[发明专利]一种安全带检测方法、装置、电子设备及存储介质

说明书

本申请公开了一种安全带检测方法、装置、电子设备及存储介质，涉及人工智能、深度学习和图像检测领域，可应用于自动驾驶领域。具体方案为：将待识别图像输入至预先训练的语义分割网络，通过语义分割网络对待识别图像进行安全带区域检测，得到待识别图像的安全带检测区域；将安全带检测区域输入至预先训练的安全带检测网络，通过安全带检测网络对安全带检测区域进行安全带检测，得到安全带检测区域对应的安全带检测结果。本申请实施例可以准确地检测出驾驶员是否系安全带，从而可以有效地协助车辆监管部门进行运营监管，为车辆安全行驶提供保障。

技术领域

本申请涉及计算机技术领域，进一步涉及人工智能、深度学习和图像检测领域，可应用于自动驾驶领域，尤其是一种安全带检测方法、装置、电子设备及存储介质。

背景技术

随着互联网和人工智能技术的不断发展，越来越多的领域开始涉及自动化计算与分析，其中监控安防领域是最为重要的场景之一。

对于公共运营车辆，如出租车、公交车、长途大巴车等，由于涉及众多乘客安全，驾驶员的驾驶安全显得尤为重要。因此，许多公共运营车辆已安装车载监控摄像头，方便对应公司或监管部门对驾驶员驾驶行为进行监控。对于驾驶员经常出现的一些危险驾驶行为，如抽烟、打电话、未系安全带等，需要及时发现并进行警告，最大限度保证车辆行驶安全。

针对驾驶员安全带判断，传统方法通常采用对监控视频进行抽查，之后人工肉眼进行判断；近年来，随着卷积神经网络(Convolutional Neural Networks，CNN)的兴起，一些方法已引入人工智能辅助识别，不过这些方法通常只是对整张监控图片或者司机身体区域进行直接二分类来进行判断。在已有方案中，人工肉眼方式存在速度慢，误差大，时间、人力成本高昂等缺点；基于CNN的直接分类法，由于安全带目标在图像中较小，可提取出的特征稀少，同时周围又存在大量干扰信息，导致在真实车载场景中识别准确率较低，识别效果不理想。

发明内容

本申请提供了一种安全带检测方法、装置、电子设备及存储介质，可以准确地检测出驾驶员是否系安全带，从而可以有效地协助车辆监管部门进行运营监管，为车辆安全行驶提供保障。

第一方面，本申请提供了一种安全带检测方法，所述方法包括：

将待识别图像输入至预先训练的语义分割网络，通过所述语义分割网络对所述待识别图像进行安全带区域检测，得到所述待识别图像的安全带检测区域；

将所述安全带检测区域输入至预先训练的安全带检测网络，通过所述安全带检测网络对所述安全带检测区域进行安全带检测，得到所述安全带检测区域对应的安全带检测结果。

第二方面，本申请提供了一种安全带检测装置，所述装置包括：分割模块和检测模块；其中，

所述分割模块，用于将待识别图像输入至预先训练的语义分割网络，通过所述语义分割网络对所述待识别图像进行安全带区域检测，得到所述待识别图像的安全带检测区域；

所述检测模块，用于将所述安全带检测区域输入至预先训练的安全带检测网络，通过所述安全带检测网络对所述安全带检测区域进行安全带检测，得到所述安全带检测区域对应的安全带检测结果。

第三方面，本申请实施例提供了一种电子设备，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本申请任意实施例所述的安全带检测方法。

第四方面，本申请实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现本申请任意实施例所述的安全带检测方法。