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！

龙图腾网获悉中国矿业大学申请的专利一种双网络融合的驾驶员手势识别监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：CN119600678B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202411565883.0，技术领域涉及：G06V40/20；该发明授权一种双网络融合的驾驶员手势识别监测方法是由杜沁;郝敬宾;梁赐;刘新华;华德正;孙晓凯;曹戎戈;徐通设计研发完成，并于2024-11-05向国家知识产权局提交的专利申请。

本一种双网络融合的驾驶员手势识别监测方法在说明书摘要公布了：本发明公开了一种双网络融合的驾驶员手势识别监测方法，通过引入Res‑CBAM结构对YOLOv7网络进行改进，增强对座舱内手势特征的识别能力；改进后的网络结构在自采集的座舱域手势数据集上进行训练。本发明提出基于L1正则化稀疏训练的BN层通道剪枝方法和基于层自适应稀疏化的非结构化剪枝方法LAMP，以达到预定的全局稀疏性水平；剪枝后，模型通过微调训练恢复性能，并使用验证集进行性能验证。

本发明授权一种双网络融合的驾驶员手势识别监测方法在权利要求书中公布了：1.一种双网络融合的驾驶员手势识别监测方法，其特征在于，所述手势识别监测方法包括以下步骤： S1、使用车载摄像头采集驾驶员手势视频数据，利用算法对采集的视频数据进行抽帧处理，剔除不含手势的帧，并按照比例将筛选后的图像分为训练集、验证集和测试集； S2、对步骤S1筛选后的图像进行标注，定义手势类别标签； S3、在YOLOv7的基础上引入Res-CBAM结构，结合通道和空间两个层面的注意力机制，构建基于改进的YOLOv7-ICG网络结构； 所述步骤S3中，引入改进后的YOLOv7-ICG网络具体包括以下步骤： S31、引入Res-CBAM结构：在YOLOv7的基础上，通过残差结构将CBAM注意力机制整合入网络；CBAM机制包含通道注意力和空间注意力，通过动态调整特征图的通道和空间维度上的注意力权重，实现特征的加权融合； S32、构建YOLOv7-ICG网络结构：将CBAM注意力模块替换YOLOv7主干网络中的前两个卷积层，以增强网络对主要手势特征区域的关注；在特征融合网络中，于两个Concat操作前加入CBAM模块，实现对主干网络获取的特征进行汇总和加权处理，提升特征信息的有价值含量；利用残差连接防止在多次特征处理过程中丢失重要信息，确保深度特征响应的稳定性； S33、应用注意力机制和残差学习：通过CAM模块计算通道间的权重，应用sigmoid激活函数获得每个通道的注意力权重，通过SAM模块生成二维空间注意图，利用平均池化和最大池化生成特征描述符，并通过卷积层和sigmoid函数激活得到空间注意力；结合CAM和SAM的结果，通过残差连接和CBS模块提取更深层次的特征信息，其中，CBS模块包括内核大小的卷积层用于平滑特征，以及使用不同大小卷积核的层用于提取特征并维持通道维度； S4、采用步骤S2标注好的数据集对改进后的YOLOv7-ICG网络结构进行训练，采用交叉验证方法评估模型的检测能力； S5、采用基于L1正则化稀疏训练的BN层通道剪枝方法，减少模型的参数量，并应用LAMP算法进行非结构化剪枝，进一步降低模型的计算量；所述步骤S5中，训练后的网络结构和轻量化模型剪枝策略是： 1基于L1正则化稀疏训练的BN层通道剪枝方法： 设定训练参数，包括初始训练好的YOLOv7-ICG网络结构模型，按照6:3:1的比例划分手势数据集；应用L1正则化技术于BN层的缩放因子，通过训练过程中的正则化项系数对缩放因子施加L1正则化，促使一些缩放因子的值接近零；在训练结束后，通过设定的阈值判定BN层中不重要的通道，并将这些通道剪除，从而减少模型的参数量； 2非结构化剪枝原理及LAMP算法应用： LAMP算法遍历网络的每一层，为每个权重计算一个LAMP-score，该分数反映了权重在剪枝过程中的相对重要性；利用LAMP-score对每层中的权重进行排序，并剪枝掉分数最低的权重，直到达到预定的全局稀疏性水平，以此减少模型的计算量；LAMP算法不需要额外的稀疏训练，直接对权重进行排序和剪枝，操作更加灵活，不依赖于网络的结构； S6、对剪枝后的模型进行微调训练，恢复或提升模型性能，并将轻量化后的模型部署至汽车智能舱座域控制器上，实现实时手势监测。

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中国矿业大学，其通讯地址为：221000 江苏省徐州市大学路中国矿业大学南湖校区；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。