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！

龙图腾网获悉东南大学申请的专利基于几何空间融合特征深度注意力网络的驾驶员行为识别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：CN119919916B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202510009901.5，技术领域涉及：G06V20/59；该发明授权基于几何空间融合特征深度注意力网络的驾驶员行为识别方法是由赵池航;邓文浩;王珺珺设计研发完成，并于2025-01-03向国家知识产权局提交的专利申请。

本基于几何空间融合特征深度注意力网络的驾驶员行为识别方法在说明书摘要公布了：本发明提出了一种基于几何空间融合特征深度注意力网络的驾驶员行为识别方法，包括：构建驾驶员行为标准图像数据集SAA13和special；构建基于YOLO‑pose的驾驶员骨干空间特征生成模型；研究结合图像的上下文几何特征与驾驶员的骨干空间特征作为输入的双流融合特征；研究并设计专门用于复杂驾驶场景当中的多源协同注意力MCA‑DBR模块；研究将MCA‑DBR模块嵌入网络浅层位置以加强网络对驾驶员局部细节特征的提取能力；将强化后的特征图输入到分类网络的搭建模块当中进行深层语义特征提取；使用softmax激活函数对DAN‑GSFF提取到的深度特征进行解码并输出最终的识别结果。DAN‑GSFF在SAA13综合数据集上实现了90.11％的精度和96.2的FPS，这为提高网络对驾驶员行为的识别能力提供了一种可行方法。

本发明授权基于几何空间融合特征深度注意力网络的驾驶员行为识别方法在权利要求书中公布了：1.基于几何空间融合特征深度注意力网络的驾驶员行为识别方法，其特征在于：包括如下步骤： S1：构建驾驶员行为标准图像数据集，包含SAA13综合数据集和special极端弱光子数据集；其中，将StateFarm,AUCV2,ASU,100-Driver和3MDAD这五个数据集独有的场景特性与驾驶员进行整合，并将这个整合的数据集根据首字符命名为SAA13； S2：构建基于YOLO-pose的驾驶员骨干空间特征生成模型，生成驾驶员的骨干空间特征； S3：结合图像的上下文几何特征与驾驶员的骨干空间特征作为输入的双流融合特征，其中，图像的上下文几何特征源自彩色图像全局信息； S4：设计专门用于复杂驾驶场景当中的多源协同注意力MCA-DBR模块； 其中，MCA-DBR是一个轻量化的多维协同注意力模块，它同时对宽度、高度和通道维度进行建模，并具有一个并行的三分支结构；其工作流程如下：输入尺度为C×H×W的特征图会在通道维度上分别与高度、宽度维度进行置换，然后将特征图分别输入到左分支和中分支当中；之后，与右分支一起进行相同的操作：首先，输入特征F1通过全局平均池化和全局标准差池化进行压缩，并通过广播元素级求和来融合这两个压缩特征以聚合跨维度特征，这一融合特征表示为X×1×1，F2；其次，融合后的特征F2被置换为1×1×X，F3，并通过核大小为1×K的二维卷积操作进行处理；然后，卷积后的特征F4被置换回X×1×1，F5；最后，F5通过sigmoid函数处理，与输入特征F1进行广播元素级乘法操作；在此之后，之前置换过的特征图被置换回原来的维度，最终将这三个特征图进行广播元素级平均化求和处理，并输出精炼后的特征； S5：将经过Stemlayer处理后的双流融合特征输入到嵌入在网络浅层位置的MCA-DBR模块，以加强网络对驾驶员局部细节特征的提取能力，得到强化后的特征图； S6：将强化后的特征图输入到分类网络的搭建模块当中进行深层语义特征提取，逐步提取出更高层次的语义特征，得到深度特征； S7：使用softmax激活函数对提取到的深度特征进行特征解码操作，准确地将特征映射到对应的驾驶员行为类别上，并输出最终的识别结果。

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东南大学，其通讯地址为：211102 江苏省南京市江宁区东南大学路2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。