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！

龙图腾网获悉山东科技大学申请的专利基于CNN和ViL的轻量级驾驶员分心行为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：CN120766251B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202510751159.5，技术领域涉及：G06V20/59；该发明授权基于CNN和ViL的轻量级驾驶员分心行为检测方法是由孙海滨;宋星辉设计研发完成，并于2025-06-06向国家知识产权局提交的专利申请。

本基于CNN和ViL的轻量级驾驶员分心行为检测方法在说明书摘要公布了：本发明公开了一种基于CNN和ViL的轻量级驾驶员分心行为检测方法，属于驾驶员分心检测领域，结合卷积神经网络CNN与视觉长短期记忆网络ViL构建了一个混合模型进行驾驶员分心行为检测，混合模型进行五个阶段的处理，在前两个阶段主要进行局部特征提取，通过使用DEC模块实现局部特征的提取和下采样功能，PDC模块进一步丰富局部特征的提取。在后三个阶段，使用MlgViL模块进行局部信息与全局信息的处理和融合。本发明将局部信息和全局信息进行高效融合，既保留了细粒度的局部信息，也捕捉了全局上下文信息，提升了模型的整体性能，从而实现在有限计算资源下保持高精度和实时性。

本发明授权基于CNN和ViL的轻量级驾驶员分心行为检测方法在权利要求书中公布了：1.一种基于CNN和ViL的轻量级驾驶员分心行为检测方法，其特征在于，结合卷积神经网络CNN与视觉长短期记忆网络ViL构建了一个混合模型进行驾驶员分心行为检测，混合模型进行五个阶段的处理，具体过程为： 步骤1、对拍摄设备抓拍的驾驶员驾驶图像进行预处理，对图像大小进行调整； 步骤2、将预处理后的图像传入一个3×3的卷积进行下采样，得到特征图1； 步骤3、对特征图1进行第一阶段的处理，第一阶段采用PDC模块对部分通道进行计算，得到特征图2； 所述PDC模块通过部分卷积技术进行计算，具体工作过程为：首先通过1×1部分卷积进行通道扩展，将输入特征图的通道数从C提升至2C；接着采用3×3深度卷积提取空间特征并保持通道数不变；再用1×1部分卷积将通道压缩回原始维度；最后采用残差连接将输入特征与处理后的特征相加； 部分卷积技术采用了扩展与缩减操作；在扩展部分卷积，针对倒残差结构的升维任务，将通道的14部分应用标准卷积进行空间特征提取，升维到原始通道的54倍，并保持剩余34通道不变，组合成2倍的维度；在缩减部分卷积，针对倒残差结构的降维任务，将通道的34部分应用标准卷积进行空间特征提取，降维到原始通道的14倍，并保持剩余14通道不变，组合成12倍的维度； 步骤4、对特征图2进行第二阶段的处理，第二阶段包括DEC模块和PDC模块，将特征图2输入DEC模块进行特征提取，得到特征图3，将特征图3再输入一个PDC模块再次进行特征提取，得到特征图4； 所述DEC模块包括训练与部署两个阶段，在训练阶段，输入特征图首先经过两条并行的3×3深度卷积及归一化处理，随后融合后输入至高效多维注意力模块；经高效多维注意力模块处理后，通过1×1卷积调整通道数，特征图的输出尺寸变为H2×W2×D；在部署阶段，将训练阶段的双分支深度卷积与归一化操作通过结构重参数化融合为单一的3×3深度卷积，后续依然通过高效多维注意力模块及1×1卷积完成特征处理；其中，、、D分别为输出特征图的高度、宽度、调整后的通道数； 步骤5、将特征图4依次经过三个全局处理阶段，进行局部信息与全局信息的处理和融合，得到融合后的特征图5；三个全局处理阶段均包含DEC模块和MlgViL模块，第四阶段含有两个MlgViL模块，第三阶段和第五阶段含有一个MlgViL模块； 所述MlgViL模块包括三部分，分别为局部特征提取模块、全局特征提取模块、局部全局特征融合模块；具体工作过程为：输入特征首先经过Ghost模块进行升维处理，并通过展平操作转化为序列形式；随后，特征进入全局特征提取模块，依次经过层归一化、1D卷积及SiLU激活，提取长距离依赖关系，并通过矩阵长短期记忆网络模块进一步建模全局上下文信息，得到全局特征；全局处理后的特征再经过降维与折叠操作，恢复为原有空间结构；同时，输入特征也并行送入局部特征提取模块得到局部特征，局部特征提取模块在训练阶段由两个3×3卷积和一个1×1部分卷积组成，部署阶段将其进行结构重参数化，合并为单一的3×3卷积操作；局部特征与全局特征在局部全局特征融合模块中进行交互融合；局部全局特征融合模块采用空间注意力机制，对局部特征和全局特征分别施加空间加权； 步骤6、特征图5经过一个1×1卷积，然后进行全局平均池化，最后采用Softmax函数进行驾驶员行为的分类，识别驾驶员分心行为。

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山东科技大学，其通讯地址为：266590 山东省青岛市黄岛区前湾港路579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。