-
公开(公告)号：CN115553777A
公开(公告)日：2023-01-03
申请号：CN202211362642.7
申请日：2022-11-02
Applicant: 济南大学
IPC: A61B5/16 , A61B5/024 , A61B5/00 , G06N3/04 , G06N3/08 , G06V10/25 , G06V10/82 , G06V20/40 , G06V40/16
Abstract: 本发明公开了一种非接触式精神压力检测方法及系统，该方法包括：对获取的原始视频帧图像进行预处理，识别视频帧图像中人脸面部区域，提取感兴趣区域图像；采用基于不同颜色空间互补特性的CHROM算法对获取的感兴趣区域图像进行BVP信号提取；利用基于梯度提升回归的多输出回归模型对提取的BVP信号进行信号恢复；基于恢复的BVP信号，分别进行基于时空特征图的心率预测和HRV特征提取；利用预测的心率和HRV特征训练压力检测模型，通过训练完成的检测模型实现对视频帧图像中待测人员的精神压力检测。本发明通过BVP信号恢复去除噪声，以及融合心率变异性特征与心率特征，实现精神压力检测准确性的提高。
-
公开(公告)号：CN117792672A
公开(公告)日：2024-03-29
申请号：CN202311515140.8
申请日：2023-11-14
Applicant: 济南大学
IPC: H04L9/40
Abstract: 本发明公开了基于网络流图和深度聚类的僵尸网络流量检测方法及系统，基于原始网络流图和增强后的网络流图，对图神经网络进行第一次训练，得到第一次训练后的图神经网络；基于不同的原始网络流图，对第一次训练后的图神经网络进行第二次训练，得到第二次训练后的图神经网络；基于所有的原始网络流图，对第二次训练后的图神经网络进行第三次训练，得到第三次训练后的图神经网络；获取待检测网络流量，将待检测网络流量表示为待检测网络流图；将待检测网络流图和已知属性的若干个原始网络流图，输入到第三次训练后的图神经网络，利用第三次训练后的图神经网络对所有网络流图进行聚类；将待检测网络流图所归属的类簇属性作为待检测网络流图的属性。
-
公开(公告)号：CN115281675A
公开(公告)日：2022-11-04
申请号：CN202211027919.0
申请日：2022-08-25
Applicant: 济南大学 , 山东思正信息科技有限公司 , 中国人民解放军联勤保障部队第九六〇医院
IPC: A61B5/16 , A61B5/0205
Abstract: 本发明涉及心理测评技术领域，尤其涉及一种用于心理测评的作答手柄、心理测评系统及使用方法。用于心理测评的作答手柄，用于与显示器配合使用，作答手柄包括手柄主体，所述手柄主体顶面设置手柄按键，手柄主体侧面设置红外摄像头，手柄主体内设置有无线连接模块；所述无线连接模块用于连接显示器，手柄按键用于选择功能及作答题目，红外摄像头用于监测测试者作答题目时的生理信息，所述生理信息为手内动脉血管的波动。解决了准备过程繁琐使测试者产生紧张和抵触情绪，以及评估过程中测试者采用固定姿势影响作答情绪，从而影响心理测评估准确性的问题。
-
公开(公告)号：CN115553777B
公开(公告)日：2024-08-06
申请号：CN202211362642.7
申请日：2022-11-02
Applicant: 济南大学
IPC: A61B5/16 , A61B5/024 , A61B5/00 , G06N3/0464 , G06N3/09 , G06V10/25 , G06V10/82 , G06V20/40 , G06V40/16
Abstract: 本发明公开了一种非接触式精神压力检测方法及系统，该方法包括：对获取的原始视频帧图像进行预处理，识别视频帧图像中人脸面部区域，提取感兴趣区域图像；采用基于不同颜色空间互补特性的CHROM算法对获取的感兴趣区域图像进行BVP信号提取；利用基于梯度提升回归的多输出回归模型对提取的BVP信号进行信号恢复；基于恢复的BVP信号，分别进行基于时空特征图的心率预测和HRV特征提取；利用预测的心率和HRV特征训练压力检测模型，通过训练完成的检测模型实现对视频帧图像中待测人员的精神压力检测。本发明通过BVP信号恢复去除噪声，以及融合心率变异性特征与心率特征，实现精神压力检测准确性的提高。
-
公开(公告)号：CN117978512A
公开(公告)日：2024-05-03
申请号：CN202410193241.6
申请日：2024-02-21
Applicant: 济南大学
IPC: H04L9/40 , G06N3/08 , G06F18/214
Abstract: 本发明公开了基于课程学习的网络流量检测方法、系统、设备及介质，包括：构造深度学习模型，构造训练集，初始化状态转移矩阵；采用训练集以及初始化的状态转移矩阵，对深度学习模型进行初步训练，得到初步训练后的深度学习模型；生成多个网络环境；评估初步训练后的深度学习模型，在不同网络环境中的表现，找出最困难的网络环境；根据最困难的网络环境参数，对状态转移矩阵进行更新，得到新的状态转移矩阵；根据新的状态转移矩阵，对初步训练后的深度学习模型进行重新训练，直至模型收敛，得到最终训练后的深度学习模型；重复上述过程，直至模型在多个网络环境中的性能均符合设定条件；基于最后得到的深度学习模型，实现网络流量的检测。
