本申請涉及駕駛安全，特別是涉及一種多類別不安全駕駛行為檢測方法、裝置和計算機設備。

背景技術：

1、在駕駛安全技術領域中，通過不安全駕駛行為檢測系統，對駕駛員的不安全駕駛行為進行檢測，以保障駕駛員以及乘客的行車安全。

2、在相關技術中，在其中一類的不安全駕駛行為檢測系統中，僅基于圖像數據對不安全駕駛行為進行檢測，然而，一方面，在環境昏暗的情況下難以保證圖像成像質量；另一方面，難以確保對駕駛員的不安全駕駛行為的多維度探測。

3、在另一類的不安全駕駛行為檢測系統中，基于多模態數據對不安全駕駛行為進行檢測，然而，一方面，僅針對一種特定類別的不安全駕駛行為進行檢測，無法實現一個系統對多種不安全駕駛行為的檢測與預警；另一方面，僅基于駕駛員當前狀態進行檢測，沒有考慮到駕駛行為的時間連續性和時間依賴性。

4、基于此，相關技術中的不安全駕駛行為檢測系統難以高效地、準確地、多樣性地對駕駛員的不安全駕駛行為進行檢測。

技術實現思路

1、基于此，有必要針對上述技術問題，提供一種多類別不安全駕駛行為檢測方法、裝置、計算機設備和計算機可讀存儲介質，用于高效地、準確地、多樣性地對不安全駕駛行為進行檢測。

2、第一方面，本申請提供了一種多類別不安全駕駛行為檢測方法，包括：

3、在不同的駕駛行為類別中，確定對目標對象進行檢測的目標駕駛行為類別，基于所述目標駕駛行為類別生成所述目標對象對應的駕駛行為檢測任務；

4、獲取所述目標對象的駕駛行為數據，所述駕駛行為數據是包括駕駛行為生理數據和駕駛行為操作數據的多模態數據，所述駕駛行為生理數據表示對所述目標對象在駕駛過程中的生理特征進行描述的數據，所述駕駛行為操作數據表示對所述目標對象在駕駛過程中對車輛的操作行為進行描述的數據；

5、基于所述駕駛行為檢測任務對所述駕駛行為數據進行數據篩選，得到與所述駕駛行為檢測任務相關的駕駛行為數據，通過預設的模態間數據融合算法，將與所述駕駛行為檢測任務相關的駕駛行為數據進行整合，得到模態集合數據；

6、獲取所述駕駛行為檢測任務對應的時序神經網絡模型，將所述模態集合數據輸入到所述時序神經網絡模型中對所述模態集合數據的時間特征進行分析，得到所述目標對象在所述目標駕駛行為類別中的駕駛行為檢測結果。

7、第二方面，本申請還提供了一種多類別不安全駕駛行為檢測裝置，包括：

8、任務生成模塊，用于在不同的駕駛行為類別中，確定對目標對象進行檢測的目標駕駛行為類別，基于所述目標駕駛行為類別生成所述目標對象對應的駕駛行為檢測任務；

9、獲取模塊，用于獲取所述目標對象的駕駛行為數據，所述駕駛行為數據是包括駕駛行為生理數據和駕駛行為操作數據的多模態數據，所述駕駛行為生理數據表示對所述目標對象在駕駛過程中的生理特征進行描述的數據，所述駕駛行為操作數據表示對所述目標對象在駕駛過程中對車輛的操作行為進行描述的數據；

10、數據處理模塊，用于基于所述駕駛行為檢測任務對所述駕駛行為數據進行數據篩選，得到與所述駕駛行為檢測任務相關的駕駛行為數據，通過預設的模態間數據融合算法，將與所述駕駛行為檢測任務相關的駕駛行為數據進行整合，得到模態集合數據；

11、檢測模塊，用于獲取所述駕駛行為檢測任務對應的時序神經網絡模型，將所述模態集合數據輸入到所述時序神經網絡模型中對所述模態集合數據的時間特征進行分析，得到所述目標對象在所述目標駕駛行為類別中的駕駛行為檢測結果。

12、第三方面，本申請還提供了一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執行所述計算機程序時實現以上步驟。

13、第四方面，本申請還提供了一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現以上步驟。

14、上述多類別不安全駕駛行為檢測方法、裝置、計算機設備和計算機可讀存儲介質，首先，在不同的駕駛行為類別中，多樣性地、可選擇性地確定對目標對象進行檢測的目標駕駛行為類別，基于目標駕駛行為類別生成駕駛行為檢測任務；再者，獲取目標對象的多模態的駕駛行為數據，基于駕駛行為檢測任務對駕駛行為數據進行數據篩選得到與駕駛行為檢測任務相關的駕駛行為數據，從而減少了數據計算量、提高了檢測準確率和效率；再者，通過模態間數據融合算法，將篩選得到的駕駛行為數據進行整合，得到模態集合數據，提高了數據的準確性；最后，將模態集合數據輸入到時序神經網絡模型中進行時間特征分析得到駕駛行為檢測結果，從而基于數據的時間連續性和時間依賴性，在時間特征維度上準確地、高效地、適應性地得到目標對象在所述目標駕駛行為類別中的駕駛行為檢測結果。

技術特征：

1.一種多類別不安全駕駛行為檢測方法，其特征在于，所述方法包括：

2.根據權利要求1所述的方法，其特征在于，所述基于所述駕駛行為檢測任務對所述駕駛行為數據進行數據篩選，得到與所述駕駛行為檢測任務相關的駕駛行為數據之前，還包括：

3.根據權利要求1所述的方法，其特征在于，所述通過預設的模態間數據融合算法，將與所述駕駛行為檢測任務相關的駕駛行為數據進行整合，得到模態集合數據，包括：

4.根據權利要求3所述的方法，其特征在于，所述對各個第一模態數據進行動態時間規整處理之前，還包括：

5.根據權利要求1所述的方法，其特征在于，所述將所述模態集合數據輸入到所述時序神經網絡模型中對所述模態集合數據的時間特征進行分析，得到所述目標對象在所述目標駕駛行為類別中的駕駛行為檢測結果，包括：

6.根據權利要求1所述的方法，其特征在于，所述得到所述目標對象在所述目標駕駛行為類別中的駕駛行為檢測結果之后，還包括：

7.根據權利要求1所述的方法，其特征在于，所述基于所述駕駛行為檢測任務對所述駕駛行為數據進行數據篩選之前，還包括：

8.一種多類別不安全駕駛行為檢測裝置，其特征在于，所述裝置包括：

9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至7中任一項所述的方法的步驟。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的方法的步驟。

技術總結
本申請涉及一種多類別不安全駕駛行為檢測方法、裝置和計算機設備。所述方法包括：在不同的駕駛行為類別中，確定對目標對象進行檢測的目標駕駛行為類別，基于目標駕駛行為類別生成駕駛行為檢測任務；獲取目標對象的駕駛行為數據；基于駕駛行為檢測任務對駕駛行為數據進行數據篩選，得到與駕駛行為檢測任務相關的駕駛行為數據，通過模態間數據融合算法，將與駕駛行為檢測任務相關的駕駛行為數據進行整合，得到模態集合數據；將模態集合數據輸入到時序神經網絡模型中對模態集合數據的時間特征進行分析，得到目標對象在目標駕駛行為類別中的駕駛行為檢測結果。采用本方法能夠高效地、準確地、多樣性地對不安全駕駛行為進行檢測。

技術研發人員：張勇,蔡焌延,吳顯淞,謝維信
受保護的技術使用者：深圳大學
技術研發日：
技術公布日：2025/4/28