[发明专利]一种危险驾驶行为识别方法、装置、电子设备及存储介质

权利要求书

1.一种危险驾驶行为识别方法，其特征在于，所述方法包括：

将待识别图像输入至预先训练的人脸检测模型，通过所述人脸检测模型对所述待识别图像进行人脸检测，得到所述待识别图像的人脸检测框；

将所述人脸检测框输入至预先训练的危险驾驶行为识别模型，通过所述危险驾驶行为识别模型对所述人脸检测框进行危险驾驶行为识别，得到所述人脸检测框对应的危险驾驶行为识别结果。

2.根据权利要求1所述的方法，其特征在于，在所述将所述人脸检测框输入至预先训练的危险驾驶行为识别模型之前，所述方法还包括：

对所述人脸检测框进行图像预处理，得到图像预处理后的人脸检测框；将所述图像预处理后的人脸检测框输入至所述危险驾驶行为识别模型。

3.根据权利要求2所述的方法，其特征在于，所述对所述人脸检测框进行图像预处理，得到图像预处理后的人脸检测框，包括：

将所述人脸检测框进行放大处理，得到放大处理后的人脸检测框；

将所述放大处理后的人脸检测框进行裁剪处理，得到裁剪处理后的人脸检测框；

将所述裁剪处理后的人脸检测框进行归一化处理，得到归一化处理后的人脸检测框；将所述归一化后的人脸检测框作为所述图像预处理后的人脸检测框。

4.根据权利要求1所述的方法，其特征在于，所述通过所述人脸检测模型对所述待识别图像进行人脸检测，得到所述待识别图像的人脸检测框，包括：

将所述人脸检测模型的第一层卷积神经网络作为当前层卷积神经网络；将所述待识别图像作为所述当前层卷积神经网络的检测对象；

通过所述当前层卷积神经网络对所述当前层卷积神经网络的检测对象进行图像下采样，得到所述当前层卷积神经网络对应的人脸特征提取结果；将所述当前层卷积神经网络对应的人脸特征提取结果作为所述当前层卷积神经网络的下一层卷积神经网络的检测对象；将所述下一层卷积神经网络作为所述当前层卷积神经网络，重复执行上述操作，直到在所述人脸检测模型的第N层卷积神经网络的检测对象中提取出第N层卷积神经网络对应的人脸特征提取结果；其中，N为大于1的自然数；

基于所述第一层卷积神经网络至所述第N层卷积神经网络中的每一层卷积神经网络对应的人脸特征提取结果，得到所述待识别图像的人脸检测框。

5.根据权利要求1所述的方法，其特征在于，所述将所述人脸检测框输入至预先训练的危险驾驶行为识别模型，通过所述危险驾驶行为识别模型对所述人脸检测框进行危险驾驶行为识别，得到所述人脸检测框对应的危险驾驶行为识别结果，包括：

将所述人脸检测框输入至所述危险驾驶行为识别模型中的卷积层，通过所述卷积层对所述人脸检测框进行卷积操作，得到所述卷积层对应的人脸特征提取结果；

将所述卷积层对应的人脸特征提取结果输入至所述危险驾驶行为识别模型中的池化层，通过所述池化层对所述卷积层对应的人脸检测框进行池化操作，得到所述池化层对应的人脸特征提取结果；

将所述池化层对应的人脸特征提取结果输入至所述危险驾驶行为模型中的全连接层，通过所述全连接层对所述池化层对应的人脸特征提取特征进行分类操作，得到所述人脸检测框对应的危险驾驶行为识别结果。

6.根据权利要求1所述的方法，其特征在于，在所述将待识别图像输入至预先训练的人脸检测模型之前，所述方法还包括：

将预先获取的第一个人脸图像样本作为当前人脸图像样本；

若所述人脸检测模型不满足预先设置的所述人脸检测模型对应的收敛条件，将所述当前人脸图像样本输入至所述人脸检测模型，使用所述当前人脸图像样本对所述人脸检测模型进行训练；将所述当前人脸图像样本的下一个人脸图像样本作为所述当前人脸图像样本，重复执行上述操作，直到所述人脸检测模型满足所述人脸检测模型对应的收敛条件。