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！

龙图腾网获悉东航技术应用研发中心有限公司申请的专利基于多模态信息融合的疲劳驾驶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：CN116842475B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202310800807.2，技术领域涉及：G06F18/25；该发明授权基于多模态信息融合的疲劳驾驶检测方法是由李炎;何吉波;李福娟;郑佳杰;公超;郑智颖;周玉豪;毛金凤设计研发完成，并于2023-06-30向国家知识产权局提交的专利申请。

本基于多模态信息融合的疲劳驾驶检测方法在说明书摘要公布了：本发明属于航空航天、驾驶状态检测技术领域，具体涉及一种基于多模态信息融合的疲劳驾驶检测方法，旨在解决现有疲劳驾驶检测方法检测精度、鲁棒性较差的问题。本方法包括：采集待疲劳驾驶检测的目标对象的多模态数据，作为输入数据；对输入数据进行预处理，得到预处理数据；构建目标对象当前状态下的广置矩阵，通过预构建的无监督神经网络模型对所述广置矩阵进行重新构建；基于重新构建后与重新构建前的广置矩阵，获取所述目标对象的疲劳状态检测结果；若疲劳状态检测结果为处于疲劳状态，获取目标对象的疲劳类型；根据疲劳类型，获取目标对象的疲劳程度。本发明提高了疲劳检测的精度以及鲁棒性。

本发明授权基于多模态信息融合的疲劳驾驶检测方法在权利要求书中公布了：1.一种基于多模态信息融合的疲劳驾驶检测方法，其特征在于，该方法包括： S100，采集待疲劳驾驶检测的目标对象的多模态数据，作为输入数据；所述多模态数据包括文本数据、图像数据、生理传感数据； S200，对所述输入数据进行预处理，得到预处理数据； S300，对预处理后的生理传感数据按照设定时间长度划分，划分后，构建所述目标对象当前状态下的广置矩阵；通过预构建的无监督神经网络模型对所述广置矩阵进行重新构建；基于重新构建后与重新构建前的广置矩阵，获取所述目标对象的疲劳状态检测结果；所述疲劳状态检测结果包括是否处于疲劳状态； S400，若所述疲劳状态检测结果为处于疲劳状态，则对所述预处理数据中的多个模态的数据分别进行特征提取，并进行特征融合，得到融合特征；将所述融合特征输入预构建的疲劳类型检测模型的多层感知器和softmax分类器中，获取所述目标对象的疲劳类型；所述疲劳类型包括生理性疲劳、病理性疲劳； 通过所述疲劳类型检测模型中的三输入特征提取与融合网络，得到融合特征；所述疲劳类型检测模型基于依次连接的三输入特征提取与融合网络、多层感知器和softmax分类器构建； 其中，所述三输入特征提取与融合网络包括三个特征提取网络；每个特征提取网络后连接一个特征融合网络；每个特征提取网络均包括并联的第一卷积单元、第二卷积单元、第三卷积单元；所述第一卷积单元为N个级联不同尺度的标准卷积层，N6；所述第二卷积单元与所述第一卷积单元最后N-2个标准卷积层相同；所述第三卷积单元所述第一卷积单元最后N-4个标准卷积层相同；所述第二卷积单元、所述第三卷积单元中的第一个标准卷积层的输入为与所述第一卷积单元对应的标准卷积层的输入； 所述特征融合网络包含2N-6个并行的卷积层；将所述第一卷积单元与所述第二卷积单元对应的标准卷积层的输出特征进行融合，将所述第一卷积单元与所述第三卷积单元对应的标准卷积层的输出特征进行融合； 融合后，分别输入所述特征融合网络对应的卷积层沿通道数进行减半处理，处理后，将所述特征融合网络各卷积层输出的特征进行拼接； 将三个特征融合网络输出的拼接特征进行融合，作为融合特征； S500，根据所述疲劳类型，结合所述融合特征，通过预构建的疲劳程度检测模型，获取所述目标对象的疲劳程度； 所述疲劳程度检测模型包括全连接层和分类器；其中，所述全连接层产生相应维度的特征值，输入到分类器，得到疲劳程度。

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东航技术应用研发中心有限公司，其通讯地址为：201707 上海市青浦区香花桥街道北青公路8228号一区18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。