[发明专利]驾驶行为检测方法、装置以及电子设备

权利要求书

1.一种驾驶行为检测方法，其特征在于，所述方法包括：

获取主驾驶车窗图像；其中，所述主驾驶车窗图像中包含驾驶员；

通过指定CPN卷积神经网络对所述主驾驶车窗图像中所述驾驶员的人体关键点进行提取，得到人体关键点坐标；

基于所述人体关键点坐标确定驾驶行为特征数据；其中，所述驾驶行为特征数据用于表征所述驾驶员的驾驶行为；

根据所述驾驶行为特征数据通过训练后的FD-KNN判别模型检测所述驾驶员是否存在异常驾驶行为，得到异常驾驶行为检测结果；

所述获取主驾驶车窗图像的步骤，包括：

获取交通监控图像；

利用YOLOV5目标检测算法从所述交通监控图像中获取主驾驶车窗图像；

所述交通监控图像为通过热感摄像头采集到的图像，所述主驾驶车窗图像包含热成像图像；在所述通过指定CPN卷积神经网络对所述主驾驶车窗图像中所述驾驶员的人体关键点进行提取，得到人体关键点坐标的步骤之后，还包括：

从所述人体关键点坐标中确定所述驾驶员的人体头部对应的第一人体关键点坐标；

通过所述热成像图像确定所述第一人体关键点坐标周围预设范围内的第一温度；

如果所述第一温度大于预设温度，和/或，所述第一温度和第二人体关键点坐标处的第二温度之间的温度差大于预设温差，则确定所述驾驶员存在异常驾驶行为；其中，所述第二人体关键点坐标为所述驾驶员上除所述人体头部以外其它人体部位对应的人体关键点坐标。

2.根据权利要求1所述的方法，其特征在于，所述利用YOLOV5目标检测算法从所述交通监控图像中获取主驾驶车窗图像的步骤，包括：

对所述交通监控图像中的目标车辆进行跟踪，并将跟踪到的所述目标车辆的图像转化为灰度图像；

将所述灰度图像的尺寸缩放至指定尺寸，并通过以下算法计算所述指定尺寸下的所述灰度图像中每个像素点的二阶导数：

；其中，x和y为像素点坐标，为所述像素点坐标对应的坐标灰度图像素值；

计算所有所述像素点的所述二阶导数的方差，如果所述方差大于预设阈值则确定为最优帧的主驾驶车窗图像，若所述方差未超过所述预设阈值则确定不为最优帧的主驾驶车窗图像；

将所述最优帧的主驾驶车窗图像确认为待检测的主驾驶车窗图像。

3.根据权利要求1所述的方法，其特征在于，所述确定所述驾驶员存在异常驾驶行为的步骤之后，还包括：

基于所述交通监控图像通过车牌号识别和/或人脸识别确定所述驾驶员的目标身份，并从多个预设通讯方式中确定所述目标身份对应的目标预设通讯方式；

通过所述目标预设通讯方式发出异常驾驶行为的语音提示。

4.根据权利要求1所述的方法，其特征在于，在所述通过指定CPN卷积神经网络对所述主驾驶车窗图像中所述驾驶员的人体关键点进行提取，得到人体关键点坐标的步骤之前，还包括：

对初始CPN卷积神经网络中加入卷积注意力机制模块，得到所述指定CPN卷积神经网络；

其中，所述卷积注意力机制模块包含通道注意力子模块和空间注意力子模块；所述通道注意力子模块用于通过池化操作学习每个通道的第一重要程度，根据所述第一重要程度对每个所述通道分配权重，并通过全局的最大池化和平均池化进入全连接层进行学习；所述空间注意力子模块用于对通过所述通道注意力子模块加权的特征图谱中各个位置对于需要估计点的第二重要程度进行学习，并将所述最大池化的结果和所述平均池化的结果按照指定维度进行拼接，基于拼接结果通过卷积生成空间注意力机制。

5.根据权利要求1所述的方法，其特征在于，所述基于所述人体关键点坐标确定驾驶行为特征数据的步骤，包括：

对任意两个所述人体关键点坐标之间的距离进行计算，得到至少一个关键点距离；

对所述驾驶员的人体肩部以及人体腕部对应的第三人体关键点坐标处对应的肩部弯曲角度以及腕部弯曲角度进行计算，得到关键点角度；

将所述关键点距离和所述关键点角度确定为用于表征驾驶行为的驾驶行为特征数据。