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！

龙图腾网获悉武汉理工大学申请的专利一种面向智能座舱的驾驶员分心行为识别方法及装置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：CN116883975B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202310653919.X，技术领域涉及：G06V20/59；该发明授权一种面向智能座舱的驾驶员分心行为识别方法及装置是由贺宜;鲁曼可设计研发完成，并于2023-06-02向国家知识产权局提交的专利申请。

本一种面向智能座舱的驾驶员分心行为识别方法及装置在说明书摘要公布了：本发明公开了一种面向智能座舱的驾驶员分心行为识别方法及装置，方法包括：构建第一模型；将初始分心行为图像输入所述第一模型，提取初始分心行为图像中的驾驶员姿态识别结果；将初始分心行为图像输入第二模型进行训练，提取初始分心行为图像中的关键物体识别结果；基于驾驶员姿态识别结果与关键物体识别结果，通过计算得到分心行为识别结果。本发明通过嵌入CA注意力模块，增强了图像浅层语义中关键信息的准确定位和特征提取，也能在保证轻量化网络模型的同时提升分类网络的准确率；本发明还将姿态与物体二者的识别结果进行融合，降低了相似分心驾驶行为被错误分类的概率，提高了模型的准确率和泛化性；可广泛应用于汽车驾驶技术领域。

本发明授权一种面向智能座舱的驾驶员分心行为识别方法及装置在权利要求书中公布了：1.一种面向智能座舱的驾驶员分心行为识别方法，其特征在于，包括： 构建第一模型； 将初始分心行为图像输入所述第一模型，提取所述初始分心行为图像中的驾驶员姿态识别结果； 将所述初始分心行为图像输入第二模型进行训练，提取所述初始分心行为图像中的关键物体识别结果； 基于所述驾驶员姿态识别结果与所述关键物体识别结果，通过计算得到分心行为识别结果; 所述构建第一模型这一步骤，包括： 构建第一卷积层、第二卷积层和全连接层； 构建CA注意力模块，所述CA注意力模块包括两个平均池化层和两个1×1卷积层； 构建倒残差模块，所述倒残差模块包括两个1×1卷积层和一个3×3深度可分离卷积层； 构建特征提取模块，所述特征提取模块包括两个3×3卷积层、两个1×1卷积层和若干个transformer模型； 根据所述第一卷积层、所述第二卷积层、所述全连接层、所述CA注意力模块、所述倒残差模块和所述特征提取模块构建第一模型; 所述将初始分心行为图像输入所述第一模型，提取所述初始分心行为图像中的驾驶员姿态识别结果这一步骤，包括： 通过所述第一卷积层对所述初始分心行为图像进行下采样，得到第一特征图； 通过所述CA注意力模块对所述第一特征图沿水平方向和垂直方向进行编码，得到第二特征图； 通过所倒残差模块对所述第二特征图进行下采样，得到第三特征图； 通过所述特征提取模块对所述第三特征图进行特征提取和特征融合，得到第四特征图； 通过所述第二卷积层将所述第四特征图的输出通道数调整为所述初始分心行为图像的通道数； 通过所述全连接层对所述第四特征图进行预测分类，得到所述初始分心行为图像中的驾驶员姿态识别结果; 所述将所述初始分心行为图像输入第二模型进行训练，提取所述初始分心行为图像中的关键物体识别结果这一步骤中，所述第二模型为YOLOv5模型，包括输入模块、主干模块和输出模块； 所述输入模块通过Mosaic数据增强算法对所述初始分心行为图像进行数据增强，然后将图像尺寸调整至目标尺寸，得到标准图像； 通过主干模块对所述标准进行切片操作，然后进行拼接和卷积操作，得到初始特征图； 通过输出模块对所述初始特征图进行分类预测，得到关键物体识别结果; 所述基于所述驾驶员姿态识别结果与所述关键物体识别结果，通过计算得到分心行为识别结果这一步骤，包括： 将所述驾驶员姿态识别结果中的使用手机和喝水两种分心行为的识别概率矩阵与所述关键物体识别结果的识别概率矩阵进行拼接，得到目标识别概率矩阵； 将所述目标识别概率矩阵通过计算进行融合，得到分心行为识别结果。

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武汉理工大学，其通讯地址为：430063 湖北省武汉市珞狮路122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。