-
公开(公告)号：CN116584947A
公开(公告)日：2023-08-15
申请号：CN202310345215.6
申请日：2023-04-03
Applicant: 华南理工大学
IPC: A61B5/18 , A61B5/372 , A61B5/00 , G06F18/2411 , G06F18/10 , G06F18/213 , G06N3/0895
Abstract: 本发明属于脑电信号处理领域，为基于CEEMDAN的脑电多尺度模糊熵特征的疲劳驾驶分类方法及系统。其方法包括：采集脑电数据，并对部分数据进行标注；对脑电信号进行预处理，去除脑电信号中的伪影干扰；对预处理后的脑电信号进行特征提取，构建并训练SVM分类器，利用训练好的SVM分类器对未标记数据进行分类，获得伪标记数据；对伪标记数据和事先获得的已标记数据均进行CEEMDAN处理以及尺度变换处理，获得基于CEEMDAN的脑电多尺度模糊熵特征，建立疲劳状态分类模型，对脑电信号进行疲劳状态分类。本发明采集方法简单，更适合应用于智能驾驶系统，并且具有较高的疲劳状态识别率。
-
公开(公告)号：CN112766035B
公开(公告)日：2023-06-23
申请号：CN202011388004.3
申请日：2020-12-01
Applicant: 华南理工大学
Abstract: 本发明涉及一种面向公交车的乘客对司机的暴力行为识别系统和方法，其系统包括处理器模块、视频采集模块以及语音采集模块；处理器模块包括视频语音数据采集模型、视频流识别模型、语音流识别模型和决策融合模型；处理器模块分别与视频采集模块和语音采集模块连接。本发明面向公交车的乘客对司机的暴力行为识别系统，利用视频和语音对场景进行多模态识别，增加了对场景识别的准确性。
-
公开(公告)号：CN114544708A
公开(公告)日：2022-05-27
申请号：CN202210051699.9
申请日：2022-01-17
Applicant: 华南理工大学
IPC: G01N27/02
Abstract: 本发明公开了一种基于FPGA的深度学习端对端式电阻抗成像系统及新型成像评价方法，系统以FPGA为核心板，在FPGA移植微处理器内核，实现数据采集模块、深度学习算法模块以及成像显示模块。所述数据采集模块用于注入激励电流和采集电压数据并对电压数据进行降噪处理；所述深度学习模块用于处理采集的电压数据，将其还原成重建图像。本发明采用FPGA作为主控，发挥其并行计算的优势，加速深度学习算法模块实现；引入微处理器提高所述电阻抗成像系统的运行效率；深度学习算法模块解决传统算法成像精度不高的问题，降低逆问题的不适定性。新型评价方法解决常用的ICC评价方法无法准确评价原始图像与重建图像位置准确度的缺点。
-
公开(公告)号：CN110533074B
公开(公告)日：2022-03-29
申请号：CN201910694450.8
申请日：2019-07-30
Applicant: 华南理工大学
IPC: G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于双深度神经网络的图片类别自动标注方法及系统，所述方法包括：S1、准备已经标注完成的图片及需要进行自动标注的未标注图片，将已经标注完成的图片分为分别用于训练分类网络和判别网络的两部分图片；S2、搭建包含分类网络和判别网络的双深度神经网络模型；S3、使用已经标注完成的图片训练双深度神经网络模型；S4、使用已训练的双深度神经网络模型对未标注图片的类别进行预测；S5、对未标注图片的预测结果进行处理并选择开启下一次迭代或者结束自动标注。本发明基于双深度神经网络模型，通过判别模型对分类模型的输出进一步优化，实现了低成本、高质量的数据标注，具有广阔的应用前景。
-
公开(公告)号：CN113749630A
公开(公告)日：2021-12-07
申请号：CN202111086954.5
申请日：2021-09-16
Applicant: 华南理工大学 , 深圳市爱都科技有限公司
Abstract: 本发明涉及可穿戴设备领域，为一种基于ECG信号和PPG信号的血压监测系统和方法,包括生理信号采集模块、数据传输模块、数据预处理模块、特征提取模块、异常值检测模块、特征选择模块、血压回归预测模块；通过部署在智能手表的生理信号采集模块，同步采集佩戴者的ECG信号和PPG信号，数据预处理模块对生理信号数据进行预处理，特征提取模块提取ECG信号和PPG信号的特征，数据异常值检测模块根据提取的生理信号特征进行异常值检测并剔除相关样本，特征选择模块选择出与血压相关的生理信号特征，血压回归预测模块对提取的生理信号特征进行血压预测，使血压预测模型更加适配于每个用户。本发明提高了血压监测设备的便携性的同时也能确保血压监测的精度。