-
Patent Agency Ranking
公开(公告)号：CN115664841A
公开(公告)日：2023-01-31
申请号：CN202211422658.2
申请日：2022-11-14
Applicant: 济南大学 , 山东麟云信息科技有限公司
Abstract: 本发明涉及数据采集技术领域，公开了具有网络隔离与单向加密传输功能的数据采集系统及方法，包括：部署于硬件采集装置上的用户配置模块、采集任务调度模块、数据采集模块、网络隔离模块、数据加密模块和数据发送模块，以及部署于发送目标端的数据解密模块；硬件采集装置包括采集接口、发送接口以及控制接口；数据采集模块通过采集接口从局域网内采集内网数据；网络隔离模块使采集接口与发送接口不同时处于开启状态；加密模块计算得到加密数据；数据解密模块用于解包出采集数据。不仅减少了攻击面，而且保证了采集数据的完整性与可靠性。
-
公开(公告)号：CN115664841B
公开(公告)日：2024-10-18
申请号：CN202211422658.2
申请日：2022-11-14
Applicant: 济南大学 , 山东麟云信息科技有限公司
Abstract: 本发明涉及数据采集技术领域，公开了具有网络隔离与单向加密传输功能的数据采集系统及方法，包括：部署于硬件采集装置上的用户配置模块、采集任务调度模块、数据采集模块、网络隔离模块、数据加密模块和数据发送模块，以及部署于发送目标端的数据解密模块；硬件采集装置包括采集接口、发送接口以及控制接口；数据采集模块通过采集接口从局域网内采集内网数据；网络隔离模块使采集接口与发送接口不同时处于开启状态；加密模块计算得到加密数据；数据解密模块用于解包出采集数据。不仅减少了攻击面，而且保证了采集数据的完整性与可靠性。
-
公开(公告)号：CN115553745B
公开(公告)日：2024-07-09
申请号：CN202211362076.X
申请日：2022-11-02
Applicant: 济南大学
IPC: A61B5/0205 , A61B5/00 , G06N5/01 , G06N20/20
Abstract: 本发明公开了一种基于机器学习的血液容积脉搏波信号增强方法及系统，该方法包括：获取血液容积脉搏波信号及其对应的真实光电容积描记信号；对获取的信号进行信号预处理，获取信号的多个周期单元信号；构建基于梯度提升回归的多输出回归模型，以血液容积脉搏波信号的多个周期单元信号及其对应的真实光电容积描记信号的多个周期单元信号为训练样本集，训练所述多输出回归模型；将原始血液容积脉搏波信号输入训练完成的多输出回归模型，输出增强后的血液容积脉搏波信号。本发明通过借助机器学习方法搭建信号增强模型，能够增强输出信号的质量，提高信号增强的鲁棒性，同时可以有效提高心率、呼吸率等生理指标检测的准确性。
-
公开(公告)号：CN115553745A
公开(公告)日：2023-01-03
申请号：CN202211362076.X
申请日：2022-11-02
Applicant: 济南大学
IPC: A61B5/0205 , A61B5/00 , G06N5/00 , G06N20/20
Abstract: 本发明公开了一种基于机器学习的血液容积脉搏波信号增强方法及系统，该方法包括：获取血液容积脉搏波信号及其对应的真实光电容积描记信号；对获取的信号进行信号预处理，获取信号的多个周期单元信号；构建基于梯度提升回归的多输出回归模型，以血液容积脉搏波信号的多个周期单元信号及其对应的真实光电容积描记信号的多个周期单元信号为训练样本集，训练所述多输出回归模型；将原始血液容积脉搏波信号输入训练完成的多输出回归模型，输出增强后的血液容积脉搏波信号。本发明通过借助机器学习方法搭建信号增强模型，能够增强输出信号的质量，提高信号增强的鲁棒性，同时可以有效提高心率、呼吸率等生理指标检测的准确性。
-
公开(公告)号：CN118570855A
公开(公告)日：2024-08-30
申请号：CN202410647436.3
申请日：2024-05-23
Applicant: 济南大学
Abstract: 本发明公开了基于信息瓶颈和深度学习的微表情识别方法及系统，其中方法，包括：提取微表情视频序列的起点帧和顶点帧；对起点帧和顶点帧进行预处理，对预处理后的起点帧和顶点帧分别提取垂直特征图、水平特征图和光学应变特征图；将起点帧和顶点帧的垂直特征图、水平特征图和光学应变特征图，均输入到训练后的微表情识别模型中，输出微表情识别结果；其中，训练后的微表情识别模型，分别对起点帧和顶点帧的垂直特征图、水平特征图和光学应变特征图进行特征提取和第一次特征压缩，将第一次压缩后的特征进行融合得到融合特征，再对融合特征进行第二次特征压缩，对第二次特征压缩后的特征进行数据展平和分类，得到微表情识别标签。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.024 seconds)
