[发明专利]驾驶员异常行为识别方法、装置、设备及存储介质

权利要求书

1.一种驾驶员异常行为识别方法，其特征在于，包括：

确定待处理视频流数据的属性信息，其中，所述属性信息，包括以下信息中的至少一个：所属的线路标识、采集时间、对应的采集区域、包含的视频帧数量、及包含的驾驶员数量；

根据所述待处理视频流数据的属性信息，获取与所述待处理视频流数据对应的目标神经网络模型；

利用所述目标神经网络模型，对所述待处理视频流数据进行识别处理，以确定所述待处理视频流数据中是否包含驾驶员异常行为数据。

2.如权利要求1所述的方法，其特征在于，所述对所述待处理视频流数据进行识别处理之前，还包括：

对所述待处理视频流数据进行筛选处理。

3.如权利要求1所述的方法，其特征在于，所述获取与所述待处理视频流数据对应的目标神经网络模型，包括：

获取与所述待处理视频流数据对应的目标参数矩阵；

所述利用所述目标神经网络模型，对所述待处理视频流数据进行识别处理，包括：

基于所述目标参数矩阵，利用预设的神经网络模型，对所述待处理视频流数据进行识别处理，其中，所述预设的神经网络模型中的各参数的取值为所述目标参数矩阵中的各参数时，所述预设的神经网络模型为所述目标神经网络模型。

4.如权利要求1所述的方法，其特征在于，所述利用所述目标神经网络模型，对所述待处理视频流数据进行识别处理之前，还包括：

根据目标异常行为特征，从预设的数据库中获取目标多媒体数据，或者录制目标多媒体数据，其中，所述异常行为特征为根据待处理的视频流数据的属性信息确定的；

利用所述目标多媒体数据，对预设的神经网络模型进行训练，以生成所述目标神经网络模型。

5.如权利要求1-4任一所述的方法，其特征在于，所述利用所述目标神经网络模型，对所述待处理视频流数据进行识别处理，包括：

利用所述目标神经网络模型中的卷积层，对所述待处理视频流数据进行特征提取；

利用所述目标神经网络模型中的池化层，对所述卷积层提取的特征进行压缩处理，以确定所述待处理视频流数据的关键特征；

利用所述目标神经网络模型中的分类层，对所述关键特征进行分类处理，以根据所述关键特征与每个预设类的相似度，确定所述待处理视频流数据中包含的驾驶员异常行为数据类型。

6.如权利要求1-4任一所述的方法，其特征在于，所述利用所述目标神经网络模型，对所述待处理视频数据进行识别处理之后，还包括：

在确定所述待处理视频流数据中包含驾驶员异常行为数据时，向所述待处理视频流数据所属的车站监控系统发送预警消息。

7.一种驾驶员异常行为识别装置，其特征在于，包括：

确定模块，用于确定待处理视频流数据的属性信息，其中，所述属性信息，包括以下信息中的至少一个：所属的线路标识、采集时间、对应的采集区域、包含的视频帧数量、及包含的驾驶员数量；

获取模块，用于根据所述待处理视频流数据的属性信息，获取与所述待处理视频流数据对应的目标神经网络模型；

识别模块，用于利用所述目标神经网络模型，对所述待处理视频流数据进行识别处理，以确定所述待处理视频数据中是否包含驾驶员异常行为数据。

8.一种计算机设备，其特征在于，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，以实现如权利要求1-6任一所述的驾驶员异常行为识别方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时，以实现如权利要求1-6任一所述的驾驶员异常行为识别方法。

10.一种计算机程序，其特征在于，当所述计算机程序被处理器执行时，实现如权利要求1-6任一所述的驾驶员异常行为识别方法。