-
公开(公告)号：CN109029432A
公开(公告)日：2018-12-18
申请号：CN201810547826.8
申请日：2018-05-31
Applicant: 华南理工大学
IPC: G01C21/16
CPC classification number: G01C21/16
Abstract: 本发明公开一种基于六轴惯性传感信号的人体动作检测与识别方法中，首先生成一组预设的目标人体动作边界框，然后将六轴惯性传感信号预处理结果输入到第一神经网络，通过第一神经网络获取到预设的目标人体动作边界框含有目标人体动作的概率，确定六轴惯性传感信号的各目标人体动作的时间区间；接着，将六轴惯性传感信号预处理结果输入到第二神经网络，第二神经网络根据第一神经网络的输出提取出六轴惯性传感信号各目标人体动作的时间区间对应的特征值，最后针对各目标人体动作的时间区间的特征值进行识别，得到识别结果。本发明方法能够实现人体复杂运动中特定动作的发生时间的有效检测和发生时间内特定动作的识别，具有检测与识别准确率高的优点。
-
公开(公告)号：CN109985369B
公开(公告)日：2020-06-19
申请号：CN201910187098.9
申请日：2019-03-13
Applicant: 华南理工大学
IPC: A63B71/06
Abstract: 本发明公开了一种基于智能腕戴式设备的自适应泳姿识别方法。该方法从智能腕戴式设备的传感器中获取人体运动的加速度信号；从获取的加速度信号中取出单位长度的信号，采用自适应算法从单位长度信号中截取出一个候选动作信号；对截取的候选动作信号进行预处理，并对预处理后的信号进行识别；对识别结果进行保存，并根据识别结果确定下一个要获取的单位加速度信号的区间，并重复上述步骤。该方法能精确定位出每个具有完整周期的泳姿的发生时间，提升泳姿识别的准确率。
-
公开(公告)号：CN110008847B
公开(公告)日：2021-07-20
申请号：CN201910187104.0
申请日：2019-03-13
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于卷积神经网络的泳姿识别方法,包括：将九轴传感器安装在手腕处，记录人体游泳时手腕部的加速度和角速度信号；取出一个单位长度的待测信号进行识别分割；对分割得到的信号进行预处理，设计卷积神经网络模型结构；对卷积神经网络模型参数进行训练，将预处理后的信号输入到训练后的卷积神经网络模型中进行分类，确定信号分类结果；根据信号分类结果，确定待测信号中所要取出的单位长度的信号片段的区间，重复上述步骤。本发明通过对卷积神经网络结构进行修改，降低了其对计算资源的需求，使其能在智能可穿戴设备上对泳姿进行高效、准确的识别。
-
公开(公告)号：CN110008847A
公开(公告)日：2019-07-12
申请号：CN201910187104.0
申请日：2019-03-13
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于卷积神经网络的泳姿识别方法,包括：将九轴传感器安装在手腕处，记录人体游泳时手腕部的加速度和角速度信号；取出一个单位长度的待测信号进行识别分割；对分割得到的信号进行预处理，设计卷积神经网络模型结构；对卷积神经网络模型参数进行训练，将预处理后的信号输入到训练后的卷积神经网络模型中进行分类，确定信号分类结果；根据信号分类结果，确定待测信号中所要取出的单位长度的信号片段的区间，重复上述步骤。本发明通过对卷积神经网络结构进行修改，降低了其对计算资源的需求，使其能在智能可穿戴设备上对泳姿进行高效、准确的识别。
-
公开(公告)号：CN109985369A
公开(公告)日：2019-07-09
申请号：CN201910187098.9
申请日：2019-03-13
Applicant: 华南理工大学
IPC: A63B71/06
Abstract: 本发明公开了一种基于智能腕戴式设备的自适应泳姿识别方法。该方法从智能腕戴式设备的传感器中获取人体运动的加速度信号；从获取的加速度信号中取出单位长度的信号，采用自适应算法从单位长度信号中截取出一个候选动作信号；对截取的候选动作信号进行预处理，并对预处理后的信号进行识别；对识别结果进行保存，并根据识别结果确定下一个要获取的单位加速度信号的区间，并重复上述步骤。该方法能精确定位出每个具有完整周期的泳姿的发生时间，提升泳姿识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN109948686B
公开(公告)日：2021-06-08
申请号：CN201910187161.9
申请日：2019-03-13
