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！

龙图腾网获悉深圳市环翔电子有限公司申请的专利基于多模态数据融合的行车记录仪疲劳驾驶检测与提醒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：CN120164193B 。

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：202510234280.0，技术领域涉及：G06V20/59；该发明授权基于多模态数据融合的行车记录仪疲劳驾驶检测与提醒方法是由刘建锋;岳国学设计研发完成，并于2025-02-28向国家知识产权局提交的专利申请。

本基于多模态数据融合的行车记录仪疲劳驾驶检测与提醒方法在说明书摘要公布了：本发明公开了基于多模态数据融合的行车记录仪疲劳驾驶检测与提醒方法，包括如下步骤：S1、车载摄像头采集面部图像并预处理，进行人脸检测和区域定位；S2、采用动态图像分块技术，动态调整图像块大小和位置；S3、利用视觉变换器进行面部图像特征提取；S4、获取车辆多模态数据并与面部特征融合；S5、通过狼群优化算法，优化视觉变换器网络结构和训练超参数；S6、基于优化后的视觉变换器进行疲劳状态分析；S7、检测到疲劳状态时，通过声光报警提醒驾驶员休息。本发明通过多模态数据融合和优化的深度学习算法，提供了一种高精度、高实时性的行车记录仪疲劳驾驶检测与提醒方法，有效提高了疲劳驾驶的识别准确性和系统的鲁棒性。

本发明授权基于多模态数据融合的行车记录仪疲劳驾驶检测与提醒方法在权利要求书中公布了：1.基于多模态数据融合的行车记录仪疲劳驾驶检测与提醒方法，其特征在于，包括如下步骤： S1、通过车载摄像头采集驾驶员的面部图像数据，并进行预处理，进行人脸检测和区域定位，获取驾驶员的面部特征区域； S2、采用动态图像分块技术，根据驾驶员面部区域的不同特征，动态调整图像块的大小和位置，对面部图像进行分块处理； S3、利用视觉变换器对分块后的面部图像进行特征提取，识别疲劳驾驶的早期信号； S4、获取车辆的多模态数据，并将车辆的多模态数据与面部特征进行融合，形成疲劳驾驶判断模型； S5、通过狼群优化算法优化视觉变换器的网络结构及训练超参数； S6、基于优化后的视觉变换器，对驾驶员的疲劳状态进行实时分析，并综合面部特征及多车辆的多模态数据判断驾驶员的疲劳程度； S7、当检测到驾驶员处于疲劳状态时，系统通过声光报警方式发出警示，提醒驾驶员注意休息； 所述S6具体包括： S61、将优化后的视觉变换器网络模型及通过狼群优化算法得到的最优超参数应用到实时的驾驶员面部特征和多模态数据中，输入多模态数据为，其中，为车速数据，加速度数据，为转向角度数据，为最终的面部疲劳特征表示； S62、从输入的多模态数据中，提取最终的面部疲劳特征表示和车辆数据，并根据模型对各个特征的加权求和进行疲劳状态评估，结合面部特征和车辆多模态数据，定义综合特征表示为： ； 其中，为第个特征的加权系数，为融合后的第个特征，为动态加权因子，为基于注意力机制的加权特征融合操作，为特征数量； S63、将综合特征输入到神经网络的输出层，计算驾驶员的疲劳状态预测值，并通过引入滑动窗口机制进行平滑处理，得到稳定的疲劳状态预测值： ； 其中，为平滑后的疲劳状态预测值，为在时刻k预测的疲劳状态值，为调节因子，为双曲正切激活函数，为周期性因素，为滑动窗口大小，为时间步步数； S64、引入基于自适应动态权重调整的深度强化学习机制，对各模态特征的权重系数进行动态调整，通过持续的环境反馈优化权重： ； 其中，为学习率，为损失函数梯度，为周期性调整因子，为第i个特征在t+1时刻的新权重，为第i个特征在t时刻的当前权重，为真实的疲劳状态，为周期性函数，为周期长度； S65、基于平滑后的疲劳状态预测值，判断驾驶员是否处于疲劳状态，若达到或超过疲劳警示阈值，将触发声光报警系统和视觉提示。

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深圳市环翔电子有限公司，其通讯地址为：518000 广东省深圳市宝安区福海街道和平社区永和路双金惠工业城D栋3层；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。