-
公开(公告)号：CN109308118B
公开(公告)日：2021-12-14
申请号：CN201811025755.1
申请日：2018-09-04
Applicant: 安徽大学
Abstract: 本发明公开了一种基于EOG的中文眼写信号识别方法，包括以下步骤：采集基于眼电图的中文眼写数据并对数据进行预处理；将预处理后的数据分为模板数据和汉字笔画数据两个部分；将横、竖、撇、捺、折五个模板笔画段和汉字笔画段数据均送入基于DTW的分类器中进行笔画识别，并用softmax算法处理识别结果得到识别的笔画段序列的概率分布；建立汉字字库用one‑hot编码后，得到的笔画段序列的概率分布与编码的同笔画汉字匹配以获得最终的预测中文汉字。还公开了基于EOG的中文眼写信号识别方法的识别系统，具有对中文字符识别正确率高、汉字字库扩展能力较强、应用前景广泛的优点。
-
公开(公告)号：CN112992119A
公开(公告)日：2021-06-18
申请号：CN202110052375.2
申请日：2021-01-14
Applicant: 安徽大学
IPC: G10L15/00 , G10L15/02 , G10L15/06 , G10L15/08 , G10L15/16 , G10L15/30 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度神经网络的口音分类方法，包括：提取原始音频的帧级频域特征，构建2D语音频谱作为网络输入X；构建一个多任务权值共享的基于CRNNs的前端编码器来提取频谱X的局部序列描述符{P1,…,PT'}；在训练过程中，前端编码器后增设语音识别任务分支网络，用来抑制口音识别中的过拟合现象；构建用于口音识别任务的核心分支网络，首先将所有局部序列描述符整合成一个全局口音特征；然后在预测过程中引入判别性损失函数；最后通过基于softmax的分类层对全局口音特征进行分类，实现口音预测。还公开了一种高度可判别性的基于深度神经网络的口音分类模型，对来自不同区域群体的说话人能给出一个可靠的口音预测。
-
公开(公告)号：CN107480716B
公开(公告)日：2021-01-29
申请号：CN201710695447.9
申请日：2017-08-15
Applicant: 安徽大学
Abstract: 本发明公开一种结合EOG和视频的扫视信号识别方法及系统，属于眼电图技术领域，包括：同步采集扫视动作的EOG数据与视频数据；对EOG数据和视频数据进行预处理；对EOG数据采集通道进行端点检测，得到端点检测结果；将端点检测结果应用于EOG与视频两种模态下的有效眼动数据段检测，将有效眼动数据分为训练集和测试集；对训练集和测试集中两种模态下的数据进行特征提取得到有效眼动数据的特征；将两种模态下有效眼动数据的特征进行融合；将融合后扫视特征参数送入SVM分类器中进行训练，得到分类模型；利用测试集中数据对分类模型进行测试，得到测试后分类模型以进行信号识别。本发明中融合后的特征具有更多互补信息，提高了信号识别鲁棒性。
-
公开(公告)号：CN112016415A
公开(公告)日：2020-12-01
申请号：CN202010818947.9
申请日：2020-08-14
Applicant: 安徽大学
Abstract: 本发明公开了一种结合集成学习与独立分量分析的运动想象分类方法，基于不同的单次试验数据构造ICA空域滤波器对数据进行空域滤波与特征提取，并使用简单分类规则构造不同的基分类器，进而运用集成学习的投票法结合策略构成新的运动想象脑电信号分类器。本发明设计的集成分类器具有较稳定的识别率，多个基分类器集成学习分类，可以获得比单一分类器更优越的泛化性能，提高EEG信号的分类识别率。在不同受试者之间和同一受试者的不同时期采集的数据的迁移测试中，也体现较稳定的性能，具有更好的实用性。
-
公开(公告)号：CN111443804A
公开(公告)日：2020-07-24
申请号：CN202010224123.9
申请日：2020-03-26
Applicant: 安徽大学
Abstract: 本发明公开了一种基于视频分析的注视点轨迹描述系统，包括数据采集及预处理模块、瞳孔定位模块、注视点标定模块、注视点轨迹描述模块。还公开了一种基于视频分析的注视点轨迹描述方法，通过采集视频眼动图像，并进行预处理操作，通过瞳孔粗定位与瞳孔精定位方法，求出瞳孔中心与角膜反射光斑中心在眼图中的坐标，结合动态头部补偿模型，求出瞳孔中心与角膜反射光斑中心所构成的矢量与注视点之间的三维空间映射关系，通过该映射函数进行注视点轨迹描述。本发明在建立注视点三维空间映射关系的基础上，获取用户的注视点轨迹，提高人们对用户感兴趣区域的预判能力，能有效地支持广告类网页布局的优化，具有使用简单、方法精度高及应用潜力大等优点。
-
Patent Agency Ranking
公开(公告)号：CN105962915B
公开(公告)日：2019-04-05
申请号：CN201610404234.1
申请日：2016-06-02
Applicant: 安徽大学
IPC: A61B5/0205
