-
公开(公告)号：CN107480697B
公开(公告)日：2020-04-03
申请号：CN201710566320.7
申请日：2017-07-12
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种肌电手势识别方法和系统，该方法由三个步骤组成：特征集构建，利用肌电臂环获取用户肌电手势数据，经过卡尔曼滤波、矩形滑动窗口机制分割和经验模态分解等预处理操作之后，提取该肌电手势数据的时域、频域特征构建特征集；基于标准空间的特征表示，将特征集输入位置预测模型，预测当前肌电臂环佩戴位置，根据位置预测结果将原始特征转化为标准空间的特征表示；手势识别，根据标准空间的特征，构建手势识别模型，识别用户手势。本发明提出的方法能够解决手势识别过程中，因肌电臂环佩戴位置变化造成的识别精度降低的问题，具有识别精度高等方面的优势。
-
公开(公告)号：CN107518896B
公开(公告)日：2019-07-30
申请号：CN201710565772.3
申请日：2017-07-12
Applicant: 中国科学院计算技术研究所
IPC: A61B5/0488
Abstract: 本发明涉及一种肌电臂环佩戴位置预测方法，包括如下步骤：细粒度特征提取步骤，是基于经验模态分解算法，将肌电信号分解为本征模函数分量并对该肌电信号及该分量分别提取时域、频域特征组成位置预测样本；佩戴位置预测步骤，通过肌电臂环采集当前时刻肌电信号，提取该信号细粒度特征，经位置预测模型获取当前时刻的位置预测概率向量，再融合当前时刻之前的历史时刻位置预测概率向量，计算生成当前佩戴位置预测结果。本发明能够提升佩戴位置的预测精度，降低预测误差，具有精准度高、稳定性强的优势。
-
公开(公告)号：CN107480697A
公开(公告)日：2017-12-15
申请号：CN201710566320.7
申请日：2017-07-12
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种肌电手势识别方法和系统，该方法由三个步骤组成：特征集构建，利用肌电臂环获取用户肌电手势数据，经过卡尔曼滤波、矩形滑动窗口机制分割和经验模态分解等预处理操作之后，提取该肌电手势数据的时域、频域特征构建特征集；基于标准空间的特征表示，将特征集输入位置预测模型，预测当前肌电臂环佩戴位置，根据位置预测结果将原始特征转化为标准空间的特征表示；手势识别，根据标准空间的特征，构建手势识别模型，识别用户手势。本发明提出的方法能够解决手势识别过程中，因肌电臂环佩戴位置变化造成的识别精度降低的问题，具有识别精度高等方面的优势。
-
公开(公告)号：CN116935163A
公开(公告)日：2023-10-24
申请号：CN202310924524.9
申请日：2023-07-26
Applicant: 中国科学院计算技术研究所
IPC: G06V10/774 , G06V10/776 , G06V40/20 , G06V10/764
Abstract: 本发明提供了一种行为识别模型的构建方法和用户行为识别方法，构建方法用于识别人体行为，包括A1、获取第一训练集，其包括多个第一样本和第一标签，每个第一样本包括多模态的传感数据，第一标签指示行为类别；A2、根据第一标签将第一训练集分为多个批次，以使每个批次内包括多个第一样本且彼此对应的行为类别不同；A3、分批次训练多个模态的特征提取器分别根据输入的数据提取该模态的行为特征，并基于各模态的行为特征进行模态内对比学习和模态间对比学习以更新特征提取器的可训练参数；A4、基于经步骤A3训练的多个模态的特征提取器和分类器构建行为识别模型，利用第二训练集对行为识别模型进行有监督的微调训练，得到经训练的行为识别模型。
-
公开(公告)号：CN112861798B
公开(公告)日：2023-07-21
申请号：CN202110270458.9
申请日：2021-03-12
Applicant: 中国科学院计算技术研究所
IPC: G06F18/24 , G06N20/00 , G06F18/23 , G06F18/214
Abstract: 本发明提供一种基于生理信号的分类识别方法、介质及电子设备，其中，生理信号由多个电极采集得到。基于生理信号的分类识别方法包括：基于电极之间的分布差异对多个电极进行聚类，得到多个电极簇；其中电极之间的分布差异包括电极所采集的生理信号之间的相关性以及电极之间的空间距离；对于多个电极簇中的每个电极簇，基于该电极簇内的电极所采集的生理信号构建一个或多个个体分类器；基于所构建的所有个体分类器形成分类识别模型；以及接收多个电极从待识别目标采集的生理信号，基于所接收的生理信号，通过分类识别模型得到分类识别结果。本发明可以实现基于生理信号的高精准、强鲁棒的分类识别。
