【技术实现步骤摘要】
本申请涉及目标检测，尤其涉及一种基于聚类算法的疲劳驾驶检测方法及装置。
技术介绍
1、疲劳驾驶严重危害驾驶员和他人的生命安全，因此实现高准确率的疲劳驾驶检测是非常有必要的。传统技术中是通过机器学习的方法训练一个疲劳驾驶检测模型，利用该疲劳驾驶检测模型判断驾驶员的驾驶状态。对基于聚类算法的疲劳驾驶检测，完全依赖于训练数据的数据量，传统技术只能通过大规模的训练数据提升疲劳驾驶检测模型的准确率，而且提升效果还不明显，疲劳驾驶检测模型对于有些训练样本的识别总是会出现错误。
技术实现思路
1、有鉴于此，本申请实施例提供了一种基于聚类算法的疲劳驾驶检测方法、装置、电子设备及存储介质，以解决现有技术中，只能通过大规模的训练数据提升疲劳驾驶检测模型的准确率并且提升准确率不理想的问题。
2、本申请实施例的第一方面，提供了一种基于聚类算法的疲劳驾驶检测方法，包括：获取训练数据集，其中，训练数据集包括多张训练样本，各张训练样本均是关于用户驾驶车辆时的图像，每张训练样本携带第一标签，每张训练样本的第一...
【技术保护点】
1.一种基于聚类算法的疲劳驾驶检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，利用聚类算法将所有训练样本划分为两个簇，包括：
3.根据权利要求1所述的方法，其特征在于，利用所有训练样本对所述疲劳驾驶检测模型进行分类训练，包括：
4.根据权利要求1所述的方法，其特征在于，利用每个第二目标样本、和该第二目标样本的第一标签相同的中心样本以及和该第二目标样本的第一标签不相同的第一目标样本对所述疲劳驾驶检测模型进行对比训练，包括：
5.根据权利要求1所述的方法，其特征在于，利用每个第二目标样本、和该第二目标...
【技术特征摘要】
1.一种基于聚类算法的疲劳驾驶检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，利用聚类算法将所有训练样本划分为两个簇，包括：
3.根据权利要求1所述的方法，其特征在于，利用所有训练样本对所述疲劳驾驶检测模型进行分类训练，包括：
4.根据权利要求1所述的方法，其特征在于，利用每个第二目标样本、和该第二目标样本的第一标签相同的中心样本以及和该第二目标样本的第一标签不相同的第一目标样本对所述疲劳驾驶检测模型进行对比训练，包括：
5.根据权利要求1所述的方法，其特征在于，利用每个第二目标样本、和该第二目标样本的第一标签相同的中心样本以及和该第二目标样本的第一标签不相同的第一目标样本对所述疲劳驾驶检测模型进行对比训练，包括：
6.根据权利要求1所述的方法，其特...
【专利技术属性】
技术研发人员：徐开庭，于红超，唐如意，陈婷婷，袁波，刘通，
申请(专利权)人：成都赛力斯科技有限公司，
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。