-
公开(公告)号：CN119632566A
公开(公告)日：2025-03-18
申请号：CN202411802558.1
申请日：2024-12-09
Applicant: 广东电网有限责任公司湛江供电局
Abstract: 本申请提供了一种作业人员感应电极安装位置的确定方法。该方法首先在测试对象前额区域基于预设位置进行电极标记；然后依据电阻值测试确定电极安装的第一目标位置；接着进行识别精度测试，依据测试结果确定满足精度要求的第二目标位置；最后根据第二目标位置优化电极配置，确定最小数量的电极组合方案，以满足监测需求。本申请通过对电极接触位置的多重测试和优化，精准确定电极在作业人员前额区域的最佳安装位置，确保电极与皮肤的紧密接触，从而实现了生理信号的高质量采集，减少了信号失真和干扰，解决了现有技术中由于电极接触不稳定或配置不合理而导致的监测精度不足的问题。
-
公开(公告)号：CN119580331A
公开(公告)日：2025-03-07
申请号：CN202411802551.X
申请日：2024-12-09
Applicant: 广东电网有限责任公司湛江供电局
IPC: G06V40/16 , G06V10/82 , G06T17/00 , G06V10/46 , G06V10/764 , G06V10/774 , G06N3/08
Abstract: 本申请提供了一种基于深度学习的面部表情识别优化方法、装置与电子设备。该方法包括：获取面部表情数据，根据面部表情数据采用3D面部重建技术构建面部三维模型；采用SIFT算法从面部三维模型中提取面部特征，并确定面部特征对应的表情标签，构建深度学习模型，采用面部特征与表情标签作为训练样本训练深度学习模型，得到面部表情识别模型；至少采用面部表情识别模型对待识别面部表情进行识别，生成识别结果。通过集成3D面部重建、SIFT算法技术，提高了面部表情识别的准确性、鲁棒性、细微表情识别能力、动态表情处理能力以及异常检测与处理能力。解决了现有的面部特征提取算法对于细微表情的识别能力有限的问题。
-
公开(公告)号：CN118397306A
公开(公告)日：2024-07-26
申请号：CN202410633994.4
申请日：2024-05-21
Applicant: 广东电网有限责任公司湛江供电局
IPC: G06V10/62 , G06V10/52 , G06V10/771 , G06V10/77 , G06V10/774 , G06V10/82 , G06V40/16
Abstract: 本申请提供了一种基于特征旋转的微表情识别特征的确定方法、装置和系统，采用时间一致差分能量图像算法，得以利用了每一帧样本中的信息，没有对原始数据进行增减，减少了误差和数据损失，此外，时间一致差分能量图像算法还考虑了摄像机FPS的影响，使得提取的特征更具鲁棒性，采用积分投影方法增加了信息密度并降低了特征维度，可以提取较低维特征，降低计算成本和存储需求，并且可以避免维度灾难问题的出现，基于不动点旋转的方法进行特征选择，并同时采用损失函数算法，对所述特征点进行优化，确定目标特征点，得以在保证高精度的情况下提取微表情的低维特征，从而解决了现有方案对于微表情的特征点的识别的计算成本和存储需求较高的问题。
-
公开(公告)号：CN119700138A
公开(公告)日：2025-03-28
申请号：CN202411802554.3
申请日：2024-12-09
Applicant: 广东电网有限责任公司湛江供电局
IPC: A61B5/372 , A61B5/369 , A61B5/00 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/09
Abstract: 本申请提供了一种脑电信号疲劳检测方法、装置与计算机可读存储介质。该方法包括：获取脑电信号的原始样本数据，对脑电信号的原始样本数据进行划分处理，生成正样本数据和负样本数据；将原始样本数据、正样本数据和负样本数据输入多尺度时序特征编码模型中提取对应的多尺度时序特征，并根据对应的多尺度时序特征对原始样本数据、正样本数据和负样本进行图构建处理，得到对应的样本图，并将各样本图输入图注意力网络模型中，对图注意力网络模型进行训练，得到疲劳检测模型；获取待检测人员的脑电信号数据，采用疲劳检测模型对脑电信号数据进行检测处理，输出疲劳检测结果。解决了现有技术存在脑电信号疲劳检测的检测准确度较低的问题。
-
公开(公告)号：CN119577521A
公开(公告)日：2025-03-07
申请号：CN202411802560.9
申请日：2024-12-09
Applicant: 广东电网有限责任公司湛江供电局
IPC: G06F18/24 , G06F18/25 , G06N3/0895 , G06F18/213 , G06F18/15 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/049 , G06F18/22
Abstract: 本发明公开了一种人员生理信号识别分析算法优化方法及系统包括，获取多模态生理信号，对获取的信号进行预处理，提取多模态信号特征并融合；利用深度学习模型与特征工程结合的方式优化特征集；通过自监督学习实现特征标注优化，基于跨时间维度的建模进行信号预测。本发明提升了生理信号识别和异常检测的准确性和鲁棒性，同时扩展了算法在不同应用场景中的适用性和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN119206806A
公开(公告)日：2024-12-27
申请号：CN202410634002.X
