【技术实现步骤摘要】
本专利技术涉及驾驶安全，具体是一种基于多模态数据的驾驶人分心程度实时评估与干预方法。
技术介绍
1、随着智能驾驶技术的不断发展，驾驶人注意力监测成为保障行车安全的关键环节。驾驶人分心不仅是导致交通事故的重要原因之一，而且其动态变化的特性要求实时、准确的监测和干预。传统的驾驶人注意力监测方法大多依赖于简单的驾驶行为或生理指标，很难实时、准确地反映驾驶人的注意力状态。现有的注意力监测系统多采用单一的传感器数据(如车辆状态或眼动数据)进行判断，但这些方法无法有效应对复杂的驾驶环境和驾驶人注意力状态的多样性。
2、为了解决这一问题，近年来，学术界和产业界纷纷开展多模态数据融合的研究，尝试通过集成多个数据源，如眼动、心率、脑电波等，来更精准地评估驾驶人注意力状态。但当前的融合模型在模态融合和加权方面的处理方式相对简单，往往没有考虑到不同模态间的动态变化。例如，某些系统将所有模态的权重设定为固定值，忽略了不同情境下各模态的重要性变化。这种固定权重的做法限制了多模态数据的潜力，难以充分挖掘各模态的潜在信息，导致系统在复杂驾驶环境中的表现不
3本文档来自技高网...
【技术保护点】
1.一种基于多模态数据的驾驶人分心程度实时评估与干预方法，其特征在于，包括以下步骤：
2.根据权利要求1所述基于多模态数据的驾驶人分心程度实时评估与干预方法，其特征在于，所述多模态特征向量x(t)：
3.根据权利要求2所述基于多模态数据的驾驶人分心程度实时评估与干预方法，其特征在于，步骤(2)中特征标量hi(t)的获得过程如下：
4.根据权利要求1所述基于多模态数据的驾驶人分心程度实时评估与干预方法，其特征在于，所述时间门控机制根据时间序列中历史状态动态调整每一时间步各模态的重要性，以适应驾驶人状态变化的波动性；权重的变化不仅依赖当...
【技术特征摘要】
1.一种基于多模态数据的驾驶人分心程度实时评估与干预方法，其特征在于，包括以下步骤：
2.根据权利要求1所述基于多模态数据的驾驶人分心程度实时评估与干预方法，其特征在于，所述多模态特征向量x(t)：
3.根据权利要求2所述基于多模态数据的驾驶人分心程度实时评估与干预方法，其特征在于，步骤(2)中特征标量hi(t)的获得过程如下：
4.根据权利要求1所述基于多模态数据的驾驶人分心程度实时评估与干预方法，其特征在于，所述时间门控机制根据时间序列中历史状态动态调整每一时间步各模态的重要性，以适应驾驶人状态变化的波动性；权重的变化不仅依赖当前时间步的模态表现，也结合前若干时间步的趋势进行平滑更新，表示为：
5.根据权利要求1所述基于多模态数据的...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。