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！

龙图腾网获悉重庆邮电大学申请的专利一种基于深度学习的驾驶员情感识别及不确定性评估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：CN119418312B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411459397.0，技术领域涉及：G06V20/59；该发明授权一种基于深度学习的驾驶员情感识别及不确定性评估方法是由黄宏程;周超;胡敏设计研发完成，并于2024-10-18向国家知识产权局提交的专利申请。

本一种基于深度学习的驾驶员情感识别及不确定性评估方法在说明书摘要公布了：本发明涉及一种基于深度学习的驾驶员情感识别及不确定性评估方法，属于驾驶员情感识别领域。图像增强模块采用自适应直方图均衡化技术，有效解决车内光照不均带来的影响，提升图像质量。视觉特征提取模块使用改进后的WideResNet网络，通过添加谱归一化层和高斯过程层，不仅能够提取丰富的情感特征，还能感知特征之间的距离关系，增强模型对复杂和不确定数据的处理能力。情感识别模块利用贝叶斯理论体系，对高斯过程层得到的概率密度分布进行分类，并通过随机特征扩展拉普拉斯近似计算高斯过程后验，实现高效的情感识别。本发明通过引入不确定性评估功能，有效预测测试样本与训练样本之间的距离，为自动驾驶环境下的驾驶员情感识别提供决策优化。

本发明授权一种基于深度学习的驾驶员情感识别及不确定性评估方法在权利要求书中公布了：1.一种基于深度学习的驾驶员情感识别及不确定性评估方法，其特征在于：该方法包括以下步骤： 对驾驶员图像进行自适应直方图均衡化处理，以解决车内光照不均造成的问题； 利用改进后的WideResNet网络提取驾驶员图像中的情感特征，其中改进后的WideResNet网络包括： 至少四个卷积层，每层卷积层后面均连接一个谱归一化SN层； 将原始WideResNet网络中的接近输出的dropout层、全连接层、softmax层替换为高斯过程GP层； 利用贝叶斯理论体系，对经过高斯过程层得到的概率密度分布进行分类，其中高斯过程的后验采用随机特征扩展拉普拉斯近似进行计算； 所述改进后的WideResNet网络包括： 第一卷积层，具有64个3X3卷积核； 第二卷积层，具有128个3X3卷积核； 第三卷积层，具有256个3X3卷积核； 第四卷积层，具有512个3X3卷积核； 卷积层之间连接2X2池化层maxpool，移动步长为16； 引入残差模块来保证级别之间的梯度相关性； 输出特征映射使用PReLU激活函数进行非线性变换； 所述谱归一化SN层的实现方法为： 初始化：选择一个随机的初始向量； 迭代计算：使用初始向量与参数矩阵进行矩阵乘法；将结果向量进行归一化处理；将归一化后的结果向量与参数矩阵进行矩阵乘法；将结果向量进行归一化处理； 经过K次迭代后，最大奇异值的近似值为： 其中σlW是矩阵W的第l个奇异值，表示矩阵在某个方向上的伸缩程度；W表示一个矩阵，K表示迭代的次数；是在第K次迭代后得到的第l个左奇异向量ui的转置；是在第K次迭代后，第l个右奇异向量vl； 将每个参数矩阵上的参数除以它，以达到归一化目的； 所述高斯过程GP层的实现方法为： 训练数据：设有N个训练样本其中yi是第i个训练样本的标签，xi是第i个训练样本的输入特征； 隐藏表示：每个输入xi通过某个隐藏表示函数转换为隐藏表示hi＝hxi；hxi是将输入特征xi映射到隐空间后的结果； 条件高斯过程：基于这些隐藏表示hi，定义一个条件高斯过程g，它在N个隐藏表示点上的输出是一个向量gN×1＝[gh1,...,ghN]T； 具有RBF核的高斯过程先验：高斯过程模型设gN×1服从一个多元正态分布，其均值为零，协方差矩阵为σ2K，其中协方差矩阵K的元素通过RBF核函数计算得到： RBF核函数：RBF核函数定义为：Kx,x′＝exp-γ‖x-x′‖2，其中，x和x′是两个输入向量，‖x-x′‖是x和x′之间的欧几里得距离；γ是一个参数，控制核函数的宽度； 后验分布：给定观测数据通过贝叶斯公式计算g的后验分布：其中，pg是先验分布，pD∣g是观测数据的似然函数； 所述将原始WideResNet网络中的接近输出的dropout层、全连接层、softmax层替换为高斯过程GP层中，损失函数公式为：其中N表示样本数，C表示类别数，γi,j表示将第i个样本标记为第j类的实际概率，μi,j表示将第i个样本标记为第j类的平均概率GP预测的第j类。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2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”。

以上内容由龙图腾AI智能生成。