[发明专利]一种驾驶员分心行为的识别方法、装置、终端及存储介质

权利要求书

1.一种驾驶员分心行为的识别方法，其特征在于，包括：

获取待识别的驾驶行为图像；

对所述驾驶行为图像进行人体区域提取，获得待识别的人体区域图像；

将所述待识别的人体区域图像输入至经过置信度学习优化后的可伸缩视觉Transformer模型，以使可伸缩视觉Transformer模型输出分心行为识别结果；

其中，可伸缩视觉Transformer模型共有M+N层模型，前N层模型用于对输入的人体区域图像进行图像特征提取，后M层模型用于对输入的人体区域图像进行图片块的划分筛选，并通过设置的损失函数输出分心行为识别结果，M和N为正整数。

2.根据权利要求1所述的一种驾驶员分心行为的识别方法，其特征在于，所述对所述驾驶行为图像进行人体区域提取，获得待识别的人体区域图像，具体为:

通过预设人体区域分割算法对所述驾驶行为图像进行语义、细节和融合处理，从而获得所述待识别的人体区域图像；

其中，语义部分使用下采样及高斯模糊后的真值和L2-Loss损失函数，用于对所述驾驶行为图像进行划分，得到人体轮廓图像和非人体的背景图像；

细节部分使用交叉熵损失函数通过编码-解码用于对所述驾驶行为图像的人像边缘进行单独地约束学习，并且同时处理原图下采样后的尺度，得到人体轮廓的细节部分；

融合部分使用L1损失函数把语义输出和细节输出的结果相结合，得到最终的alpha结果作为人体区域图像。

3.根据权利要求1所述的一种驾驶员分心行为的识别方法，其特征在于，所述可伸缩视觉Transformer模型具体是由以下方式训练的：

从监控摄像头中隔固定帧抽取图像，并且对抽取图像中是否出现分心行为进行标注，构建尺寸大小统一的驾驶分心行为数据集；

将所述数据集中的图像进行切块，分成K×K像素大小的一个或多个图片块，形成线性序列并添加位置编码，K为正整数；

构建M+N层的Transformer初始模型，并将所有的图片块输入到所述Transformer初始模型进行训练，通过设置的损失函数实现模型参数收敛，获得所述可伸缩视觉Transformer模型。

4.根据权利要求3所述的一种驾驶员分心行为的识别方法，其特征在于，所述损失函数具体为：

其中，p_i代表分割模型预测结果，y_i表示数据真值，Sim为余弦距离，N为批处理大小，L_CE为对比损失，L_con为交叉熵损失，Z_i为批处理数据中的第i张图片，Z_i为批处理数据中的第j张图片，α为设定阈值，log为对数函数。

5.根据权利要求3所述的一种驾驶员分心行为的识别方法，其特征在于，所述经过置信度学习优化后的可伸缩视觉Transformer模型，具体为：

通过交叉验证获得训练所述可伸缩视觉Transformer模型的样本外预测概率；

根据所述样本外预测概率，估计噪声标签和真实标签的联合分布，并对训练样本进行过滤；

根据过滤后的训练样本，重新调整样本类别权重，优化所述可伸缩视觉Transformer模型。

6.一种驾驶员分心行为的识别装置，其特征在于，包括：获取模块、提取模块和识别模块；

其中，所述获取模块用于获取待识别的驾驶行为图像；

所述提取模块用于对所述驾驶行为图像进行人体区域提取，获得待识别的人体区域图像；

所述识别模块用于将所述待识别的人体区域图像输入至经过置信度学习优化后的可伸缩视觉Transformer模型，以使可伸缩视觉Transformer模型输出分心行为识别结果；

其中，可伸缩视觉Transformer模型共有M+N层模型，前N层模型用于对输入的人体区域图像进行图像特征提取，后M层模型用于对输入的人体区域图像进行图片块的划分筛选，并通过设置的损失函数输出分心行为识别结果，M和N为正整数。