公开(公告)号：CN119763079A

公开(公告)日：2025-04-04

申请号：CN202411842252.9

申请日：2024-12-13

Applicant: 哈尔滨工业大学

Inventor： 马艳丽 ,  李永江 ,  赵之祎 ,  程继兴 ,  高月娥

IPC: G06V20/59 ,  G06V20/40 ,  G06V10/44 ,  G06V10/62 ,  G06V10/764 ,  G06V10/77 ,  G06V10/82

Abstract: 一种基于小样本条件的非驾驶姿态识别方法，涉及交通安全技术领域，针对现有技术中由于现有数据集难以覆盖L3级自动驾驶场景下驾驶员的所有非驾驶姿态类别，因此导致现有模型非驾驶姿态识别准确率低的问题，本申请在L3级自动驾驶条件下，构建了小样本非驾驶姿态基准库，基于3D卷积神经网络对驾驶员的非驾驶姿态进行特征提取，并利用度量学习方法构建了小样本非驾驶姿态识别模型。本申请技术方案可对小样本条件下采集的视频数据进行非驾驶姿态识别，降低了模型迁移泛化对非驾驶姿态类别样本数量的依赖性，有利于缓解识别中部分类别缺乏样本的问题。进而提升了非驾驶姿态的识别准确率。

公开(公告)号：CN119478904A

公开(公告)日：2025-02-18

申请号：CN202411510734.4

申请日：2024-10-28

Applicant: 哈尔滨工业大学

Inventor： 马艳丽 ,  赵之祎 ,  李永江 ,  向路

IPC: G06V20/59 ,  G06V20/40 ,  G06V40/20 ,  G06V10/42 ,  G06V10/44 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82

Abstract: 一种基于3D卷积的非驾驶姿态识别方法，涉及交通安全技术领域，针对现有识别方法不能准确识别驾驶员的非驾驶状态的问题，本申请将视频数据转换为图像数据，然后基于神经网络，通过全局特征与局部特征的融合与加权对驾驶员的非驾驶姿态进行识别，提升了非驾驶姿态的识别准确率。

公开(公告)号：CN119128523A

公开(公告)日：2024-12-13

申请号：CN202411300223.X

申请日：2024-09-18

Applicant: 哈尔滨工业大学

Inventor： 高天宇 ,  李永江 ,  杨京礼

IPC: G06F18/214 ,  G01R31/316 ,  G06F18/243 ,  G06F18/213 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种基于孪生网络的模拟电路少样本故障诊断方法，该方法包括：采集模拟电路故障类别的样本；根据样本制作支持集；根据样本制作样本对集，并将样本对集分为训练集和测试集；通过孪生网络模型计算样本对集的特征向量；通过损失函数对孪生网络模型进行训练，得到训练好的网络模型；根据训练好的网络模型和支持集判断待诊断样本的故障类别。该方法能够更准确地提取样本的特征向量并加快模型的训练过程，还提高了对少样本的电路故障类别识别的准确性。

公开(公告)号：CN118262339A

公开(公告)日：2024-06-28

申请号：CN202410434481.0

申请日：2024-04-11

Applicant: 哈尔滨工业大学

Inventor： 李永江 ,  马艳丽 ,  魏晓丽

IPC: G06V20/59 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/764

Abstract: 基于轻量化架构的非驾驶姿态识别与安全评估方法，涉及交通安全技术领域，针对现有识别方法对非驾驶姿态的安全评估准确性较差的问题，本申请首先识别非驾驶状态，之后通过驾驶员骨骼关键点位置信息进行安全评估，本申请技术方案保证了安全评估的准确性，准确率可达96.75％。