-
公开(公告)号：CN113827234B
公开(公告)日：2022-03-18
申请号：CN202111412880.X
申请日：2021-11-25
Applicant: 之江实验室
IPC: A61B5/1455 , A61B5/00 , G06V40/16 , G06V10/77 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明属于非接触式生理信号检测领域，涉及一种基于高光谱人脸视频的远程脉搏波重建方法，首先利用高光谱相机录制人脸视频，将录制好的人脸视频输入到光谱通道选择网络中，经过处理得到降维之后的特征；进一步的，将上一步得到的降维之后的特征输入进特征提取网络，输出为一段特征向量，最终将特征向量输入到信号重建网络中，得到重建的脉搏波信号。本发明通过光谱通道选择网络对大量的高光谱数据进行降维，提高了之后的推理速度；其次，在特征提取网络中，通过在组合数据集上的预训练加速了模型的收敛，并且通过注意力机制提高了网络对重要特征的关注程度；最后，在信号重建网络中，利用多层LSTM提取到网络的时序特征并以此对信号进行重建。
-
公开(公告)号：CN119274042A
公开(公告)日：2025-01-07
申请号：CN202411742034.8
申请日：2024-11-29
Applicant: 之江实验室
IPC: G06V10/82 , G06N3/042 , G06N3/096 , G06V10/764 , G06V10/774
Abstract: 本说明书公开了面向遥感场景非对称跨模态的大模型知识迁移方法和装置，获取训练样本对，一个训练样本对中样本RGB图像和样本MS图像对应同一场景分类，将样本MS图像输入教师模型，确定教师模型从样本MS图像提取出的第一图像特征，确定教师模型根据第一图像特征得到的第一场景分类作为伪标注，将样本RGB图像输入学生模型，确定学生模型从样本RGB图像提取出的第二图像特征，确定学生模型根据第二图像特征得到的第二场景分类，根据第二图像特征与第一图像特征的差异以及第二场景分类与伪标注的差异对所述学生模型进行训练，可降低对训练样本的语义一致性需求，利用更少量的MS训练样本对更多的RGB样本进行训练，提升学生模型性能。
-
公开(公告)号：CN114638272B
公开(公告)日：2022-11-04
申请号：CN202210541225.2
申请日：2022-05-19
IPC: G06K9/00 , G06K9/62 , A61B5/1455 , A61B5/117 , A61B5/00
Abstract: 本发明涉及非接触式生理信号检测领域，尤其涉及一种基于指尖脉搏波信号的身份识别方法和装置，该方法包括：步骤一，利用血氧仪采集人体指尖的脉搏波信号；步骤二，将采集到的脉搏波信号进行滤波、峰值检测、信号截取对齐以及计算导数并归一标准化的处理，同时保存对应的个人身份标识号；步骤三，重复步骤一至步骤二，将步骤二中得到的信号数据保存为数据集；步骤四，将数据集输入特征提取网络进行特征提取，后输入分类网络训练，训练完成后保存训练好的网络参数，得到训练好的身份识别模型；步骤五，利用训练好的身份识别模型，对输入的脉搏波信号进行识别，预测出对应身份。本发明相比现有的其他方法，具有更高的识别准确率的优点。
-
公开(公告)号：CN113243902B
公开(公告)日：2021-12-07
申请号：CN202110600720.1
申请日：2021-05-31
Applicant: 之江实验室
Abstract: 本发明涉及非接触式生理信号检测领域，尤其涉及一种基于光电容积脉搏波的特征提取方法，首先读取人右手指尖的脉搏波信号PPG，获取采样点，然后，设置窗口大小和窗口的移动步长，通过滑动窗口的方式，动态计算心率来提取特征，计算属于同一类的特征的多组特征的平均值，得到多种不同状态，使用多种深度学习分类模型来对不同状态下的信号特征进行分类，最后输出识别结果。本发明通过对信号进行滤波预处理来抑制噪声，其次，利用不同状态下PPG信号的差异，对每种状态均进行了分类并充分考虑信号的时域和频域上的表现，分别提取了时域和频域的特征，最终通过不同模型来对不同状态下的信号进行分类。
-
公开(公告)号：CN113243902A
公开(公告)日：2021-08-13
申请号：CN202110600720.1
申请日：2021-05-31
Applicant: 之江实验室
Abstract: 本发明涉及非接触式生理信号检测领域，尤其涉及一种基于光电容积脉搏波的特征提取方法，首先读取人右手指尖的脉搏波信号PPG，获取采样点，然后，设置窗口大小和窗口的移动步长，通过滑动窗口的方式，动态计算心率来提取特征，计算属于同一类的特征的多组特征的平均值，得到多种不同状态，使用多种深度学习分类模型来对不同状态下的信号特征进行分类，最后输出识别结果。本发明通过对信号进行滤波预处理来抑制噪声，其次，利用不同状态下PPG信号的差异，对每种状态均进行了分类并充分考虑信号的时域和频域上的表现，分别提取了时域和频域的特征，最终通过不同模型来对不同状态下的信号进行分类。
-
Patent Agency Ranking
公开(公告)号：CN115761137B
公开(公告)日：2023-12-22
申请号：CN202211484005.7
申请日：2022-11-24
Applicant: 之江实验室 , 中国铁建重工集团股份有限公司
Abstract: 面重建。本发明公开了一种基于法向量和点云数据相互融合的高精度曲面重建方法和装置，包括：获取高精度稀疏点云数据，重建高精度稀疏点云数据得到粗糙曲面的低频法向量特征；获取光照方向及其对应的图像，根据光照方向及其对应的图像并以粗糙曲面的低频法向量特征为指导，采用光度立体视觉方式获得高精度稠密法向量特征；对高精度高密度法向量特征积分得到高精度稠密点云数据后，对高精度稠密点云数据和高精(56)对比文件Xiaohan Pei等.Topology Reconstructionof High-Reflective Surfaces Based onMulti-modality Data《.Intelligent Roboticsand Applications》.2022,全文.
