[发明专利]驾考车辆信号传输系统及方法

权利要求书

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表示以2为底的对数函数，w_i表示所述多个位置信息图式场景注意力无偏估计因数中的各个位置信息图式场景注意力无偏估计因数。

6.根据权利要求5所述的驾考车辆信号传输系统，其特征在于，所述操作检测模块，包括：

展开单元，用于将所述优化分类特征图按照行向量或列向量展开为分类特征向量；

全连接编码单元，用于使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及

分类单元，用于将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。