公开(公告)号：CN110458118B

公开(公告)日：2022-08-12

申请号：CN201910752275.3

申请日：2019-08-14

Applicant: 南京邮电大学

Inventor： 肖甫 ,  司娜娜 ,  周剑 ,  盛碧云 ,  徐松 ,  周颖

IPC: G06V40/20 ,  G06V10/764 ,  G06V10/77 ,  G06K9/00 ,  G06K9/62

Abstract: 本发明提供一种基于信道状态信息的简单手语识别方法，采集的简单手语的CSI信号，获得CSI信号样本；将采集到的CSI信号进行预处理；从预处理后的信号中获取手语的关键信息；由上述步骤提取设定种类的简单手语的关键信息，作为模板样本；提取待识别的简单手语的关键信息，作为待识别样本；利用DTW算法，计算待识别样本与模板样本的累加距离，将最小累加距离对应的模板样本的手语类型作为待识别样本的手语类型；该种基于信道状态信息的简单手语识别方法，采用CSI信号作为不同手语动作的判定依据，由于对于不同的手语动作，CSI信号有明显差异，能够有效提高手语识别的精准度，具有较好的简便性、适应性、功能性、鲁棒性。

公开(公告)号：CN111597991A

公开(公告)日：2020-08-28

申请号：CN202010412872.4

申请日：2020-05-15

Applicant: 南京邮电大学

Inventor： 肖甫 ,  周颖 ,  盛碧云 ,  周剑 ,  方垣闰 ,  司娜娜

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G16H50/30

Abstract: 本发明提供一种基于信道状态信息和BiLSTM-Attention的康复检测方法，其实现步骤包括：在室内环境中采集康复动作的CSI数据，提取幅度信息；对CSI数据进行低通滤波、归一化、主成分分析等预处理步骤；对预处理后的信号进行切分，检测动作的起始和终止点，并将切分的数据段划分为训练集和测试集；通过将训练集输入基于BiLSTM-Attention的深度神经网络进行动作识别模型训练，得到康复动作识别模型，采用该模型可以对采集到的CSI测试集数据进行分类，达到康复动作识别、对康复程度打分的目的。本发明采用基于BiLSTM-Attention的深度神经网络自动学习并选择特征，实现对三种不同动作的十个康复程度的识别。

公开(公告)号：CN110458118A

公开(公告)日：2019-11-15

申请号：CN201910752275.3

申请日：2019-08-14

Applicant: 南京邮电大学

Inventor： 肖甫 ,  司娜娜 ,  周剑 ,  盛碧云 ,  徐松 ,  周颖

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明提供一种基于信道状态信息的简单手语识别方法，采集的简单手语的CSI信号，获得CSI信号样本；将采集到的CSI信号进行预处理；从预处理后的信号中获取手语的关键信息；由上述步骤提取设定种类的简单手语的关键信息，作为模板样本；提取待识别的简单手语的关键信息，作为待识别样本；利用DTW算法，计算待识别样本与模板样本的累加距离，将最小累加距离对应的模板样本的手语类型作为待识别样本的手语类型；该种基于信道状态信息的简单手语识别方法，采用CSI信号作为不同手语动作的判定依据，由于对于不同的手语动作，CSI信号有明显差异，能够有效提高手语识别的精准度，具有较好的简便性、适应性、功能性、鲁棒性。