-
Patent Agency Ranking
公开(公告)号：CN110223245B
公开(公告)日：2021-07-16
申请号：CN201910405703.5
申请日：2019-05-16
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于深度神经网络的模糊图片清晰化处理方法及系统，所述方法包括以下步骤：通过模糊算法将原图像P进行模糊化处理得到图像将原图像P与模糊化处理后的图像作为训练数据训练BiCycleGAN网络；实际应用时，将需要处理的模糊图像传输到服务器，服务器接收到该模糊图像数据后，调用训练好的BiCycleGAN网络进行清晰化处理并将处理结果返回。所述方法解决了由于硬件或者图像内容本身造成的模糊问题，并且利用了深度神经网络来解决这一问题，拓展了解决图像模糊的处理方式。
-
公开(公告)号：CN113011590A
公开(公告)日：2021-06-22
申请号：CN202110285311.7
申请日：2021-03-17
Applicant: 华南理工大学
Abstract: 本发明涉及基于微电流刺激的跨被试虚拟力评估系统，包括：虚拟现实交互模块，输出基于交互事件触发的虚拟现实场景，传输至被试者所戴的VR眼镜；电刺激交互电流仿真子系统，用于实现不同的电刺激模式，将电刺激电流数据传输至跨被试的功能性电刺激电流的力反馈评估模型；测力计模块，用于捕获力反馈数据，并传输至跨被试的功能性电刺激电流的力反馈评估模型；电刺激电流的力反馈评估模型，用于评估力反馈大小。本发明采用的跨被试微电流刺激模式将不同受试者的原始生理特征输入模型，当给予不同功能性电刺激电流时，通过机器学习方法评估匹配的力反馈输出大小，结合虚拟现实的场景，增强沉浸感和真实感。
-
公开(公告)号：CN113011504A
公开(公告)日：2021-06-22
申请号：CN202110306180.6
申请日：2021-03-23
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于视角权重和特征融合的虚拟现实场景情感识别方法，包括：对待识别虚拟现实场景进行预处理；使用已训练好的卷积神经网络提取待识别虚拟现实场景的深度情感特征，对深度情感特征赋予视角权重后，得到加权深度情感特征；提取待识别虚拟现实场景中关联情感的手工情感特征，手工情感特征包含颜色特征、纹理特征和形状特征；将加权深度情感特征和手工情感特征依次进行归一化、特征融合；将融合后的特征输入分类器进行情感分类，分类器输出待识别虚拟现实场景的情感识别结果。本发明方法针对虚拟现实场景视觉显示特点，加入各视角区域对情感的贡献度，同时融合关联情感的多个手工特征，提升虚拟现实场景情感识别的准确率。
-
公开(公告)号：CN112998711A
公开(公告)日：2021-06-22
申请号：CN202110288494.8
申请日：2021-03-18
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于可穿戴装置的情绪识别系统及方法，该系统包括：皮电心电一体化传感装置和终端处理器；皮电心电一体化传感装置用于同时采集心电信号、皮电信号，将心电信号、皮电信号通过无线传输模块发送至终端处理器，终端处理器用于根据心电信号、皮电信号进行情绪识别得到情绪标识；该皮电心电一体化传感装置，包括：用于获取采集信号的带状采集器，用于传输采集信号的无线传输模块；带状采集器通过共用正极、参考电极对心电信号和皮电信号进行采集。本发明把心电信号、皮电信号采集所用电极一体化集成在腕带结构中，在不增加腕带复杂度的情况下同时获得人体的心电信号、皮电信号，增加了日常可穿戴性及便捷性。
-
公开(公告)号：CN110123318B
公开(公告)日：2021-03-30
申请号：CN201910311345.1
申请日：2019-04-18
Applicant: 华南理工大学
Abstract: 本发明涉及一种基于眼电信号监测眼球位置坐标的方法，该方法对眼电信号分析并提取眼动信号，通过分析眼动信号判断眼球的状态，进而确定眼球位置坐标，在计算出眼球位置坐标后，根据眼球实时状态与放射性程度分布情况进行对比，给出视觉损伤反馈。该方法不需要直接在眼球上安装设备，而是在眼睛的周围外侧贴放电极。通过进一步研究眼电位与眼球运动的关系，提取出相应的特征，从而能够利用眼电位EOG很好地判断眼球转动的角度和方向，对眼球进行精确定位。能够广泛使用于医疗中眼部放疗时检测眼球位置，防止出现放射治疗射野临近甚至累及视觉器官等重要功能器官。
-
-
-
-
-
-
-
-
-
Search Results
147
records
(took 0.029 seconds)
