Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中电信数字城市科技有限公司翟葆朔获国家专利权

中电信数字城市科技有限公司翟葆朔获国家专利权

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!

龙图腾网获悉中电信数字城市科技有限公司申请的专利疲劳驾驶检测模型的训练方法、疲劳驾驶检测方法及装置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:CN119475259B

龙图腾网通过国家知识产权局官网在2025-06-24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:202510072987.6,技术领域涉及:G06F18/25;该发明授权疲劳驾驶检测模型的训练方法、疲劳驾驶检测方法及装置是由翟葆朔;刘贺;张凯设计研发完成,并于2025-01-17向国家知识产权局提交的专利申请。

疲劳驾驶检测模型的训练方法、疲劳驾驶检测方法及装置在说明书摘要公布了:本发明提供了一种疲劳驾驶检测模型的训练方法、疲劳驾驶检测方法及装置,涉及机器学习技术领域,包括:获取训练样本数据;其中,训练样本数据包括:驾驶员的红外图像、音频信号和驾驶员状态,驾驶员状态包括:疲劳状态和非疲劳状态;基于深度卷积神经网络提取红外图像和音频信号的特征向量,得到红外图像样本和声谱图样本;基于红外图像样本和声谱图样本的相似度以及驾驶员状态对疲劳驾驶检测模型进行训练,得到训练好的疲劳驾驶检测模型。本发明提高了疲劳驾驶检测的精度和可靠性。

本发明授权疲劳驾驶检测模型的训练方法、疲劳驾驶检测方法及装置在权利要求书中公布了:1.一种疲劳驾驶检测模型的训练方法,其特征在于,包括: 获取训练样本数据;其中,所述训练样本数据包括:驾驶员的红外图像、音频信号和驾驶员状态,所述驾驶员状态包括:疲劳状态和非疲劳状态; 基于深度卷积神经网络提取所述红外图像和所述音频信号的特征向量,得到红外图像样本和声谱图样本; 基于所述红外图像样本和所述声谱图样本的相似度以及所述驾驶员状态对疲劳驾驶检测模型进行训练,得到训练好的疲劳驾驶检测模型;其中,训练过程包括:基于所述红外图像的特征向量和所述音频信号的特征向量计算所述红外图像样本和所述声谱图样本的相似度,并基于所述红外图像样本和所述声谱图样本的相似度构建无向图;其中,所述无向图的节点为红外图像样本或声谱图样本,所述无向图的边为相同驾驶员状态的红外图像样本或声谱图样本的相似度;确定所述无向图的初始节点特征矩阵,并基于所述初始节点特征矩阵确定所述无向图每一层的节点特征矩阵;基于所述节点特征矩阵构建第一损失函数;基于所述红外图像样本和所述声谱图样本的相似度构建第二损失函数;将所述第一损失函数和所述第二损失函数的和确定为目标损失函数,并通过最小化所述目标损失函数对疲劳驾驶检测模型进行训练; 基于所述节点特征矩阵构建第一损失函数,包括:按照以下公式构建第一损失函数: 其中,表示第一损失函数,表示节点i在无向图最后一层的节点特征矩阵,表示节点i和节点j之间的权重,为用于提升所述红外图像样本和所述声谱图样本之间相似度的参数,为用于减少所述红外图像样本或所述声谱图样本之间相似度的参数,表示边界阈值,和为权衡参数,表示节点j在无向图最后一层的节点特征矩阵。

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中电信数字城市科技有限公司,其通讯地址为:071708 河北省保定市雄安新区启动区融智路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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。