-
公开(公告)号：CN115019215B
公开(公告)日：2022-12-09
申请号：CN202210947014.9
申请日：2022-08-09
Applicant: 之江实验室
IPC: G06V20/17 , G06V20/10 , G06V10/82 , G06V10/764 , G06V10/26 , G06V10/778
Abstract: 本发明公开一种基于高光谱图像的大豆病虫害识别方法和装置，该方法包括：步骤一，利用无人机搭载的高光谱相机与RGB相机采集高光谱数据集及其对应的RGB数据集；步骤二，对采集的高光谱数据集进行数据增广；步骤三，对RGB图像进行植株区域分割后与对应的高光谱图像进行像素点相乘得到含植株区域的图像，对该图像进行预处理计算出各类别平均光谱特性曲线；步骤四，输入高光谱数据集至大豆病虫害识别网络模型，采用课程学习方式以及各类别平均光谱特性曲线进行模型训练；步骤五，采用训练好的大豆病虫害识别网络模型，对采集输入的高光谱图像进行预测分类，输出最终预测的虫害类别。本发明能有效提高大豆病虫害识别的准确度。
-
公开(公告)号：CN115040089A
公开(公告)日：2022-09-13
申请号：CN202210981128.5
申请日：2022-08-16
Abstract: 本发明涉及非接触式生理信号检测领域，尤其涉及一种基于深度学习的脉搏波峰值检测与分类的方法和装置，该方法包括：步骤一，利用血氧仪采集人体指尖的脉搏波信号，采用滑动窗口的方式进行分帧处理，得到若干段短信号；步骤二，将若干段短信号按照时间顺序排列，输入到关键点检测模块中进行峰值检测和整理得到所有峰值点；步骤三，将步骤二得到的峰值点及采集得到的整段脉搏波信号输入到分类模块中，通过判断信号的强度、波动和平涩程度来对脉搏波信号进行分类，并记录。本发明能够有效应用于基于脉搏波的生物识别系统中，并提高识别的准确率。
-
公开(公告)号：CN114820329A
公开(公告)日：2022-07-29
申请号：CN202210764209.X
申请日：2022-07-01
Applicant: 之江实验室 , 中国铁建重工集团股份有限公司
Abstract: 本发明公开了基于高斯过程大核注意力装置引导的曲面测量方法及装置，依次进行初始点采样、曲面上采样、曲面重建和误差评定、采样点选择，其中曲面上采样由高斯过程模型和基于大核注意力机制的预训练上采样模型组成，通过上述操作获得关键的点云数据，通过这些数据，可以用非常有限的数据完成目标精度的曲面重建；同时，针对高精度接触式形貌测量传感器测量效率较低的问题，通过局域高斯过程和深度学习的上采样模型，进行点云的自适应采样，然后再对这些数据进行重建，可以在保证重建精度和细节还原度的同时提高复杂曲面的测量效率。
-
公开(公告)号：CN114638272A
公开(公告)日：2022-06-17
申请号：CN202210541225.2
申请日：2022-05-19
IPC: G06K9/00 , G06K9/62 , A61B5/1455 , A61B5/117 , A61B5/00
Abstract: 本发明涉及非接触式生理信号检测领域，尤其涉及一种基于指尖脉搏波信号的身份识别方法和装置，该方法包括：步骤一，利用血氧仪采集人体指尖的脉搏波信号；步骤二，将采集到的脉搏波信号进行滤波、峰值检测、信号截取对齐以及计算导数并归一标准化的处理，同时保存对应的个人身份标识号；步骤三，重复步骤一至步骤二，将步骤二中得到的信号数据保存为数据集；步骤四，将数据集输入特征提取网络进行特征提取，后输入分类网络训练，训练完成后保存训练好的网络参数，得到训练好的身份识别模型；步骤五，利用训练好的身份识别模型，对输入的脉搏波信号进行识别，预测出对应身份。本发明相比现有的其他方法，具有更高的识别准确率的优点。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.01 seconds)
