[发明专利]基于深度学习的驾驶员行为检测方法和系统

权利要求书

1.一种基于深度学习的驾驶员行为检测方法，其特征在于，包括：

对所采集的目标样本数据库中的样本数据添加数据标注，所述数据标注用于标注所述目标样本数据库中样本数据的目标部位所在的位置；

根据所述数据标注对所述目标样本数据库中疑似异常的样本数据添加疑似异常标签；

目标检测方法中，相比单纯的背景检测，独立类别的疑似动作特征表达性、代表性更强，将真实异常动作与疑似异常动作不共享的特征通过添加疑似异常标签强化；

采用深度学习算法对添加所述数据标注和所述疑似异常标签的目标样本数据库进行模型训练，得到行为检测模型；

基于所述行为检测模型检测所输入的待检测数据的数据类型，所述数据类型包括异常和疑似异常；

所述方法还包括：

采集源样本数据组成源样本数据库；

筛选掉所述源样本数据库中数据类型确定为正常的样本数据，得到目标样本数据库；

在对所采集的目标样本数据库中的样本数据添加数据标注时，所述方法还包括：

对所采集的目标样本数据库中的样本数据进行数据增量处理；

对所述数据增量处理后的目标样本数据库中的样本数据添加数据标注。

2.根据权利要求1所述的方法，其特征在于：

所述数据增量处理包括随机旋转、镜像翻转、添加随机噪声以及基于ROI的图像裁剪中的一个或多个。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

提取所述目标样本数据库中样本数据的人脸框；

采用预设扩展函数在所述目标样本数据库的样本数据中以所述人脸框为基准，扩展出包含所述目标部位的扩展框。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

对所述扩展框所包含的样本数据进行预处理，所述预处理包括特征提取和图像增强；

采用深度学习算法对预处理后的样本数据进行模型训练，得到行为检测模型。

5.根据权利要求1所述的方法，其特征在于，在基于所述行为检测模型检测所输入的待检测数据的数据类型时，所述方法还包括：

对所输入的待检测数据添加数据标注；

基于所述行为检测模型检测添加所述数据标注后的待检测数据的数据类型。

6.根据权利要求1所述的方法，其特征在于：

所述疑似异常标签对应的疑似动作至少包括揉眼、喝水、摸脸、摸耳朵、捂嘴以及其他。

7.一种基于深度学习的驾驶员行为检测系统，其特征在于，包括：

标注添加模块，用于对所采集的目标样本数据库中的样本数据添加数据标注，所述数据标注用于标注所述目标样本数据库中样本数据的目标部位所在的位置；

标签添加模块，用于根据所述数据标注对所述目标样本数据库中疑似异常的样本数据添加疑似异常标签；

目标检测方法中，相比单纯的背景检测，独立类别的疑似动作特征表达性、代表性更强，将真实异常动作与疑似异常动作不共享的特征通过添加疑似异常标签强化；

模型训练模块，用于采用深度学习算法对添加所述数据标注和所述疑似异常标签的目标样本数据库进行模型训练，得到行为检测模型；

数据检测模块，用于基于所述行为检测模型检测所输入的待检测数据的数据类型，所述数据类型包括异常和疑似异常。

8.根据权利要求7所述的系统，其特征在于，所述系统还包括：

人脸框提取模块，用于提取所述目标样本数据库中样本数据的人脸框；

人脸框扩展模块，用于采用预设扩展函数在所述目标样本数据库的样本数据中以所述人脸框为基准，扩展出包含所述目标部位的扩展框。