[发明专利]驾驶行为检测方法、装置以及电子设备

说明书

本申请提供了一种驾驶行为检测方法、装置以及电子设备，涉及安防监控技术领域，缓解了检测异常驾驶行为的精确度较低的技术问题。该方法包括：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。

技术领域

本申请涉及安防监控技术领域，尤其是涉及一种驾驶行为检测方法、装置以及电子设备。

背景技术

目前，随着科技的进步，社会的发展，汽车在人们生活中占了很大的比重，成了人们方便的代步工具。与此同时，驾驶员不规范驾驶导致了大量的不必要的交通事故，成了威胁人们生命的一个重要方面。但是，目前现有的方法检测出的异常驾驶行为的精确度较低，很容易使异常驾驶行为的检测结果出现错误。

发明内容

本发明的目的在于提供一种驾驶行为检测方法、装置以及电子设备，以缓解检测异常驾驶行为的精确度较低的技术问题。

第一方面，本申请实施例提供了一种驾驶行为检测方法，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；

通过指定姿态估计（Cascaded Pyramid Network for Multi-Person PoseEstimation，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k近邻检测（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。

在一个可能的实现中，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（单阶段图像检测算法）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。

在一个可能的实现中，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。

在一个可能的实现中，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；