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于九轴传感信号统计特征的泳姿识别方法，包括：安装在手腕处的九轴惯性传感器记录人体游泳时手腕部的加速度和角速度，并将其作为待测信号；取出一个单位长度的待测信号进行识别分割；对分割得到的信号进行预处理，并进行特征提取；对SVM模型进行训练，将提取的特征输入到训练后的SVM模型中进行分类，确定信号分类结果；根据信号分类结果，确定待测信号中所要取出的单位长度的信号片段的区间，重复上述步骤。本发明采用统计特征来进行分类，能够在较小计算资源的情况下具有计算复杂度低且准确率高的优点。
-
公开(公告)号：CN109029432B
公开(公告)日：2021-03-30
申请号：CN201810547826.8
申请日：2018-05-31
Applicant: 华南理工大学
IPC: G01C21/16
Abstract: 本发明公开一种基于六轴惯性传感信号的人体动作检测与识别方法中，首先生成一组预设的目标人体动作边界框，然后将六轴惯性传感信号预处理结果输入到第一神经网络，通过第一神经网络获取到预设的目标人体动作边界框含有目标人体动作的概率，确定六轴惯性传感信号的各目标人体动作的时间区间；接着，将六轴惯性传感信号预处理结果输入到第二神经网络，第二神经网络根据第一神经网络的输出提取出六轴惯性传感信号各目标人体动作的时间区间对应的特征值，最后针对各目标人体动作的时间区间的特征值进行识别，得到识别结果。本发明方法能够实现人体复杂运动中特定动作的发生时间的有效检测和发生时间内特定动作的识别，具有检测与识别准确率高的优点。
-
公开(公告)号：CN109948686A
公开(公告)日：2019-06-28
申请号：CN201910187161.9
申请日：2019-03-13
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于九轴传感信号统计特征的泳姿识别方法，包括：安装在手腕处的九轴惯性传感器记录人体游泳时手腕部的加速度和角速度，并将其作为待测信号；取出一个单位长度的待测信号进行识别分割；对分割得到的信号进行预处理，并进行特征提取；对SVM模型进行训练，将提取的特征输入到训练后的SVM模型中进行分类，确定信号分类结果；根据信号分类结果，确定待测信号中所要取出的单位长度的信号片段的区间，重复上述步骤。本发明采用统计特征来进行分类，能够在较小计算资源的情况下具有计算复杂度低且准确率高的优点。
-
公开(公告)号：CN106525460B
公开(公告)日：2019-01-29
申请号：CN201611221194.3
申请日：2016-12-26
Applicant: 华南理工大学
IPC: G01M17/007
Abstract: 本发明提供了一种可移动轴心的自行车的性能检测台，包括由底架和龙门框架构成的检测台架，检测台架的底架上装有由单片机操纵系统控制的电动机，以及由电动机及皮带驱动、由装在轴承座前、后滚筒上的跑带和前、后滚筒之间的两组托锟组构成的自行车行进装置；于龙门框架的上下横梁上设有三组导向立柱，前、后两组导向立柱通过立柱上的滑动座各自连接一固定于自行车把手和后轮车架的把定支架，中、后两组导向立柱通过立柱上的滑动座连接一能加装载重箱的负载夹持架；龙门框架前端的横梁上设有由单片机操纵系统控制的自动转换开关。本发明能够模拟不同体重的人骑自行车，进行可移动轴心的自行车和相关自行车的性能检测，省去人工骑车检测的步骤，改善了工作条件。
-
公开(公告)号：CN106525460A
公开(公告)日：2017-03-22
申请号：CN201611221194.3
申请日：2016-12-26
Applicant: 华南理工大学
IPC: G01M17/007
CPC classification number: G01M17/007
Abstract: 本发明提供了一种可移动轴心的自行车的性能检测台，包括由底架和龙门框架构成的检测台架，检测台架的底架上装有由单片机操纵系统控制的电动机，以及由电动机及皮带驱动、由装在轴承座前、后滚筒上的跑带和前、后滚筒之间的两组托锟组构成的自行车行进装置；于龙门框架的上下横梁上设有三组导向立柱，前、后两组导向立柱通过立柱上的滑动座各自连接一固定于自行车把手和后轮车架的把定支架，中、后两组导向立柱通过立柱上的滑动座连接一能加装载重箱的负载夹持架；龙门框架前端的横梁上设有由单片机操纵系统控制的自动转换开关。本发明能够模拟不同体重的人骑自行车，进行可移动轴心的自行车和相关自行车的性能检测，省去人工骑车检测的步骤，改善了工作条件。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.021 seconds)
