-
公开(公告)号：CN113143292B
公开(公告)日：2023-05-23
申请号：CN202110573839.4
申请日：2021-05-25
Applicant: 燕山大学
IPC: A61B5/369
Abstract: 本发明提供一种基于EEG和血清炎症因子分析的脑损伤标志物分析系统，其包含：脑电信号拾取模块、血清检测模块和数据处理模块，该系统按照以下方式控制：首先对脑电信号预处理，分别计算8组导联的慢波系数和近似熵的比值a，根据表达式Sump＝a1+a2+…+a8，(p＝1、2)求出慢波系数Sum1值和近似熵的Sum2值，并根据加权平均法归一化为Sum值的范围；然后抽取受试者的空腹静脉血，采用酶联免疫吸附测定法检测血清炎症因子水平，根据加权平均法求解W值的范围。上述数据用于后续医生制定检测轻微脑损伤的一种参考。
-
公开(公告)号：CN113674321B
公开(公告)日：2024-05-17
申请号：CN202110980862.5
申请日：2021-08-25
Applicant: 燕山大学
Abstract: 本发明公开了一种基于云端的监控视频下多目标跟踪的方法，属于目标识别跟踪技术领域，包括安装监控相机到指定场合；搭建云端和客户端平台；使用改进后的centernet检测模型对接收的视频帧进行目标检测；使用改进后的deepsort模型对检测到的多目标进行跟踪；在客户端对多目标跟踪输出的视频进行保存、删除以及更新。本发明从智能视频监控出发，对病房看护场景中患者进行轨迹跟踪，并对跟踪算法进行深入研究及改进，实现了高效多目标检测与跟踪监控系统。
-
公开(公告)号：CN113688740B
公开(公告)日：2024-02-27
申请号：CN202110984742.2
申请日：2021-08-26
Applicant: 燕山大学
IPC: G06V40/20 , G06V20/40 , G06V10/44 , G06V10/774 , G06V10/764 , G06V10/75 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及图像处理技术领域，具体涉及一种基于多传感器融合视觉的室内姿势检测方法，包括如下步骤：S1，搭建和训练网络模型；S2，获取实时采集的视频数据和腰带式辅助检测设备的辅助检测参数；S3，将数据输入网络模型获取检测结果，通过卡尔曼滤波器和匈牙利指派算法跟踪患者；S4，将处理之后包含box和检测结果的视频实时同步上传网络中，一旦患者出现跌倒的情况及时发送警报；本发明结合数据融合、监督学习和深度学习方法，对患者的位置、与姿势进行实时跟踪检测和通知，并可短时间内对病人下一个姿势进行预测，实现对病人的跟踪和姿势进行检测。
-
公开(公告)号：CN115857688A
公开(公告)日：2023-03-28
申请号：CN202211549340.0
申请日：2022-12-05
Applicant: 燕山大学
Abstract: 本发明公开了一种基于立体视觉加速算法的智能农机手势操作系统，属于目标检测及图像处理领域，包括安装在智能农机驾驶室内的车载摄像头、补光摄像头、机械手臂和显示屏；补光摄像头根据环境进行智能补光，以满足不同环境下的操作条件，车载摄像头则进行数据采集，并使用改进的目标跟踪算法利用显示屏通过控制机械手臂以根据手部位置调整显示屏的位置，达到随动的效果，并利用FPGA对算法进行加速；利用显示屏上的摄像头Leap Motion，进行手部信息采集以及手势分割，并确定手势向量，利用识别到的手势传递给显示屏进行分析比对来执行不同命令。本发明简化了智能农机的操作方式，能够满足在不同环境下的操作需求，提升了工作效率。
-
公开(公告)号：CN113572742A
公开(公告)日：2021-10-29
申请号：CN202110750388.7
申请日：2021-07-02
Applicant: 燕山大学
Abstract: 本发明公开了一种基于深度学习的网络入侵检测方法，该方法训练过程为：将获取的数据集输入待训练的卷积神经网络模型，通过待训练的卷积神经网络模型提取网络流量特征；再通过空间金字塔模型“卷积层+上采样层+下采样层”反复提取网络流量更丰富的特征，得到多尺度的有效特征层；最后通过逻辑回归预测网络入侵分类置信度，使用逻辑分类模型预测类别，将真实框与预测框通过误差模型计算真实框与预测框的损失误差；然后通过反向梯度进行反复迭代优化，将损失误差最小的待训练的网络入侵检测模型作为训练好的网络入侵检测模型；本发明方法进一步提高了网络入侵的检测精度和速度，提高了对未知攻击的检测能力，降低了误报率。
-
Patent Agency Ranking
公开(公告)号：CN113591093B
公开(公告)日：2023-05-16
申请号：CN202110831387.5
