驾考车辆信号传输系统及方法技术方案

一种驾考车辆信号传输系统及方法，其获取由驾考车辆提供的第一驾考操作的监控视频；采用基于深度学习的人工智能技术，进行所述驾考车辆的驾考操作隐含时序变化特征的语义理解特征信息的充分表达，以此通过对于驾考车辆的驾考操作的实时分析来进行驾考操作是否合格的检测评估，从而对于考试过程进行评分，保证评分的准确性和公平性。评分的准确性和公平性。评分的准确性和公平性。

【技术实现步骤摘要】
驾考车辆信号传输系统及方法


[0001]本申请涉及智能化传输
，并且更具体地，涉及一种驾考车辆信号传输系统及方法。

技术介绍

[0002]驾考车辆为了保证考试的公正性和安全性，需要在车内安装监控设备对考生的操作进行实时监控。驾考车辆信号传输系统，是一种利用无线网络技术，将车内的音频、视频、定位、成绩等信息实时传输到监控中心的系统。现有的驾考监控手段多为人工操作，不仅工作量大、耗时费力，而且也难以保证监管的持续性和一致性，容易出现漏检或疏忽的情况。
[0003]因此，期望一种优化的驾考车辆信号传输系统。

技术实现思路

[0004]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种驾考车辆信号传输系统及方法，其获取由驾考车辆提供的第一驾考操作的监控视频；采用基于深度学习的人工智能技术，进行所述驾考车辆的驾考操作隐含时序变化特征的语义理解特征信息的充分表达，以此通过对于驾考车辆的驾考操作的实时分析来进行驾考操作是否合格的检测评估，从而对于考试过程进行评分，保证评分的准确性和公平性。
[0005]第一方面本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种驾考车辆信号传输系统，其特征在于，包括：视频采集模块，用于获取由驾考车辆提供的第一驾考操作的监控视频；关键帧提取模块，用于从所述监控视频提取多个监控关键帧；空间流特征提取模块，用于将所述多个监控关键帧通过基于三维卷积神经网络模型的空间流特征提取器以得到车辆运行空间特征图；注意力增强模块，用于将所述车辆运行空间特征图通过双向注意力机制模块以得到分类特征图；特征优化模块，用于对所述分类特征图进行特征分布优化以得到优化分类特征图；以及操作检测模块，用于将所述优化分类特征图通过分类器以得到分类结果，所述分类结果用于表示第一驾考操作是否合格。2.根据权利要求1所述的驾考车辆信号传输系统，其特征在于，所述空间流特征提取模块，用于：使用所述基于三维卷积神经网络模型的空间流特征提取器的各层在层的正向传递过程中分别对输入数据进行：对所述输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行池化处理以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述基于三维卷积神经网络模型的空间流特征提取器的最后一层的输出为所述车辆运行空间特征图，所述基于三维卷积神经网络模型的空间流特征提取器的第一层的输入为所述多个监控关键帧。3.根据权利要求2所述的驾考车辆信号传输系统，其特征在于，所述注意力增强模块，包括：全局池化单元，用于对所述车辆运行空间特征图进行沿通道维度的全局均值池化以得到全局池化特征矩阵；双向池化单元，用于将所述全局池化特征矩阵分别沿着水平方向和垂直方向进行池化以得到第一向池化向量和第二向池化向量；池化关联单元，用于对所述第一向池化向量和所述第二向池化向量进行关联编码以得到双向关联矩阵；激活单元，用于将所述双向关联矩阵输入Sigmoid激活函数以得到双向关联权重矩阵；以及加权单元，用于计算所述双向关联权重矩阵和所述车辆运行空间特征图的沿通道维度的各个特征矩阵之间的按位置点乘以得到所述分类特征图。4.根据权利要求3所述的驾考车辆信号传输系统，其特征在于，所述特征优化模块，包括：优化因数计算单元，用于计算所述分类特征图中各个位置特征值的位置信息图式场景注意力无偏估计因数以得到多个位置信息图式场景注意力无偏估计因数；以及加权优化单元，用于以所述多个位置信息图式场景注意力无偏估计因数作为加权系数对所述分类特征图的各个位置特征值进行加权优化以得到所述优化分类特征图。5.根据权利要求4所述的驾考车辆信号传输系统，其特征在于，所述优化因数计算单
元，用于：以如下优化公式计算所述分类特征图中各个位置特征值的位置信息图式场景注意力无偏估计因数以得到所述多个位置信息图式场景注意力无偏估计因数；其中，所述优化公式为：其中，f
i
是所述分类特征图中各个位置特征值，为所述分类特征图的各个位置特征值的位置坐标，且是所述分类特征图的所有特征值的全局均值，和分别代表将二维实数和三维实数映射为一维实数的函数，W、H和C分别是所述分类特征图的宽度、高度和通道数，log表...

【专利技术属性】
技术研发人员：黄毅，郭文远，陈桂芝，
申请(专利权)人：太原市赛斯科技有限公司，
类型：发明
国别省市：