驾驶行为检测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供一种驾驶行为检测方法、装置、电子设备及存储介质，该方法包括：获取带有边界框及边界框标签的第一图像，边界框内具有第一对象、第二对象以及第二对象对第一对象的行为的图片特征，边界框标签包括边界框内图片特征所表现的行为类型；构建通过第一图像训练机器学习模型而获得的检测网络模型；获取车载相机拍摄的第二图像；通过检测网络模型检测第二图像，以在第二图像中具有边界框内的图片特征时，认定第二图像所表现的行为类型为边界框标签所记录的行为类型。本发明专利技术检测方法提高了检测准确度，降低了误报几率，具有较好的驾驶体验。且无需积累多张单帧图片的检测结果，采用单帧图片即可完成检测，减轻了DMS系统的计算负担。负担。负担。

【技术实现步骤摘要】
驾驶行为检测方法、装置、电子设备及存储介质


[0001]本专利技术涉及驾驶员监测系统
，尤其涉及一种驾驶行为检测方法、装置、电子设备及存储介质。

技术介绍

[0002]驾驶员监测系统(Driver monitoring system，DMS)是基于驾驶员面部图像、生理指标、行为动作等信息处理以判定驾驶员状态的实时系统，主要实现对驾驶员的身份识别、疲劳监测、分心监测以及危险驾驶行为(如抽烟、接听电话、看手机与喝水等)的监测功能。
[0003]驾驶员行为检测作为DMS系统中重要组成部分，对于车辆驾驶的安全性至关重要。所检测的行为包括抽烟、接听电话、看手机与喝水等危险驾驶行为。传统的行为检测方案，比较依赖对目标对象的检测，以抽烟为例，以香烟为检测对象，通过车载相机多次拍摄单帧图片，对每次拍摄的单帧图片是否有香烟进行检测处理，积累多个单帧图片的检测结果后，使用后处理逻辑，比如香烟离嘴巴的距离等判断是否存在抽烟行为。
[0004]但是，受限于车内环境以及深度学习模型，依赖目标对象的检测结果容易出现误差，导致最终检测结果较差。在实际使本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种驾驶行为检测方法，其特征在于，所述方法包括：获取带有边界框及边界框标签的第一图像，所述边界框内具有第一对象、第二对象以及第二对象对第一对象的行为的图片特征，所述边界框标签包括边界框内图片特征所表现的行为类型；构建通过第一图像训练机器学习模型而获得的检测网络模型；获取车载相机拍摄的第二图像；通过所述检测网络模型检测所述第二图像，以在所述第二图像中具有所述边界框内的图片特征时，认定所述第二图像所表现的行为类型为所述边界框标签所记录的行为类型。2.根据权利要求1所述的驾驶行为检测方法，其特征在于，所述构建通过第一图像训练机器学习模型而获得的检测网络模型，包括：通过机器学习模型识别所述第一图像中的边界框内的图片特征，输出预测值；通过机器学习模型的损失函数计算所述预测值与真实值之间的损失值，并将所述损失值反馈至机器学习模型，所述真实值记录在所述边界框标签内。3.根据权利要求1所述的驾驶行为检测方法，其特征在于，所述机器学习模型包括卷积神经网络模型，所述构建通过第一图像训练机器学习模型而获得的检测网络模型，包括：通过卷积神经网络模型识别所述第一图像中的边界框内的图片特征，并输出第一对象得分、第二对象得分以及第二对象对第一对象的行为；计算三个分支的损失函数，分别为第一对象得分损失函数、第二对象得分损失函数，以及第二对象对第一对象的行为得分损失函数；将所述三个分支的损失函数分别乘以各自权重后求和获得图片特征的损失函数；将所述图片特征的损失函数反馈至所述卷积神经网络模型，以提高训练获得的所述检测网络模型的预测精度。4.根据权利要求1所述的驾驶行为检测方法，其特征在于，所述获取车载相机拍摄的第二...

【专利技术属性】
技术研发人员：贺克赛，
申请(专利权)人：际络科技上海有限公司，
类型：发明
国别省市：