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！

龙图腾网获悉北京理工大学申请的专利一种基于时序卷积注意力网络的实时眼动信号分类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：CN116401576B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202310305576.8，技术领域涉及：G06F18/24；该发明授权一种基于时序卷积注意力网络的实时眼动信号分类方法是由陈靖;杨露梅;雷霆;刘博;王乐山设计研发完成，并于2023-03-27向国家知识产权局提交的专利申请。

本一种基于时序卷积注意力网络的实时眼动信号分类方法在说明书摘要公布了：本发明属于眼动分析技术领域，涉及一种基于时序卷积注意力网络TCAN的实时眼动信号分类方法。本发明提出的多尺度特征提取方法通过计算在多种不同时间尺度的眼动特征序列用作网络模型的输入，反映出在时间、空间维度上不同时间尺度下眼动变化的特性，使得眼动特征在不同眼动类型之间区别明显，增加了不同眼动类型的区分度。通过队列缓存的方法实时地将固定长度的眼动序列数据传输至数据预处理模块，再提取出多时间尺度眼动特征序列输入至预训练好的眼动信号分类网络模型中，实时输出当前时刻的眼动分类结果，从而实现实时眼动分类。

本发明授权一种基于时序卷积注意力网络的实时眼动信号分类方法在权利要求书中公布了：1.一种基于时序卷积注意力网络的实时眼动信号分类方法，其特征在于该方法的步骤包括： 步骤1，实时获取原始眼动数据； 步骤2，将步骤1实时获取的原始眼动数据传输并缓存于消息队列中，当消息队列满的时候，将消息队列中的序列数据实时传输并进行滑动平均滤波处理，得到滤波后的眼动数据；再移除消息队列队头的数据； 步骤3，将步骤2滤波后的眼动数据进行多时间尺度下不同眼动特征的提取，将不同的眼动特征进行组合形成眼动特征组合，再将不同时间获取的眼动特征组合形成眼动特征序列； 步骤4，将步骤3形成的眼动特征序列输入预训练好的眼动信号分类网络模型中，得到实时眼动分类结果； 所述步骤1中，通过眼动追踪设备获取原始眼动数据，原始眼动数据包括注视点坐标和时间戳； 所述步骤2中，消息队列的长度为l，l＝w+kmax，序列数据用Q表示，序列数据Q为： Q＝{xi‑l+1,yi‑l+1,ti‑l+1,xi‑l+2,yi‑l+2,ti‑l+2,…,xi,yi,ti}其中，w表示固定滑动窗口的大小，kmax表示最大的时间尺度，ti表示当前时刻，ti‑l+1表示当前时刻之前间隔l‑1个样本点的时刻，ti‑l+2表示当前时刻之前间隔l‑2个样本点的时刻；xi表示当前时刻的注视点横坐标，yi表示当前时刻的注视点纵坐标，xi‑l+1表示当前时刻之前间隔l‑1个样本点的注视点横坐标，xi‑l+2表示当前时刻之前间隔l‑2个样本点的注视点横坐标，yi‑l+1表示当前时刻之前间隔l‑1个样本点的注视点纵坐标，yi‑l+2表示当前时刻之前间隔l‑2个样本点的注视点纵坐标； 所述步骤3中，眼动特征包括位移眼动特征、方向眼动特征、速度眼动特征、加速度眼动特征和速度标准差眼动特征； 所述步骤3中，ti时刻时间尺度为k下的位移眼动特征disi,k为： Δx＝xi‑xi‑kΔy＝yi‑yi‑k其中，xi‑k表示当前时刻之前间隔k个样本点的注视点横坐标，yi‑k表示当前时刻之前间隔k个样本点的注视点纵坐标，Δx表示时间尺度k下注视点水平方向的位移；Δy表示时间尺度k下注视点垂直方向的位移； ti时刻时间尺度为k下的方向眼动特征θi,k为： θi,k＝atanΔy,Δxti时刻时间尺度为k下的速度眼动特征vi,k为： 其中，Δt＝ti‑ti‑k，ti‑k表示当前时刻之前间隔k个样本点的时刻。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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”。