-
公开(公告)号：CN113837306A
公开(公告)日：2021-12-24
申请号：CN202111153566.4
申请日：2021-09-29
Applicant: 南京邮电大学
Abstract: 一种基于人体关键点时空图模型的异常行为检测方法，首先对视频集合进行预处理，得到视频序列，然后预处理得到人体关键点坐标。其次，一旦人体关键点坐标被确定，依照人体骨架自然连接，多帧累积之后得到一段时间内人体的关键点时空图模型。然后利用神经网络，通过空间卷积模块和时间卷积模块的交替工作，提取行为特征，描述行为模式。最后使用自动编码器网络，利用其难以对异常数据进行编码再重构的性质，通过对比重构误差，进行异常检测。本方法数据量小，计算成本低，并且训练过程不需要人工标注的数据，大大提高了异常检测的适用性。
-
公开(公告)号：CN113837306B
公开(公告)日：2024-04-12
申请号：CN202111153566.4
申请日：2021-09-29
Applicant: 南京邮电大学
IPC: G06V20/52 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 一种基于人体关键点时空图模型的异常行为检测方法，首先对视频集合进行预处理，得到视频序列，然后预处理得到人体关键点坐标。其次，一旦人体关键点坐标被确定，依照人体骨架自然连接，多帧累积之后得到一段时间内人体的关键点时空图模型。然后利用神经网络，通过空间卷积模块和时间卷积模块的交替工作，提取行为特征，描述行为模式。最后使用自动编码器网络，利用其难以对异常数据进行编码再重构的性质，通过对比重构误差，进行异常检测。本方法数据量小，计算成本低，并且训练过程不需要人工标注的数据，大大提高了异常检测的适用性。
-
Patent Agency Ranking
公开(公告)号：CN113837131B
公开(公告)日：2024-04-05
申请号：CN202111150695.8
申请日：2021-09-29
Applicant: 南京邮电大学
IPC: G06V40/20 , G06V10/44 , G06V10/80 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/049 , G06N3/08
Abstract: 一种基于FMCW毫米波雷达的多尺度特征融合手势识别方法，采用密度聚类算法对雷达目标的点迹进行处理，有效剔除异常点和无效点，抑制了杂波和噪声，利于提取手势运动特征；采用了信号截取和密度聚类算法的处理，大大减少了数据运算，便于集成在能耗低、体积小的高速处理芯片上；对处理过的距离‑角度图以及距离‑多普勒图进行多尺度变换，提取手掌和手指特征，兼顾手掌整体动作识别的同时，还关注手指的细微动作。融合距离、角度、速度手势运动信息，一定程度上提高了手势识别的准确度和精度。
-
公开(公告)号：CN117271954A
公开(公告)日：2023-12-22
申请号：CN202311215747.4
申请日：2023-09-19
Applicant: 南京邮电大学
IPC: G06F17/14 , G01S13/88 , G06F17/16 , G06N3/0455 , G06N3/0499 , G06N3/0464 , G06N3/08 , A61B5/08 , A61B5/00
Abstract: 本发明属于非接触式生命体征监测领域，公开了一种基于MIMO毫米波雷达的细粒度呼吸波形重构方法，包括：设置雷达参数并进行数据采集，利用二维傅里叶变换处理数据后得到时间‑距离‑方位雷达矩阵，利用回环滤波器去除时间‑距离‑方位雷达矩阵中静态物体的反射信号，并利用2D‑CFAR算法定位人体区域，对人体区域中的I/Q分量进行旋转处理，标签归一化处理和数据集划分，搭建IQ‑Transformer模型，将待预测的雷达数据输入训练好的网络模型，实现细粒度呼吸监测。本发明通过设计IQ‑Transformer模型，负责从雷达数据的I/Q分量中提取并编码呼吸相关的隐藏特征，最终从隐藏特征中恢复出细粒度呼吸波形。
-
公开(公告)号：CN115736888A
公开(公告)日：2023-03-07
申请号：CN202211486782.5
申请日：2022-11-24
Applicant: 南京邮电大学
IPC: A61B5/08 , A61B5/11 , A61B5/0507 , A61B5/113 , A61B5/00
Abstract: 本发明提供一种基于FMCW雷达的呼吸信号提取方法，通过获得原始雷达信号数据；同时，使用接触式的电阻应变式传感器，检测并记录目标人员的呼吸数据，包括呼吸振幅和呼吸率，作为呼吸标签数据；获得同一时间段的数据‑标签组合作为数据样本；构建基于残差神经网络和自注意力机制的信号提取网络模型；得到最佳网络模型参数的基于残差神经网络和自注意力机制的信号提取网络模型；将待提取呼吸信号的雷达数据输入后，获得呼吸信号的提取结果；本发明能够准确有效提取出呼吸信号，能够有效提高频率分辨率和抗噪性能，大幅提高提取呼吸信号的准确率，并能够根据不同环境中的数据进行适应化的训练，无需人工调整处理算法，灵活性更好。
-
公开(公告)号：CN113989718A
公开(公告)日：2022-01-28
申请号：CN202111273690.4
申请日：2021-10-29
Applicant: 南京邮电大学
IPC: G06V20/40 , G06V10/40 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 面向雷达信号热图的人体目标检测方法，该方法基于残差网络ResNet，并采用雷达信号热图作为网络输入。与视频图像相比，热图可从水平、垂直双向视角展示目标信息，并有效去除了冗余背景，更加直观。为简化训练过程，该方法对热图输入进行了预处理，在整合网络输入参数、重组热图图像数据的同时，也有助于提升训练效率、减少训练时间。在训练模型中，该方法提取残差网络输出的特征，并依靠网络末端的特征矩阵重构操作，对水平、垂直热图特征进行融合，以进一步提高特征提取效果。
-
公开(公告)号：CN113837131A
公开(公告)日：2021-12-24
申请号：CN202111150695.8
申请日：2021-09-29
Applicant: 南京邮电大学
Abstract: 一种基于FMCW毫米波雷达的多尺度特征融合手势识别方法，采用密度聚类算法对雷达目标的点迹进行处理，有效剔除异常点和无效点，抑制了杂波和噪声，利于提取手势运动特征；采用了信号截取和密度聚类算法的处理，大大减少了数据运算，便于集成在能耗低、体积小的高速处理芯片上；对处理过的距离‑角度图以及距离‑多普勒图进行多尺度变换，提取手掌和手指特征，兼顾手掌整体动作识别的同时，还关注手指的细微动作。融合距离、角度、速度手势运动信息，一定程度上提高了手势识别的准确度和精度。
-
-
-
-
-
-
Search Results
17
records
(took 0.017 seconds)
