-
公开(公告)号:CN115631534A
公开(公告)日:2023-01-20
申请号:CN202211340728.X
申请日:2022-10-29
Applicant: 重庆大学
IPC: G06V40/20 , G06N3/0464 , G06N3/08 , G06V10/40 , G06V20/40
Abstract: 本发明提供用于人体姿态估计的特征和语义细化网络的方法,在特征和语义两个层面对预测的人体姿态进行细化。特征层面使用多个扩展率来实现不同感受野的特征对齐,与一般的下采样和上采样操作相比,减少了特征损失;然后使用注意力机制给辅助特征加权,减少错误对齐带来的损失。语义层面使用相邻热度图之间的差信息作为辅助,对特征修正后的关键热度图进行再次修正。本方法利用了特征和语义两个层面的信息特征完成预测姿态的细化,对一般的特征对齐模块进行了改进,提高了人体姿态估计的精度。
-
公开(公告)号:CN117651077A
公开(公告)日:2024-03-05
申请号:CN202311611521.6
申请日:2023-11-29
Applicant: 重庆大学
Abstract: 本发明公开一种基于BLE GATT的个人健康设备通用传感器数据结构及表示方法,该方法是按照传感器数据的属性类型设置存储传感器数据的存储顺序;并按照存储顺序将对应属性类型的值依次存储于数组中,并在数组前端设置开始字段,所述开始字段用于存储获取传感器数据的命令字段;所述数组末尾设置有表示传感器数据发送完毕的结束标志;所述结束标志是由从设备发送的一种预设特征发送的消息;该预设特征发送的消息用于表示存储传感器数据结束;采用该数据结构通能够准确定位属性在数据中的位置,从而成功实现对数据的解码。引入了这种通信规范,为非自描述数据的解码提供了一种可靠而一致的方法,确保在通信过程中数据能够被正确解释。
-
公开(公告)号:CN116092127A
公开(公告)日:2023-05-09
申请号:CN202310179132.4
申请日:2023-02-27
Applicant: 重庆大学
IPC: G06V40/10 , G06V40/20 , G06V10/80 , G06V10/74 , G06V10/82 , G06F16/583 , G06N3/0464 , G06N3/08
Abstract: 一种基于并联式特征融合网络人体动作识别的行人重识别方法,包括以下步骤:1)建立并联式特征融合网络:设置并联式特征融合网络的骨干网络,用于从输入图像中提取多尺度特征,并在该骨干网络的每一层均设置一分支网络,该分支网络用于提高本层图像语义信息的特征表达能力,并累积到骨干网络下一层的分支网络;骨干网络第一层的输出特征作为第一层分支网络的输入特征,从骨干网络第二层开始,骨干网络当前层的输出特征与上一层分支网络的输出特征融合后作为当前层分支网络的输入特征;2)利用并联式特征融合网络提取待检索行人图像的语义信息,将提取的语义信息与候选行人库中所有图像的语义信息一一对比,筛选出候选行人库中与待检索行人图像相似度最高的图像。
-
公开(公告)号:CN117639848A
公开(公告)日:2024-03-01
申请号:CN202311611526.9
申请日:2023-11-29
Applicant: 重庆大学
Abstract: 本发明公开一种基于BLE GATT的个人健康数据传输的通信系统及方法,该方法中BLE GATT仅作为通信通道,仅使用两个特征进行客户端和服务端之间的数据交换,并按照固定顺序组织数据包模板,所有个人健康设备发送到网关的数据共享第一特征,而所有网关发送到个人健康设备的命令共享第二特征,这种设计保持了通信双方在应用层的同步交互,从而实现了减少实施者对BLE特定知识的需求,简化了实施过程,节省了时间和计算资源,本发明解决了现有BLE个人健康设备规范各自独立定义、缺乏通用性以及需要大量特定GATT知识的问题,为个人健康设备之间的数据传输提供了通用且高效的解决方案,并提高了通信效率和资源利用率。
-
公开(公告)号:CN116092629A
公开(公告)日:2023-05-09
申请号:CN202211416495.7
申请日:2022-11-12
Applicant: 重庆大学
Abstract: 一种判断人体跌倒方向的方法,包括以下步骤:1)建立跌倒监测数据库;2)采集人体的实时角速度、实时加速度作为样本数据,存储在跌倒监测数据库中;3)进行特征提取,形成原始数据特征空间;4)对原始数据特征空间中所有特征向量进行数据标准化处理,得到标准数据特征空间;5)对标准数据特征空间进行降维处理,采用阈值法对降维处理后的标准数据特征空间进行处理,筛选出符合要求的样本数据,形成跌倒数据集;6)将跌倒数据集通过XGBoost模型判断人体是否处于跌倒状态,当人体处于跌倒状态时,由XGBoost模型筛选出的样本数据组成用于判断人体跌倒方向的跌倒数据子集;7)通过跌倒数据子集中各样本数据的X轴、Z轴的加速度分量判断人体的跌倒方向。
-
-
-
-