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！

龙图腾网获悉福建省特种设备检验研究院南平分院申请的专利一种用于电梯井道防坠落的危险行为预警系统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：CN119750331B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202510247298.4，技术领域涉及：B66B5/00；该发明授权一种用于电梯井道防坠落的危险行为预警系统是由吴日威;翁金华;张秀彬;吴秀鸿;曾耀传;罗立辉;刘爱国设计研发完成，并于2025-03-04向国家知识产权局提交的专利申请。

本一种用于电梯井道防坠落的危险行为预警系统在说明书摘要公布了：本发明涉及行为预警技术领域，尤其为一种用于电梯井道防坠落的危险行为预警系统，包括多模态数据采集模块、数据传输模块、数据处理模块、预警输出模块和系统控制模块；多模态数据采集模块可实时采集电梯井道内的图像、声音、人员位置及电梯轿厢重量数据；数据传输模块采用分类标记、压缩加密及冗余传输等技术确保数据高效安全传输；数据处理模块运用基于注意力机制的改进型CNN、LSTM和多模态GNN算法对数据进行融合分析，计算危险系数R；预警输出模块依据R值分级输出预警信息，并集成强化学习代理优化预警策略。本发明能精准识别多种危险行为，有效提升电梯井道安全防护水平，具有重要的应用价值。

本发明授权一种用于电梯井道防坠落的危险行为预警系统在权利要求书中公布了：1.一种用于电梯井道防坠落的危险行为预警系统，其特征在于：包括： 多模态数据采集模块：用于实时采集电梯井道内的图像数据、声音数据、人员位置数据及电梯轿厢重量数据； 数据传输模块：用于将所述多模态数据采集模块采集的数据传输至数据处理模块； 数据处理模块：用于对接收到的多模态数据进行融合分析，通过改进型危险行为识别算法识别危险行为并生成分级预警信息，所述改进型危险行为识别算法包括： 基于注意力机制的改进型卷积神经网络CNN，用于从图像数据中提取危险行为的空间特征； 长短期记忆网络LSTM，用于从声音数据、重量数据及时序位置数据中提取动态时序特征； 多模态图神经网络GNN，用于融合图像、声音、重量及位置数据的跨模态时空关联特征； 特征融合单元，用于将空间特征、时序特征及跨模态特征融合，并通过全连接层计算危险系数，其公式为：，其中，为CNN输出的空间特征向量，为LSTM输出的时序特征向量，为GNN输出的跨模态特征向量，和为权重矩阵及偏置项，为sigmoid激活函数； 预警输出模块：用于根据危险系数的分级结果输出预警信息； 系统控制模块：用于动态调节数据采集频率、数据处理流程及预警输出方式； 所述基于注意力机制的改进型卷积神经网络CNN的运算过程包括： 对输入图像进行卷积操作，生成特征图； 通过注意力机制计算各特征图的权重，并生成加权后的上下文向量，其中，为特征图与的相关性得分，为归一化后的注意力权重，为第个特征的上下文向量，维度与一致； 将上下文向量输入全连接层，输出危险行为的空间特征向量； 所述长短期记忆网络LSTM的运算过程包括： 对时序数据进行门控计算： 遗忘门：； 输入门：； 输出门：； 更新细胞状态：； 输出隐藏状态：，并提取时序特征向量； 其中，、、分别为遗忘门、输入门、输出门的权重矩阵，、、分别为对应遗忘门、输入门、输出门的偏置项，为上一时刻的隐藏状态，为当前时刻的输入数据，为当前时刻的细胞状态，、为细胞状态更新的权重矩阵及偏置项，为当前时刻的隐藏状态； 所述多模态图神经网络GNN的运算过程包括： 构建多模态图结构，节点包括图像特征声音特征、重量特征、位置特征，边权重由时空关联性计算； 通过图注意力机制GAT更新节点特征：，其中，，表示节点与的注意力权重，为注意力机制的权重矩阵，为向量拼接操作； 输出融合后的全局特征向量。

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福建省特种设备检验研究院南平分院，其通讯地址为：354200 福建省南平市建阳区童游街道万辉路66号；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”。