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！

龙图腾网恭喜山东科技大学申请的专利一种基于多模态融合的驾驶状态识别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：CN119416003B 。

龙图腾网通过国家知识产权局官网在2025-05-02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：202510012081.5，技术领域涉及：G06F18/24；该发明授权一种基于多模态融合的驾驶状态识别方法及系统是由管德永;宋新宇;王可;王奇;赵文丽;王睿设计研发完成，并于2025-01-06向国家知识产权局提交的专利申请。

本一种基于多模态融合的驾驶状态识别方法及系统在说明书摘要公布了：本发明属于智能交通技术领域，公开了一种基于多模态融合的驾驶状态识别方法及系统。本发明通过非侵入性的生理手环采集驾驶员的手腕运动信息，其中手腕运动信息与传统的生理信号和驾驶绩效数据等结合，提升了驾驶状态识别的准确性和鲁棒性。本发明提出了一种特征动态加权模型，该模型利用LSTM模块捕捉时间序列中的长期依赖关系，利用交叉注意力机制模块对不同模态间的特征进行加权，使得各个特征的动态重要性能够根据不同驾驶状态发生调整，利用Transformer模块实现不同模态数据的深度交互和特征增强。本发明利用XGBoost模型，并基于加权后的多模态特征进行驾驶状态分类，能够准确区分不同的驾驶状态。

本发明授权一种基于多模态融合的驾驶状态识别方法及系统在权利要求书中公布了：1.一种基于多模态融合的驾驶状态识别方法，其特征在于，包括如下步骤：步骤1.对心理信号数据、生理信号数据、驾驶绩效数据以及手腕运动信息进行多模态数据信息综合采集，并对采集到的多模态数据进行预处理；驾驶绩效数据则是由车辆的踏板传感器和惯性导航传感器采集得到的数据；步骤2.针对预处理后的多模态数据进一步进行特征提取，并通过Friedman检验和Bonferroni修正，从特征提取结果中筛选出在不同驾驶状态下具有显著性差异的特征；步骤3.搭建特征动态加权模型，用于捕捉驾驶状态下的特征动态变化和特征间的关联性并根据特征状态变化实时调整特征的重要性权重；该特征动态加权模型包括LSTM模块、交叉注意力机制模块以及Transformer模块；将筛选出的特征送入LSTM模块，LSTM模块捕捉不同特征的时间依赖关系；每个输入LSTM模块的特征，在LSTM模块中都会经历时序建模过程，LSTM从每个特征的时序模式中学习驾驶员在不同行为状态下的动态变化；LSTM模块将每个特征在不同时间步的隐藏状态向量输出；将LSTM模块输出的隐藏状态向量分为四类，分别对应生理信号数据、心理信号数据、驾驶绩效数据及手腕运动信息；其中，每类隐藏状态向量分别包含对应模态中各特征的时间依赖信息；将四类隐藏状态向量输入交叉注意力机制模块，交叉注意力机制模块计算多个模态之间的注意力权重，动态调整每个模态特征的贡献，并融合不同模态的信息；将交叉注意力机制模块的输出特征输入Transformer模块，进一步利用Transformer模块的多头自注意力机制，实现不同模态数据的深度交互和特征增强，在Transformer输出的融合后的全局特征Zfinal上，进行特征加权计算特征权重，将Zfinal输入一个全连接层MLP进行特征加权系数，并经过softmax函数计算得到每个特征的动态加权系数，归一化后所有动态加权系数的和为1，使用每个特征的动态加权系数对原始特征进行加权融合，得到加权后的特征X′，即加权后生理信号数据、心理信号数据、驾驶绩效数据以及手腕运动信息特征；X′＝X⊙W；其中，X＝[x1,x2,...,xT]，x1,x2,...,xT表示原始特征值，X′表示加权后的特征值，X′＝[x1w1,x2w2,…,xTwT]＝[x′1,x′2,...,x′T]，x′1,x′2,...,x′T表示加权后的特征值；步骤4.搭建基于XGBoost的驾驶状态识别模型，并进行模型训练，训练后的驾驶状态识别模型基于步骤3计算得到的加权后的特征X′，从而预测得到驾驶状态识别结果。

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山东科技大学，其通讯地址为：266590 山东省青岛市黄岛区前湾港路579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”。