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！

龙图腾网获悉重庆邮电大学申请的专利一种基于多模态数据融合及双流图学习的跌倒检测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：CN118924284B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202411010611.4，技术领域涉及：A61B5/11；该发明授权一种基于多模态数据融合及双流图学习的跌倒检测方法是由刘亮;李显达;肖金凤;宋奇;刘寰设计研发完成，并于2024-07-26向国家知识产权局提交的专利申请。

本一种基于多模态数据融合及双流图学习的跌倒检测方法在说明书摘要公布了：本发明属于人工智能技术领域，尤其涉及一种基于多模态数据融合及双流图学习的跌倒检测方法，包括采集检测目标的加速度、图像以及声音数据，根据加速度、图像融合得到融合模态编码、根据声音数据得到声音模态编码；分别对基于融合模态编码、声音模态编码得到的单模态图数据进行单模态图学习得到对应的单模态学习特征；基于融合模态编码、声音模态编码得到的多模态图数据进行多模态图学习，得到融合模态编码、声音模态编码对应的多模态学习特征；将同一模态编码的单模态和多模态编码通过相加进行融合后通过拼接的方式与另一模态编码进行融合得到跨模态特征；将跨模态特征通过一个全连接层获取跌倒预测结果；本发明具有更高的准确性和可靠性。

本发明授权一种基于多模态数据融合及双流图学习的跌倒检测方法在权利要求书中公布了：1.一种基于多模态数据融合及双流图学习的跌倒检测方法，其特征在于，具体包括以下步骤： 采集检测目标的加速度、图像以及声音数据； 对采集的加速度数据进行转换，即将一维数据转换为二维数据，将转换后的数据与图像数据进行拼接融合，并使用卷积神经网络对其进行特征提取得到融合模态编码； 利用全连接层对声音数据进行处理后得到声音模态编码； 针对每个模态构建图神经网络，在每个模态的图神经网络中，节点为每个采样点对应的模态编码，边权重为节点之间的注意力权重； 分别对基于融合模态编码、声音模态编码得到的单模态图数据进行单模态图学习，得到融合模态编码、声音模态编码对应的单模态学习特征；进行单模态图学习时，得到对应的单模态学习特征的过程包括： ； 其中，表示第i个单模态图中第j个节点的特征编码进行单模态学习后得到的特征；表示第i个单模态图中第j个节点的特征编码；、表示第i个单模态图中进行单模态学习时的可学习矩阵；表示第i个单模态图中第j个节点的邻居节点的聚集模块；表示拼接操作；表示逐元素乘积运算；表示激活函数； 得到对应的多模态学习特征的过程包括： ； 其中，表示在多模态图中第i个节点的某个模态的特征编码经过多模态学习更新后的特征编码；、表示进行多模态学习时的可学习矩阵；表示多模态图中第i个节点的邻居节点的聚集模块； 基于融合模态编码、声音模态编码得到的多模态图数据进行多模态图学习，得到融合模态编码、声音模态编码对应的多模态学习特征； 将同一模态编码的单模态和多模态编码通过相加进行融合后通过拼接的方式与另一模态编码进行融合得到跨模态特征； 将跨模态特征通过一个全连接层获取跌倒预测结果，包括： ； ； 其中，表示跨模态特征，表示声音单模态图的输出特征，表示声音特征对融合特征的多模态图输出特征，表示融合特征单模态图的输出特征，表示融合特征对声音特征的多模态图输出特征；表示全连接层；表示归一化指数函数；p表示跨模态特征被判定为跌倒的概率。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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”。

以上内容由龙图腾AI智能生成。