁剪后的历史危险驾驶行为图像进行分类，得到多个初始危险驾驶行为图像集，每个初始危险驾驶行为图像集对应一种危险驾驶
行为；在所述每个初始危险驾驶行为图像集中抽取多张样本图像，得到样本图像集。
[0009]在一种可行的实施方式中，所述对所述样本图像集进行三元组组合，并基于注意力机制进行特征提取和分类，得到多个目标危险驾驶行为图像集，包括：对所述样本图像集进行三元组组合，生成多组三元组；基于注意力机制对所述多组三元组中的每组三元组进行特征提取，并基于提取的特征计算三元组损失函数，得到多张候选危险驾驶行为图像；对所述多张候选危险驾驶行为图像进行分类，得到多个目标危险驾驶行为图像集，每个目标危险驾驶行为图像集对应一种危险驾驶行为。
[0010]在一种可行的实施方式中，所述调用预置的危险驾驶行为识别模型对所述目标驾驶行为图像进行识别，包括：通过预置的危险驾驶行为识别模型将所述目标驾驶行为图像与多张预置的危险驾驶行为图像进行匹配；若所述目标驾驶行为图像与所述多张预置的危险驾驶行为图像中的目标预置的危险驾驶行为图像匹配，则确定所述驾驶员存在危险驾驶行为；若所述目标驾驶行为图像与所述多张预置的危险驾驶行为图像未匹配，则确定所述驾驶员未存在危险驾驶行为。
[0011]在一种可行的实施方式中，所述当车辆的驾驶员处于预置的检测区域时，对所述车辆进行车辆行驶检测，包括：当车辆的驾驶员处于预置的检测区域时，获取所述车辆的发动机运行数据，所述发动机运行数据包括发动机转速；若所述发动机转速为非零，则确定所述车辆处于行驶状态；若所述发动机转速为零，则确定所述车辆处于非行驶状态。
[0012]在一种可行的实施方式中，所述若所述车辆处于行驶状态，则获取所述驾驶员对应的驾驶行为图像，并对所述驾驶行为图像进行图像增强处理，得到目标驾驶行为图像，包括：若所述车辆处于行驶状态，则获取所述驾驶员对应的驾驶行为图像；对所述驾驶行为图像进行灰度变换，生成灰度化驾驶行为图像；对所述灰度化驾驶行为图像进行直方图增强处理，得到直方图增强处理后的驾驶行为图像；对所述直方图增强处理后的驾驶行为图像进行滤波处理，生成目标驾驶行为图像。
[0013]本专利技术第二方面提供了一种危险驾驶行为的识别装置，包括：行驶检测模块，用于当车辆的驾驶员处于预置的检测区域时，对所述车辆进行车辆行驶检测；获取增强模块，用于若所述车辆处于行驶状态，则获取所述驾驶员对应的驾驶行为图像，并对所述驾驶行为图像进行图像增强处理，得到目标驾驶行为图像；行为识别模块，用于调用预置的危险驾驶行为识别模型对所述目标驾驶行为图像进行识别，其中，所述危险驾驶行为识别模型基于残差网络通过注意力机制和三元组损失函数进行模型优化；生成发送模块，用于若所述目标驾驶行为图像中所述驾驶员存在危险驾驶行为，则生成危险驾驶提醒信息，并将所述危险驾驶提醒信息发送至提醒终端。
[0014]在一种可行的实施方式中，所述危险驾驶行为的识别装置还包括：获取抽取模块，用于获取多张历史危险驾驶行为图像，并对所述多张历史危险驾驶行为图像进行样本抽取，得到样本图像集；组合分类模块，用于对所述样本图像集进行三元组组合，并基于注意力机制进行特征提取和分类，得到多个目标危险驾驶行为图像集；模型训练模块，用于根据所述多个目标危险驾驶行为图像集基于残差网络对预设模型进行训练，生成危险驾驶行为识别模型。
[0015]在一种可行的实施方式中，所述获取抽取模块具体用于：获取多张历史危险驾驶行为图像，并对每张历史危险驾驶行为图像进行线性增强和裁剪，得到多张线性增强和裁
