您当前的位置：
首页 >
文章列表页 >
基于多模态特征融合网络的疲劳驾驶检测
工程诊所•工匠之家 | 更新时间：2026-05-29

    • 基于多模态特征融合网络的疲劳驾驶检测

    • Fatigue driving detection based on multimodal feature fusion network

    • 铁道科学与工程学报   2026年23卷第5期 页码：2443-2453

    • DOI：10.19713/j.cnki.43-1423/u.T20251093    

      中图分类号： U268.4;TP391.4

    • 收稿：2025-07-08，

      纸质出版：2026-05-28

    移动端阅览

  • 张冰涛,严大川,王小敏等.基于多模态特征融合网络的疲劳驾驶检测[J].铁道科学与工程学报,2026,23(05):2443-2453. DOI： 10.19713/j.cnki.43-1423/u.T20251093.

    ZHANG Bingtao,YAN Dachuan,WANG Xiaomin,et al.Fatigue driving detection based on multimodal feature fusion network[J].Journal of Railway Science and Engineering,2026,23(05):2443-2453. DOI： 10.19713/j.cnki.43-1423/u.T20251093.

  •  
  •  

0

浏览量

43

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

基于脑电与眨眼电位特征融合的疲劳驾驶检测方法
基于轮对运动状态特征的高速列车蛇行识别方法
跨模态特征融合模板驱动的盾构隧道管片孔缝智能识别
考虑健康状态指标与“记忆效应”的镉镍蓄电池SOC估算模型
基于卷积神经网络的列车实时客流检测算法

相关作者

莫俊文
张冰涛
陈春俊
张兵
洪梓轩
王子轩
宁静
文思宇

相关机构

兰州交通大学 经济管理学院
西南交通大学 机械工程学院
西南交通大学 轨道交通运载系统全国重点实验室
中国铁路设计集团有限公司
长江大学 地球科学学院
0