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！

龙图腾网获悉浙江工业大学申请的专利一种基于联合注意力与多尺度融合的心率检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：CN114694061B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202210256849.X，技术领域涉及：G06V20/40；该发明授权一种基于联合注意力与多尺度融合的心率检测方法是由赵昶辰;王洪省;周梦昊;胡萌;冯远静设计研发完成，并于2022-03-16向国家知识产权局提交的专利申请。

本一种基于联合注意力与多尺度融合的心率检测方法在说明书摘要公布了：一种基于联合注意力与多尺度融合的心率检测方法，通过构建多尺度图像序列，确保了尺度的完整性，然后从多个尺度提取信号特征，并通过层间注意力机制进行多尺度的特征融合，最后将融合后的特征送入rPPG信号提取网络。所设计的rPPG信号提取网络是由通道‑时间联合注意力CTJA和空间‑时间联合注意力STJA组成，用于提取时间、空间和通道上的信号。本发明能够有效提高心率检测精度。

本发明授权一种基于联合注意力与多尺度融合的心率检测方法在权利要求书中公布了：1.一种基于联合注意力与多尺度融合的心率检测方法，其特征在于，所述方法包括如下步骤： 步骤1，构建多尺度视频金字塔 将剪裁后的人脸视频通过高斯滤波和下采样操作获的不同尺度的图像序列； 步骤2，多尺度特征提取 将获取的多尺度视频序列分别输入到特征提取网络进行特征提取操作； 步骤3，多尺度特征融合 将每一个尺度下获得的特征图通过层间注意力机制进行特征融合，获得融合后的特征图； 步骤4，rPPG信号提取 将融合后的特征图输入到rPPG信号提取网络中进行信号的提取操作，获得最终的rPPG信号； 所述步骤4中，从步骤3获得的融合特征图中提取脉冲信号，利用rPPG信号的特性，采用了联合注意机制，充分利用rPPG信号在空间、信道和时间维度上的特性；包括通道-时间联合注意力CTJA和空间-时间联合注意力STJA，将CTJA和STJA相结合，构建rPPG提取网络，使rPPG信号提取更充分、更完整；rPPG提取网络的第一部分是二维卷积层，处理空间维度上的输入特征图；第二部分是一个由四个子网络组成的堆栈，用于联合维度的特征学习，子网络由最大池化层、3D卷积层、CTJA层、3D卷积层和STJA层组成，在四个子网络中，充分利用和提取了空间、时间和信道维数的相关性；最后，利用全局平均池化层和一维卷积层得到与脉冲信号大小相同的输出； CTJA和STJA的过程如下： 通道-时间联合注意力CTJA是将特征图上的特征通过平均操作将特征压缩到通道和时间维度，利用扩张率分别为1，2，4的扩张卷积获取更丰富的特征信息，然后利用深度可分离卷积将扩张卷积得到的信息进行整合，最后通过sigmoid激活函数获得通道-时间的联合权重，将获得权重扩充到与输入特征图同样尺寸后对应的乘到输入的特征图上，表示为： Aweight＝σDSCS 其中，S表示由3种不同扩张率的扩张卷积得到的特征信息的联级，DSC表示深度可分离卷积，包括深度卷积DW和点卷积PW两部分，σ表示sigmoid激活函数；Aweight表示产生的通道-时间的联合权重，表示元素的乘法； 空间-时间联合注意力STJA将输入的特征图分别经过全局平均和通道平均得到Dt和Dthw，将Dt和Dthw分别在两个分支上进行卷积和sigmoid激活操作学习在时间和空间上的权重，然后将两个权重值相乘后再通道维度上复制获得与输入同等大小的权重矩阵，最后将权重矩阵作用到输入特征图上，过程为： 分别在两个分支上学习时间和空间上权重： Tweight＝σconvDt Bweight＝σconvDthw 其中，conv表示卷积操作，σ表示sigmoid激活函数； 获得空间-时间联合权重并作用到输入特征上： 其中，REP表示再通道维度上的复制，表示元素的乘法； 对于给定的人脸视频，将长视频分割成特定长度后输入到所提的算法网络以获取最终的脉搏信号输出。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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”。