-
公开(公告)号：CN105678222B
公开(公告)日：2019-05-31
申请号：CN201511009411.8
申请日：2015-12-29
Applicant: 浙江大学
Abstract: 一种基于移动设备的人体行为识别方法，利用移动设备内置的多种传感器实时采集数据；对传感器获得的数据进行校正、滤波、计算生成数据和数据分割等一系列的数据预处理操作；对预处理后的数据段进行特征提取，将提取的对应特征向量输入设备位置分类模型，获得设备位置类别；根据获得的设备位置类别选择对应的行为分类模型，将提取的对应特征向量输入行为分类模型，获得最终的行为识别结果。本发明提供一种通用性良好、准确性较高的基于移动设备的人体行为识别方法。
-
公开(公告)号：CN105678222A
公开(公告)日：2016-06-15
申请号：CN201511009411.8
申请日：2015-12-29
Applicant: 浙江大学
CPC classification number: G06K9/00342 , G06K9/00496 , G06K9/6269 , G06K9/6282 , G06K9/6286
Abstract: 一种基于移动设备的人体行为识别方法，利用移动设备内置的多种传感器实时采集数据；对传感器获得的数据进行校正、滤波、计算生成数据和数据分割等一系列的数据预处理操作；对预处理后的数据段进行特征提取，将提取的对应特征向量输入设备位置分类模型，获得设备位置类别；根据获得的设备位置类别选择对应的行为分类模型，将提取的对应特征向量输入行为分类模型，获得最终的行为识别结果。本发明提供一种通用性良好、准确性较高的基于移动设备的人体行为识别方法。
-
公开(公告)号：CN104159108B
公开(公告)日：2017-08-11
申请号：CN201410391796.8
申请日：2014-08-11
Applicant: 浙江大学
IPC: H04N19/13 , H04N19/103
Abstract: 一种基于自适应预测和改进变长编码的心电信号实时无损压缩方法，所述方法包括以下步骤：1)自适应分区预测，将实时的心电波形根据其波动强度划分为不同分区，所述分区包括：a)初始区，b)R波区，c)平坦区，d)波动区；自适应地选择对于当前分区最优的线性预测方法；2)改进变长编码，采用4比特编码出现概率最高的24＝16种预测误差，其余预测误差采用12比特输出原始数据，并将编码后的数据两两打包，得到每个数据包长度固定为一、二或三个字节。以及提供一种基于自适应预测和改进变长编码的心电信号实时无损压缩装置。本发明兼有实时性、无损性和低功耗。
-
公开(公告)号：CN104159108A
公开(公告)日：2014-11-19
申请号：CN201410391796.8
申请日：2014-08-11
Applicant: 浙江大学
IPC: H04N19/13 , H04N19/103
Abstract: 一种基于自适应预测和改进变长编码的心电信号实时无损压缩方法，所述方法包括以下步骤：1)自适应分区预测，将实时的心电波形根据其波动强度划分为不同分区，所述分区包括：a)初始区，b)R波区，c)平坦区，d)波动区；自适应地选择对于当前分区最优的线性预测方法；2)改进变长编码，采用4比特编码出现概率最高的24＝16种预测误差，其余预测误差采用12比特输出原始数据，并将编码后的数据两两打包，得到每个数据包长度固定为一、二或三个字节。以及提供一种基于自适应预测和改进变长编码的心电信号实时无损压缩装置。本发明兼有实时性、无损性和低功耗。
-
-
-
Search Results
4
records
(took 0.016 seconds)
