公开(公告)号：CN111046731A

公开(公告)日：2020-04-21

申请号：CN201911094608.4

申请日：2019-11-11

Applicant: 中国科学院计算技术研究所

Inventor： 陈益强 ,  张迎伟 ,  于汉超 ,  杨晓东 ,  卢旺

IPC: G06K9/00

Abstract: 一种基于表面肌电信号进行手势识别的迁移学习方法，该方法以下步骤：采集新用户不同手势的表面肌电信号；将有标注的已有用户的不同手势的表面肌电信号数据作为源域数据，无标注的新用户的不同手势的表面肌电信号数据作为目标域数据，对新用户的不同手势的表面肌电信号数据进行分类并将其划分为候选集和残余项；将所述候选集作为源域数据，所述残余项作为目标域数据，对残余项中新用户的不同手势的表面肌电信号数据进行再次分类。

公开(公告)号：CN109426827A

公开(公告)日：2019-03-05

申请号：CN201710743558.2

申请日：2017-08-25

Applicant: 中国科学院计算技术研究所

Inventor： 陈益强 ,  杨晓东 ,  于汉超 ,  张迎伟

IPC: G06K9/62

Abstract: 本发明涉及一种面向用户日常行为的传感器协同感知方法。该方法将行为感知分为行为识别和状态监测两个子任务，行为识别采用多类分类器进行建模，而状态监测过程仅需要激活部分传感器，并采用轻量级的二类分类器进行建模，从而降低了整体功耗。本发明从用户日常行为的持续特性出发，在识别出特定日常行为后调用轻量级的状态监测模型判断当前行为是否发生变化，不仅能够对行为进行有效感知，同时能够降低感知过程中的资源和能源消耗。

公开(公告)号：CN107518896A

公开(公告)日：2017-12-29

申请号：CN201710565772.3

申请日：2017-07-12

Applicant: 中国科学院计算技术研究所

Inventor： 陈益强 ,  张迎伟 ,  于汉超 ,  杨晓东

IPC: A61B5/0488

CPC classification number: A61B5/0488 ,  A61B5/04012 ,  A61B5/6802 ,  A61B5/6824 ,  A61B5/7221 ,  A61B5/7267

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：CN105807923A

公开(公告)日：2016-07-27

申请号：CN201610127516.1

申请日：2016-03-07

Applicant: 中国科学院计算技术研究所

Inventor： 陈益强 ,  杨晓东 ,  于汉超 ,  钟习 ,  胡子昂

IPC: G06F3/01

CPC classification number: G06F3/01 ,  G06F3/017

Abstract: 本发明提供一种基于超声波的凌空手势识别方法及系统，所述方法包括：利用预先训练好的手掌运动趋势模型，对所采集的经由人手反射回的超声波信号识别手掌运动趋势，得到包含一系列手掌运动趋势的手掌运动趋势时序序列；其中，所述手掌运动趋势模型是根据人手反射回的超声波信号的声学特征训练得到的用于识别手掌运动趋势的模型；以及，利用预先训练好的手势识别模型，对得到的手掌运动趋势时序序列进行手势识别；其中，所述手势识别模型是根据由手掌运动趋势时序序列组成的训练数据集训练得到的用于识别手势的模型。本发明适用于智能移动终端，并且同时能实现手势识别的高精度和高鲁棒性。