-
公开(公告)号：CN116738325A
公开(公告)日：2023-09-12
申请号：CN202311029184.X
申请日：2023-08-16
Applicant: 湖北工业大学
IPC: G06F18/241 , G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/084
Abstract: 本发明公开了一种基于DenseNet‑LSTM网络的下肢外骨骼运动模式识别方法及系统，本发明将由IMU采集到的左右髋关节、左右膝关节和左右小腿的角度数据输入DenseNet‑LSTM网络中，进行下肢外骨骼运动模式识别；DenseNet‑LSTM网络，包括通道注意力机制模块和DenseNet‑LSTM模块；本发明通过构建DenseNet模型充分利用网络各层之间的特征信息，结合LSTM捕获时间序列中的长期依赖关系，进一步减少了模型的过拟合问题。同时，还引入了注意力机制，有效解决了坡度数据特征不明显的问题。本发明实现了对平地行走（FW）、上楼梯（SA）、下楼梯（SD）、上坡（RA）和下坡（RD）五种不同的运动模式的分类识别。
-
公开(公告)号：CN118397687A
公开(公告)日：2024-07-26
申请号：CN202410355394.6
申请日：2024-03-27
Applicant: 湖北工业大学
IPC: G06V40/20 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/045
Abstract: 本发明提供了一种基于加权融合模型的下肢外骨骼人体运动模式识别方法，包括以下步骤：采集多名穿戴下肢外骨骼的受试者在不同运动模式下行走的运动特征数据后进行组合，以构建运动特征数据集；构建神经网络模型并训练；将TCN模型和GRU模型输出加权融合得到目标函数；对目标函数的权重系数优化得到AWF‑IPTGNet模型并训练后，将训练结果转换为多任务识别的概率分布，输出最终的运动模式识别结果。使用IPSO优化算法自适应调节神经网络模型中TCN模型和GRU模型的参数后，通过将TCN模型和GRU模型输出得到的均方根误差RMSE加权融合得到目标函数，可以快速自适应不同受试者的运动特点，提高模型的鲁棒性与泛化性。
-
公开(公告)号：CN114492639B
公开(公告)日：2024-07-26
申请号：CN202210095356.2
申请日：2022-01-26
Applicant: 湖北工业大学
IPC: G06F18/22 , G06N3/09 , G06F18/214
Abstract: 本发明涉及运动意图识别技术，具体涉及一种基于足底压力和曲线相似的人体运动意图识别的方法，包括对步态相位分类及自定义步态事件；根据三种步态事件的发生确定步态运动意图识别流程；在运动意图识别的过程中，核心建立三种不同的步态事件曲线相似性模型及其计算方法；利用有监督学习方式，有限训练样本和演化计算搜索曲线模板模型参数，将收集的步态数据进行标注，用于模板模型的训练和测试。该方法提出了一种新的步态相位分类，每个曲线相似模型的参数都是由训练数据所确定，代表一种模式分类的同时，也代表了一种虚拟的模板曲线及参数分布。具有识别准确率较高，且所有参数自动适应不同运动速度和体重的个体，适应性更强。
-
Patent Agency Ranking
公开(公告)号：CN116912238A
公开(公告)日：2023-10-20
申请号：CN202311159689.8
申请日：2023-09-11
Applicant: 湖北工业大学
IPC: G06T7/00 , G06T7/10 , G06T7/66 , G06V10/26 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于多维识别网络级联融合的焊缝管道识别方法及系统，属于管道识别技术领域，包括：对焊缝管道数据进行标注得到管道点云数据集；将改进的Soft‑NMS算法添加至YOLOv5网络，构建改进后的F‑Pointnet多维识别融合网络，基于管道点云数据集训练改进后的F‑Pointnet多维识别融合网络，并添加弹性网络正则化优化损失函数，得到焊缝管道识别模型；将待识别焊缝管道数据输入至焊缝管道识别模型，得到管道类型识别结果和管道尺寸识别结果。本发明提出的多维识别网络级联融合的焊缝管道识别与分割方法充分结合了深度学习和点云预处理的优势，使其不仅可以应对复杂的焊接场景，而且识别精度更高、鲁棒性更强。
-
公开(公告)号：CN119516190A
公开(公告)日：2025-02-25
申请号：CN202411514878.7
申请日：2024-10-29
Applicant: 湖北工业大学
IPC: G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于SSDCNet网络的焊缝管道识别方法及系统，属于深度学习技术领域，包括：采集焊缝管道点云数据，基于焊缝管道点云数据得到训练集和测试集；利用编解码框架的SSDC模块构建SSDCNet网络，将SSDCNet网络划分为分类网络和分割网络，得到改进的SSDCNet网络；确定预设训练参数，利用训练集训练改进的SSDCNet网络，利用测试集对改进的SSDCNet网络进行性能测试，得到焊缝管道识别模型。本发明通过设计SSDC模块，能够捕捉点云数据中的局部特征，能够有效地提取点云数据的局部特征，并在目标分类、目标部分分割和语义场景分割等任务上取得了最先进的准确性。
-
公开(公告)号：CN116912238B
公开(公告)日：2023-11-28
申请号：CN202311159689.8
申请日：2023-09-11
Applicant: 湖北工业大学
IPC: G06T7/00 , G06T7/10 , G06T7/66 , G06V10/26 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 景，而且识别精度更高、鲁棒性更强。本发明提供一种基于多维识别网络级联融合的焊缝管道识别方法及系统，属于管道识别技术领域，包括：对焊缝管道数据进行标注得到管道点云数据集；将改进的Soft‑NMS算法添加至YOLOv5网络，构建改进后的F‑Pointnet多维识别融合网络，基于管道点云数据集训练改进后的F‑Pointnet多维识别融合网络，并添加弹性网络正则化优化损失函数，得到焊缝管道识别模型；将待识别焊缝管道数据输入至焊缝管道识别模型，得到管道类型识别结果和管道尺寸识别结果。本(56)对比文件唐靓等.基于改进YOLOv5的绝缘子缺陷检测算法《.华中师范大学学报(自然科学版)》.2022,第56卷(第05期),全文.王亚东等.基于卷积神经网络的三维目标检测研究综述《.模式识别与人工智能》.2021,第34卷(第12期),全文.M. S. Mekala et al.Deep LearningInspired Object Consolidation ApproachesUsing LiDAR Data for Autonomous Driving:A Review《.Archives of ComputationalMethods in Engineering 》.2021,全文.
-
公开(公告)号：CN114492639A
公开(公告)日：2022-05-13
申请号：CN202210095356.2
申请日：2022-01-26
Applicant: 湖北工业大学
Abstract: 本发明涉及运动意图识别技术，具体涉及一种基于足底压力和曲线相似的人体运动意图识别的方法，包括对步态相位分类及自定义步态事件；根据三种步态事件的发生确定步态运动意图识别流程；在运动意图识别的过程中，核心建立三种不同的步态事件曲线相似性模型及其计算方法；利用有监督学习方式，有限训练样本和演化计算搜索曲线模板模型参数，将收集的步态数据进行标注，用于模板模型的训练和测试。该方法提出了一种新的步态相位分类，每个曲线相似模型的参数都是由训练数据所确定，代表一种模式分类的同时，也代表了一种虚拟的模板曲线及参数分布。具有识别准确率较高，且所有参数自动适应不同运动速度和体重的个体，适应性更强。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.023 seconds)
