申请/专利权人：中国人民解放军战略支援部队信息工程大学

申请日：2023-12-07

公开（公告）日：2024-03-08

公开（公告）号：CN117671652A

主分类号：G06V20/59

分类号：G06V20/59;G06V10/94;G06V10/764;G06V10/82;G06N3/0464;G06N3/098;H04L67/104

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.26#实质审查的生效;2024.03.08#公开

摘要：本发明涉及机器学习应用技术领域，特别涉及一种基于链上联邦学习的分心驾驶行为联合识别方法及系统，将分布式协助的交通管理部门作为参与联邦学习训练任务的参与方，在联邦学习训练的每轮迭代中，各参与方本地端利用本地数据集训练本地模型并将训练得到的本地模型更新梯度上传至区块链，基于区块链聚合并更新全局模型，以供各参与方本地端下载更新本地模型；将各交通管理部门作为参与方联邦学习训练更新后的本地模型作为对应交通管理部门的本地目标检测模型，并传送至辖域内各车载端，以利用本地目标检测模型对其辖域内驾驶员分心驾驶行为图像数据进行检测识别。本发明能够减小分心驾驶行为识别时间，提高模型预测准确度，可适用于大部分驾驶场景。

主权项：1.一种基于链上联邦学习的分心驾驶行为联合识别方法，其特征在于，包含：将分布式协助的交通管理部门作为参与联邦学习训练任务的参与方，在联邦学习训练的每轮迭代中，各参与方本地端利用本地数据集训练本地模型并将训练得到的本地模型更新梯度上传至区块链，基于区块链聚合并更新全局模型，以供各参与方本地端下载更新本地模型，其中，本地数据集为交通管理部门收集其辖域内的驾驶员行为图像数据，且该图像数据中标注有对应行为标签；将各交通管理部门作为联邦学习参与方，训练后的全局模型通过区块链共识机制后，作为对应交通管理部门的本地目标检测模型，分发至辖域内各车载端，以利用本地目标检测模型对其辖域内驾驶员分心驾驶行为实时视频流数据进行检测识别。

全文数据：

权利要求：

百度查询： 中国人民解放军战略支援部队信息工程大学 基于链上联邦学习的分心驾驶行为联合识别方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD