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！

龙图腾网获悉西安电子科技大学申请的专利基于多尺度注意力的驾驶员眼动预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：CN119131766B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202411166839.2，技术领域涉及：G06V20/59；该发明授权基于多尺度注意力的驾驶员眼动预测方法是由韩冰;关晶格;王海桐;韩怡园;高新波;杨铮设计研发完成，并于2024-08-23向国家知识产权局提交的专利申请。

本基于多尺度注意力的驾驶员眼动预测方法在说明书摘要公布了：本发明公开了一种基于多尺度注意力的驾驶员眼动预测方法，主要解决现有技术不能有效融合多层级特征，且对驾驶员眼动点预测不准确的问题，其方案是：构建驾驶员眼动数据集，划分训练集和测试集；构建编码器得到驾驶图像序列多层级特征；构建时空注意力特征融合模块得到多尺度时空注意力特征；构建驾驶员主观意识引导模块得到驾驶员主观意识引导的多尺度空间特征；构建解码器得到驾驶员的眼动注视点图；将编码器、时空注意力特征融合模块、驾驶员主观意识引导模块、解码器级联构成驾驶员眼动预测模型；利用训练集对该模型进行训练；将测试集输入训练好的模型中得到预测的驾驶员眼动图像。本发明能有效预测驾驶员的眼动注视点，且准确性和鲁棒性高，可用于智能驾驶辅助系统。

本发明授权基于多尺度注意力的驾驶员眼动预测方法在权利要求书中公布了：1.一种基于多尺度注意力的驾驶员眼动预测方法，其特征在于，包括如下步骤： 1采集不同驾驶员在不同场景、时间、天气的行车驾驶视频，同时利用眼动仪采集视频眼动数据，并对眼动数据进行修正和处理，获得一一对应的自然驾驶数据D和眼动真值图数据E，再将其按照4:1的比例分为训练集和测试集； 2读取训练集自然驾驶数据并提取T帧图像序列，将每一帧图像转换为张量数据，再将他们拼接为四维张量数据，其中和分别是每帧图像的高度和宽度，3是RGB通道数； 3构建驾驶员眼动预测模型编码器，并将四维张量数据作为该编码器的输入，得到驾驶图像序列的多层级特征； 4构建时空注意力特征融合模块： 4a建立包括上采样模块、矩阵加法模块的特征融合网络； 4b建立包括三条并行的注意力分支的多尺度通道时序注意力模块； 4c建立包括矩阵加法模块、矩阵乘法模块、Sigmoid激活函数的加权特征融合网络； 4d将特征融合网络、多尺度通道时序注意力模块、加权特征融合网络串联得到时空注意力特征融合模块； 5利用时空注意力特征融合模块，得到多尺度时空注意力特征： 5a将步骤3得到的第个层级特征与相邻的第个层级特征输入到时空注意力特征融合模块中，通过上采样模块采样至与相同的分辨率，得到上采样特征再与相加，得到原始的融合特征，该通过多尺度通道时序注意力模块得到融合特征的权重； 5b加权特征融合网络根据层级特征的权重和层级特征的权重，将与进行融合得到多尺度时空注意力特征； 5c重复步骤5a-步骤5b共3次，得到三个多尺度时空注意力特征，第4个层级特征保持不变，输出得到第四个时空注意力特征； 6构建驾驶员主观意识引导模块： 6a建立包括两条并行的注意力分支的多尺度时序注意力模块； 6b建立包括矩阵加法模块、Sigmoid激活函数、矩阵乘法模块的特征融合网络； 6c将多尺度时序注意力模块、特征融合网络串联得到驾驶员主观意识引导模块； 7利用驾驶员主观意识引导模块，得到驾驶员主观意识引导的多尺度空间特征： 7a将步骤5得到的第个层级时空注意力特征输入到驾驶员主观意识引导模块，对解耦，获得带有驾驶员意识信息的时序特征和引起驾驶员意识变化的空间特征； 7b通过多尺度时序注意力模块得到第层驾驶员的意识信息，特征融合网络对与进行融合，获得驾驶员主观意识引导的空间特征； 7c重复步骤7a-步骤7b共4次，得到驾驶员主观意识引导的多尺度空间特征； 8使用驾驶员眼动预测模型解码器，得到驾驶员眼动预测图像； 9将编码器、时空注意力特征融合模块、驾驶员主观意识引导模块、解码器依次级联构成驾驶员眼动预测模型；将训练集全部驾驶图像序列输入到该模型中，采用梯度下降法对其进行训练，得到训练好的驾驶员眼动预测模型； 10将测试集输入训练好的驾驶员眼动预测模型，得到预测的驾驶员眼动图像。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路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。