Der Kunde ist ein Hersteller von Fahrzeugüberwachungssystemen für schwere Nutzfahrzeuge. Das Unternehmen bietet mobile Video-/Rückfahrkameras, Fahrzeugaufzeichnungen, Flottenverfolgung, Rückfahrradar/Objekterkennungsalarm, Reifendrucküberwachung und ereignisgesteuerte Systeme zur Überwachung des Fahrerverhaltens. Der Kunde sah sich mit Herausforderungen konfrontiert, wie z. B. der Verzögerung bei der Datenverarbeitung und der Verbesserung der Zuverlässigkeit und Genauigkeit seines Fahrerbewertungssystems. Daher suchte er nach einer Lösung, die ihm bei der effektiven Verarbeitung und Analyse von Fahrerverhalten und -bewegungen helfen konnte.

eInfochips schlug eine Lösung vor, die die Fähigkeiten des Deep Learning mit dem bestehenden Fahrerbewertungssystem kombiniert. Unser Ingenieursteam trainierte ein CNN-Modell (Convolutional Neural Network) mit den Daten aus der realen Welt, um die Lösung zu entwickeln, was zu einer Erhöhung der Genauigkeit des Fahrerbewertungssystems führte. Das System klassifiziert, filtert und extrahiert auf intelligente Weise verschiedene Informationen über das Verhalten des Fahrers aus den Dashcam-Videos, die während der Fahrt aufgezeichnet werden. Es ist in der Lage, eine breite Palette von Szenarien und Straßentypen abzudecken, was die Möglichkeiten autonomer Fahrsysteme weiter verbessert. Dadurch wird die manuelle Überwachung überflüssig und die Genauigkeit des gesamten Systems unter realen Bedingungen verbessert.