公开(公告)号：CN114120634B

公开(公告)日：2023-04-07

申请号：CN202111291690.7

申请日：2021-11-03

Applicant: 暨南大学

Inventor： 蔡洽凯 ,  谢志聪 ,  林坚涛 ,  李雄杰 ,  尹智剑 ,  刘畅 ,  刘艺姝 ,  杨光华 ,  施政

IPC: G08G1/01 ,  G06F18/213 ,  G06F18/24 ,  G06F18/241 ,  G06F18/25 ,  G06F18/2135 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习与WiFi感知相结合的端云协同危险驾驶行为识别方法、装置、计算机设备及存储介质，本发明采用深度学习方法，一方面摒弃数据预处理中小波变换、动态时间规整、主成分分析等冗杂的步骤，简化预处理步骤；另一方面提出多子载波多链路融合方法，采用全部收集到的CSI共同生成CSI‑Image，并送入深层卷积神经网络中进行训练。完成训练的分类识别模型分别部署在车机端和云端上，由车机端和云端协同识别出相应的危险驾驶行为，并警告驾驶员。本发明充分结合云端高性能和车机端近距离的特性，使该危险驾驶行为识别方法兼顾了高性能与低时延的特性，显著提高危险驾驶行为识别的准确性和鲁棒性。

公开(公告)号：CN114120634A

公开(公告)日：2022-03-01

申请号：CN202111291690.7

申请日：2021-11-03

Applicant: 暨南大学

Inventor： 蔡洽凯 ,  谢志聪 ,  林坚涛 ,  李雄杰 ,  尹智剑 ,  刘畅 ,  刘艺姝 ,  杨光华 ,  施政

IPC: G08G1/01 ,  G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习与WiFi感知相结合的端云协同危险驾驶行为识别方法、装置、计算机设备及存储介质，本发明采用深度学习方法，一方面摒弃数据预处理中小波变换、动态时间规整、主成分分析等冗杂的步骤，简化预处理步骤；另一方面提出多子载波多链路融合方法，采用全部收集到的CSI共同生成CSI‑Image，并送入深层卷积神经网络中进行训练。完成训练的分类识别模型分别部署在车机端和云端上，由车机端和云端协同识别出相应的危险驾驶行为，并警告驾驶员。本发明充分结合云端高性能和车机端近距离的特性，使该危险驾驶行为识别方法兼顾了高性能与低时延的特性，显著提高危险驾驶行为识别的准确性和鲁棒性。