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！

龙图腾网恭喜东南大学申请的专利一种利用特征自适应加权的安全驾驶监测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：CN114241456B 。

龙图腾网通过国家知识产权局官网在2025-04-18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：202111564304.7，技术领域涉及：G06V20/59；该发明授权一种利用特征自适应加权的安全驾驶监测方法是由路小波;陆明琦;胡耀聪设计研发完成，并于2021-12-20向国家知识产权局提交的专利申请。

本一种利用特征自适应加权的安全驾驶监测方法在说明书摘要公布了：本发明公开了一种利用特征自适应加权的安全驾驶监测方法。本发明研究了不同尺度的全局特征与关键点特征的融合策略。针对融合过程中的注意力问题，本发明并非直接级联全局特征和关键点特征，而是针对两者提出基于姿态的特征融合模块。驾驶员行为的类别差异表现在不同的图像区域，模型应关注不同输入图像的不同区域，因此提出了自适应加权模块，通过学习一组特定于输入数据的专家权值来选择用于计算的卷积核，这为驾驶员动作识别提供了一个新的方向，并进一步提高驾驶员行为识别准确率。本发明在交通安全领域有重要的应用价值。

本发明授权一种利用特征自适应加权的安全驾驶监测方法在权利要求书中公布了：1.一种利用特征自适应加权的安全驾驶监测方法，其特征在于，包括以下步骤：步骤1：使用现有的StateFarm分心驾驶数据集作为实验数据集；步骤2：构建特征自适应加权模型；使用ResNet作为网络全局特征提取器，使用姿态估计模型来捕获关键点级语义，通过基于姿态的特征融合模块将全局特征和关键点特征相融合，该模块采用多分支结构，一个分支使用全局平均池化层提取全局特征的注意力，另一个分支直接使用逐点卷积提取关键点特征的通道注意力；随后，将融合的特征馈送到自适应加权模块中，以对卷积神经网络进行动态调整；利用全连接层动态生成一组依赖于输入的权重，并将其与相应的卷积参数相结合，以生成新的卷积核；最后，该模块的输出特征被输入到分类器；具体步骤如下：步骤201：对于输入的驾驶图像，采用ResNet作为模型主干来提取全局特征；步骤202：使用姿势估计模型检测驾驶员的关键点，通过后处理生成关键点的边界框，再通过RoIAlign提取关键点特征并建模；由于存在由于遮挡原因无法检测到关键点的情况，为关键点响应设置了一个阈值；响应值低于阈值的关键点将不参与后续计算；上述网络为每个关键点生成单独的特征图；步骤203：驾驶员动作的类别差异体现在关键点细节上，因此级联融合全局特征和关键点特征；步骤204：为了增强有用的关键点特征通道的表示并抑制不相关的特征，提出了自适应加权模块以对不同关键点特征通道的激活强度进行重新校准；自适应加权模块用于将融合特征传递到分类器之前对其进行转换；将每个输入作为n个专家的线性组合来计算卷积核，以下是该模块的详细描述：自适应加权模块在卷积层中设置多个卷积核；每个卷积核的权重由卷积层的输入通过一个全连接层决定；最后通过加权求和得到一组为输入量身定做的卷积核，从而实现一次卷积；将全局和关键点的融合特征作为自适应加权模块的输入；融合特征揭示了驾驶员动作类别，引导不同专家专注于他们感兴趣的输入；卷积层中的n个专家权值由融合特征决定；换言之，n个专家的权重在所有样本中都是各异的，每个输入都用不同的权重处理；具体来说，动态生成专家权重α＝rf，并将其与相应的原始参数结合以生成新的卷积核；α＝rf＝SFCGAPf#5其中S表示Sigmoid激活函数，FC表示全连接层，GAP表示全局平均池化层；全连接层将处理后的融合特征映射到n个专家权重；根据输入样本的函数计算出与输入相关的卷积核，并将其参数化为α1·W1+…αn·Wn；生成的卷积特征fID计算如下：fID＝σα1·W1+…αn·Wn*f#6其中f表示输入特征，每个αi＝rix是一个依赖于输入的标量权重，n是专家的数量，σ是一个激活函数；明显可见，对于不同的输入，模型容量随着专家数量的增加而增加；只需要很小的推理成本，因为卷积核被计算为n个专家权重的线性和，而不是增加卷积层的核参数或通道数；使用自适应加权模块替换标准卷积层来构建自适应块，其能够为每张输入驾驶图像学习卷积核参数；为避免网络过深导致严重的过拟合问题，并且自适应加权模块中的专家权重在网络更深层更具有类特定性，仅在ResNet中的最后一个卷积组使用自适应块；步骤3：训练特征自适应加权模型；在开源平台PyTorch上，采用SGD优化器训练；步骤4：对特征自适应加权模型进行测试。

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：211100 江苏省南京市麒麟科创园智识路26号启迪城立业园04幢；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”。