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！

龙图腾网获悉小舟科技有限公司申请的专利多模态AI眼镜视觉-脑电协同控制方法、装置及设备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：CN120085760B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202510545530.2，技术领域涉及：G06F3/01；该发明授权多模态AI眼镜视觉-脑电协同控制方法、装置及设备是由周家俊;李宝宝;徐洪凯设计研发完成，并于2025-04-28向国家知识产权局提交的专利申请。

本多模态AI眼镜视觉-脑电协同控制方法、装置及设备在说明书摘要公布了：本申请涉及脑机接口技术领域，尤其涉及一种多模态AI眼镜视觉‑脑电协同控制方法、装置及设备。方法包括：构建多模态数据采集框架，用于采集视觉场景图像和脑电信号，生成对齐数据流，以识别目标特征，生成注意力地图；提取时序特征，识别意图特征；构建特征矩阵，对特征矩阵进行模态对齐，基于模态对齐的对齐结果执行特征融合，生成统一表示；进行时序分割，提取关联特征，基于关联特征构建状态序列，利用状态序列标记转换节点，根据转换节点生成动态模式；利用动态模式进行信息分析，确定模态权重，基于模态权重执行特征选择，对特征选择结果进行分类映射，生成控制序列；根据控制序列生成交互指令，完成对多模态AI眼镜视觉‑脑电协同控制。

本发明授权多模态AI眼镜视觉-脑电协同控制方法、装置及设备在权利要求书中公布了：1.一种多模态AI眼镜视觉-脑电协同控制方法，其特征在于，包括： 构建多模态数据采集框架，用于采集视觉场景图像和脑电信号，基于所述采集视觉场景图像和脑电信号进行时间戳标记，生成对齐数据流； 对所述对齐数据流中的视觉部分进行场景分析，以识别目标特征，基于所述目标特征进行时空定位，生成注意力地图，包括：将所述视觉场景图像划分为网格区域，在网格区域内提取颜色分布、纹理梯度及形状轮廓特征，以生成目标移动轨迹；计算所述网格区域与场景中心的距离权重，融合特征显著性与空间权重生成初始注意力分布；根据所述目标移动轨迹建立时空关联模型，动态更新所述网格区域对应的注意力值，通过梯度优化生成所述注意力地图；采用多通道架构，包含自下而上处理流和自上而下处理流；自下而上处理流基于颜色对比度、纹理复杂度和边缘强度作为低级视觉特征生成初始显著性图；自上而下处理流将目标的空间位置信息转换为二维高斯分布，分布中心对应目标中心位置；利用运动轨迹信息，在轨迹预测位置增加注意力权重，注意力权重的权重大小与运动速度成正比；自下而上处理流和自上而下处理流的输出通过特征金字塔网络进行多尺度融合，不同尺度的特征图通过横向连接和上采样操作逐层融合；对融合后的特征图进行空间归一化和通道归一化，对于运动目标所在区域赋予较高的注意力权重；当检测到多个目标时，通过竞争性抑制调节各目标区域的注意力强度，避免注意力过度分散；对于背景区域，根据与目标的空间关系和特征相似度分配适当的注意力权重；生成的注意力地图具有与输入图像相同的分辨率，每个像素值表示对应位置的重要程度，取值范围在0到1之间；对所述对齐数据流中的脑电部分进行时域分解，以提取时序特征，基于所述时序特征进行频谱转换获取频谱特征，用于识别注意状态输出的意图特征； 根据所述注意力地图和意图特征构建特征矩阵，对所述特征矩阵进行模态对齐，基于所述模态对齐的对齐结果执行特征融合，生成统一表示； 对所述统一表示进行时序分割，提取关联特征，基于所述关联特征构建状态序列，利用所述状态序列标记转换节点，根据所述转换节点生成动态模式；利用所述动态模式进行信息分析，确定模态权重，基于所述模态权重执行特征选择，对特征选择结果进行分类映射，生成控制序列； 根据所述控制序列生成交互指令，完成对多模态AI眼镜视觉-脑电协同控制。

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小舟科技有限公司，其通讯地址为：519000 广东省珠海市横琴新区环岛东路3000号1713办公；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”。