1.一种基于车载DMS的驾驶评分方法，其特征在于，包括：
基于车载DMS，确定驾驶过程中的不当驾驶行为，以及所述不当驾驶行为对应的持续时间；
基于驾驶评估模型，对所述不当驾驶行为进行危险评估，确定所述不当驾驶行为对应的危险系数；
根据所述不当驾驶行为对应的危险系数，以及所述不当驾驶行为对应的持续时间，确定所述不当驾驶行为对应的驾驶评分。
2.根据权利要求1所述的方法，其特征在于，所述基于驾驶评估模型，对所述不当驾驶行为进行危险评估，确定所述不当驾驶行为对应的危险系数，包括：
确定所述不当驾驶行为对应的待评估图像；
基于所述驾驶评估模型，对所述待评估图像进行危险评估，确定所述不当驾驶行为对应的危险系数。
3.根据权利要求2所述的方法，其特征在于，所述确定所述不当驾驶行为对应的待评估图像，包括：
确定所述不当驾驶行为对应的图像，与正常驾驶行为对应的图像之间的偏移值；
根据所述偏移值，从所述不当驾驶行为对应的图像中确定所述待评估图像。
4.根据权利要求2或3所述的方法，其特征在于，所述基于所述驾驶评估模型，对所述待评估图像进行危险评估，确定所述不当驾驶行为对应的危险系数，包括：
将所述待评估图像输入所述驾驶评估模型，确定所述待评估图像对应的危险系数；
根据所述待评估图像对应的危险系数，确定所述不当驾驶行为对应的危险系数。
5.根据权利要求4所述的方法，其特征在于，所述待评估图像的数目为多个；
所述根据所述待评估图像对应的危险系数，确定所述不当驾驶行为对应的危险系数，包括：
根据每个所述待评估图像对应的危险系数，确定危险系数平均值；
将所述危险系数平均值，确定为所述不当驾驶行为对应的危险系数。
6.根据权利要求1至3中任意一项所述的方法，其特征在于，所述方法还包括：
确定样本图像集，其中，所述样本图像集中包括多种不同类型的所述不当驾驶行为对应的样本图像，以及每个所述样本图像对应的标注危险系数；
按照预设比例，将所述样本图像集划分为第一训练集、验证集和测试集；
对所述第一训练集中包括的所述样本图像进行图像增强处理，确定第二训练集。
7.根据权利要求6所述的方法，其特征在于，所述驾驶评估模型的训练方法包括：
基于所述驾驶评估模型，对所述第二训练集中包括的所述样本图像进行危险评估，确定所述第二训练集中包括的所述样本图像对应的预测危险系数；
根据所述第二训练集中包括的所述样本图像对应的预测危险系数，以及所述第二训练集中包括的所述样本图像对应的标注危险系数，确定第一评估损失；
基于所述第一评估损失，利用自适应矩估计算法，训练所述驾驶评估模型。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
基于所述驾驶评估模型，对所述验证集中包括的所述样本图像进行危险评估，确定所述验证集中包括的所述样本图像对应的预测危险系数；
根据所述验证集中包括的所述样本图像对应的预测危险系数，以及所述验证集中包括的所述样本图像对应的标注危险系数，确定第二评估损失；
通过最小化所述第二评估损失，训练所述驾驶评估模型。
9.根据权利要求8所述的方法，其特征在于，所述方法还包括：
基于所述驾驶评估模型，对所述测试集中包括的所述样本图像进行危险评估，确定所述测试集中包括的所述样本图像对应的预测危险系数；
根据所述测试集中包括的所述样本图像对应的预测危险系数，以及所述测试集中包括的所述样本图像对应的标注危险系数，评估所述驾驶评估模型的准确度。
10.一种基于车载DMS的驾驶评分装置，其特征在于，包括：
获取模块，用于基于车载DMS，确定驾驶过程中的不当驾驶行为，以及所述不当驾驶行为对应的持续时间；
危险评估模块，用于基于驾驶评估模型，对所述不当驾驶行为进行危险评估，确定所述不当驾驶行为对应的危险系数；
驾驶评分模块，用于根据所述不当驾驶行为对应的危险系数，以及所述不当驾驶行为对应的持续时间，确定所述不当驾驶行为对应的驾驶评分。
11.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至9中任意一项所述的方法。
12.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至9中任意一项所述的方法。
