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！

龙图腾网获悉河海大学申请的专利一种驾驶员疲倦识别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：CN119058712B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202411131685.3，技术领域涉及：B60W40/08；该发明授权一种驾驶员疲倦识别方法是由李闽榕;吴嘉仪;王锶琦设计研发完成，并于2024-08-19向国家知识产权局提交的专利申请。

本一种驾驶员疲倦识别方法在说明书摘要公布了：本发明的一种驾驶员疲倦识别方法，物联网技术领域，包括：S1：以时间段T为区间，监测驾驶员驾驶过程中的心电图；S2：计算区间内心电图相邻R波时间间隔，结合该区间心电图的开始时刻，形成该区间心电图的结果序列；S3：计算该区间内心电图的均方差根；S4：设置所有驾驶员在不同驾驶时段的权重矩阵；S5：迭代计算出最优的权重矩阵；S6：计算当前驾驶状态概率。该方法规避了传统结合面部图像识别的方式，避免因为面部识别造成的滞后情况。

本发明授权一种驾驶员疲倦识别方法在权利要求书中公布了：1.一种驾驶员疲倦识别方法，其特征在于，包括以下步骤： S1：以时间段T为区间，连续监测某一驾驶员驾驶过程中的心电图，获得该驾驶员若干个区间的心电图，并对若干个区间心电图进行预处理；具体包括以下步骤： S1.1：计算某一区间心电图相邻R波时间间隔，结合该区间心电图的开始时刻，组成该区间心电图的结果序列，为： [tm,RR1,tm,RR2,tm,……,RRQ,tm，……，RRi,tm]；其中，tm为第m个区间ECG的开始时刻；RRQ,tm表示第m个区间内ECG中第Q个时间间隔； S1.2：计算该区间内心电图的均方差根，公式为： S1.3：对S1.1中的结果序列进行傅里叶变换FFT，提取HRV的频率域特征，公式为： 其中，LFrange和HFrange分别表示ECG中低频0.04-0.15HZ和高频0.15-0.4HZ的频率范围；Pf1和Pf2分别表示ECG中低频和高频的功率谱密度； S2：设置所有驾驶员在不同驾驶时段的权重矩阵； W1＝[α1,α2,……,αp]，其中，αp为疲倦系数； S3：将结果序列中的驾驶开始时刻、均方差根和LFHF输入到神经网络中，结合驾驶员在不同驾驶时段的权重矩阵，迭代计算出最优的权重矩阵； S4：用最优权重矩阵，代入到S3中，计算出当前的驾驶状态概率，评判当前的驾驶状态； 其中，步骤S3包括以下步骤： S3.1：获取大量样本，每个样本包括不同驾驶员结果序列的时刻点、均方差根和LFHF；将大量样本按比例划分为训练集、验证集和测试集； S3.2：设置输入层和隐藏层的神经元数量；并计算隐藏层的输出，公式为： hd＝fWk·xk+bd1 其中，f为激活函数Relu，Wk为第k个特征的权重矩阵，k∈[1,3],k为整数；xk为输入特征向量；bd为随机生成的第d个隐藏层神经元的偏置项，d∈[1,32],d为整数；hd第d个隐藏层神经元的输出； S3.3：计算输出层的疲倦驾驶概率； βz＝σWh·hd+bh2 σ是Sigmoid函数；Wh是从隐藏层到输出层的权重，为已知量；bh是输出层的偏置； S3.4：计算损失函数； 其中，yz表示第z个样本的真实标签,为0或者1；βz表示第z个样本预测的概率；S为样本的总数； S3.5：迭代权重矩阵； Wk,new为更新后的第k个权重矩阵；Wk为更新前的原始权重；η为学习率；为第k个权重矩阵的梯度； S3.6：设置迭代次数，循环S3.2-S3.5，获得最优的权重矩阵，记为Wk,best； 在步骤S4中，将S3中的Wk,best代入到式12中，解出当前样本的驾驶状态概率β当前；利用评价公式评价驾驶状态，评价公式为： 其中，θ＝0.5。

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河海大学，其通讯地址为：210000 江苏省南京市鼓楼区西康路1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。