【技術實現(xiàn)步驟摘要】
本申請涉及深度學習，并且更具體地，涉及深度學習中一種分心駕駛行為識別方法、裝置、車輛和存儲介質。
技術介紹
1、駕駛員在道路上的行為和活動多種多樣，包括使用手機、聽音樂、與乘客交談、吃喝、觀看娛樂系統(tǒng)等；這些分心行為可能會導致駕駛員的注意力從駕駛任務上分散出去，使他們無法及時、準確地應對交通狀況和道路情況。
2、根據(jù)統(tǒng)計數(shù)據(jù)，分心駕駛是導致交通事故的主要原因之一。由于分心駕駛引發(fā)的交通事故通常具有較高的傷亡率和嚴重的財產損失。這種危險行為可能會危及駕駛員自身的安全，也可能對其他道路用戶造成威脅。
技術實現(xiàn)思路
1、本申請?zhí)峁┝艘环N分心駕駛行為識別方法、裝置、車輛和存儲介質，該方法能夠實時且準確地識別駕駛員是否存在分心駕駛行為，提高駕駛的安全性。
2、第一方面，提供了一種分心駕駛行為識別方法，該方法包括：
3、獲取車輛內駕駛員的圖像數(shù)據(jù)和所述車輛內的傳感器數(shù)據(jù)；
4、對所述圖像數(shù)據(jù)和所述傳感器數(shù)據(jù)分別進行特征提取，得到圖像特征和傳感器特征；
5、將所述圖像特征和所述傳感器特征進行融合，得到融合特征；
6、對所述融合特征和所述圖像特征進行分心駕駛行為識別，得到表征所述駕駛員是否存在分心駕駛行為的目標識別結果。
7、上述技術方案中，獲取車輛內駕駛員的圖像數(shù)據(jù)和傳感器數(shù)據(jù)之后，通過對圖像數(shù)據(jù)和傳感器數(shù)據(jù)分別進行特征提取，能夠得到圖像數(shù)據(jù)的圖像特征以及傳感器數(shù)據(jù)的傳感器特征。之后，將圖像特征和傳感器特征進行融
8、結合第一方面，在某些可能的實現(xiàn)方式中，所述對所述圖像數(shù)據(jù)和所述傳感器數(shù)據(jù)分別進行特征提取，得到圖像特征和傳感器特征之前，所述方法還包括：
9、獲取與所述圖像數(shù)據(jù)的數(shù)據(jù)屬性相匹配的卷積網絡模型，以及，與所述傳感器數(shù)據(jù)的數(shù)據(jù)屬性相匹配的隨機森林模型；
10、所述對所述圖像數(shù)據(jù)和所述傳感器數(shù)據(jù)分別進行特征提取，得到圖像特征和傳感器特征，包括：
11、采用所述卷積網絡模型對所述圖像數(shù)據(jù)進行特征提取，得到所述圖像特征；
12、采用所述隨機森林模型對所述傳感器數(shù)據(jù)進行特征提取，得到所述傳感器特征。
13、上述技術方案中，采用擅長處理圖像數(shù)據(jù)的卷積網絡模型提取圖像特征，能夠更加快速且準確地提取到圖像特征，采用擅長捕捉數(shù)據(jù)中的線性和非線性關系的隨機森林模型提取傳感器特征，能夠更加準確的得到傳感器數(shù)據(jù)中的重要特征。
14、結合第一方面，在某些可能的實現(xiàn)方式中，所述對所述融合特征和所述圖像特征進行分心駕駛行為識別，得到表征所述駕駛員是否存在分心駕駛行為的目標識別結果，包括：
15、對所述圖像特征和所述融合特征分別進行分心駕駛行為識別，得到第一識別結果和第二識別結果；
16、基于所述第一識別結果和所述第二識別結果，確定所述目標識別結果。
17、上述技術方案中，由于第一識別結果能夠準確體現(xiàn)圖像數(shù)據(jù)中是否存在分心駕駛行為，第二識別結果能夠全方面更精準地體現(xiàn)融合特征中是否存在分心駕駛行為；所以通過對第一識別結果和第二識別結果進行融合，能夠更加實時且準確地判斷駕駛員是否存在分心駕駛行為，以便于實時提醒駕駛員的分心駕駛行為。
18、結合第一方面，在某些可能的實現(xiàn)方式中，所述對所述融合特征和所述圖像特征進行分心駕駛行為識別，得到表征所述駕駛員是否存在分心駕駛行為的目標識別結果，包括：
19、采用卷積網絡模型對所述圖像特征進行分心駕駛行為識別，得到所述第一識別結果；
20、采用隨機森林模型對所述融合特征進行分心駕駛行為識別，得到所述第二識別結果。
21、上述技術方案中，由于卷積網絡模型擅于處理圖像數(shù)據(jù)，所以通過卷積網絡模型識別圖像特征中是否存在分心駕駛行為，使得第一識別結果能夠準確體現(xiàn)圖像數(shù)據(jù)中是否存在分心駕駛行為；由于隨機森林模型擅于處理多維度數(shù)據(jù)，所以通過隨機森林模型對多維度的融合特征進行分心駕駛行為識別，能夠提高第二識別結果的準確度。
22、結合第一方面，在某些可能的實現(xiàn)方式中，所述基于所述第一識別結果和所述第二識別結果，確定所述目標識別結果，包括：
