[发明专利]一种驾驶场景的多任务属性识别方法、装置、介质及设备

说明书

本申请实施例公开了一种驾驶场景的多任务属性识别方法、装置、介质及设备。该方法包括：获取驾驶场景中驾驶员的图像数据；将所述图像数据输入至预先训练好的多任务网络模型中进行属性识别；所述多任务网络模型的属性识别任务包括：口罩识别、眼镜识别、抽烟识别和打电话识别；根据所述多任务网络模型的属性识别输出结果，确定驾驶员的多任务属性识别结果。通过执行本技术方案，可以采用多任务网络模型，同时对驾驶员的多种特征进行识别，并输出能够整体反应驾驶员驾驶状态的输出结果，从而提高驾驶员状态识别准确度的目的。

技术领域

本申请实施例涉及计算机技术领域，具体涉及图像识别技术，尤其涉及一种驾驶场景的多任务属性识别方法、装置、介质及设备。

背景技术

在ADAS系统中，准确及时的提供驾驶员特征属性是实现安全驾驶系统智能化的关键因素。常用方法是用不同的方法模型分别识别不同的驾驶员属性。

针对驾驶员属性识别方法，一般采用基于深度学习的方法来识别驾驶员某属性特征，传统方法是结合多个模型识别驾驶员的各个属性特征，但是首先传统方法的场景单一，难以应对存在遮挡、光线不良、多人、重要属性缺漏等的驾驶室内场景。其次若是采用多个模型的方式识别驾驶员属性，系统的反应速度也会变慢，模型大小亦会增大，硬件要求随之增高，并且在多人情况下，无法确保所有属性特征出自同一人。最后针对抽烟和打电话属性的识别，现在方法多数使用anchor-based神经网络模型，这样不仅无法和其他属性融合为一个模型，而且增加了计算难度和标注难度。

因此，需要设计出一种囊括所有驾驶员重要属性特征的同时，也能有较好的实时性和准确性的方法。

发明内容

本申请实施例提供一种驾驶场景的多任务属性识别方法、装置、介质及设备，可以采用多任务网络模型，同时对驾驶员的多种特征进行识别，并输出能够整体反应驾驶员驾驶状态的输出结果，从而提高驾驶员状态识别准确度的目的。

第一方面，本申请实施例提供了一种驾驶场景的多任务属性识别方法，该方法包括：

获取驾驶场景摄像头视频中驾驶员的图像数据；

将所述图像数据输入至预先训练好的多任务网络模型中进行属性识别；所述多任务网络模型的属性识别任务包括：口罩识别、眼镜识别、抽烟识别和打电话识别；

根据所述多任务网络模型的属性识别输出结果，确定驾驶员的多任务属性识别结果。

进一步的，将所述图像数据输入至训练好的多任务网络模型中进行属性识别，包括：

对所述图像数据进行预处理；

将预处理后的图像数据输入至预先训练好的多任务网络模型中进行属性识别，得到多任务网络模型对是否戴口罩，是否戴眼镜，是否抽烟以及是否打电话的目标任务的属性识别结果；

缓存对目标任务的属性识别结果；

在缓存了特定时长的属性识别结果后，根据判定比例对缓存的属性识别结果判断目标任务的属性是否存在；若是，则确定样本图像的目标任务属性。

进一步的，对所述图像数据进行预处理，包括：

获取样本图像，确定样本图像中人脸的编码特征；

根据所述编码特征利用人脸识别模型确定驾驶人员的人脸框；

根据所述驾驶人员的人脸框，进行调整，再对驾驶人员的人脸裁剪，得到裁剪图像，最后归一化处理。

进一步的，所述多任务网络模型的训练，包括：