公开(公告)号：CN112836669B

公开(公告)日：2023-12-12

申请号：CN202110199459.9

申请日：2021-02-22

Applicant: 宁波大学

Inventor： 秦斌斌 ,  钱江波

IPC: G06V20/59 ,  G06V10/30 ,  G06V10/44 ,  G06V10/774 ,  G06V10/764 ,  G06N3/08 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明涉及一种司机分心驾驶检测方法，步骤1、构建训练集和测试集；对多帧车辆驾驶室内的司机图像转化成灰度图像，并对灰度图像依次进行归一化处理、预处理和提取轮廓纹理，得到每帧司机图像所对应的第二图像，之后将第二图像分成训练集和测试集；步骤2、构建并训练卷积神经网络得到训练完成的卷积神经网络，其中构建的卷积神经网络的卷积核大小逐层减小；步骤3、在测试集中任意选择一帧待测试的司机图像所对应的第二图像，将其输入到步骤2中训练完成的卷积神经网络中，即得到待测试的司机图像所对应的动作类别。优点在于：通过提取轮廓纹理使学习的内容变得简单，另外通过逐层降低卷积核大小以实现快速提取司机信息和降低网络参数量。

公开(公告)号：CN111626186A

公开(公告)日：2020-09-04

申请号：CN202010449852.4

申请日：2020-05-25

Applicant: 宁波大学

Inventor： 秦斌斌 ,  钱江波 ,  陈叶芳 ,  严迪群 ,  董一鸿

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04

Abstract: 一种司机分心检测方法，将每帧司机图像转化成灰度图像，并依次进行归一化处理和预处理，将其中一个训练样本输入到初始化的卷积神经网络中，同时对训练样本所对应的灰度图像提取的HOG特征进行批量正则化处理，之后接着全连接层连接，得到HOG特征向量；最后将每一个卷积层的输出结果进行全局均值池化后得到的特征向量和HOG特征向量共同组成的总特征向量依次经过卷积神经网络中的全连接层和Softmax分类后，得到司机实际的动作类别，从而更新卷积神经网络中的参数；并采用相同的方法依次对卷积神经网络进行更新。最后即可得到测试集中司机图像所对应的动作类别。该检测方法的检测结果更加准确且该网络结构具有更少的网络参数。

公开(公告)号：CN110533200A

公开(公告)日：2019-12-03

申请号：CN201910652510.X

申请日：2019-07-19

Applicant: 宁波大学

Inventor： 秦斌斌 ,  王家刚 ,  钱江波 ,  董理 ,  严迪群

IPC: G06Q10/02 ,  G06Q30/06 ,  G06Q50/00 ,  G06Q50/06 ,  G06Q50/16 ,  B66B1/14

Abstract: 本发明公开了一种基于储能电梯的社区管理系统，包括储能供电模块、电梯控制模块和APP模块，储能供电模块使用太阳能或使用峰谷电低价电进行充电储能后为社区电梯不间断的提供工作能源，电梯控制模块接收住户通过APP模块发送的电梯预约指令进行调度处理，并且控制储能供电模块对电梯的供电，社区用户能够通过APP模块发送电梯预约指令、接收电梯调度数据、处理社区日常需求、网上购物及进行社交，物业管理人员通过APP模块对社区事务进行管理；优点是不但可以实现电梯的节能环保，降低电梯运行成本，提高电梯运行安全性，而且能够实现多样化管理，管理成本较低，且可以简化社区住户处理日常需求的过程，提高社区住户处理日常需求时效性。

公开(公告)号：CN112836669A

公开(公告)日：2021-05-25

申请号：CN202110199459.9

申请日：2021-02-22

Applicant: 宁波大学

Inventor： 秦斌斌 ,  钱江波

IPC: G06K9/00 ,  G06K9/40 ,  G06K9/46 ,  G06K9/62 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明涉及一种司机分心驾驶检测方法，步骤1、构建训练集和测试集；对多帧车辆驾驶室内的司机图像转化成灰度图像，并对灰度图像依次进行归一化处理、预处理和提取轮廓纹理，得到每帧司机图像所对应的第二图像，之后将第二图像分成训练集和测试集；步骤2、构建并训练卷积神经网络得到训练完成的卷积神经网络，其中构建的卷积神经网络的卷积核大小逐层减小；步骤3、在测试集中任意选择一帧待测试的司机图像所对应的第二图像，将其输入到步骤2中训练完成的卷积神经网络中，即得到待测试的司机图像所对应的动作类别。优点在于：通过提取轮廓纹理使学习的内容变得简单，另外通过逐层降低卷积核大小以实现快速提取司机信息和降低网络参数量。

公开(公告)号：CN110803406A

公开(公告)日：2020-02-18

申请号：CN201910993388.2

申请日：2019-10-18

Applicant: 宁波大学

Inventor： 秦斌斌 ,  钱江波 ,  陈海明 ,  严迪群 ,  董一鸿

IPC: B65F1/00 ,  B65F1/14

Abstract: 本发明公开了一种基于深度学习的智能分类垃圾箱，包括垃圾箱主体结构和智能分类控制器，垃圾箱主体结构包括箱体，箱体内设置有垃圾收纳室以及多个垃圾仓，收纳室底部为活动底板，当活动底板打开时，收纳室与位于其下的垃圾仓连通，初始状态，一个垃圾仓位于收纳室的正下方，活动底板处于关闭状态，智能分类控制器包括识别模块、控制模块、无线通信模块、供电模块、用于安装在智能终端通信设备中的APP模块、垃圾分类选择模块和驱动模块，供电模块与控制模块连接，控制模块分别与识别模块、垃圾分类选择模块、驱动模块和无线通信模块连接，无线通信模块与APP模块连接；优点是可以实现垃圾自动分类，垃圾分类准确度高，且成本较低。