-
公开(公告)号：CN106875630A
公开(公告)日：2017-06-20
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
CPC classification number: G08B21/043 , G08B21/0446
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：CN116702025A
公开(公告)日：2023-09-05
申请号：CN202310556186.8
申请日：2023-05-17
Applicant: 中国科学院计算技术研究所
IPC: G06F18/241 , G06F18/214 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/044 , G06F18/27
Abstract: 本发明提供了一种基于惯性传感器数据的基础设施状态识别方法和系统，该方法包括：获取部署在基础设施上的惯性传感器采集的传感数据和该传感数据被采集前该基础设施的前序状态序列；利用经训练的状态识别模型根据所述传感数据和所述前序状态序列确定该基础设施当前的状态，其中，所述经训练的状态识别模型包括两种预测模式，第一预测模式下根据传感数据和对应前序状态序列进行预测，第二预测模式下根据传感数据和对应前序状态序列的掩码值进行预测；利用校准器确定基础设施当前的状态是否需要校准，若是，由经训练的状态识别模型在第二预测模式下预测的基础设施的状态更新基础设施当前的状态。
-
公开(公告)号：CN116701954A
公开(公告)日：2023-09-05
申请号：CN202310559427.4
申请日：2023-05-17
Applicant: 中国科学院计算技术研究所
IPC: G06F18/22 , G06F18/213 , G06F18/214 , G06F18/241 , G06N3/0464 , G06N3/0442 , G06N3/0455 , G06N3/08 , G01C21/16 , G01C21/20
Abstract: 本发明实施例提供一种基于IMU数据的基础设施状态识别方法，所述方法包括：获取部署在基础设施上的惯性测量单元采集的IMU数据，利用特征提取器从所述IMU数据中提取该基础设施对应的特征向量；将提取的该基础设施对应的特征向量与为该基础设施预设的多种状态的基准特征向量进行相似度计算，得到相似度结果；根据相似度结果，确定基础设施当前所处的状态，本发明实施例的技术方案根据将提取的基础设施的特征向量与为该基础设施预设的多种状态的基准特征向量进行相似度计算得到的相似度结果，确定基础设施的状态的方式，可广泛应用在任意基础设施中并识别用户指定的任一基础设施状态，普适性高且成本小。
-
公开(公告)号：CN114041780B
公开(公告)日：2022-08-30
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。
-
Patent Agency Ranking
公开(公告)号：CN106599922B
公开(公告)日：2021-08-24
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
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。
-
公开(公告)号：CN117761654A
公开(公告)日：2024-03-26
申请号：CN202311788337.9
申请日：2023-12-25
Applicant: 中国科学院计算技术研究所
IPC: G01S7/41 , G06V40/20 , G06V10/34 , G06V10/44 , G06V10/764 , G06V10/766 , G06V10/77 , G06V10/80 , G06V10/82 , G06F18/213 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/084 , G01S13/86
Abstract: 本发明提供一种神经网络模型，根据雷达人体活动数据识别人体活动，包括：特征变换网络，用于根据所述雷达人体活动数据生成多视角融合特征图；特征提取网络，用于从多视角融合特征图中提取人体姿态特征；姿态回归网络，用于根据人体姿态特征识别出人体姿态类别。本发明利用深度摄像机提供的人体深度图和关键骨骼点图作为网络的中间层监督和底层监督，提高了人体姿态识别准确率，该系统可应用于跌倒检测、灾害救援等实际场景中。
-
公开(公告)号：CN107247974B
公开(公告)日：2020-07-31
申请号：CN201710525603.7
申请日：2017-06-30
Applicant: 中国科学院计算技术研究所
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。
-
公开(公告)号：CN106600000A
公开(公告)日：2017-04-26
申请号：CN201611102793.3
申请日：2016-12-05
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种人‑机器人运动数据映射的方法。该方法包括：获取训练数据，所述训练数据包括人体运动数据和相应运动的机器人样本数据；以所述人体运动数据作为输入，以所述机器人样本数据作为期望的输出，通过训练深度学习网络获得深度学习模型，以得到人‑机器人运动数据之间的映射关系。本发明基于深度学习的方法实现人‑机器人运动数据的映射，避免了大量反复的运动学求解，可以更灵活精确地驱动机器人进行运动。
-
公开(公告)号：CN105310696A
公开(公告)日：2016-02-10
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。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.039 seconds)