-
Patent Agency Ranking
公开(公告)号：CN116304882A
公开(公告)日：2023-06-23
申请号：CN202310446421.6
申请日：2023-04-24
Applicant: 中国科学院计算技术研究所
IPC: G06F18/241 , A61B5/00 , G06F18/214 , G06F18/211
Abstract: 本发明提供了一种用于训练睡眠阶段分类模型的方法，包括：获取训练集，其包括多个样本、每个样本对应的指示睡眠阶段类别的类别标签以及指示每个样本所属域的域标签，其中，样本为多模态生理时序信号，所述域与用户或者用户分组相关；利用所述训练集对基于神经网络的睡眠阶段分类模型和域鉴别器进行对抗训练，其中，所述睡眠阶段分类模型被配置为根据样本提取样本特征并根据样本特征识别样本对应的睡眠阶段类别，所述域鉴别器被配置为根据所述样本特征识别样本的域，对抗训练时基于类别标签确定的睡眠阶段分类损失和基于域标签确定的域分类损失更新睡眠阶段分类模型的参数，以及根据所述域分类损失更新域鉴别器的参数。
-
公开(公告)号：CN112783327B
公开(公告)日：2022-08-30
申请号：CN202110134953.7
申请日：2021-01-29
Applicant: 中国科学院计算技术研究所
IPC: G06F3/01 , G06K9/62 , G06K9/00 , G06V10/774 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于表面肌电信号进行手势识别的方法和系统，该方法使用卷积递归神经网络提取每个时刻的表面肌电信号的空间特征和时间特征，并通过注意力机制加权融合时间特征以预测用户的手势类别。本发明的手势识别方法能够自适应学习表面肌电信号的有效特征表达，实现用户手势的高精准度识别。
-
公开(公告)号：CN114420285A
公开(公告)日：2022-04-29
申请号：CN202111566552.5
申请日：2021-12-20
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于电子化手绘螺旋测试的智能决策支持方法和系统，包括：获取包括多条手绘螺旋轨迹的训练数据，手绘螺旋轨迹具有其是否属于帕金森的类别标签；提取训练数据中每条手绘螺旋轨迹的特征，以结合该类别标签，训练随机森林模型，将训练完成后的随机森林模型作为智能决策支持模型；将待分类的手绘螺旋轨迹的特征输入智能决策支持模型，得到其所属的类别，并将其作为待分类的手绘螺旋轨迹的决策支持结果。本发明的电子化螺旋线测试，可实现快速完成辅助决策支持，解决了传统帕金森辅助决策特征维度低、测试形式单一等问题。
-
公开(公告)号：CN113297935A
公开(公告)日：2021-08-24
申请号：CN202110514238.6
申请日：2021-05-12
Applicant: 中国科学院计算技术研究所
IPC: G06K9/00
Abstract: 本发明提供一种特征自适应的动作识别系统，包括：传感终端，包括多个肌电电极，用于采集用户动作产生的相应肌电信号并发送至客户端；客户端，用于接收所述传感终端发送的所述肌电信号，并将所述肌电信号上传至服务器；服务器，用于从所述每个肌电信号提取一个或者多个特征值以及基于所述肌电信号的特征值识别所述用户的动作。本发明提供的特征自适应的动作识别系统支持动作识别过程中特征空间的动态变化。
-
公开(公告)号：CN112861679A
公开(公告)日：2021-05-28
申请号：CN202110123629.5
申请日：2021-01-29
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种面向行为识别的迁移学习方法和系统，该方法依据基于熵减的最优传输方案确定待标定的数据的标签，其中，基于熵减的最优传输方案中包括对源域数据的标签类别比例的熵进行限制。本发明中的迁移学习方法和系统能够在目标域数据类别少于源域数据类别的情况下，使得源域中分布的类别相对集中，源域分布与目标域更加匹配，从而有效减少负迁移，更鲁棒、准确地获取目标域待标定数据标签。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.036 seconds)
