摘要
本发明提供了一种多模态行人行为监测的隐私保护方法,涉及信息安全领域,包括以下步骤:步骤一:基于时空混合Mamba的多模态行人数据融合方法,进行多模态行人时空特征融合;步骤二:基于自适应特征密度感知的差分隐私保护方法,有效保护融合特征;步骤三:基于双流动态Transformer的多模态行人行为预训练方法,提高模型预训练精度;步骤四:面向自适应时空相关性的稀疏梯度隐私保护方法,确保模型安全性;步骤五:基于动态学习率的多模态行人行为监测方法,进行高效监测。本发明实现了高准确的行人行为监测,并基于差分隐私性质,满足差分隐私,提高了多模态行人行为监测的安全性和有效性。
技术关键词
多模态
差分隐私保护方法
轨迹特征
拉普拉斯噪声
数据融合方法
预训练方法
云服务器
模型预训练
编码器
噪声特征
节点
注意力
动态
网格
联合损失函数
融合特征
监测方法
社交
系统为您推荐了相关专利信息
智能办公桌
生理指标传感器
多模态传感器
长短期记忆网络
多模态数据采集
深度编码器
推理方法
大语言模型
自然语言
彩色视觉信息
保护方法
融合置信度
智能决策机制
高频谐波分量
振动加速度信号
信息无障碍
智能识别方法
注意力
深度学习模型
轻量级卷积神经网络