Abstract: 本发明涉及一种非接触式人体呼吸率与心率同步测量方法及系统，该测量方法包括如下步骤，获取人体面部视频信息，从视频帧图像中选择两处敏感区域；对视频中每一帧的选定双敏感区的像素值，分别使用相干平均法，生成2组RGB观测信号，再对2组RGB观测信号依次进行高通滤波、去趋势、去均值、归一化预处理操作；用于对基于双敏感区域生成的2组RGB观测信号进行6通道盲源分离，分离出呼吸信号和心率信号；用于从盲源分离后的源信号中识别出呼吸信号和心率信号，结合滑动窗算法提取出呼吸和心率。本发明具有对呼吸率和心率同步测量准确性高、抗噪声干扰能力较强、应用潜力大等优点。
-
公开(公告)号：CN108937968A
公开(公告)日：2018-12-07
申请号：CN201810565890.9
申请日：2018-06-04
Applicant: 安徽大学
IPC: A61B5/16 , A61B5/0476
CPC classification number: A61B5/165 , A61B5/0476 , A61B5/7203 , A61B5/7225 , A61B5/7264
Abstract: 本发明公开了一种基于独立分量分析的情感脑电信号的导联选择方法，使用多导联情感脑电信号并对其进行滤波处理，将滤波后的数据使用ICA分析，建立对应不同情感任务背景下的空域滤波器组，然后进行线性投影，获取全导联的情感信号的空域特征参数，然后使用导联选择的方法选择出受试者的最优导联集合。本发明获得了较高的识别正确率，实现了根据不同受试者自动选择情感相关独立分量，相对于提取全通道的独立分量，选取最优导联位置的独立分量不仅能够降低算法的时间复杂度，同时能更准确地描述情感相关独立源的真实情况，同时能够有效抑制与情感信号无关的分量及外部噪声的干扰。
-
公开(公告)号：CN104810018B
公开(公告)日：2017-12-12
申请号：CN201510222045.8
申请日：2015-04-30
Applicant: 安徽大学
IPC: G10L15/05
Abstract: 本发明公开了一种基于动态累积量估计的语音端点检测方法，包括了基于滑动窗的高阶累积量递推计算和基于滑动窗峭度的端点检测。基于滑动窗的高阶累积量递推计算是指对原始样本数据加矩形窗，对窗内数据进行累积量估计，每滑动一个样本点对窗内数据进行更新，实现累积量的动态估计。基于滑动窗峭度的端点检测是结合高阶累积量递推计算方法计算滑动窗峭度和能量特征进行语音信号的端点检测。本发明相比现有技术具有以下优点：本发明中的基于动态累积量估计的语音信号端点检测方法是基于滑动窗峭度、能量双门限的端点检测，参数滑动窗峭度对语音段起始点具有较强敏感性且对噪声具有更好的抗干扰能力，在噪声环境下具有较好的鲁棒性。
-
公开(公告)号：CN107348958A
公开(公告)日：2017-11-17
申请号：CN201710695426.7
申请日：2017-08-15
Applicant: 安徽大学
IPC: A61B5/0496 , A61B3/113 , A61B5/00
Abstract: 本发明公开了一种鲁棒扫视EOG信号识别方法及系统,属于眼电技术领域，方法包括对EOG多通道眼动数据进行采集，获得时域上的眼动数据；对时域上的眼动数据进行预处理得到频域上的眼动数据；在频域上采用复值ICA算法对眼动数据进行盲源分离，得到各源信号在相应频点上的频域独立分量；对各频点独立分量进行补偿，还原独立分量在观测分量中的真实比例，通过约束DOA算法解决排序模糊问题；对补偿后和排序后的各频点的独立分量进行短时傅里叶逆变换处理，恢复为时域的多通道眼动数据；对时域上的多通道眼动数据进行提取功率谱密度特征，并将提取的特征送入支持向量机SVM中进行识别。本发明能准确对EOG信号进行识别。
-
公开(公告)号：CN107080546A
公开(公告)日：2017-08-22
申请号：CN201710252127.6
申请日：2017-04-18
Applicant: 安徽大学
IPC: A61B5/16 , A61B5/0484
CPC classification number: A61B5/165 , A61B5/04842 , A61B5/7267
Abstract: 本发明公开了一种基于脑电图的青少年环境心理的情绪感知系统及方法、刺激样本选择方法，系统包括脑电信号采集、脑电信号预处理、脑电信号特征提取和情绪感知等模块；以青少年经常接触、参与或热衷的建成环境为视觉刺激源。情绪感知方法包括视觉刺激源选择、脑电信号采集、脑电信号预处理、脑电信号特征提取、模型训练和情绪强度确定等步骤。刺激样本选择方法，唤醒度维度和效价维度分别进行了5个情感强度的划分，根据样本的实际被选情况及在二维空间的分布状态，非等距确定矩形选框。本发明的情绪感知系统及方法、刺激样本选择方法，具有较强的情绪感知能力和对象扩展能力等优点，在环境心理学研究中具有较高的应用价值。
-
-
-
-
-
-
-
-
-
Search Results
141
records
(took 0.025 seconds)
