-
公开(公告)号：CN111528838A
公开(公告)日：2020-08-14
申请号：CN202010425472.7
申请日：2020-05-19
Applicant: 中国电子科技集团公司第三十八研究所
IPC: A61B5/0476 , A61B5/00
Abstract: 本发明公开了一种脑电异常信号检测装置及检测方法，包括脑电信号预处理单元，用以获取原始脑电信号，并对原始脑电信号进行去噪处理，得到目标脑电信号；小波分解重构单元，用以获取目标脑电信号，根据异常波形的覆盖频率以及脑电检测设备采样频率采用Daubechies小波进行X层分解，得到X层频带及各个频带的特征分量；非线性动力学参数估计单元，通过计算小波分解后每个频带的脑电信号的样本熵特征；归一化单元，用以将特征分量和样本熵特征进行归一化处理，得到特征向量；检测分类单元，用以对所述特征向量进行检测和分类。本发明结合小波变换后的特征，及非线性动力学的特征，综合考虑，对最终的波形进行分类检测。
-
公开(公告)号：CN111507426B
公开(公告)日：2023-06-02
申请号：CN202010360573.0
申请日：2020-04-30
Applicant: 中国电子科技集团公司第三十八研究所
IPC: G06V10/764 , G06V10/80 , G06V10/774 , G06V10/44 , G06V10/50 , G06N20/10
Abstract: 本发明提供了一种基于视觉融合特征的无参考图像质量分级评价方法及装置，所述方法包括：构建训练集、验证集以及测试集，提取表征图像视觉质量的综合特征，其中，图像综合特征(62维)包括：UniformLBP特征、边缘强度特征、频谱特征以及信噪比；基于支持向量机算法，使用训练集预先训练得到图像质量评价模型，并使用验证集循环验证训练后的模型，得到训练后的目标模型；使用测试集测试目标模型，在目标支持向量机模型的准确率达到预设阈值的情况下，使用该模型作为图像视觉质量最终评价模型。在线评价图像视觉质量时，只需输入待评价图像的同时加载质量评价模型和支持向量机分离器，即可得到待评价图像质量。
-
公开(公告)号：CN111507426A
公开(公告)日：2020-08-07
申请号：CN202010360573.0
申请日：2020-04-30
Applicant: 中国电子科技集团公司第三十八研究所
Abstract: 本发明提供了一种基于视觉融合特征的无参考图像质量分级评价方法及装置，所述方法包括：构建训练集、验证集以及测试集，提取表征图像视觉质量的综合特征，其中，图像综合特征(62维)包括：UniformLBP特征、边缘强度特征、频谱特征以及信噪比；基于支持向量机算法，使用训练集预先训练得到图像质量评价模型，并使用验证集循环验证训练后的模型，得到训练后的目标模型；使用测试集测试目标模型，在目标支持向量机模型的准确率达到预设阈值的情况下，使用该模型作为图像视觉质量最终评价模型。在线评价图像视觉质量时，只需输入待评价图像的同时加载质量评价模型和支持向量机分离器，即可得到待评价图像质量。
-
公开(公告)号：CN110210378A
公开(公告)日：2019-09-06
申请号：CN201910461504.6
申请日：2019-05-30
Applicant: 中国电子科技集团公司第三十八研究所
Inventor： 张江辉 , 马敏 , 田西兰 , 赵洪立 , 蔡红军 , 王曙光 , 夏勇 , 夏鹏 , 王斌 , 刘丽莎 , 吴昭 , 吴颖 , 李江涛 , 孙龙 , 吴涛 , 姜欢欢 , 刘海飞 , 常沛 , 张玉营
IPC: G06K9/00 , G06F16/783 , G06N3/04
Abstract: 本发明公开了一种基于边缘计算的嵌入式视频图像解析方法及装置，应用于对视频监控网络中的摄像机图像进行解析，且视频监控网络中包含有若干个与监控中心连接的摄像机，所述方法包括：从摄像机拍摄的视频中识别出预设目标；针对从视频中识别出的预设目标，获取预设目标的属性特征和/或所述预设目标的场景属性特征；所述预设目标的属性特征包括类型、图像中的位置和数量等；所述预设目标的场景属性特征包括：原始图像的拍摄时间、拍摄地点、拍摄角度中的一种或组合；将所述获取的所述预设目标的属性特征以及所述预设目标的场景属性特征上传到与所述摄像机对应的监控中心，用于构建视频大数据分析应用系统。应用本发明实施例，可以节约成本。
-
公开(公告)号：CN110210378B
公开(公告)日：2023-04-07
申请号：CN201910461504.6
申请日：2019-05-30
Applicant: 中国电子科技集团公司第三十八研究所
Inventor： 张江辉 , 马敏 , 田西兰 , 赵洪立 , 蔡红军 , 王曙光 , 夏勇 , 夏鹏 , 王斌 , 刘丽莎 , 吴昭 , 吴颖 , 李江涛 , 孙龙 , 吴涛 , 姜欢欢 , 刘海飞 , 常沛 , 张玉营
IPC: G06V20/40 , G06F16/783 , G06N3/0464
Abstract: 本发明公开了一种基于边缘计算的嵌入式视频图像解析方法及装置，应用于对视频监控网络中的摄像机图像进行解析，且视频监控网络中包含有若干个与监控中心连接的摄像机，所述方法包括：从摄像机拍摄的视频中识别出预设目标；针对从视频中识别出的预设目标，获取预设目标的属性特征和/或所述预设目标的场景属性特征；所述预设目标的属性特征包括类型、图像中的位置和数量等；所述预设目标的场景属性特征包括：原始图像的拍摄时间、拍摄地点、拍摄角度中的一种或组合；将所述获取的所述预设目标的属性特征以及所述预设目标的场景属性特征上传到与所述摄像机对应的监控中心，用于构建视频大数据分析应用系统。应用本发明实施例，可以节约成本。