剪后的历史危险驾驶行为图像；将所述多张线性增强和裁剪后的历史危险驾驶行为图像进行分类，得到多个初始危险驾驶行为图像集，每个初始危险驾驶行为图像集对应一种危险驾驶行为；在所述每个初始危险驾驶行为图像集中抽取多张样本图像，得到样本图像集。
[0016]在一种可行的实施方式中，所述组合分类模块具体用于：对所述样本图像集进行三元组组合，生成多组三元组；基于注意力机制对所述多组三元组中的每组三元组进行特征提取，并基于提取的特征计算三元组损失函数，得到多张候选危险驾驶行为图像；对所述多张候选危险驾驶行为图像进行分类，得到多个目标危险驾驶行为图像集，每个目标危险驾驶行为图像集对应一种危险驾驶行为。
[0017]在一种可行的实施方式中，所述行为识别模块具体用于：通过预置的危险驾驶行为识别模型将所述目标驾驶行为图像与多张预置本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种危险驾驶行为的识别方法，其特征在于，所述危险驾驶行为的识别方法包括：当车辆的驾驶员处于预置的检测区域时，对所述车辆进行车辆行驶检测；若所述车辆处于行驶状态，则获取所述驾驶员对应的驾驶行为图像，并对所述驾驶行为图像进行图像增强处理，得到目标驾驶行为图像；调用预置的危险驾驶行为识别模型对所述目标驾驶行为图像进行识别，其中，所述危险驾驶行为识别模型基于残差网络通过注意力机制和三元组损失函数进行模型优化；若所述目标驾驶行为图像中所述驾驶员存在危险驾驶行为，则生成危险驾驶提醒信息，并将所述危险驾驶提醒信息发送至提醒终端。2.根据权利要求1所述的危险驾驶行为的识别方法，其特征在于，在所述当车辆的驾驶员处于预置的检测区域时，对所述车辆进行车辆行驶检测之前，还包括：获取多张历史危险驾驶行为图像，并对所述多张历史危险驾驶行为图像进行样本抽取，得到样本图像集；对所述样本图像集进行三元组组合，并基于注意力机制进行特征提取和分类，得到多个目标危险驾驶行为图像集；根据所述多个目标危险驾驶行为图像集基于残差网络对预设模型进行训练，生成危险驾驶行为识别模型。3.根据权利要求2所述的危险驾驶行为的识别方法，其特征在于，所述获取多张历史危险驾驶行为图像，并对所述多张历史危险驾驶行为图像进行样本抽取，得到样本图像集，包括：获取多张历史危险驾驶行为图像，并对每张历史危险驾驶行为图像进行线性增强和裁剪，得到多张线性增强和裁剪后的历史危险驾驶行为图像；将所述多张线性增强和裁剪后的历史危险驾驶行为图像进行分类，得到多个初始危险驾驶行为图像集，每个初始危险驾驶行为图像集对应一种危险驾驶行为；在所述每个初始危险驾驶行为图像集中抽取多张样本图像，得到样本图像集。4.根据权利要求2所述的危险驾驶行为的识别方法，其特征在于，所述对所述样本图像集进行三元组组合，并基于注意力机制进行特征提取和分类，得到多个目标危险驾驶行为图像集，包括：对所述样本图像集进行三元组组合，生成多组三元组；基于注意力机制对所述多组三元组中的每组三元组进行特征提取，并基于提取的特征计算三元组损失函数，得到多张候选危险驾驶行为图像；对所述多张候选危险驾驶行为图像进行分类，得到多个目标危险驾驶行为图像集，每个目标危险驾驶行为图像集对应一种危险驾驶行为。5.根据权利要求1所述的危险驾驶行为的识别方法，其特征在于，所述调用预置的危险驾驶行为识别模型对所述目标驾驶行为图像进行识别，包括：通过预置的危险驾驶行为识别模型将所述目标驾驶行为图像与多张预置的危险驾驶行为图像进行匹配；若所述目标驾...
【专利技术属性】
技术研发人员：曾月，李斯，杨周龙，
申请(专利权)人：上海东普信息科技有限公司，
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。