山東科技大學管德永獲國家專利權
買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監控用IP管家,真方便!
龍圖騰網獲悉山東科技大學申請的專利一種基于多模態融合的駕駛狀態識別方法及系統獲國家發明授權專利權,本發明授權專利權由國家知識產權局授予,授權公告號為:CN119416003B 。
龍圖騰網通過國家知識產權局官網在2025-05-02發布的發明授權授權公告中獲悉:該發明授權的專利申請號/專利號為:202510012081.5,技術領域涉及:G06F18/24;該發明授權一種基于多模態融合的駕駛狀態識別方法及系統是由管德永;宋新宇;王可;王奇;趙文麗;王睿設計研發完成,并于2025-01-06向國家知識產權局提交的專利申請。
本一種基于多模態融合的駕駛狀態識別方法及系統在說明書摘要公布了:本發明屬于智能交通技術領域,公開了一種基于多模態融合的駕駛狀態識別方法及系統。本發明通過非侵入性的生理手環采集駕駛員的手腕運動信息,其中手腕運動信息與傳統的生理信號和駕駛績效數據等結合,提升了駕駛狀態識別的準確性和魯棒性。本發明提出了一種特征動態加權模型,該模型利用LSTM模塊捕捉時間序列中的長期依賴關系,利用交叉注意力機制模塊對不同模態間的特征進行加權,使得各個特征的動態重要性能夠根據不同駕駛狀態發生調整,利用Transformer模塊實現不同模態數據的深度交互和特征增強。本發明利用XGBoost模型,并基于加權后的多模態特征進行駕駛狀態分類,能夠準確區分不同的駕駛狀態。
本發明授權一種基于多模態融合的駕駛狀態識別方法及系統在權利要求書中公布了:1.一種基于多模態融合的駕駛狀態識別方法,其特征在于,包括如下步驟:步驟1.對心理信號數據、生理信號數據、駕駛績效數據以及手腕運動信息進行多模態數據信息綜合采集,并對采集到的多模態數據進行預處理;駕駛績效數據則是由車輛的踏板傳感器和慣性導航傳感器采集得到的數據;步驟2.針對預處理后的多模態數據進一步進行特征提取,并通過Friedman檢驗和Bonferroni修正,從特征提取結果中篩選出在不同駕駛狀態下具有顯著性差異的特征;步驟3.搭建特征動態加權模型,用于捕捉駕駛狀態下的特征動態變化和特征間的關聯性并根據特征狀態變化實時調整特征的重要性權重;該特征動態加權模型包括LSTM模塊、交叉注意力機制模塊以及Transformer模塊;將篩選出的特征送入LSTM模塊,LSTM模塊捕捉不同特征的時間依賴關系;每個輸入LSTM模塊的特征,在LSTM模塊中都會經歷時序建模過程,LSTM從每個特征的時序模式中學習駕駛員在不同行為狀態下的動態變化;LSTM模塊將每個特征在不同時間步的隱藏狀態向量輸出;將LSTM模塊輸出的隱藏狀態向量分為四類,分別對應生理信號數據、心理信號數據、駕駛績效數據及手腕運動信息;其中,每類隱藏狀態向量分別包含對應模態中各特征的時間依賴信息;將四類隱藏狀態向量輸入交叉注意力機制模塊,交叉注意力機制模塊計算多個模態之間的注意力權重,動態調整每個模態特征的貢獻,并融合不同模態的信息;將交叉注意力機制模塊的輸出特征輸入Transformer模塊,進一步利用Transformer模塊的多頭自注意力機制,實現不同模態數據的深度交互和特征增強,在Transformer輸出的融合后的全局特征Zfinal上,進行特征加權計算特征權重,將Zfinal輸入一個全連接層MLP進行特征加權系數,并經過softmax函數計算得到每個特征的動態加權系數,歸一化后所有動態加權系數的和為1,使用每個特征的動態加權系數對原始特征進行加權融合,得到加權后的特征X′,即加權后生理信號數據、心理信號數據、駕駛績效數據以及手腕運動信息特征;X′=X⊙W;其中,X=[x1,x2,...,xT],x1,x2,...,xT表示原始特征值,X′表示加權后的特征值,X′=[x1w1,x2w2,…,xTwT]=[x′1,x′2,...,x′T],x′1,x′2,...,x′T表示加權后的特征值;步驟4.搭建基于XGBoost的駕駛狀態識別模型,并進行模型訓練,訓練后的駕駛狀態識別模型基于步驟3計算得到的加權后的特征X′,從而預測得到駕駛狀態識別結果。
如需購買、轉讓、實施、許可或投資類似專利技術,可聯系本專利的申請人或專利權人山東科技大學,其通訊地址為:266590 山東省青島市黃島區前灣港路579號;或者聯系龍圖騰網官方客服,聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。
1、本報告根據公開、合法渠道獲得相關數據和信息,力求客觀、公正,但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據或者憑證。