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！

龙图腾网获悉淮阴工学院申请的专利一种驾驶人员异常行为、疼痛表情识别与预警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：CN118658144B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202410686285.2，技术领域涉及：G06V20/59；该发明授权一种驾驶人员异常行为、疼痛表情识别与预警方法及系统是由马常纹;陈杰;姚君豪;彭甜;张鑫玉;庄绪州;何睿;孙凯设计研发完成，并于2024-05-29向国家知识产权局提交的专利申请。

本一种驾驶人员异常行为、疼痛表情识别与预警方法及系统在说明书摘要公布了：本发明公开了一种驾驶人员异常行为、疼痛表情识别与预警方法及系统，所述方法包括：对视频进行关键帧抽取形成图像；利用改进的RPCA算法对图像进行降噪；将处理好的图像输入FasterR‑CNN模型，生成待识别目标检测框；建立姿态估计识别模型YOLO‑POSE模型；采用生成对抗网络的多姿态人脸识别算法GAN‑MFER识别驾驶员的面部表情；准确的判断驾驶员当前的状态，并给出相应的警报提示；所述系统包括数据获取模块，图像增强模块，图像识别模块。本发明有效地提高了FasterR‑CNN的检测精度与效率；综合姿态识别与面部表情识别的结果，更加准确的判断驾驶员当前的状态，有效地提高了模型的识别效率，有效的保障了车内外人员的人生安全。

本发明授权一种驾驶人员异常行为、疼痛表情识别与预警方法及系统在权利要求书中公布了：1.一种驾驶人员异常行为、疼痛表情识别与预警方法，其特征在于，包括如下步骤：1利用驾驶室前高清摄像头获取的视频数据，对视频进行关键帧抽取形成图像；2利用改进的RPCA算法对图像进行降噪；所述改进的RPCA算法为将加权Schatten-p范数的最小化引入RPCA中，增强RPCA对图像进行降噪的性能；并结合Laplace算子对图像进行细节的增强，进一步提高图片的清晰度；3将处理好的图像输入FasterR-CNN模型，生成待识别目标检测框，同时引入Soft-NMS算法对目标检测框进行处理，降低冗余边界框对检测结果的影响；4基于YOLO框架建立姿态估计识别模型YOLO-POSE模型，并将GAT注意力机制引入模型提高识别精度；5采用生成对抗网络的多姿态人脸识别算法GAN-MFER识别驾驶员的面部表情，并将空洞卷积DC融入到算法中，加强对驾驶员病理表情识别的精度；6综合姿态识别与面部表情识别的结果，准确的判断驾驶员当前的状态，并给出相应的警报提示，所述步骤5包括：5.1在进行驾驶员姿态识别的同时，采用生成对抗网络的多姿态人脸识别算法GAN-MFER识别驾驶员的面部表情，提高对驾驶员当前状态判断的精度，公式如下： 其中：DN为判别器输出的多姿态人脸校正结果；为获取到的图像可表示为真实图片的概率；为被识别图像的身份分类结果；DE为人脸旋转最终输出结果；为校正产生的损失量；为判定图像输入来源；图像分类结果；为人脸表情分类；为判别器在生成人脸图像分类时的残差注意力函数；x为图像分布数据；c为表情对应姿态；生成对抗网络中的双路循环优化函数，公式如下： 其中：Lc-1表示在人脸侧面-正面-侧面的转换双路循环中的优化函数；Lc-2表示在人脸正面一侧面-正面的转换双路循环中的优化函数；n为循环次数；xi为节点i分布的数值；GE为侧面人脸生成器；GN为正面人脸图像；5.2在生成对抗网络的多姿态人脸识别算法中引入空洞卷积网络DC，提升识别精度与检测效率，公式如下：ftspatial＝EItfttemporal＝Pft-1，ft-2ft＝Sftspatial，fttemporal其中：ftspatial为两帧内计算得到的特征图；E·为空间信息估计器；It为输入图像；fttemporal为计算得到的时间特征图；P·为ConvLSTM预测器；ft-1、ft-2为两帧的特征图；ft为最终特征；S·为时空信息融合。

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淮阴工学院，其通讯地址为：223000 江苏省淮安市经济技术开发区枚乘东路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”。