[发明专利]渣土车运输管理系统及其管理方法

权利要求书

1.一种渣土车运输管理系统，其特征在于，包括：

监控模块，用于获取预定时间段的司机面部监控视频以及所述预定时间段内多个预定时间点的车辆行驶参数；

单点行驶参数关联特征提取模块，用于将各个所述预定时间点的车辆行驶参数中所有数据项通过多尺度邻域特征提取模块以得到多个车辆行驶参数特征向量；

差分模块，用于计算所述多个车辆行驶参数特征向量中相邻两个时间点的车辆行驶参数特征向量之间的差分特征向量以得到多个差分特征向量；

参数变化特征提取模块，用于将所述多个差分特征向量进行二维排列为特征矩阵后通过作为过滤器的第一卷积神经网络模型以得到车辆行驶参数变化特征向量；

监控视频编码模块，用于将所述司机面部监控视频通过使用时间注意力机制的第二卷积神经网络模型以得到面部监控特征图；

降维模块，用于对所述面部监控特征图的沿通道维度的各个特征矩阵进行全局平均池化以得到面部监控特征向量；

特征表达优化模块，用于基于所述面部监控特征向量的全局统计特征，对所述面部监控特征向量进行特征优化以得到优化面部监控特征向量；

多源特征融合模块，用于融合所述优化面部监控特征向量和所述车辆行驶参数变化特征向量以得到分类特征向量；以及

管理结果生成模块，用于将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示司机是否存在不规范驾驶行为；

所述单点行驶参数关联特征提取模块，包括：

第一跨度参数间关联特征提取单元，用于将各个所述预定时间点的车辆行驶参数中所有数据项输入所述多尺度邻域特征提取模块的第一卷积层以得到第一尺度行驶参数特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；

第二跨度参数间关联特征提取单元，用于将各个所述预定时间点的车辆行驶参数中所有数据项输入所述多尺度邻域特征提取模块的第二卷积层以得到第二尺度行驶参数特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及

多尺度级联单元，用于将所述第一尺度行驶参数特征向量和所述第二尺度行驶参数特征向量分别进行级联以得到所述车辆行驶参数特征向量；

所述第一跨度参数间关联特征提取单元，进一步用于：使用所述多尺度邻域特征提取模块的第一卷积层以如下公式对各个所述预定时间点的车辆行驶参数中所有数据项分别进行一维卷积编码以得到所述多个第一尺度行驶参数特征向量；

其中，所述公式为：

其中，a为第一卷积核在x方向上的宽度、F(a)为第一卷积核参数向量、G(x-a)为与卷积核函数运算的局部向量矩阵，w为第一卷积核的尺寸，X表示各个所述预定时间点的车辆行驶参数中所有数据项；

所述第二跨度参数间关联特征提取单元，进一步用于：使用所述多尺度邻域特征提取模块的第二卷积层以如下公式对各个所述预定时间点的车辆行驶参数中所有数据项进行一维卷积编码以得到所述第二尺度行驶参数特征向量；

其中，所述公式为：

其中，b为第二卷积核在x方向上的宽度、F(b)为第二卷积核参数向量、G(x-b)为与卷积核函数运算的局部向量矩阵，m为第二卷积核的尺寸，X表示各个所述预定时间点的车辆行驶参数中所有数据项。

2.根据权利要求1所述的渣土车运输管理系统，其特征在于，所述参数变化特征提取模块，进一步用于：所述第一卷积神经网络模型的各层在层的正向传递中对输入数据分别进行：

使用所述第一卷积神经网络模型的各层的卷积单元对所述输入数据进行基于二维卷积核的卷积处理以得到卷积特征图；

使用所述第一卷积神经网络模型的各层的池化单元对所述卷积特征图进行基于特征矩阵的全局平均池化以得到池化特征图；以及

使用所述第一卷积神经网络模型的各层的激活单元对所述池化特征图中各个位置的特征值进行非线性激活以得到激活特征图；

其中，所述第一卷积神经网络模型的最后一层的输出为所述车辆行驶参数变化特征向量。

3.根据权利要求2所述的渣土车运输管理系统，其特征在于，所述监控视频编码模块，包括：

采样单元，用于以预定采样频率从所述司机面部监控视频得到多个监控关键帧；以及

时间注意力卷积编码单元，用于将所述多个监控关键帧通过所述使用时间注意力机制的第二卷积神经网络模型以得到所述面部监控特征图。