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！

龙图腾网获悉华南理工大学申请的专利基于深度学习的跨被试驾驶疲劳检测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：CN117932306B 。

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：202410096835.5，技术领域涉及：G06F18/213；该发明授权基于深度学习的跨被试驾驶疲劳检测系统是由龚子安;顾正晖;陈迪设计研发完成，并于2024-01-23向国家知识产权局提交的专利申请。

本基于深度学习的跨被试驾驶疲劳检测系统在说明书摘要公布了：本发明公开了一种基于深度学习的跨被试驾驶疲劳检测系统，包括：数据处理模块，用于加载被试驾驶过程中的脑电信号并进行处理，得到统一大小和相同特征的驾驶疲劳脑电数据；模型训练模块，设计并搭建了一种结合局部与全局特征的集成网络，利用处理后的驾驶疲劳脑电数据进行训练，得到训练好的集成网络作为主模型；模型微调模块，利用新被试的部分驾驶过程中的脑电数据对主模型进行微调，得到针对该被试的最优检测模型；跨被试驾驶疲劳检测模块，利用最优检测模型进行跨驾驶疲劳检测任务，保存最优模型参数。本发明将深度学习技术与脑机接口技术结合，提高跨被试驾驶疲劳检测性能，提升跨被试驾驶疲劳检测准确率和泛化性。

本发明授权基于深度学习的跨被试驾驶疲劳检测系统在权利要求书中公布了：1.基于深度学习的跨被试驾驶疲劳检测系统，其特征在于，包括： 数据处理模块，用于加载被试驾驶过程中的脑电信号，并对脑电信号进行特征处理，得到统一大小和相同特征的驾驶疲劳脑电数据； 模型训练模块，设计并搭建了一种结合局部与全局特征的集成网络，称为LFP-GFPNet，该集成网络由两部分组成，一部分为局部特征提取网络LFPNet，其利用残差卷积神经网络、BiLSTM层、加性注意力机制和全连接层提取驾驶疲劳脑电数据中的局部特征；另一部分为全局特征提取网络GFPNet，其利用一维卷积神经网络、位置编码、Transformer编码器和全连接层提取驾驶疲劳脑电数据中的全局特征；利用经过数据处理模块处理后的驾驶疲劳脑电数据进行训练，得到训练好的LFP-GFPNet作为主模型进行跨被试驾驶疲劳检测任务；其中，训练局部特征提取网络LFPNet，LFPNet包括残差卷积神经网络、BiLSTM层、加性注意力机制和全连接层；将特征提取后的信号值作为LFPNet输入，LFPNet首先利用残差卷积神经网络来提取深层次的局部特征，残差卷积神经网络的核心组成部分包括残差块和池化层；残差块上方是两个3×3的具有预定的输入和输出通道数的卷积核；下方使用1×1的卷积核来调整输入的通道数，以使其输出的通道数与残差块上方的输出通道数相匹配；通过在前向传播中相加残差块上方与下方的输出，能够有效防止梯度消失问题，并加速残差卷积神经网络的训练速度；池化层采用最大池化，通过去除冗余信息，对特征进行压缩，简化网络复杂度，减小计算量；最大池化有助于保留主要特征，同时降低特征图的维度，提高计算效率；LFPNet的输入经过残差卷积神经网络后，通过引入BiLSTM层来有效解决神经网络中的长期依赖问题，从而实现对长期信息的有效记忆；随后采用加性注意力机制，以赋予不同输入位置不同的权重； 模型微调模块，利用新被试的部分驾驶过程中的脑电数据对主模型进行微调，得到针对该被试的最优检测模型，提高主模型在跨被试驾驶疲劳检测任务上的泛化能力以及提高新被试的跨被试驾驶疲劳检测效果； 跨被试驾驶疲劳检测模块，利用最优检测模型进行跨驾驶疲劳检测任务，保存最优模型参数。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。