-
公开(公告)号：CN107316052A
公开(公告)日：2017-11-03
申请号：CN201710374301.4
申请日：2017-05-24
Applicant: 中国科学院计算技术研究所
IPC: G06K9/62
CPC classification number: G06K9/6256
Abstract: 本发明涉及一种基于低成本传感器的鲁棒行为识别方法和系统，包括：通过安装于用户鞋中的低成本距离传感器，采集用户脚到地面的实时距离数据；采用滑动窗口法对该实时距离数据进行分割，生成数据集；对该数据集按照特性的预处理方式进行特征提取，生成预处理数据，并根据预先训练完成的数据模型对该预处理数据进行识别，得到用户的行为结果，最后将该行为结果显示反馈给用户。由此发明具有穿戴便利、测量精度高且不受环境影响的技术效果。
-
公开(公告)号：CN117763420A
公开(公告)日：2024-03-26
申请号：CN202311788225.3
申请日：2023-12-25
Applicant: 中国科学院计算技术研究所
IPC: G06F18/241 , G06F18/213 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/084 , G01S13/88 , G01S13/08
Abstract: 本发明提供一种神经网络模型，用于根据雷达人体活动数据识别人体活动，包括：时空信息编码器，用于根据所述雷达人体活动数据同步编码时间信息和空间信息；特征提取模块，用于融合所述时间信息和空间信息以提取人体活动特征；外部注意力模块，用于根据所提取的人体活动特征对人体活动分类。本发明的神经网络模型能有效提高模型的泛化性能，在更复杂的人体活动上也能实现较高的准确率，可以应用于跌倒检测、灾害救援等实际场景中。
-
公开(公告)号：CN106875630B
公开(公告)日：2018-12-04
申请号：CN201710144772.6
申请日：2017-03-13
Applicant: 中国科学院计算技术研究所
IPC: G08B21/04
Abstract: 本发明涉及一种基于层次分类的可穿戴跌倒检测方法和系统，该跌倒检测方法包括：采集用户的日常行为数据；对该日常行为数据进行合成、滤波等处理生成原始数据；利用滑动窗口机制提取该原始数据的时频域特征，生成样本，并将该样本组合成样本集；利用第一层一类分类模型对该样本集中的每一个样本进行识别，将识别后的结果发送至第二层的加权二类分类模型；第二层的加权二类分类模型负责对加权分配处理，生成加权跌倒样本，并将其送至第三层的规则二类分类模型；第三层的规则二类分类模型根据该加权跌倒样本是否符合跌倒规则，判断用户是否发生跌倒行为。本发明通过以上方法实现了对用户跌倒行为的准确判断。
-
公开(公告)号：CN105310696B
公开(公告)日：2018-06-26
申请号：CN201510751929.2
申请日：2015-11-06
Applicant: 中国科学院计算技术研究所
IPC: A61B5/11
Abstract: 本发明提供一种跌倒检测模型构建方法，包括：1)基于所述初始训练数据集，采用加权SVM算法训练第一两类分类模型，并且通过调整跌倒行为和正常行为的类别权重使得同时满足：a：确保初始训练数据集中所有跌倒行为样本能够被正确识别，b：使初始训练数据集中被误识别为跌倒的正常行为样本数目尽可能小；2)将所有被识别为跌倒的训练样本从初始训练数据集取出，构建第二阶段训练数据集；3)基于所述第二阶段训练数据集，采用加权SVM算法训练第二两类分类模型，并且通过调整类别权重使得：所有正常行为样本都能够被正确识别。本发明还提供了相应的跌倒检测方法及装置。本发明能够减少检测装置对用户生活的干扰；且检测率高，误警率低。
-
公开(公告)号：CN106599922A
公开(公告)日：2017-04-26
申请号：CN201611165253.X
申请日：2016-12-16
Applicant: 中国科学院计算技术研究所
IPC: G06K9/62
CPC classification number: G06K9/6269 , G06K9/6227 , G06K9/6282
