-
公开(公告)号：CN108965217B
公开(公告)日：2020-10-27
申请号：CN201710447116.3
申请日：2017-06-14
Applicant: 中国科学院软件研究所
Abstract: 本发明提供一种基于C/S架构的多屏幕多媒体交互系统，该系统包括一服务端和至少一客户端。所述客户端包括用户交互界面和消息通信模块，其中用户交互界面对用户的操作进行响应，消息通信模块用于与服务端通信。所述服务端至少与一显示屏连接，且该服务端包括消息通信模块、客户端管理模块、屏幕管理模块、多媒体管理模块、远程操作控制管理模块，其中消息通信模块用于与客户端通信，客户端管理模块管理已连接的客户端，屏幕管理模块管理屏幕信息，多媒体管理模块管理多媒体资源的运行情况，远程操作控制管理模块用于客户端对服务端进行控制。该系统允许多人多机在演示时进行协同合作，具备更高的灵活性。
-
公开(公告)号：CN111354458A
公开(公告)日：2020-06-30
申请号：CN201811591897.4
申请日：2018-12-20
Applicant: 中国科学院软件研究所
IPC: G16H50/20 , G16H40/63 , G06F3/0488 , G06F3/0354 , A61B5/00
Abstract: 本发明属于数字医疗领域，具体涉及一种基于通用绘图任务的触控交互运动用户特征提取方法和辅助疾病检测系统。利用触控笔和绘图板进行于与任务无关的用户特征提取，对神经系统疾病患者的手部运动功能进行评价，实现了一个基于通用绘图任务的神经系统疾病日常监测和早期预警系统，对系统的分类模型进行了分析和验证，结果显示该系统能够对神经系统疾病进行准确预测。本发明是首个利用笔交互技术在一般绘图任务中实现自动识别神经系统疾病的系统，采用的特征提取方法可以用来构建鲁棒且准确的识别模型，依照本系统构建的绘图系统，可以在无监督的、任务无关的情况下用于包括但不限于神经系统疾病检测领域的自动诊断。
-
公开(公告)号：CN109717831B
公开(公告)日：2020-06-30
申请号：CN201811416118.7
申请日：2018-11-26
Applicant: 中国科学院软件研究所 , 中国医学科学院北京协和医院
Abstract: 本发明公开一种基于触控手势的非干扰式神经系统疾病辅助检测系统，属于数字医疗领域，主要基于训练好的神经系统疾病诊断模型K，利用待诊断的受试者触屏过程中的触屏动作，收集手势操作数据，通过神经系统疾病诊断模型进行判断，定量化分析、挖掘疾病更多的信息，可以应用于疾病早期诊断、预防和康复状态监控中，达到防患于未然的作用。
-
公开(公告)号：CN111134666A
公开(公告)日：2020-05-12
申请号：CN202010020956.3
申请日：2020-01-09
Applicant: 中国科学院软件研究所
IPC: A61B5/0476 , A61B5/16 , A61B5/00
Abstract: 本发明公开了一种多通道脑电数据的情绪识别方法及电子装置，其方法步骤包括：将提取的一脑电数据的各通道频域特征送入一序列特征提取器，获取脑电数据的各通道隐层特征向量；捕获各脑电通道与各情绪类别之间的关联，并将所述关联和隐层特征向量送入一自动编码器，得到所述脑电数据对应的各情感类别的概率值向量。本发明利用长短时记忆网络在脑电通道序列上学习脑电通道之间的非线性关系，并提取与情绪分类相关的高维脑电特征，自动选择多通道脑电信号中的关键信息，减少由于脑电数据的不稳定性以及环境变化带来的脑电特征之间的领域差异。
-
公开(公告)号：CN106919903B
公开(公告)日：2019-12-17
申请号：CN201710043727.1
申请日：2017-01-19
Applicant: 中国科学院软件研究所
Abstract: 本发明涉及一种鲁棒的基于深度学习的连续情绪跟踪方法，其步骤为：1)构建训练样本并训练归一化模型和连续情绪跟踪模型；2)获取表情图像并进行预处理，将预处理完成的表情图像送到训练好的归一化模型，得到标准光照和标准头部姿态的表情图片；3)将归一化后的标准图像作为连续情绪跟踪模型的输入，连续情绪跟踪模型自动提取输入表情相关的特征并根据时序信息产生当前帧的跟踪结果；重复步骤2)‑3)直至完成整个连续情绪跟踪流程。本发明采用基于深度学习的方法构建情绪识别模型实现连续情绪跟踪和预测，能够对光照和姿态变化具有鲁棒性，而且能够充分利用表情表达的时序信息，基于历史情绪特征更稳定地跟踪当前用户的情绪。
-
Patent Agency Ranking
公开(公告)号：CN107688325B
公开(公告)日：2019-12-13
申请号：CN201610635380.5
申请日：2016-08-05
Applicant: 中国科学院软件研究所
