-
公开(公告)号:CN118132970A
公开(公告)日:2024-06-04
申请号:CN202410383972.7
申请日:2024-04-01
Applicant: 北京科技大学 , 中国兵器装备集团自动化研究所有限公司
IPC: G06F18/21 , G06F18/25 , G06F18/243 , G06N3/0442 , G06N3/045 , G06N3/084 , G06N5/01 , G06F17/11 , G06F17/16
Abstract: 本发明提供了一种基于可穿戴传感器轻量级人体行为识别方法、系统及设备,方法包括:采集多个传感器数据,并进行预处理,计算多个传感器数据的欧拉角,作为融合数据,对融合数据进行初始化,作为输入数据;基于机器学习构建人体行为识别网络,并对所述输入数据进行识别处理,输出识别结果;该人体行为识别网络包括顺次连接改进的双向门控循环网络、组合注意力网络及树突网络;基于所述识别结果,识别人体行为。本方案可以降低网络模型复杂度,大大减小计算开销,通过三部分网络结构的改进、组合和应用,相比于现在的人体行为识别算法,在模型复杂度、计算开销和识别精度方面有着显著的优势。
-
公开(公告)号:CN117281531B
公开(公告)日:2024-01-30
申请号:CN202311585159.X
申请日:2023-11-27
Applicant: 北京科技大学
IPC: A61B5/352 , A61B5/00 , G06F18/10 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F18/213 , G06F18/24
Abstract: 本发明提供了一种基于卷积长短时记忆网络的心理疲劳态识别方法及系统,该方法包括:对ECG信号进行去噪处理和降采样处理,得到预处理信号;对预处理信号进行R波检测,得到R波数据以及R波波峰位置坐标数据;基于R波波峰位置坐标数据,对所述R波数据进行切分,得到ECG节拍数据;构建网络模型,以ECG节拍数据为输入,进行特征提取及分类,得到分类结果。本方案降低了待分类数据的个体差异,也降低了分类器训练阶段的计算复杂度,相较于常规的机器学习算法,提高了识别的准确率。
-
公开(公告)号:CN117281531A
公开(公告)日:2023-12-26
申请号:CN202311585159.X
申请日:2023-11-27
Applicant: 北京科技大学
IPC: A61B5/352 , A61B5/00 , G06F18/10 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F18/213 , G06F18/24
Abstract: 本发明提供了一种基于卷积长短时记忆网络的心理疲劳态识别方法及系统,该方法包括:对ECG信号进行去噪处理和降采样处理,得到预处理信号;对预处理信号进行R波检测,得到R波数据以及R波波峰位置坐标数据;基于R波波峰位置坐标数据,对所述R波数据进行切分,得到ECG节拍数据;构建网络模型,以ECG节拍数据为输入,进行特征提取及分类,得到分类结果。本方案降低了待分类数据的个体差异,也降低了分类器训练阶段的计算复杂度,相较于常规的机器学习算法,提高了识别的准确率。
-
-