-
公开(公告)号：CN117520928B
公开(公告)日：2024-03-19
申请号：CN202410016640.5
申请日：2024-01-05
Applicant: 南京邮电大学
IPC: G06F18/241 , G01C23/00 , A61B5/11 , G06N3/0464 , G06F18/2135 , G06F17/14 , G06F17/16 , G06F18/213
Abstract: 本发明公开了一种基于信道状态信息目标速度估计的人体跌倒检测方法，属于人体跌倒检测技术领域；步骤为：将接收天线摆放在感知区域内不同的位置上，收集感知区域内不同高度的CSI信号；提取CSI数据中的多普勒信息，构造PLCR功率分布的频谱矩阵；运动分割算法将频谱矩阵分为两阶段，提取分割后频谱矩阵中最优PLCR序列；利用目标速度估计的几何模型，求出人体跌倒的速度，加速度；结合CNN网络对计算出人体跌倒的速度、加速度进行跌倒检测。本发明通过运动分割算法将频谱矩阵分为两阶段，在捕获个体跌倒行为时可以精确地截取相关的运动片段，在不受外部环境干扰的情况下，从CSI数据中准确提取速度和加速度特征，提高提取速度和加速度特征的精确性和有效性。
-
公开(公告)号：CN117609880A
公开(公告)日：2024-02-27
申请号：CN202311570808.9
申请日：2023-11-23
Applicant: 南京邮电大学
IPC: G06F18/2415 , G01S13/88 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于轻量级多态网络的毫米波雷达双任务感知系统及其方法，属于毫米波雷达感知技术领域；双任务感知系统包括多分支网络结构、损失函数模块以及单分支网络结构，多分支网络结构包括多个三维点卷积模块、多个深度卷积模块以及通道打乱机制；单分支网络结构包括多个三维点卷积模块、通道打乱机制、第三深度卷积模块以及修正线性单元；多分支网络结构用于训练阶段，单分支网络结构用于测试阶段，损失函数模块训练整个双任务感知系统的参数。本发明通过将双任务感知系统分为多分支网络结构和单分支网络结构，多分支网络结构确保双任务感知系统的精度和稳定性，而单分支网络结构保障系统的精度，同时提升运行速度，降低网络复杂度。
-
公开(公告)号：CN115630964B
公开(公告)日：2023-03-10
申请号：CN202211652775.8
申请日：2022-12-22
Applicant: 南京邮电大学
Abstract: 本发明涉及数据安全、隐私计算等相关技术领域，提出了一种面向高维隐私数据的相关性数据交易框架的构造方法，包括：建立高维用户特征之间的数据相关性模型；建立初始特征聚类方案；通过设计近似最优算法解决最优特征聚类问题；在最优特征聚类的基础上设计了一种新的数据扰动机制，生成与原始数据具有相近联合分布的隐私保护的高维数据集；基于近似最优的特征聚类方案对隐私损失进行量化。本发明主要包含数据扰动机制与隐私补偿机制，平衡了数据效用和隐私保护，并实现了预算均衡、个人理性和真实性等所有理想的经济属性。
-
公开(公告)号：CN112086165B
公开(公告)日：2022-08-19
申请号：CN202010934782.1
申请日：2020-09-08
Applicant: 南京邮电大学
Abstract: 一种基于深度学习的上肢康复监测方法及系统，不需要用户绑定任何设备或标签，利用神经网络中预先训练好的CNN模型识别上肢的康复动作。相比于那些需要携带设备或标签的动作识别系统，利用标签矩阵不会给用户侵入感，不会侵犯用户隐私，提高用户体验感。只使用单阅读器单天线以及9个商用无源RFID标签，设备便宜、简单，没有专业设备和专业操作人员的需求。采用深度学习中的卷积神经网络来识别动作，会大大降低动作识别的等待时间。实验验证在室内房间实现，模拟在家进行康复锻炼场景，康复动作的识别精度可达到97%。
-
公开(公告)号：CN112926555B
公开(公告)日：2022-07-26
申请号：CN202110465721.X
申请日：2021-04-28
Applicant: 南京邮电大学
Abstract: 本发明是一种基于自编码器数据增强的小样本无源行为感知方法，包括如下步骤：(1)采集包含人体行为信息的信道状态信息；(2)对信道状态信息去噪处理；(3)构建一个基于数据增强自编码器的神经网络模型；(4)采用少量的真实样本训练数据增强自编码器，生成大量具有不同特征向量的重构样本；(5)构建一个基于卷积神经网络的人体行为识别模型，将增强数据样本和真实样本作为模型的输入，对网络模型进行调优，根据分类网络对样本在不同类别上的响应值，得到行为识别结果。本发明解决无源行为感知在小样本训练数据状态下存在的模型过拟合问题，增强模型的泛化性和稳定性，保障人体行为识别的精度。
-
Patent Agency Ranking
公开(公告)号：CN114742193A
公开(公告)日：2022-07-12