IPC: G05B19/418
Abstract: 本发明属于信息处理领域，涉及一种面向实时传感环境的工业知识自动化处理方法。该方法包括：1)检测工业企业的实时数据库中数据的变化，得到实时事件队列；2)根据领域知识定义原子事件的特征，并进行复合事件模式配置，建立规则库；3)定义复合事件的检测条件，对实时事件队列进行实时匹配；4)当满足检测条件时，根据相应事件的发生而触发执行相应的动作；5)根据分析流程中开始节点的配置从工业企业实时数据库中确定出要处理的事件数据，然后根据该事件数据生成事件语句，并发送给事件引擎；6)事件引擎根据收到的事件语句从配置的业务流程中查找匹配的节点或智能对象进行处理，并保存处理结果。本发明能够实现工业知识的自动化实时处理。
-
公开(公告)号：CN106155781B
公开(公告)日：2019-08-27
申请号：CN201510163407.0
申请日：2015-04-08
Applicant: 中国科学院软件研究所
IPC: G06F9/48
Abstract: 本发明公开了一种多智能体平台中的实时任务调度方法。本方法为：1)将t时刻智能体A的就绪任务集合中的简单任务和预留任务分别按照释放时间升序排列；2)智能体A对到达的新任务进行准入判断，如果可准入则将该新任务按照释放时间插入优先级队列中；3)如果t时刻智能体A正在执行一预留任务，则每一系统执行单元完毕后检查优先级队列中是否有任务就绪，如果有，则将该任务的就绪时间延迟到该预留任务执行结束；如果t时刻智能体A正在执行优先级队列中的一简单任务，则在每一个系统执行单元结束后，检查是否有预留任务在该时刻开始执行，如果有则停止执行当前任务，转而执行该预留任务。本发明大大增强了多智能体平台的可靠性和可预测性。
-
公开(公告)号：CN110147797A
公开(公告)日：2019-08-20
申请号：CN201910294373.7
申请日：2019-04-12
Applicant: 中国科学院软件研究所
Abstract: 本发明公开一种基于生成式对抗网络的草图补全与识别方法和装置。本发明包括：(1)基于条件生成式对抗神经网络，针对草图相对于彩色图片语义信息稀疏的特点，利用级联策略对生成式对抗神经网络进行改进；(2)扩展草图补全网络的类别通用性，设置草图识别任务作为辅助任务，同时在网络结构中增加草图识别辅助网络；(3)将草图补全方法应用于残缺草图的识别任务、基于残缺草图的图像检索任务和草图场景编辑任务中；(6)集成草图补全方法形成草图补全应用平台，支持包括交互式草图补全、草图补全与识别、草图场景分割与补全、交互式草图补全辅助等应用功能，能够在PC、手机、平板电脑、电子白板等多种设备和终端上进行应用。
-
公开(公告)号：CN109782969A
公开(公告)日：2019-05-21
申请号：CN201811589760.5
申请日：2018-12-25
Applicant: 中国科学院软件研究所
IPC: G06F3/0481
Abstract: 本发明公开了一种基于移动设备的融合上下文情境的实时通讯界面显示方法。其步骤为：1)在移动设备的界面生成单元中设置一通讯模块和一上下文模块；通讯模块用于生成移动设备的通讯界面，上下文模块用于生成查看上下文情境的情景界面；其中，情景界面上设置一获取实时信息按钮；2)系统为移动设备中的各传感器注册相应的监听器，用于获取对应传感器的实时状态信息；3)当获取实时信息按钮触发时，各监听器获取当前时刻对应传感器的状态值并将其转换为可读信息发送给上下文模块；上下文模块将收到的信息显示在情景界面上。采用本发明，用户之前的通讯功能将不受任何影响，而且用户可以随时获取当前传感器的信息并分享给通讯对方。
-
公开(公告)号：CN104732203B
公开(公告)日：2019-03-26
申请号：CN201510098126.1
申请日：2015-03-05
Applicant: 中国科学院软件研究所
Abstract: 本发明涉及一种基于视频信息的情绪识别与跟踪方法，其步骤为：1)获取图像并对其进行三维头部建模；2)借助生成的三维头部模型进行图像融合，形成连续情感表达以及与人无关的情感表达；3)使用生成的融合图像、三维头部模型以及其情绪值构造训练样本；4)使用构建的训练样本训练情绪识别模型；5)如有必要，在测试步骤执行之前进行一系列预处理操作，然后使用训练好的情绪识别模型，进行三维头部关键点的跟踪以及情绪的识别直至完成全部情绪识别任务。本发明不仅适用于离散情绪的识别，也适用于连续情感空间表达下的情绪识别，可以用于桌面场景与移动交互场景，不受视觉信息采集设备的限制，能够提升自然人机交互的质量。
-
-
-
-
-
-
-
-
-
Search Results
335
records
(took 0.033 seconds)