申请日：2024-05-21
Applicant: 广东电网有限责任公司湛江供电局
Abstract: 本发明公开了一种基于特征金字塔的人脸检测方法及装置。其中，该方法包括：获取目标人脸图像；利用人脸识别模型中的LP重叠池化层对目标人脸图像的每个区域进行特征提取，得到第一人脸特征信息；利用人脸识别模型中的自适应指数池化层对目标人脸图像的每个区域进行特征提取，得到第二人脸特征信息；将第一人脸特征信息和第二人脸特征信息进行融合，得到人脸特征融合信息；利用人脸识别模型中的卷积层对人脸特征融合信息进行特征提取，得到第三人脸特征信息；利用人脸识别模型中的预测模块对第三人脸特征信息进行处理，得到目标人脸图像对应的人脸检测结果。本发明解决了相关技术中使用的多尺度人脸检测方式，检测结果准确率较低的技术问题。
-
公开(公告)号：CN119837542A
公开(公告)日：2025-04-18
申请号：CN202411929418.0
申请日：2024-12-25
Applicant: 广东电网有限责任公司湛江供电局
IPC: A61B5/369 , A61B5/374 , A61B5/00 , G06F18/21 , G06F18/24 , G06F18/15 , G06N3/048 , G06N3/084 , G06F123/02
Abstract: 本申请涉及脑电信号处理技术领域，本申请公开了一种脑电信号预处理和特征提取方法及系统，包括获取原始脑电信号，并对原始脑电信号进行降噪处理，得到降噪处理后的脑电信号；将降噪处理后的脑电信号从时域映射到频域，并在频域上分别取出五个频段的信号；计算每个频段的信号的功率谱密度，根据功率谱密度计算每个频段的信号的微分熵特征值；至少将所有的微分熵特征值作为频域特征值输入到学习分类算法中进行训练，得到分类模型；采用分类模型对新的脑电信号样本进行分类，得到分类结果，其中，分类结果用于情绪分析，不同的类别对应不同的情绪。该方法解决了现有技术中目前的脑电信号分类的准确性和可靠性较低的问题。
-
公开(公告)号：CN119700139A
公开(公告)日：2025-03-28
申请号：CN202411802561.3
申请日：2024-12-09
Applicant: 广东电网有限责任公司湛江供电局
IPC: A61B5/372 , A61B5/369 , A61B5/00 , G06F18/15 , G06F18/2113 , G06F18/213 , G06F18/25 , G06F18/2431 , G06N3/0442 , G06F123/02
Abstract: 本发明涉及脑电信号处理技术领域，本发明公开了一种脑电信号的时域特征提取方法及系统，包括，接收脑电信号，采用自适应窗口技术对脑电信号进行动态分割；利用深度学习模型提取分割后的信号片段；应用改进的时域特征提取算法提取最终信号特征，输出特征提取结果。本方法能够使用深度学习模型iRNN来评估特征的重要性，从复杂的EEG信号中识别并选择出对分类最有贡献的特征，通过特征选择和归一化步骤，提高了EEG信号处理流程的稳定性，减少了信号在不同环境下产生的波动。
-
公开(公告)号：CN118334727A
公开(公告)日：2024-07-12
申请号：CN202410633982.1
申请日：2024-05-21
Applicant: 广东电网有限责任公司湛江供电局
IPC: G06V40/16 , G06V10/62 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0475 , G06N3/0464 , G06N3/088 , G06N3/094
Abstract: 本申请提供了一种微表情图像的生成方法和微表情图像的生成装置。该方法包括：获取初始生成器，并采用第一损失函数对初始生成器进行第一预训练，得到目标生成器；获取初始判别器，并采用第二损失函数对初始判别器进行第二预训练，得到目标判别器；至少根据第一损失函数和第二损失函数，确定第三损失函数，并采用第三损失函数对生成对抗网络进行训练，得到目标生成对抗网络，其中，生成对抗网络包括依次连接的目标生成器和目标判别器；获取历史微表情图像，将历史微表情图像输入至目标生成对抗网络中，得到目标微表情图像，历史微表情图像为当前时刻之前获取得到的微表情图像。该方法解决了现有技术中的微表情图像生成不够精确的问题。
-
公开(公告)号：CN118334661A
公开(公告)日：2024-07-12
申请号：CN202410633995.9
申请日：2024-05-21
Applicant: 广东电网有限责任公司湛江供电局
IPC: G06V20/70 , G06V40/16 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本申请提供了一种基于模型的情感标注方法、装置和面部编码情感标识系统，该方法包括：构建第一目标模型，第一目标模型包括MTCNN人脸检测模型、面部AU检测模型和残差神经网络分类器；对第一目标模型的分类层添加目标节点得到第二目标模型；获取第一训练集将第一训练集输入第一目标模型得到第一分类输出，将第一训练集和第一分类输出输入第二目标模型得到第二分类输出；计算损失值，并根据损失值优化第二目标模型直至第二目标模型对应的损失值小于或等于第一阈值得到第三目标模型；获取目标数据集并将目标数据集输入第三目标模型得到第三分类输出。该方法解决了现有模型参数多、计算复杂度高导致泛化能力差的问题。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.029 seconds)
