专利交易市场

本发明涉及计算机视觉技术领域，具体涉及一种基于DenseNet121网络的驾驶行为识别方法,包括:输入测试图片到训练好的分心驾驶行为分类模型，对分心驾驶行为的类别进行预测，模型输出驾驶员行为的类别标签，从而得到测试图片中分心驾驶行为的分类结果。本发明方法将原DenseNet121网络中的四个DenseNet Block层所包含的3×3卷积分解成3×1和1×3的两个卷积,使得设计出的分心驾驶行为分类模型更加轻量高效，能够有效降低硬件成本，且预测准确度有效提高。

本发明涉及一种基于网络货运平台的司机行为评估方法及系统，包括对货运司机历史行为数据集进行预处理并划分等级；利用主元分析法对历史行为数据集进行降维和投影；生成具有可信度区域的二维可视化图；建立司机行为评估模型；利用司机行为评估模型确定待评估司机各运输单对应的的实时行为数据所处等级。本发明还提供了一种基于网络货运平台的司机行为评估系统，包括：数据预处理模块、主元分析模块、二维可视化图模块、司机行为评估模型建立模块、司机行为等级确定模块、司机行为指导模块、司机行为稳定性判断模块。本发明将网络货运平台上司机的行为数据引入司机行为评估和指导上，综合多维度评估并指导货运司机行为,提高货运司机的信用。

本发明公开了一种基于智能设备的驾驶员危险驾驶行为识别方法。主要针对包括急打方向盘、频繁揉眼睛和使用手机在内的危险驾驶行为，本发明的方法利用智能设备内部的加速度传感器、重力传感器和陀螺仪传感器数据实现对驾驶员危险驾驶行为的识别，以提高识别的实用性和准确性，并且不会对驾驶员正常驾驶产生干扰，可以有效提升驾驶员危险驾驶行为识别的实用性。同时能够对驾驶员的危险驾驶行为进行实时识别，当驾驶员产生危险驾驶行为时进行预警提示，能够有效地避免发生因危险驾驶行为所导致的交通事故。