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！

龙图腾网获悉合肥工业大学申请的专利基于状态空间与双路径交互的远程生理信号检测方法及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：CN120678405B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202510705002.9，技术领域涉及：A61B5/024；该发明授权基于状态空间与双路径交互的远程生理信号检测方法及系统是由肖昌昊;唐申庚;钱威;柳虹宇;年付盛;周金星设计研发完成，并于2025-05-29向国家知识产权局提交的专利申请。

本基于状态空间与双路径交互的远程生理信号检测方法及系统在说明书摘要公布了：本发明涉及非接触式生理信号检测技术领域，公开了基于状态空间与双路径交互的远程生理信号检测方法及系统。该方法包括：获取样本集；对原始人脸视频进行帧差分预处理，提取时序特征；通过状态空间模型和状态空间对偶性机制，对提取的时序特征进行时序依赖建模；通过频域前馈网络对时序特征进行频域特征增强；将频域特征增强后的时序特征分别输入自注意力路径和交叉注意力路径，然后对两条路径处理后的时序特征进行融合，将融合数据作为预测rPPG信号；通过最小化预测rPPG信号与真实rPPG信号之间的差异，进行模型训练；将待检测人员的人脸视频输入至训练后的预测模型，输出对应的预测rPPG信号。本发明的检测方法具有良好的准确性和鲁棒性。

本发明授权基于状态空间与双路径交互的远程生理信号检测方法及系统在权利要求书中公布了：1.基于状态空间与双路径交互的远程生理信号检测方法，其特征在于，包括： S1.获取样本集，样本集包括人脸视频和人脸视频对应的真实rPPG信号； S2.对原始人脸视频进行帧差分预处理，提取时序特征；帧差分预处理的表达式如下： 式中，为原始人脸视频数据；为相邻帧之间的差分数据；为输出特征图；表示FrameStem函数； S3.通过状态空间模型和状态空间对偶性机制，对提取的时序特征进行时序依赖建模；状态空间模型的表达式如下： 式中，A、B和C为可学习参数矩阵；和分别为t时刻和t-1的隐藏状态向量；为t时刻的输入特征即；为t时刻的输出特征向量；为转置符号；状态空间对偶性机制SSD的表达式如下： 式中，Q、K和V分别为查询、键和值矩阵；L为结构化掩码矩阵；为逐元素乘法符号； S4.通过频域前馈网络对时序特征进行频域特征增强；频域前馈网络的处理方式为： 先对时序特征进行快速傅里叶变换，表达式如下： 式中，f为时序特征；为时序特征在频域中的表达；为时序特征在时域中的表达；dt为时间积分算子；e为自然常数；j为虚数单位； 再通过逆傅里叶变换回复频域增强后的信号，表达式如下： S5.将频域特征增强后的时序特征分别输入自注意力路径和交叉注意力路径，然后对两条路径处理后的时序特征进行融合，将融合数据作为预测rPPG信号；自注意力路径处理的表达式如下： 交叉注意力路径处理的表达式如下： 两条路径特征在通道维度上的拼接表达式如下： 式中，为自注意力路径的输出特征；为自注意力路径的结构化掩码矩阵；、和分别为自注意力路径对应的查询、键和值矩阵；为逐元素乘法符号；为转置符号；为交叉注意力路径的输出特征；为交叉注意力路径的结构化掩码矩阵；、和分别为交叉注意力路径对应的查询、键和值矩阵；为自注意力路径和交叉注意力路径的输出特征在通道维度拼接后的融合特征；为经过频域前馈网络增强后的自注意力路径输出特征；为经过频域前馈网络增强后的交叉注意力路径输出特征；为拼接处理； S6.通过最小化预测rPPG信号与真实rPPG信号之间的差异，进行模型训练，得到训练后的预测模型； S7.将待检测人员的人脸视频输入至训练后的预测模型，参照步骤S2~S5的处理方式输出对应的预测rPPG信号。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。