← 返回列表
基于多尺度动态卷积注意力加权的危险驾驶行为检测方法
申请人信息
- 申请人:合肥工业大学
- 申请人地址:230009 安徽省合肥市包河区屯溪路193号
- 发明人: 合肥工业大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于多尺度动态卷积注意力加权的危险驾驶行为检测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311538093.9 |
| 申请日 | 2023/11/17 |
| 公告号 | CN117576666A |
| 公开日 | 2024/2/20 |
| IPC主分类号 | G06V20/59 |
| 权利人 | 合肥工业大学 |
| 发明人 | 李自强; 吴克伟; 纪松; 谢昭; 程明; 徐浩; 王键钊; 张沛錡; 谭昊 |
| 地址 | 安徽省合肥市包河区屯溪路193号合肥工业大学 |
摘要文本
本发明公开了一种基于多尺度动态卷积注意力加权的危险驾驶行为检测方法。由于现有目标检测模型，难以区分不同类型的危险驾驶行为，本发明方法使用不同行为的特征，来学习动态卷积核。为了提高不同分辨率的危险驾驶行为的识别准确性，本发明方法考虑监控环境下不同尺度的动态卷积核。为了有效融合多尺度动态卷积特征，本发明方法分析了各尺度特征之间的关系，用于学习各尺度的注意力，实现多尺度特征融合。在现有目标检测模型，添加上述多尺度动态卷积模块和注意力加权模块，可以提高危险驾驶行为检测的准确性，可应用于车辆安全系统中，保障驾驶安全。
专利主权项内容
1.一种基于多尺度动态卷积注意力加权的危险驾驶行为检测方法，其特征在于：具体包括以下步骤：S1：构建危险驾驶行为数据集；S2：构建多尺度动态卷积特征；S3：基于注意力加权融合多尺度动态卷积特征；S4：训练多尺度动态卷积模型用于危险驾驶行为检测；S5：测试多尺度动态卷积模型用于危险驾驶行为检测。