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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于多尺度融合的驾驶员注意力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：CN116824540B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202310556764.8，技术领域涉及：G06V20/58；该发明授权一种基于多尺度融合的驾驶员注意力预测方法是由冯建文;俞成斌设计研发完成，并于2023-05-17向国家知识产权局提交的专利申请。

本一种基于多尺度融合的驾驶员注意力预测方法在说明书摘要公布了：本发明公布了一种基于多尺度融合的驾驶员注意力预测方法。该方法首先利用VGG16获取视频帧的多尺度特征，并构建了多尺度融合模块，通过上、下两个方向的特征传递，充分利用高低层特征间的互补性，融合多尺度信息。然后使用Conv‑LSTM，进一步融合连续视频帧之间的时空信息，捕捉其时间动态关系用以生成潜在注意力图，并在对其进行解码后获得最终的驾驶员注意力预测结果。相较于现有方法，本发明对多尺度信息进行了充分利用，能够获取RGB图像中的复杂信息，避免噪声干扰，生成的注意力预测结果拥有更高的准确性、鲁棒性。

本发明授权一种基于多尺度融合的驾驶员注意力预测方法在权利要求书中公布了：1.一种基于多尺度融合的驾驶员注意力预测方法，使用驾驶场景的RGB视频预测驾驶员的注意力区域，其特征在于：具体包括以下步骤： 步骤1、对驾驶员在驾驶场景下的连续视频按帧分解成一系列RGB图像，作为输入数据； 步骤2、使用包括5个卷积模块的VGG16模型对输入数据进行特征提取，从第2～5个卷积模块的输出得到四个多尺度特征图T1～T4； 步骤3、使用邻近尺度注意模块对T1～T4进行特征增强处理，其中A1＝T1；对T2～T4使用对应的特征图T1～T3进行辅助增强，输出增强后的特征图A2～A4： Ri＝σsConv3Conv1Ti+Conv3CAConv3LNConv1Ti CAx＝x*Conv1poolx 其中，i＝2,3,4，Conv1表示卷积核大小为1的卷积操作，Conv3表示卷积核大小为3的卷积操作，↓表示下采样操作，⊕表示逐元素加法，表示逐元素乘法，LN表示层归一化，CA表示通道注意力操作，x表示CA的输入数据，pool为全局平均池化； 然后将增强后的特征图A1～A4输入双向密集连接网络中，完成由下到上和由上到下的两次传递融合后，输出融合特征Tc； 双向密集连接网络中，由下到上的传递融合过程为：将A4输入到残差块RB中，得到特征P4，对P4进行卷积与上采样操作，使其恢复到与A3相同的尺寸并与A3相加，再经过激活函数与卷积操作后，输入到残差块RB中得到P3： P4＝RBA4 P3＝RBConv3σswA3+↑Conv3P4 其中，σsw表示Swish激活函数，↑表示上采样操作，RB表示残差块，残差块对输入特征进行重复的批归一化、卷积和激活操作，然后将处理结果与输入特征相加； 同理，对P3继续向上传递，依次得到P2和P1； 由上到下的传递融合过程为：分别对A1和O1进行卷积和下采样操作，然后与相同尺寸的P2相加，再经过激活函数与卷积操作后，得到O2： O2＝Conv3σswP2+↓Conv3O1+↓Conv3A1 其中，O1＝P1；同理，对O2继续向下传递，依次得到O3和O4，最后将O4作为双向密集连接网络的输出Tc； 步骤4、针对连续视频帧的融合特征Tc进行空间注意力增强，然后将增强结果按照时序顺序输入Conv-LSTM中，Conv-LSTM用于捕捉连续T帧图像中的关键信息与时空关系，并将其转移到之后的图像帧上，为每一帧图像生成对应的潜在驾驶员注意力特征Tout； 步骤5、使用解码器处理Conv-LSTM输出的注意力特征Tout，得到驾驶员注意力预测结果。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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。