Abstract: 本发明提供一种迁移学习方法，该方法利用基于已标定的源域数据训练的至少两个分类器对待标定的目标域数据进行初次标定，根据标定结果将目标域数据划分为候选集和余部；在具有相同标定的源域数据组和候选集中目标域数据组之间进行迁移变换，生成新源域和新候选集；基于在新源域上训练的分类器对新候选集中的目标域数据进行标定，并利用新候选集中各数据的标定结果更新对未经变换的候选集中各数据的二次标定；以及基于经更新标定后的候选集训练分类器，并利用该分类器完成对余部中目标数据的标定。该方法缩短了迁移的时间，提高了迁移标定的效率，更适用于大规模数据的标定。
-
Patent Agency Ranking
公开(公告)号：CN119745355A
公开(公告)日：2025-04-04
申请号：CN202411622930.0
申请日：2024-11-14
Applicant: 中国科学院计算技术研究所
IPC: A61B5/021 , A61B5/00 , G06F18/15 , G06F18/213 , G06F18/2433 , G06N3/0464 , G06N3/045 , G06N3/088 , G06N3/09 , G06N3/048
Abstract: 本发明提供了一种生理语义一致的无袖带血压模型对比学习预训练方法，所述血压预测模型构建方法首先采用无标签PPG信号对模型进行无监督训练以提高模型的泛化能力，再采用有标签的PPG信号对模型进行有监督训练以训练模型的预测性能，最后采用少量的目标对象的有标签PPG信号对模型进行个性化训练以使模型具备预测目标对象血压数据的性能，其中，在无监督训练过程中，基于血压关键生理知识实现数据增强以确保增强数据的质量和实用性，并通过随机特征掩蔽、特征重采样以提高模型提取特征的多样性。本发明与现有的血压预测方法相比，减少了训练过程中有标签数据的需求量，同时，基于血压关键生理信息进行数据增强与特征重建以提高血压预测模型的泛化能力。
-
公开(公告)号：CN114041780A
公开(公告)日：2022-02-15
申请号：CN202111489019.3
申请日：2021-12-08
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种呼吸监测模型，包括处理总路和多个处理支路，每个处理支路和总路均包括卷积滤波器，每个卷积滤波器中包括用于对输入的数据进行滤波的多个卷积网络以及设置在相应卷积网络间的用于增强全局感受野的多头自注意力机制层，其中，呼吸监测模型被配置为：将基于惯性传感器数据得到的多模态数据中的各模态数据分别输入到对应的处理支路进行卷积滤波，得到各模态数据的滤波结果；以及将对各模态数据的滤波结果进行叠加得到的多模态呼吸特征输入到处理总路进行卷积滤波，得到关联性呼吸特征，基于关联性呼吸特征生成呼吸波形。本发明通过该模型生成呼吸波形，从而监测人体呼吸情况。
-
-
公开(公告)号：CN108852313A
公开(公告)日：2018-11-23
申请号：CN201810587419.X
申请日：2018-06-08
Applicant: 中国科学院计算技术研究所
IPC: A61B5/0205 , G16H50/30
Abstract: 本发明涉及一种基于雷达的非干扰智能感知方法，包括：采集步骤，通过雷达采集用户的生理数据；预处理步骤，对该生理数据进行预处理以滤除干扰得到过滤数据；处理步骤，提取该过滤数据的特征数据，通过机器学习算法对该特征数据进行处理以获得该用户的生理信息，并以极速学习机作为识别分类器识别该用户的生理状态。
-
公开(公告)号：CN107247974A
公开(公告)日：2017-10-13
申请号：CN201710525603.7
申请日：2017-06-30
Applicant: 中国科学院计算技术研究所
CPC classification number: G06K9/6215 , G06K9/6289 , H04B5/0031
Abstract: 本发明涉及一种基于多源数据融合的健身运动识别系统，包括运动数据处理装置和可穿戴设备，其中，所述运动数据处理装置包括用于采集健身器械上的运动数据的采集模块、用于收集所述可穿戴设备上的运动数据的收集模块以及分析所述健身器械上的运动数据与所述可穿戴设备上的运动数据之间的关联性的分析模块。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.036 seconds)
