[发明专利]一种分心驾驶行为识别方法、装置及存储介质

说明书

本发明涉及一种分心驾驶行为识别方法，所述方法包括下述步骤：获取人机共驾接管状态下驾驶人的分心驾驶时序图像数据；利用训练好的第一模型或训练好的第二模型首先获取时序图像数据的空间特征，在空间特征的基础上获取时空特征；将所述时空特征与空间特征进行融合加强，进而获得用于分心驾驶行为类别识别分心驾驶行为特征。所述方法能够实现准确识别驾驶人的分心驾驶行为、降低误接管风险，从而提升行车安全性。

技术领域

本发明涉及智能交通领域，特别涉及一种分心驾驶行为识别方法、装置及存储介质。

背景技术

汽车的自动化是一个必然趋势，一些汽车制造商已经提供了部分自动驾驶功能。但由于当前技术的瓶颈以及现实场景、驾驶任务的复杂性，自动驾驶汽车在一段时间内将处于L3-L4阶段，需要驾驶人参与驾驶任务，在这个阶段人与车的控制权切换将成为常态。

自动驾驶车辆发出接管请求时，驾驶人可能存在各种分心驾驶行为，会在不同程度上占用驾驶人的视觉资源、听觉资源、认知资源和动作资源，影响驾驶人的感知、判断、决策与操作过程，从而导致接管失控现象，增加交通事故风险。因此识别出驾驶人的分心驾驶行为，能够降低误接管的风险，进而提升行车安全性。

现有分心识别算法，模型复杂不能很好实现嵌入式开发，而且部分算法缺乏时间维度的信息或者未能充分融合时空信息，致使特征相似的分心驾驶行为识别混淆。同时部分模型在训练时未考虑不同驾驶人的影响，使得更换驾驶人时识别精度骤降。

发明内容

有鉴于此，本申请的主要目的在于对分心驾驶行为进行识别时，使用的分析特征既包括时间特征，又包括空间特征，从而实现准确识别出驾驶人的分析驾驶行为、降低误接管风险，进而提升行车安全性。

基于上述目的，本发明提供一种分心驾驶行为识别方法，所述方法包括下述步骤：

S100、获取人机共驾接管状态下驾驶人的分心驾驶时序图像数据；

S200、利用训练好的第一模型或训练好的第二模型基于时序图像数据获取空间特征，并在空间特征的基础上获取时空特征；

S300、将所述时空特征与空间特征进行融合加强，进而获得用于分心驾驶行为类别识别分心驾驶行为特征。

优选地，在所述方法中，所述第一模型或者第二模型在训练时采用的数据集通过下述步骤获得：

S101、获取含有不同驾驶人的多种驾驶行为的分心数据集；

S102、对同一驾驶人的同一分心驾驶动作图像数据，获取上下文连续的若干张图像为一个分心驾驶动作序列；

S103、获得每一个分析驾驶动作序列的种类，并对所属种类进行标签处理，进而获得第一模型或者第二模型的评估数据集，并将评估数据集分为训练集和测试集；

所述训练集用于对第一模型或者第二模型进行训练，所述测试集用于对第一模型或者第二模型进行验证。

优选地，在所述方法中，所述第二模型通过知识蒸馏获得第一模型的知识。

优选地，在所述方法中，所述第二模型通过知识蒸馏获得第一模型的知识，包括下述步骤：

S110、将训练集输入训练好的第一模型，将其输出升温T后进行分类处理，得到第一输出结果；所述T大于0；

S111、将相同训练集输入第二模型，将其输出作为第二输出结果；

S112、将第二模型输出结果升温T后进行分类处理，得到第三输出结果；

S113、将第二输出结果与实际标签进行交叉熵计算，得到第一损失loss₁，将第一输出结果与第三输出结果进行KL散度计算，得到第二损失loss₂；