(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211117447.8 (22)申请日 2022.09.14 (71)申请人 际络科技 （上海） 有限公司 地址 202150 上海市崇明区长兴镇江南大 道1333弄11号楼001室4座 (72)发明人 贺克赛　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 专利代理师 耿琦 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/75(2022.01) G06V 10/774(2022.01) B60W 40/08(2012.01) (54)发明名称 注意力检测方法及装置 (57)摘要 本发明提供一种注 意力检测方法及装置， 方 法包括： 获取连续的多帧驾驶员图像； 将连续的 多帧驾驶员图像输入至注意力检测模 型中， 得到 注意力检测模 型输出的注意力检测结果； 注意力 检测模型是基于注意力机制， 并利用视线和头部 姿态对训练图像进行监督学习得到的。 本发明通 过云端接收车端发送的连续的多帧驾驶员图像， 以利用云端的注意力检测模型对驾驶员图像进 行检测， 通过云端对深度学习模 型计算量的高容 忍度， 以充分发挥算法的优势； 另外基于注意力 机制， 并利用视线和头部姿态对注 意力检测模型 进行监督训练， 以大幅度提高云端性能， 通过采 用注意力机制， 提升了模型的并行计算能力， 进 而提升模型的训练速度和准确率。 权利要求书2页 说明书8页 附图2页 CN 115546863 A 2022.12.30 CN 115546863 A 1.一种注意力检测方法， 其特 征在于， 包括： 获取连续的多帧驾驶员图像 将所述连续的多帧驾驶员图像输入至注意力检测模型中， 得到所述注意力 检测模型输 出的注意力检测结果； 所述注意力检测模型是基于注意力机制， 并利用视线和头部姿态对 训练图像进行监 督学习得到的。 2.根据权利要求1所述的注意力检测方法， 其特 征在于， 所述注意力检测模型， 包括： 特征提取层， 对所述驾驶员图像进行 特征提取， 得到特 征图； 注意力检测层， 对所述特征图进行注意力检测， 得到注意力检测结果、 视线特征和头部 姿态特征。 3.根据权利要求2所述的注意力检测方法， 其特征在于， 对所述特征图进行注意力检 测， 得到注意力检测结果、 视线特 征和头部姿态特 征， 包括： 基于注意力机制和所述特 征图， 得到 视线特征和头部姿态特 征； 基于所述视线特 征和所述头 部姿态特 征， 得到注意力得分； 将所述注意力得分映射 为概率值， 并基于最大概 率值， 得到注意力检测结果。 4.根据权利要求1所述的注意力检测方法， 其特征在于， 训练所述注意力检测模型， 包 括： 获取目标时间段内的训练图像及所述训练图像对应的注意力真值、 视线真值和头部姿 态真值； 将所述训练图像作为训练使用的输入数据， 并结合所述注意力真值、 所述视线真值和 所述头部姿态真值对待训练注意力检测模型进行监督训练， 得到训练完成的注意力检测模 型。 5.根据权利要求4所述的注意力检测方法， 其特征在于， 所述得到训练完成的注意力检 测模型， 包括： 将所述训练图像输入至待训练注意力检测模型中， 得到所述待训练注意力 检测模型输 出的注意力预测结果、 视线预测结果和头 部姿态预测结果； 根据所述注意力预测结果和所述注意力真值， 构建第一损失函数； 根据所述视线预测结果和所述视线真值， 构建第二损失函数； 根据所述头 部姿态预测结果和所述头 部姿态真值， 构建第三损失函数； 基于所述第 一损失函数、 所述第 二损失函数和所述第 三损失函数， 得到总损失函数， 并 基于所述总损失函数收敛， 结束训练， 得到训练完成的注意力检测模型。 6.根据权利要求4所述的注意力检测方法， 其特征在于， 所述待训练注意力检测模型， 包括： 特征提取层， 对所述训练图像进行 特征提取， 得到目标 特征； 注意力检测层， 对所述目标特征进行注意力检测， 得到注意力预测结果、 视线预测特征 和头部姿态预测特 征； 目标检测层， 根据所述视线预测特征和所述头部姿态预测特征， 得到视线预测结果和 头部姿态预测结果。 7.根据权利要求1所述的注意力检测方法， 其特征在于， 在得到所述注意力 检测模型输 出的注意力检测结果之后， 还 包括： 将所述注意力检测结果发送至车端， 以供所述车端根据 所述注意力 检测结果执行对应权　利　要　求　书 1/2 页 2 CN 115546863 A 2措施。 8.一种注意力检测装置， 其特 征在于， 包括： 数据获取模块， 获取连续的多帧驾驶员图像注意力检测模块， 将所述连续的多帧驾驶 员图像输入至注意力检测模型中， 得到所述注意力检测模型输出 的注意力检测结果； 所述 注意力检测模型是基于注意力机制， 并利用视线和头部姿态对训练图像进 行监督学习得到 的。 9.一种电子设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上运 行的计算机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1至7任一项所 述注意力检测方法的步骤。 10.一种非暂态计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算 机程序被处 理器执行时实现如权利要求1至7任一项所述注意力检测方法的步骤。权　利　要　求　书 2/2 页 3 CN 115546863 A 3