非机动车违规驾驶行为检测方法、装置和嵌入式设备制造方法及图纸

本申请涉及一种非机动车违规驾驶行为检测方法方法、装置、嵌入式设备、存储介质和计算机程序产品。该方法包括：定义非机动车违规检测的目标类型，基于所述目标类型制作违规检测数据集；搭建网络结构，基于所述违规检测数据集采用知识蒸馏算法训练所述网络，得到轻量化模型；获取视频数据，对视频数据划定感兴趣区域和检测区域；对检测区域的检测目标通过轻量化模型进行检测，得到驾驶行为检测结果；基于驾驶行为检测结果，进行驾驶行为判别；若判别结果为存在违规行为，则保存违规类型，截取违规图像。采用本方法能够有效的平衡了精度和速度的关系，降低了对设备算力的消耗，减少了违规行为的误判和漏判，并方便部署在嵌入式设备应用。应用。应用。

【技术实现步骤摘要】
非机动车违规驾驶行为检测方法、装置和嵌入式设备


[0001]本申请涉及人工智能
，特别是涉及一种非机动车违规驾驶行为检测方法、装置、嵌入式设备、存储介质和计算机程序产品。

技术介绍

[0002]随着城镇化的快速发展和城市人口增加，机动车和非机动车数量增长迅速，行驶安全问题得到了更多的关注和研究。相较于机动车，非机动车具有车身小、保护设备不足和限制措施少等特点，容易发生事故且造成重大损失。在未佩戴头盔和违规载人的场景中，非机动车更有可能造成人员伤亡。
[0003]近年来，智慧城市和人工智能产业得到飞速发展，相对应的硬件和算法也得到大量完善，推进了对机动车和非机动车的检测方面的研究，如检测算法中的yolo系列算法、知识蒸馏算法中的FGD算法。其中，针对机动车的闯红灯、超速和超载等行为检测，有效的减少了违规行为的发生和维护了驾驶员的行驶安全。为此，对非机动车驾驶员未戴头盔、违规载人和逆行等行为进行检测，也将有效的提升非机动车道的通畅程度和非机动车驾驶员的安全度。
[0004]已有大量方法应用于非机动车违规行为检测，主要可分为一阶本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种非机动车违规驾驶行为检测方法，其特征在于，所述方法包括：步骤A：定义非机动车违规检测的目标类型，基于所述目标类型制作违规检测数据集；步骤B：搭建网络结构，基于所述违规检测数据集采用知识蒸馏算法训练所述网络，得到轻量化模型；步骤C：获取视频数据，对所述视频数据划定感兴趣区域和检测区域；步骤D：对所述检测区域的检测目标通过轻量化模型进行检测，得到驾驶行为检测结果；步骤E：基于所述驾驶行为检测结果，进行驾驶行为判别；步骤F：若判别结果为存在违规行为，则保存违规类型，截取违规图像；若判别结果为无违规行为，则返回步骤D继续处理。2.根据权利要求1所述的方法，其特征在于，所述步骤B：搭建网络结构，基于所述违规检测数据集采用知识蒸馏算法训练所述网络，得到轻量化模型，包括：步骤B1：对所述违规检测数据集的图像通道和尺寸进行预处理；步骤B2：搭建训练模型使用的特征提取模块、特征融合和检测信息输出模块；步骤B3：基于所述违规检测数据集训练教师模型；步骤B4：基于所述教师模型和所述违规检测数据集训练轻量化模型。3.根据权利要求2所述的方法，其特征在于，所述步骤B4：基于所述教师模型和所述违规检测数据集训练轻量化模型，包括：步骤B41：输入违规检测数据集进行训练，得到教师模型和轻量化模型的每一轮的特征融合前和融合后的第一学生特征、第二学生特征、第三学生特征、第一教师特征、第二教师特征、第三教师特征和轻量化模型的损失值；步骤B42：将所述教师模型和轻量化模型的第一学生特征、第二学生特征、第三学生特征、第一教师特征、第二教师特征、第三教师特征输入知识蒸馏优化网络，得到第一损失、第二损失和第三损失；步骤B43：获取训练损失，将所述训练损失进行传递迭代；所述训练损失为所述第一损失、第二损失、第三损失和模型自身损失的和；步骤B44：判断是否收敛或达到最大训练次数，当收敛或达到最大训练次数时，保存轻量化模型；否则，返回步骤B41继续进行训练。4.根据权利要求1所述的方法，其特征在于，所述步骤C：获取视频数据，对所述视频数据划定感兴趣区域和检测区域，包括：步骤C1：对所述轻量化模型进行格式转化和量化，并部署入嵌入式设备；步骤C2：启动所述嵌入式设备，获取视频数据；步骤C3：根据非机动车车道特点划定感兴趣区域，在所述感兴趣区域进...

【专利技术属性】
技术研发人员：李征，付本刚，
申请(专利权)人：江苏航天大为科技股份有限公司，
类型：发明
国别省市：