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！

龙图腾网恭喜南京邮电大学申请的专利一种基于深度图像的驾驶行为识别方法和系统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：CN114694127B 。

龙图腾网通过国家知识产权局官网在2025-04-18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：202210415288.3，技术领域涉及：G06V20/59；该发明授权一种基于深度图像的驾驶行为识别方法和系统是由汤子昕;沈澍;陆俐佳;蔡启航;耿昕雨;李严设计研发完成，并于2022-04-20向国家知识产权局提交的专利申请。

本一种基于深度图像的驾驶行为识别方法和系统在说明书摘要公布了：一种基于深度图像的驾驶行为识别方法和系统，包括：采集驾驶员的深度图像序列，形成包含驾驶员上半身骨骼点信息的图像训练集；进行深度图像预处理；分析图像位置信息，获取深度图像时间序列并进行归一化处理；分析图像骨骼信息，计算骨骼节点矩阵并进行归一化处理；利用改进的VGG‑16网络处理所得数据，融合深度图像序列和骨骼点信息的训练结果，输出驾驶行为分类结果。本方法和系统采用骨骼追踪融合卷积神经网络与疲劳检测的计算机视觉处理方法，设计了一套轻便低复杂度的边缘系统，满足了真实驾驶环境下易部署、高稳定性的要求，能够高效、准确、及时地检测出驾驶员的违规行为并给予警示，从而减少交通安全事故发生的可能性，为道路安全保驾护航。

本发明授权一种基于深度图像的驾驶行为识别方法和系统在权利要求书中公布了：1.一种基于深度图像的驾驶行为识别方法，其特征在于：所述识别方法包括如下步骤：S1、采集驾驶员的深度图像序列，形成包含驾驶员上半身骨骼点信息的图像训练集；S2、对所述训练集进行深度图像预处理；步骤S2中，所述训练集深度图像预处理，包括对于由车内复杂环境导致的图像遮挡问题，修补深度信息丢失的像素点；步骤S2中，深度信息修补具体为，对于驾驶员坐姿上半身不同位置的骨骼，分别设置骨骼长度均值L与误差参数，当所采集深度图像相应位置处骨骼长度在之间时视作图像信息完整，对于长度不足的位置进行平滑填充，得出骨骼关节特征向量；S3、进一步分析图像位置信息，获取深度图像时间序列，并对深度图像时间序列进行归一化处理；步骤S3中，包括如下分步骤：步骤S3-1，将驾驶员姿态深度图像序列的每一帧投影到三个正交的笛卡尔平面坐标系上，提取序列中驾驶员行为的三维结构空间特征；步骤S3-2，计算每两个连续帧的三维空间特征的绝对差值，叠加后得到作为神经网络输入的深度运动图，即深度图像时间序列；S4、进一步分析图像骨骼信息，计算骨骼节点矩阵，并对骨骼节点三维矩阵进行归一化处理；步骤S4中，包括如下分步骤：步骤S4-1，利用驾驶员姿态深度图像中的距离信息检测其上半身行为边缘，对目标进行分割后从背景中提取行为轮廓，其中仅识别驾驶姿势下人体关键部位的主要骨骼点，包括：头、双肩中央、左肩、左肘关节、左腕关节、左手、右肩、右肘关节、右腕关节、右手、脊柱中段，按照1~11的顺序，对其标号；步骤S4-2，将基于MicrosoftAzureKinectDK坐标系x,y,z的骨骼关节特征向量转换为骨骼节点三维矩阵，其中x、y、z方向与RGB图像的R、G、B通道一一对应；步骤S4-3，对所述骨骼节点三维矩阵进行归一化处理，设置目标帧数为N帧，选取[0,N]帧作为归一化的骨骼运动序列，多于目标帧的序列截取丢弃，少于目标帧的序列填零补充；步骤S4-4，处理后的骨骼节点矩阵尺寸为N×11×3，得到作为神经网络输入的骨骼数据；S5、利用改进的VGG-16网络处理所得数据，融合深度图像序列和骨骼点信息的训练结果，输出驾驶行为分类结果；步骤S5中，基于双流卷积神经网络思想的改进的VGG-16模型，采用包含五通道的卷积神经网络，其中前三个通道用于训练深度运动图，后两个通道用于训练骨骼节点矩阵与骨骼关节特征向量；利用后期融合的方法，分别将所得驾驶员姿态深度图像的三维空间特征与时间信息、坐姿上半身骨骼数据的三维运动坐标与拓扑形状的分类结果进行集成决策输出。

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南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66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”。