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！

龙图腾网恭喜上海赛可出行科技服务有限公司申请的专利一种安全分级的车内司乘冲突识别方法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：CN114239887B 。

龙图腾网通过国家知识产权局官网在2025-03-14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：202111375107.0，技术领域涉及：G06Q10/02；该发明授权一种安全分级的车内司乘冲突识别方法是由赵刚设计研发完成，并于2021-11-17向国家知识产权局提交的专利申请。

本一种安全分级的车内司乘冲突识别方法在说明书摘要公布了：本发明涉及网约车技术领域，具体公开了一种安全分级的车内司乘冲突识别方法，包括以下步骤：S1、通过车联网设备采集车内的视频和声音数据；S2、声音数据样本和编码处理；S3、构建机器学习情绪识别模型；S4、训练机器学习情绪识别模型；S5、视频数据样本和编码处理；S6、构建机器学习动作识别模型；S7、训练机器学习动作识别模型；S8、根据情绪识别和动作识别作安全分级；本发明提供了一种安全分级的车内司乘冲突识别方法解决车内肢体冲突和安全分级的问题，该方法使用情绪识别和动作识别，能够提升识别冲突的准确率；此方法的优势是对安全进行分级，通过不同的级别，可以制定不同的策略。

本发明授权一种安全分级的车内司乘冲突识别方法在权利要求书中公布了：1.一种安全分级的车内司乘冲突识别方法，其特征在于，包括以下步骤：S1、通过车联网设备采集车内的视频和声音数据：具体为将车联网设备安装于汽车后视镜位置附近，车联网设备集成了摄像头和录音机，随车启动开启，通过摄像头采集车内的视频，通过录音机采集车内的声音数据，所采集的视频数据和声音数据通过网络实时传回到网约车平台；S2、声音数据样本和编码处理：将情绪划分为10类，其中，1-4类依次为喜欢、高兴、感谢和中性，5-10类依次为抱怨、厌恶、愤怒、恐惧、悲伤和痛苦，对情绪划分的1-10类做one-hot编码，即1类编码为1，0，0，0，0，0，0，0，0，0，2类编码为0，1，0，0，0，0，0，0，0，0，以此类推，10类编码为0，0，0，0，0，0，0，0，0，1；S3、构建机器学习情绪识别模型：1对编码向量Embedding转为词向量，参数设置词汇表为dic，输出维度设为embedding_dim，其中，embedding_dim＝128，则3，10，201，28，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0中每个整数ID编码为128维的词向量，长度为MaxLen的文本编码向量转化为MaxLen个长度为embedding_dim的词向量，则MaxLen个词向量则是句向量，一个文本和标签组成了一个样本，则样本的最终编码长度为：MaxLen*embedding_dim+10；2构建LSTM网络：输入特征维数设置input_dim为embedding_dim，时间步长time_steps设置为MaxLen，输出层特征维数output_dim为256，隐藏层层数设置为1，epoch设置为120，是否返回时间序列return_sequence设置为false，确保LSTM最后一个时序返回的是一个特征向量，而不是一组特征向量，样本的time_steps*embedding_dim特征是time_steps个LSTM单元的输入，每个单元输入embedding_dim个特征，即一个词向量；3对LSTM网络的输出增加一个Dense线性层，其中，LSTM网络的输出是一个256维度的向量，该256维向量作为Dense线性层的输入，Dense线性层的输出为10维的向量，记作z1,z2…z10；4对Dense线性层的输出增加softmax激活函数，其中，softmax是一个归一化函数，输出是一个10维的向量y1,y2…y10,y1+y2+…y10＝1，y1,y2,…y10分别为分类1的概率，分类2的概率…分类10的概率；S4、训练机器学习情绪识别模型：1设置损失函数：对收集到的文本和标注，输入到情绪识别模型，标签值p1,p2…p10，每次前向网络计算的值为y1,y2…y10，损失函数设置为：2采用Adam算法进行训练模型：Adam优化算法是一种对随机梯度下降法的扩展，在计算机视觉和自然语言处理中广泛应用于深度学习，其中，Adam相关参数设置为：学习速率alpha＝0.001，第一次估计的指数衰减率beta1＝0.9，第二次估计的指数衰次减率beta2＝0.999，最小参数是非常小的数eepsilon＝10E-8，为了防止在实现中除以零；S5、视频数据样本和编码处理：对历史的视频数据人工做二分类标记，肢体动作接触标记为1，肢体未动作接触标记为0，声音样本s，和s关联的视频样本v定义为在同一时间内采集声音数据时的视频数据，对视频v进行图像处理，每秒均匀间隔选择4帧，选取6秒的数据共24帧图像作为一个视频样本；S6、构建机器学习动作识别模型：1构建LSTM网络，输入特征维数设置input_dim为2048，时间步长time_steps设置为24，输出层特征维数output_dim为512，隐藏层层数设置为1，epoch设置为120，是否返回时间序列return_sequence设置为false，确保LSTM最后一个时序返回的是一个特征向量，而不是一组特征向量，样本的24*2048特征是24个LSTM单元的输入，每个单元输入2048个特征；2对LSTM网络的输出增加一个Dense线性层：LSTM网络的输出是一个512维度的向量，该512维度的向量作为Dense线性层的输入，Dense线性层的输出为1维度的向量；3对Dense线性层的输出增加sigmoid激活函数：S7、训练机器学习动作识别模型：1设置损失函数：标签值p，每次前向网络计算的值为y，损失函数设置为：binary_crossentropy＝p*logy+1-p*log1-y；2采用Adam算法进行训练模型：Adam优化算法是一种对随机梯度下降法的扩展，在计算机视觉和自然语言处理中广泛应用于深度学习，其中，Adam相关参数设置为：学习速率alpha＝0.001，第一次估计的指数衰减率beta1＝0.9，第二次估计的指数衰次减率beta2＝0.999，最小参数是非常小的数eepsilon＝10E-8，为了防止在实现中除以零；S8、根据情绪识别和动作识别作安全分级。

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上海赛可出行科技服务有限公司，其通讯地址为：200131 上海市浦东新区自由贸易试验区杨高北路2001号1幢4部位三层333室；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”。