买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江工业大学申请的专利一种基于云边协同的驾驶安全检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116229429B 。

龙图腾网通过国家知识产权局官网在2025-11-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211730624.X，技术领域涉及：G06V20/59；该发明授权一种基于云边协同的驾驶安全检测方法是由胡海根;宋泉鉴;董林伟;许慧;覃楷越;张钜实设计研发完成，并于2022-12-30向国家知识产权局提交的专利申请。

本一种基于云边协同的驾驶安全检测方法在说明书摘要公布了：本发明公开了一种基于云边协同的驾驶安全检测方法，包括：采集驾驶员视频数据并预处理；建立驾驶安全检测模型并分别部署于边缘设备和云端服务器；分别在各子模型的至少一组相邻网络层间引入中间分类器并训练；采用时间片轮转调度算法进行多线程部署，实现各子模型的时间片分配，将预处理后的数据输入各训练好的子模型并发推理；动态获取各子模型的分割点将对应子模型分割成边缘网络和云端网络，实现数据压缩传输并记录云端网络的起始推理位置；云端服务器根据获取的压缩数据及对应的云端网络的起始推理位置开始推理，获得推理结果；利用管理端进行推理结果显示并向驾驶员发出警示。该方法可准确快速的检测出驾驶员的异常行为，提高驾驶安全性。

本发明授权一种基于云边协同的驾驶安全检测方法在权利要求书中公布了：1.一种基于云边协同的驾驶安全检测方法，其特征在于：所述基于云边协同的驾驶安全检测方法包括如下步骤： S1、利用摄像头采集驾驶员视频数据并进行预处理； S2、建立驾驶安全检测模型并分别部署于边缘设备和云端服务器上，所述驾驶安全检测模型包括并行的物体检测模型、姿势识别模型和疲劳检测模型三个子模型，各子模型包括多个网络层和多个Relu层； S3、分别在各子模型的至少一组相邻网络层间引入中间分类器，并训练各子模型，当满足α＞threshold时，退出训练过程，获得训练好的子模型，其中，α为当前中间分类器的任一类别的预测置信度，threshold为当前中间分类器预设的控制阈值变量； S4、采用时间片轮转调度算法进行多线程部署，实现各子模型的时间片分配，并将预处理后的驾驶员视频数据输入各训练好的子模型进行并发推理； S5、动态获取各子模型的分割点将对应子模型分割成边缘网络和云端网络，实现数据压缩传输并记录云端网络的起始推理位置，所有Relu层均为潜在分割点，所述分割点的动态获取过程如下： S51、确定对应子模型的初始分割点； S52、创建优先队列Q，所述优先队列Q用于存储已到达分割点的数据，初始时各子模型的各批数据优先级相同，对于相同优先级的数据采用FIFO算法，并判断是否满足条件式X+G0＝W*T′，若是，进行数据压缩后传输至云端服务器，并记录进行传输的Relu层的位置作为云端网络的起始推理位置，即分割点位置，否则，使该数据提升一个优先级，等待经过下一个Relu层时加入优先队列Q，其中，W为网络传输带宽，T′为网络传输时延，G0为网络现有负载量，X为优先队列Q的队头数据； S53、当数据超过预设时间仍未加入优先队列Q时，根据第一概率P获取特权，所述特权为等待网络空闲到能载入该数据，其中，第一概率P＝|threshold1-α1|tolerance，tolerance表示容忍误差，α1为对应子模型的首个中间分类器的预测置信度，threshold1为对应子模型的首个中间分类器预设的控制阈值变量，且当未获得特权时，则在第二个中间分类器立即赋予特权； S54、比较各子模型处理的任务量，若最大任务量与最小任务量的比值超过第一预设比例n1，则认为任务不平衡，将最小任务量对应的子模型的所有传输任务的优先级增加，否则，保持优先级不变； S6、云端服务器根据获取的压缩数据及对应的云端网络的起始推理位置开始推理，获得各子模型的推理结果； S7、利用管理端进行推理结果显示并根据推理结果向驾驶员发出警示。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江工业大学，其通讯地址为：310014 浙江省杭州市下城区朝晖六区；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。