-
Patent Agency Ranking
公开(公告)号：CN111613338B
公开(公告)日：2022-12-16
申请号：CN202010425465.7
申请日：2020-05-19
Applicant: 中国电子科技集团公司第三十八研究所
Abstract: 本发明公开了基于循环神经网络和先验知识的棘慢复合波检测模型构建方法，包括样本处理；得到训练集、验证集、测试集；通过伪差滤波器对所述测试集进行伪差判别，不是伪差的脑电波输出形成目标测试集；将训练集输入至长短时记忆模型进行训练，对输入的训练集进行是否为棘慢复合波的概率值计算，根据设定的概率阈值T，最终输出概率值大于T对应的数据标签；然后通过验证集验证，得到目标长短时记忆模型；目标模型检测。本发明利用循环神经网络的神经元自主学习棘慢复合波分类中不易人为设计，描述的非线性特征；且在检测前进行伪差滤除，提高模型的准确度；并通过设定阈值，针对不同需求输出不同精度，召回率的检测结果。
-
公开(公告)号：CN111613338A
公开(公告)日：2020-09-01
申请号：CN202010425465.7
申请日：2020-05-19
Applicant: 中国电子科技集团公司第三十八研究所
IPC: G16H50/50 , G06N3/04 , G06N3/08 , A61B5/0476 , A61B5/04
Abstract: 本发明公开了基于循环神经网络和先验知识的棘慢复合波检测模型构建方法，包括样本处理；得到训练集、验证集、测试集；通过伪差滤波器对所述测试集进行伪差判别，不是伪差的脑电波输出形成目标测试集；将训练集输入至长短时记忆模型进行训练，对输入的训练集进行是否为棘慢复合波的概率值计算，根据设定的概率阈值T，最终输出概率值大于T对应的数据标签；然后通过验证集验证，得到目标长短时记忆模型；目标模型检测。本发明利用循环神经网络的神经元自主学习棘慢复合波分类中不易人为设计，描述的非线性特征；且在检测前进行伪差滤除，提高模型的准确度；并通过设定阈值，针对不同需求输出不同精度，召回率的检测结果。
-
公开(公告)号：CN113907770B
公开(公告)日：2023-05-09
申请号：CN202111225879.6
申请日：2021-10-21
Applicant: 中国电子科技集团公司第三十八研究所
IPC: A61B5/372
Abstract: 本发明提供一种基于特征融合的棘慢复合波检测识别方法，包括步骤1、根据标注的棘慢复合波数据库、正常脑电波数据库的样本数据提取时频域特征，并利用棘慢复合波数据库、正常脑电波数据库与棘慢复合波模板库估计距离度特征，通过特征来建立棘慢复合波特征库和正常波形特征库，进而训练分类模型；步骤2、利用DTW算法估计有效未知类型脑电波数据与棘慢复合波模板数据的距离度；步骤3、提取未知类型脑电波数据的时频域特征，并与距离度特征作为典型特征进行融合，送入分类器中，输出分类脑电波类型结果。此外，对输入的未知类型的脑电波数据归一化处理和基于短时能量和棘慢复合波结构特征的有效波形端点检测，能大大提高识别算法的准确性和鲁棒性。
-
公开(公告)号：CN113907770A
公开(公告)日：2022-01-11
申请号：CN202111225879.6
申请日：2021-10-21
Applicant: 中国电子科技集团公司第三十八研究所
IPC: A61B5/372
Abstract: 本发明提供一种基于特征融合的棘慢复合波检测识别方法，包括步骤1、根据标注的棘慢复合波数据库、正常脑电波数据库的样本数据提取时频域特征，并利用棘慢复合波数据库、正常脑电波数据库与棘慢复合波模板库估计距离度特征，通过特征来建立棘慢复合波特征库和正常波形特征库，进而训练分类模型；步骤2、利用DTW算法估计有效未知类型脑电波数据与棘慢复合波模板数据的距离度；步骤3、提取未知类型脑电波数据的时频域特征，并与距离度特征作为典型特征进行融合，送入分类器中，输出分类脑电波类型结果。此外，对输入的未知类型的脑电波数据归一化处理和基于短时能量和棘慢复合波结构特征的有效波形端点检测，能大大提高识别算法的准确性和鲁棒性。
-
公开(公告)号：CN111508578A
公开(公告)日：2020-08-07
申请号：CN202010429022.5
申请日：2020-05-19
Applicant: 中国电子科技集团公司第三十八研究所
IPC: G16H15/00 , G06K9/00 , G06F40/186 , A61B5/0476 , G06N3/04
Abstract: 本发明公开了一种基于人工智能的脑电波检查装置，包括数据解析模块，用于获取多个检查室的脑电数据和视频数据，并对脑电数据和视频数据进行解析，还原出脑电波的各个通道脑电数据和视频同步数据；AI数据分析模块，用于获取还原后的脑电波的各个通道脑电数据和视频同步数据，通过对各个通道脑电数据和对应的视频同步数据进行分析，获得异常波形信息；展示模块，用以获取还原后的各个通道脑电数据和视频同步数据，以及异常波形信息，进行数据采集、多维度特征展示。本发明利用AI技术和机器视觉算法对脑电波数据和视频数据进行分析，实现异常脑电波形的智能化处理，多维度展示脑电波数据特征。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.068 seconds)
