-
公开(公告)号：CN112086165B
公开(公告)日：2022-08-19
申请号：CN202010934782.1
申请日：2020-09-08
Applicant: 南京邮电大学
Abstract: 一种基于深度学习的上肢康复监测方法及系统，不需要用户绑定任何设备或标签，利用神经网络中预先训练好的CNN模型识别上肢的康复动作。相比于那些需要携带设备或标签的动作识别系统，利用标签矩阵不会给用户侵入感，不会侵犯用户隐私，提高用户体验感。只使用单阅读器单天线以及9个商用无源RFID标签，设备便宜、简单，没有专业设备和专业操作人员的需求。采用深度学习中的卷积神经网络来识别动作，会大大降低动作识别的等待时间。实验验证在室内房间实现，模拟在家进行康复锻炼场景，康复动作的识别精度可达到97%。
-
公开(公告)号：CN112086165A
公开(公告)日：2020-12-15
申请号：CN202010934782.1
申请日：2020-09-08
Applicant: 南京邮电大学
Abstract: 一种基于深度学习的上肢康复监测方法及系统，不需要用户绑定任何设备或标签，利用神经网络中预先训练好的CNN模型识别上肢的康复动作。相比于那些需要携带设备或标签的动作识别系统，利用标签矩阵不会给用户侵入感，不会侵犯用户隐私，提高用户体验感。只使用单阅读器单天线以及9个商用无源RFID标签，设备便宜、简单，没有专业设备和专业操作人员的需求。采用深度学习中的卷积神经网络来识别动作，会大大降低动作识别的等待时间。实验验证在室内房间实现，模拟在家进行康复锻炼场景，康复动作的识别精度可达到97%。
-
公开(公告)号：CN113935373B
公开(公告)日：2024-11-19
申请号：CN202111182962.X
申请日：2021-10-11
Applicant: 南京邮电大学
IPC: G06F18/24 , G06F18/10 , G06F18/2131 , G06N3/0464 , G06N3/08 , G01C21/20 , G01S5/02 , G01S11/06 , G06K7/10
Abstract: 基于相位信息和信号强度的人体动作识别方法，其实现步骤包括：在室内环境中采集人体动作的相位信息和信号强度数据，提取相位信息和信号强度；对相位信息进行相位数据的解缠、平滑滤波、数据归一化等和信号强度数据进行平滑滤波等预处理步骤；对预处理后的信号进行切分，检测动作的起始和结束点，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CNN的深度神经网络进行人体动作识别模型训练，得到人体动作识别模型，采用该模型可以对采集到的相位和信号强度测试集数据进行分类，达到人体动作识别的目的。本发明采用基于CNN的深度神经网络自动学习并选择特征，实现对七种不同行为动作的识别。
-
公开(公告)号：CN113935373A
公开(公告)日：2022-01-14
申请号：CN202111182962.X
申请日：2021-10-11
Applicant: 南京邮电大学
IPC: G06K9/00 , G06V10/764 , G06V10/80 , G06V10/82 , G06V40/20 , G06N3/04 , G06N3/08 , G01C21/20 , G01S5/02 , G01S11/06 , G06K7/10
Abstract: 基于相位信息和信号强度的人体动作识别方法，其实现步骤包括：在室内环境中采集人体动作的相位信息和信号强度数据，提取相位信息和信号强度；对相位信息进行相位数据的解缠、平滑滤波、数据归一化等和信号强度数据进行平滑滤波等预处理步骤；对预处理后的信号进行切分，检测动作的起始和结束点，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CNN的深度神经网络进行人体动作识别模型训练，得到人体动作识别模型，采用该模型可以对采集到的相位和信号强度测试集数据进行分类，达到人体动作识别的目的。本发明采用基于CNN的深度神经网络自动学习并选择特征，实现对七种不同行为动作的识别。
-
-
-
Search Results
4
records
(took 0.025 seconds)
