-
公开(公告)号：CN115105098A
公开(公告)日：2022-09-27
申请号：CN202210767369.X
申请日：2022-06-30
Applicant: 东南大学
Abstract: 本发明公开了一种建筑工人高空作业安全能力评估方法，包括：对建筑工人施加恐高、疲倦和分心三种维度的刺激，通过脑电仪采集建筑工人对刺激作出反应时的脑电数据；对采集的脑电数据中的伪迹成分进行消除，对消除伪迹后的脑电数据提取特征；建立恐高维度、疲倦维度及分心维度的机器学习分类模型；利用构建的机器学习分类模型，将每种维度下的重要脑电特征数据输入至对应维度下的机器学习分类模型，输出每种维度下的预测结果。本发明通过对建筑工人脑电数据的采集、处理，在此基础上利用机器学习分类器实现对脑电特征数据的准确分析，实现了安全能力的定量评估，能够准确、有效地评估建筑工人高空作业安全能力。
-
公开(公告)号：CN116115239B
公开(公告)日：2025-01-07
申请号：CN202211474969.3
申请日：2022-11-23
Applicant: 东南大学
Abstract: 本发明公开了一种基于多模态数据融合的建筑工人尴尬工作姿势识别方法，包括采集被监测者的原始脑电数据、原始行为数据以及原始姿势图像；对原始脑电数据进行预处理，提取时域、频域以及非线性特征；对原始行为数据进行标准化操作，并提取均值作为行为数据特征；从被监测者姿势图像中提取人体主要点位的空间坐标，作为姿势状态特征；基于前期融合策略对提取的数据特征进行融合；将融合后特征数据集输入至已训练好的BP神经网络，输出被监测者的尴尬姿势工作类别，从而通过提取被监测者的脑电数据、行为数据以及姿势图像的多模态数据融合特征，实现尴尬工作姿势自动识别，改善了基于单模态数据识别姿势而存在的准确率不足等局限。
-
公开(公告)号：CN116115239A
公开(公告)日：2023-05-16
申请号：CN202211474969.3
申请日：2022-11-23
Applicant: 东南大学
Abstract: 本发明公开了一种基于多模态数据融合的建筑工人尴尬工作姿势识别方法，包括采集被监测者的原始脑电数据、原始行为数据以及原始姿势图像；对原始脑电数据进行预处理，提取时域、频域以及非线性特征；对原始行为数据进行标准化操作，并提取均值作为行为数据特征；从被监测者姿势图像中提取人体主要点位的空间坐标，作为姿势状态特征；基于前期融合策略对提取的数据特征进行融合；将融合后特征数据集输入至已训练好的BP神经网络，输出被监测者的尴尬姿势工作类别，从而通过提取被监测者的脑电数据、行为数据以及姿势图像的多模态数据融合特征，实现尴尬工作姿势自动识别，改善了基于单模态数据识别姿势而存在的准确率不足等局限。
-
-
Search Results
3
records
(took 0.015 seconds)