申请日：2021-07-22
Applicant: 燕山大学
IPC: G06F21/57 , G06N3/045 , G06N3/0455 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种基于自注意力机制的工业软件漏洞检测方法，该方法采用自注意力机制对软件漏洞进行检测，检测过程分为代码预处理过程和漏洞检测模型训练测试过程；首先获取数据库漏洞程序，提取库API函数调用和程序片段，分为5类漏洞问题构建成工业软件漏洞的漏洞库，然后对漏洞库的关键点进行切片，将切片后的程序组装成行关联代码并进行数据处理，之后将行关联代码转换成对应的向量获得特征向量，并处理成相同长度大小；将特征向量与位置编码向量相加作为漏洞检测模型的输入，然后训练D_transformer神经网络，将训练好的模型通过测试样本验证模型的检测能力。本发明方法进一步提高了检测分类精度，降低了漏报率。
-
公开(公告)号：CN113572742B
公开(公告)日：2022-05-10
申请号：CN202110750388.7
申请日：2021-07-02
Applicant: 燕山大学
Abstract: 本发明公开了一种基于深度学习的网络入侵检测方法，该方法训练过程为：将获取的数据集输入待训练的卷积神经网络模型，通过待训练的卷积神经网络模型提取网络流量特征；再通过空间金字塔模型“卷积层+上采样层+下采样层”反复提取网络流量更丰富的特征，得到多尺度的有效特征层；最后通过逻辑回归预测网络入侵分类置信度，使用逻辑分类模型预测类别，将真实框与预测框通过误差模型计算真实框与预测框的损失误差；然后通过反向梯度进行反复迭代优化，将损失误差最小的待训练的网络入侵检测模型作为训练好的网络入侵检测模型；本发明方法进一步提高了网络入侵的检测精度和速度，提高了对未知攻击的检测能力，降低了误报率。
-
公开(公告)号：CN113688736A
公开(公告)日：2021-11-23
申请号：CN202110980852.1
申请日：2021-08-25
Applicant: 燕山大学
Abstract: 本发明公开了一种对患者健康状况进行分析监测的方法，属于目标识别技术领域，构建利用病房内安装的监控摄像头和放在护理人员值班室的监控终端对患者进行健康状况检测的系统，该系统将面部表情识别、人体姿态估计和手部姿势估计结合起来，将摄像头采集到的患者的表情、姿态和手势数据进行融合，利用融合后的信息综合分析患者的健康状况；患者在病房内出现四种情况时系统需要发出警报，通知护理人员留意观察患者健康的情况，以减轻医院护理人员工作压力。本发明较全面的实现了对病房内患者健康情况的分析，从而在患者出现危险情况时，护理人员能够及时做出反应，保障了患者的生命健康，减轻了护理人员的工作压力。
-
公开(公告)号：CN113591093A
公开(公告)日：2021-11-02
申请号：CN202110831387.5
申请日：2021-07-22
Applicant: 燕山大学
Abstract: 本发明公开了一种基于自注意力机制的工业软件漏洞检测方法，该方法采用自注意力机制对软件漏洞进行检测，检测过程分为代码预处理过程和漏洞检测模型训练测试过程；首先获取数据库漏洞程序，提取库API函数调用和程序片段，分为5类漏洞问题构建成工业软件漏洞的漏洞库，然后对漏洞库的关键点进行切片，将切片后的程序组装成行关联代码并进行数据处理，之后将行关联代码转换成对应的向量获得特征向量，并处理成相同长度大小；将特征向量与位置编码向量相加作为漏洞检测模型的输入，然后训练D_transformer神经网络，将训练好的模型通过测试样本验证模型的检测能力。本发明方法进一步提高了检测分类精度，降低了漏报率。
-
公开(公告)号：CN113688736B
公开(公告)日：2024-08-02
申请号：CN202110980852.1
申请日：2021-08-25
Applicant: 燕山大学
Abstract: 本发明公开了一种对患者健康状况进行分析监测的方法，属于目标识别技术领域，构建利用病房内安装的监控摄像头和放在护理人员值班室的监控终端对患者进行健康状况检测的系统，该系统将面部表情识别、人体姿态估计和手部姿势估计结合起来，将摄像头采集到的患者的表情、姿态和手势数据进行融合，利用融合后的信息综合分析患者的健康状况；患者在病房内出现四种情况时系统需要发出警报，通知护理人员留意观察患者健康的情况，以减轻医院护理人员工作压力。本发明较全面的实现了对病房内患者健康情况的分析，从而在患者出现危险情况时，护理人员能够及时做出反应，保障了患者的生命健康，减轻了护理人员的工作压力。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.016 seconds)
