-
公开(公告)号：CN118470691B
公开(公告)日：2025-02-14
申请号：CN202410597315.2
申请日：2024-05-14
Applicant: 北京科技大学
IPC: G06V20/59 , G06V20/40 , G06V40/10 , G06V10/82 , G06V10/80 , G06N20/20 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于上半身姿态的驾驶员情绪状态检测方法及系统，涉及计算机视觉技术领域，包括：基于预设人体姿态估计模型识别待检测驾驶员的上半身视频片段中的人体关键部位，得到各关节位置的时间序列；对关节位置时间序列进行预处理，转化成关节流数据和骨骼流数据；分别将关节流和骨骼流数据输入到多个经过训练之后的图卷积神经网络模型，得到多个分类结果；基于集成学习方法融合多个分类结果，得到待检测驾驶员的情绪状态识别结果。本发明缓解了现有技术中存在的在驾驶环境下的动作情绪识别准确率较差的技术问题。
-
公开(公告)号：CN118781419B
公开(公告)日：2025-03-21
申请号：CN202410909042.0
申请日：2024-07-08
Applicant: 北京科技大学
IPC: G06V10/764 , G06V20/59 , G06V20/56 , G06V10/82 , G06V40/16 , G06N3/0442 , G06N3/084
Abstract: 本发明提供一种驾驶员个性化驾驶意图预测方法及系统，涉及智能交通技术领域。所述方法包括：输入车辆的内部图像和外部图像，内部图像分为一般组图像和专家组图像；对内部图像进行预处理，得到驾驶员的面部特征，对外部图像进行预处理，得到环境特征；将驾驶员的面部特征和环境特征输入广义驾驶意图预测网络中，生成第一预测结果和置信区间；基于专家组图像的面部特征学习驾驶员意图偏好特征，得到第二预测结果；经过置信区间过滤后，选择一个作为最终预测结果。本发明充分考虑驾驶员个人意图偏好，提高了对不同驾驶员意图预测的准确率，以及在提前几秒意图预测任务上的准确率。
-
公开(公告)号：CN118781419A
公开(公告)日：2024-10-15
申请号：CN202410909042.0
申请日：2024-07-08
Applicant: 北京科技大学
IPC: G06V10/764 , G06V20/59 , G06V20/56 , G06V10/82 , G06V40/16 , G06N3/0442 , G06N3/084
Abstract: 本发明提供一种驾驶员个性化驾驶意图预测方法及系统，涉及智能交通技术领域。所述方法包括：输入车辆的内部图像和外部图像，内部图像分为一般组图像和专家组图像；对内部图像进行预处理，得到驾驶员的面部特征，对外部图像进行预处理，得到环境特征；将驾驶员的面部特征和环境特征输入广义驾驶意图预测网络中，生成第一预测结果和置信区间；基于专家组图像的面部特征学习驾驶员意图偏好特征，得到第二预测结果；经过置信区间过滤后，选择一个作为最终预测结果。本发明充分考虑驾驶员个人意图偏好，提高了对不同驾驶员意图预测的准确率，以及在提前几秒意图预测任务上的准确率。
-
公开(公告)号：CN118470691A
公开(公告)日：2024-08-09
申请号：CN202410597315.2
申请日：2024-05-14
Applicant: 北京科技大学
IPC: G06V20/59 , G06V20/40 , G06V40/10 , G06V10/82 , G06V10/80 , G06N20/20 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于上半身姿态的驾驶员情绪状态检测方法及系统，涉及计算机视觉技术领域，包括：基于预设人体姿态估计模型识别待检测驾驶员的上半身视频片段中的人体关键部位，得到各关节位置的时间序列；对关节位置时间序列进行预处理，转化成关节流数据和骨骼流数据；分别将关节流和骨骼流数据输入到多个经过训练之后的图卷积神经网络模型，得到多个分类结果；基于集成学习方法融合多个分类结果，得到待检测驾驶员的情绪状态识别结果。本发明缓解了现有技术中存在的在驾驶环境下的动作情绪识别准确率较差的技术问题。
-
-
-
Search Results
4
records
(took 0.016 seconds)
