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！

龙图腾网获悉江苏北斗星通汽车电子有限公司申请的专利一种基于卷积神经网络和遗传算法的危险驾驶行为识别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：CN117152726B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202311172137.0，技术领域涉及：G06V20/59；该发明授权一种基于卷积神经网络和遗传算法的危险驾驶行为识别方法是由刘新华;刘争光;徐通;曹戎格;郝敬宾;华德正;刘晓帆;周皓;徐林浩设计研发完成，并于2023-09-12向国家知识产权局提交的专利申请。

本一种基于卷积神经网络和遗传算法的危险驾驶行为识别方法在说明书摘要公布了：本发明涉及汽车智慧座舱驾驶员行为检测技术领域，特别涉及一种基于卷积神经网络和遗传算法的危险驾驶行为识别方法。本发明首先通过拍摄大量训练数据集，通过OODCI算法，利用已经标定的数据来训练模型，以此方式来对大量没有标签的数据进行标定。在此过程中返回值不仅是标签还有标签的可信度，选取较高可信度的数据用来扩充训练数据集，同时对样本进一步增强扩充，从而获得训练所需要的大量数据。然后通过把卷积神经网络和遗传算法的结合，大大提高了速度和精确度。最后部署到汽车的域控制器上，对驾驶员进行实时的检测，通过中控触摸屏显示驾驶员当前状态，如有危险驾驶行为并基于合适的提醒。

本发明授权一种基于卷积神经网络和遗传算法的危险驾驶行为识别方法在权利要求书中公布了：1.一种基于卷积神经网络和遗传算法的危险驾驶行为识别方法，其特征在于：具体包括以下步骤： 1采集驾驶员的数据 通过车内安装的相机对驾驶员驾驶行为数据进行采集工作； 2扩充数据集 使用OODCI算法，对已经标定的数据进行训练，用训练的模型进行自动标定，在此过程中返回值不仅是标签还有标签的可信度，选取较高可信度的数据用来扩充训练数据集，在标定的同时保证了精确度，同时对样本进一步增强扩充，从而获得训练所需要的大量数据；所述OODCI算法具体步骤如下：在获得分类结果以后，使用交叉熵损失函数进行模型的梯度回传，损失值越小，模型越好，计算方式如下： 上式中T为样本总的数量，N是总的类别数，是观测样本中属于类别的预测概率，yin是真实标签，在此是一个符号函数，当样本在分类中时，其值为1，否则为0； 3混合网络进行训练模型 使用卷积神经网络和遗传算法相结合，卷积层用于特征提取，全连接层用于分类任务，遗传算法则是用于选择最佳的特征提取器以及选择密集层参数；所述遗传算法具体步骤如下： 1使用VGG19，ResNet50和DenseNet121作为特征提取器，基于每个模型中不同数量的特征提取器，遗传算法使用13个VGG层或120个DenseNet151或1到40个ResNet50之间的任意数字进行特征提取； 2在卷积层之后，使用密集层进行驾驶员分心分类，在最后一个分类层之前使用2个密集层和2个dropout层，最后一层的神经元数等于数据集中的类别数，激活函数为softmax函数，其他超参数，在创建了这个结构之后，遗传算法将选择基于目标函数的最佳超参数集，在提高精度的同时减少损失，目标函数的公式如下： 其中Accuracy和Loss代表精度和损失值，是遗传算法通过选择不同超参数创建模型的准确度和损失，损失函数是交叉熵损失函数； 3在训练阶段开始时，将根据特征提取器选择的编译模型，并随机初始化每层中的神经元数量和相应的激活函数，然后，计算第一代的适应度函数，利用父代的交叉和突变，创造一代；新一代的适合度值按降序排序，并为下一代选择其中最好的值； 4部署到域控制器 把训练好的模型进行剪枝操作，嵌入到车载域控制器上，在车载的真实驾驶环境下测试模型的速度和精确度； 5识别驾驶员行为进行分类 识别驾驶员的当前状态，进行分类，如果有相应的危险行为，给与及时的提醒，以此来降低事故发生的概率，实现安全驾驶。

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江苏北斗星通汽车电子有限公司，其通讯地址为：223800 江苏省宿迁市宿豫经济开发区峨眉山路1号；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。