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！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于3D卷积的非驾驶姿态识别与轻量化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：CN119478904B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411510734.4，技术领域涉及：G06V20/59；该发明授权一种基于3D卷积的非驾驶姿态识别与轻量化方法是由马艳丽;赵之祎;李永江;向路设计研发完成，并于2024-10-28向国家知识产权局提交的专利申请。

本一种基于3D卷积的非驾驶姿态识别与轻量化方法在说明书摘要公布了：一种基于3D卷积的非驾驶姿态识别方法，涉及交通安全技术领域，针对现有识别方法不能准确识别驾驶员的非驾驶状态的问题，本申请将视频数据转换为图像数据，然后基于神经网络，通过全局特征与局部特征的融合与加权对驾驶员的非驾驶姿态进行识别，提升了非驾驶姿态的识别准确率。

本发明授权一种基于3D卷积的非驾驶姿态识别与轻量化方法在权利要求书中公布了：1.一种基于3D卷积的非驾驶姿态识别与轻量化方法，其特征在于所述方法包括以下步骤： 步骤一：获取非驾驶姿态视频数据； 步骤二：将非驾驶姿态视频数据转换为具有连贯姿态的图像，并对图像中非驾驶姿态类别进行标记，最后利用标记后的图像对非驾驶姿态识别网络进行训练，得到训练好的非驾驶姿态识别网络； 步骤三：采集自动驾驶条件下的视频数据，并根据步骤二，得到具有连贯姿态的图像，之后将具有连贯姿态的图像输入训练好的非驾驶姿态识别网络，识别非驾驶姿态； 所述非驾驶姿态识别网络包括输入模块、特征融合模块、特征加权模块以及输出模块； 所述输入模块用于对输入的具有连贯姿态的图像进行全局特征和关键点特征提取，所述输入模块包含两个分支，一个分支使用池化层提取全局特征，另一个分支通过多层卷积提取关键点特征； 所述特征融合模块用于将全局特征和关键点特征进行融合，得到融合特征；所述特征加权模块以融合特征作为输入，并利用动态卷积，得到卷积特征FID； 所述输出模块根据卷积特征FID，并利用SoftMax分类器进行非驾驶姿态分类，输出概率最大的一类； 所述非驾驶姿态识别网络为轻量化后的非驾驶姿态识别网络，轻量化的具体步骤为： 利用深度可分离卷积技术将非驾驶姿态识别网络的卷积层拆分为逐通道卷积层和逐点卷积层，所述逐通道卷积层对每个通道进行卷积后，将所有通道进行堆叠，所述逐点卷积层对堆叠后的通道进行卷积； 所述全局特征表示为： 其中，G表示全局通道提取信息，表示全局特征，BN表示Batch归一化，convj表示第j个卷积层，j=1,2，AP表示平均池化层，表示ReLu激活函数； 所述卷积特征FID表示为： 其中，F表示该模块的输入特征，fi表示输入特征中与第i个卷积核对应的特征，Fc表示全连接层，αi表示通过全连接层生成的第i个卷积核的权重向量值，Wi表示对应的卷积核原始权重，i=1,2...n，n表示卷积核数量，表示Sigmoid激活函数。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。