申请号：CN202210414946.7
申请日：2022-04-20
Applicant: 南京邮电大学
IPC: G06K19/077 , G06K7/10 , G06F3/0354
Abstract: 一种基于射频识别RFID的手写轨迹追踪方法，采用阅读器、小型微带天线以及商用无源RFID标签的组合，用于特定区域中手写轨迹的追踪，具体包括系统构建与数据采、建立轨迹追踪模型和生成最终轨迹结果，利用RFID技术获取标签在平面中的坐标位置和3D空间中的方向关系，得到手写笔的笔尖在手写板上的运动轨迹。本方法利用天线阵列收集标签对在三维运动过程中的相位变化，来恢复二维平面中的手写轨迹，构建了小型化的手写轨迹追踪系统，能达到厘米级的轨迹追踪效果，并能实时的获得手写轨迹结果。
-
公开(公告)号：CN114668383A
公开(公告)日：2022-06-28
申请号：CN202210269846.X
申请日：2022-03-18
Applicant: 南京邮电大学
IPC: A61B5/08 , A61B5/00 , H04B17/309
Abstract: 一种基于信道状态信息的人员呼吸感知边界检测方法，具体实现步骤包括：首先，在室内环境下采集人员呼吸时对应的无线信号数据，从WiFi信号中提取出CSI原始数据；其次，对原始CSI数据进行数据预处理，预处理步骤包括：离群值去除、噪声滤波；然后，对预处理的数据，使用子载波选择和快速傅里叶变换(Fast Fourier Transform,FFT)得到呼吸频率；接着，对处理后的数据进行建模，推导出理论上的呼吸频率检测边界的条件；最后，在模型的基础上进行测试，实现人员呼吸频率边界的检测。本方法通过对信道状态信息CSI进行分析处理，实现对人员呼吸行为的感知以及呼吸速率的估计。结合呼吸检测边界模型，实现了对人员呼吸频率边界的检测。
-
公开(公告)号：CN114612836A
公开(公告)日：2022-06-10
申请号：CN202210254979.X
申请日：2022-03-15
Applicant: 南京邮电大学
Abstract: 本发明提供一种基于记忆增强未来视频帧预测的监控视频异常检测方法，属于视频异常检测技术领域。该方法，首先搭建并优化学习异常检测模型，异常检测模型包括生成器网络和判别器网络；其中，生成器网络包括编码器、记忆模块和解码器，生成下一时刻的视频帧，即未来视频帧；判别器网络通过计算未来视频帧的异常分数，使用异常分数作为判断未来视频帧是否异常的标准；通过强度损失、梯度损失、光流损失、对抗损失和交叉熵损失对搭建的异常检测模型进行优化学习；然后对监控视频中的异常事件进行检测；该方法能显著提高监控视频中的异常检测精度；生成器网络具有较高的通用性和鲁棒性，能够嵌入到大多数异常检测方法中，提高其异常检测的性能。
-
公开(公告)号：CN111082879B
公开(公告)日：2022-02-01
申请号：CN201911375092.0
申请日：2019-12-27
Applicant: 南京邮电大学
Abstract: 一种基于深度时空模型的wifi感知方法，包括如下步骤：在室内场景中采集不同动作的wifi信号并提取通道信号状态信息CSI；滤除CSI的噪声，并从滤波后的信号中分离出动作样本，利用滑窗将动作样本划分成多个时间片段；将这些片段输入到多层卷积神经网络CNN，提取空间特征；将每个样本多个时间片段的空间特征输入到双向长短时记忆神经网络Bi‑LSTM中，进一步挖掘样本的时序特征；利用训练样本训练深度时空模型，包括CNN模型和Bi‑LSTM模型，将测试样本输入到训练好的模型中，识别样本的类别。本发明以深度学习为基础，利用CNN和Bi‑LSTM构建深度时空模型，提取CSI样本的时空特征信息，提高特征表达的辨识力，保障识别精度。此外，本发明还为基于wifi的感知问题，提供了新的研究思路。
-
公开(公告)号：CN113743374A
公开(公告)日：2021-12-03
申请号：CN202111181521.8
申请日：2021-10-11
Applicant: 南京邮电大学
Abstract: 本发明提供了一种面向商用WiFi，基于信道状态信息和人员呼吸的人员身份识别方法，首先在室内环境中采集人员呼吸时对应的无线信号数据，从中提取到CSI原始数据；其次通过对原始CSI数据进行数据预处理，包括数据插值、数据去噪、数据提取；然后对预处理后的数据，通过离散小波变换DWT、子载波选择和呼吸速率估计模块进行组合，来实现呼吸数据段的波峰和波谷的提取，从而提取人员的呼吸特征，生成对应的人员呼吸标识；最后，结合WiFi多天线MIMO技术，通过WMD‑DTW方法将生成的人员标识与数据库内原有标识进行对比，从而实现人员身份的识别。本发明通过对信道状态信息CSI进行分析处理，实现对人员呼吸行为的感知以及呼吸速率的估计，进而完成不同人员的身份识别。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.023 seconds)