23、基于預設權重對所述第一識別結果和所述第二識別結果進行融合，得到融合結果；
24、基于所述融合結果，確定所述目標識別結果。
25、上述技術方案中，通過融合卷積網絡模型和隨機森林模型的輸出，能夠同時利用兩種模型的優(yōu)勢；這樣，能夠減少模型的過擬合，并提高模型在未見過的數(shù)據(jù)上的性能，即提高模型的魯棒性，從而使得到的目標識別結果更穩(wěn)定和準確。
26、結合第一方面，在某些可能的實現(xiàn)方式中，所述獲取所述車輛內的傳感器數(shù)據(jù)，包括：
27、獲取所述車輛內駕駛員的生理數(shù)據(jù)和所述車輛的行駛數(shù)據(jù)；
28、將所述生理數(shù)據(jù)和所述行駛數(shù)據(jù)，確定為所述傳感器數(shù)據(jù)。
29、上述技術方案中，將駕駛員的生理數(shù)據(jù)和車輛的行駛數(shù)據(jù)均作為傳感器數(shù)據(jù)，能夠豐富傳感器數(shù)據(jù)，從而在后續(xù)進行分心駕駛行為識別時，將生理數(shù)據(jù)和行駛數(shù)據(jù)均考慮進去，能夠提高識別的準確度。
30、結合第一方面，在某些可能的實現(xiàn)方式中，所述方法還包括：
31、在所述目標識別結果表征所述駕駛員存在分心駕駛行為的情況下，生成并輸出預警信息；其中，所述預警信息用于提示所述駕駛員存在分心駕駛行為。
32、上述技術方案中，在識別到駕駛員存在分心駕駛行為時，實時生成并輸出預警信息，能夠及時提醒駕駛員糾正分心駕駛行為，從而安全駕駛。
33、結合第一方面，在某些可能的實現(xiàn)方式中，所述在所述目標識別結果表征所述駕駛員存在分心駕駛行為的情況下，生成并輸出預警信息，包括：
34、在所述目標識別結果表征所述駕駛員存在分心駕駛行為的情況下，在所述圖像數(shù)據(jù)和所述傳感器數(shù)據(jù)中確定所述分心駕駛行為對應的目標數(shù)據(jù)；
35、生成并輸出所述目標數(shù)據(jù)匹配的預警信息。
36、上述技術方案中，按照觸發(fā)分心駕駛行為的目標數(shù)據(jù)，有針對性地生成預警信息，能夠更加清晰的提醒駕駛員具體是哪些行為被識別為分心駕駛行為，使得預警信息的可讀性更好，從而便于駕駛員更快速的規(guī)范駕駛行為。
37、結合第一方面，在某些可能的實現(xiàn)方式中，所述方法還包括：
38、按照預設時長間隔，獲取所述卷積網絡模型和所述隨機森林模型進行本文檔來自技高網...
【技術保護點】
1.一種分心駕駛行為識別方法，其特征在于，所述方法包括：
2.根據(jù)權利要求1所述的方法，其特征在于，所述對所述圖像數(shù)據(jù)和所述傳感器數(shù)據(jù)分別進行特征提取，得到圖像特征和傳感器特征之前，所述方法還包括：
3.根據(jù)權利要求1或2所述的方法，其特征在于，所述對所述融合特征和所述圖像特征進行分心駕駛行為識別，得到表征所述駕駛員是否存在分心駕駛行為的目標識別結果，包括：
4.根據(jù)權利要求3所述的方法，其特征在于，所述對所述融合特征和所述圖像特征進行分心駕駛行為識別，得到表征所述駕駛員是否存在分心駕駛行為的目標識別結果，包括：
5.根據(jù)權利要求3所述的方法，其特征在于，所述基于所述第一識別結果和所述第二識別結果，確定所述目標識別結果，包括：
6.根據(jù)權利要求1或2所述的方法，其特征在于，所述獲取所述車輛內的傳感器數(shù)據(jù)，包括：
7.根據(jù)權利要求1或2所述的方法，其特征在于，所述方法還包括：
8.一種分心駕駛行為識別裝置，其特征在于，所述裝置包括：
9.一種車輛，其特征在于，所述車輛包括：
...
【技術特征摘要】
1.一種分心駕駛行為識別方法，其特征在于，所述方法包括：
2.根據(jù)權利要求1所述的方法，其特征在于，所述對所述圖像數(shù)據(jù)和所述傳感器數(shù)據(jù)分別進行特征提取，得到圖像特征和傳感器特征之前，所述方法還包括：
3.根據(jù)權利要求1或2所述的方法，其特征在于，所述對所述融合特征和所述圖像特征進行分心駕駛行為識別，得到表征所述駕駛員是否存在分心駕駛行為的目標識別結果，包括：
4.根據(jù)權利要求3所述的方法，其特征在于，所述對所述融合特征和所述圖像特征進行分心駕駛行為識別，得到表征所述駕駛員是否存在分心駕駛行為的目標識別結果，包括：
5....
【專利技術屬性】
技術研發(fā)人員：李明，王玨華，
申請(專利權)人：長城汽車股份有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。