-
公开(公告)号：CN104408747B
公开(公告)日：2017-02-22
申请号：CN201410717382.X
申请日：2014-12-01
Applicant: 杭州电子科技大学
IPC: G06T7/20
Abstract: 本发明提出了一种适用于深度图像的人体运动检测方法。本发明首先将图像分成上下两层，上下两层利用不同的邻域建立背景模型。建立背景模型的同时增加了一个参考模型。其次调整图像下层算法的差值阈值的参数在接下来的视频中将各像素与背景模型比较进行像素分类。然后基于分类后的像素采用不同的更新方式更新背景模型。最后误检点消噪处理。本发明使得人体的识别率和检测率都有明显的提高。
-
公开(公告)号：CN103610461B
公开(公告)日：2016-03-02
申请号：CN201310492498.3
申请日：2013-10-17
Applicant: 杭州电子科技大学
IPC: A61B5/0476
Abstract: 本发明涉及一种基于双密度小波邻域相关阈值处理的脑电信号消噪方法。当前大都采用经典离散小波变换结合传统阈值法对脑电信号进行消噪，而已有的基于经典小波变换结合传统阈值法的消噪方法都存在不足之处。本发明首先从大脑皮层上采集脑电信号，然后用双密度小波正变换对脑电信号进行分解，得到多层的信号高频系数，根据小波系数的局部统计依赖性，运用邻域相关阈值处理算法进行收缩，最后将收缩后的小波系数进行重构得到消噪后的信号。本发明根据脑电信号特性和干扰噪声特点，以信噪比为目标函数，采用网格寻优法对邻域相关阈值处理算法中的三个可调参数进行寻优，进而有效地平滑噪声并保留EEG的细节特征。
-
公开(公告)号：CN104408747A
公开(公告)日：2015-03-11
申请号：CN201410717382.X
申请日：2014-12-01
Applicant: 杭州电子科技大学
IPC: G06T7/20
Abstract: 本发明提出了一种适用于深度图像的人体运动检测方法。本发明首先将图像分成上下两层，上下两层利用不同的邻域建立背景模型。建立背景模型的同时增加了一个参考模型。其次调整图像下层算法的差值阈值的参数在接下来的视频中将各像素与背景模型比较进行像素分类。然后基于分类后的像素采用不同的更新方式更新背景模型。最后误检点消噪处理。本发明使得人体的识别率和检测率都有明显的提高。
-
公开(公告)号：CN103417216B
公开(公告)日：2014-12-10
申请号：CN201310332509.1
申请日：2013-08-01
Applicant: 杭州电子科技大学
IPC: A61B5/103
Abstract: 本发明公开了一种基于复杂度的压力中心非线性特征提取方法。传统的压力中心（centerofpressure,COP）特征参数，无法对人体动摇的非线性特性进行有效描述。本发明是一种利用所构建的基于邻域粗粒化二维Lempel-Ziv复杂度，提取COP非线性动力学特征的方法，具体步骤为：步骤1.COP信号的获取；步骤2.基于邻域粗粒化的序列重构；步骤3.基于重构序列计算COP信号的归一化Lempel-Ziv复杂度。本发明有效地解决了如何应用Lempel-Ziv复杂度，对二维的COP信号进行处理，提取其非线性特征的问题，从而能够对人体姿态动摇的不规则程度进行定量描述。
-
公开(公告)号：CN104107042A
公开(公告)日：2014-10-22
申请号：CN201410326582.2
申请日：2014-07-10
Applicant: 杭州电子科技大学
IPC: A61B5/0488 , A61B5/11
Abstract: 本发明涉及一种基于粒子群优化-支持向量机的肌电信号步态识别方法。本发明利用粒子群优化算法，优化支持向量机的惩罚参数和核函数参数，从而优化支持向量机的性能，实现有效识别分类。首先对采集的下肢肌电信号进行小波模极大值去噪；其次对消噪后的肌电信号提取时域特征，得到特征样本；然后利用利用粒子群优化算法进行支持向量机的参数优化，得到误差最小的一组最优参数，构造分类器；最后将肌电信号特征样本集输入分类器随对步行状态进行分类识别。本发明方法兼顾分类的准确性和自适应性，计算过程简单、高效，在下肢运动状态识别领域具有广阔的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN103778414A
公开(公告)日：2014-05-07
申请号：CN201410023333.6
申请日：2014-01-17
Applicant: 杭州电子科技大学
IPC: G06K9/00
Abstract: 本发明提出了一种基于深度神经网络和邻近元分析的实时人脸识别方法。本发明首先利用多样性较好的大规模人脸库训练出一种多层神经网络，其中除最后一层外的每层为非线性层，尾层为线性层；然后利用有监督的邻近元分析的方法在混合人脸库的基础上继续训练得到的网络，使得网络对于人脸图像的理解加深，达到缩短同一个体间人脸图像距离、增大不同个体间人脸图像距离的目的，最后在实际的人脸识别阶段，本发明提出了一种“搜索半径”的概念，在确保识别率的前提下，缩短了识别所需时间，实现了实时的人脸识别。本发明的识别正确率较高，同时，本发明的识别速度较快，适合应用于实时人脸识别任务中。
-
公开(公告)号：CN103610461A
公开(公告)日：2014-03-05
申请号：CN201310492498.3
申请日：2013-10-17
Applicant: 杭州电子科技大学
IPC: A61B5/0476
Abstract: 本发明涉及一种基于双密度小波邻域相关阈值处理的脑电信号消噪方法。当前大都采用经典离散小波变换结合传统阈值法对脑电信号进行消噪，而已有的基于经典小波变换结合传统阈值法的消噪方法都存在不足之处。本发明首先从大脑皮层上采集脑电信号，然后用双密度小波正变换对脑电信号进行分解，得到多层的信号高频系数，根据小波系数的局部统计依赖性，运用邻域相关阈值处理算法进行收缩，最后将收缩后的小波系数进行重构得到消噪后的信号。本发明根据脑电信号特性和干扰噪声特点，以信噪比为目标函数，采用网格寻优法对邻域相关阈值处理算法中的三个可调参数进行寻优，进而有效地平滑噪声并保留EEG的细节特征。
-
公开(公告)号：CN103417216A
公开(公告)日：2013-12-04
申请号：CN201310332509.1
申请日：2013-08-01
Applicant: 杭州电子科技大学
IPC: A61B5/103
Abstract: 本发明公开了一种基于复杂度的压力中心非线性特征提取方法。传统的压力中心（centerofpressure,COP）特征参数，无法对人体动摇的非线性特性进行有效描述。本发明是一种利用所构建的基于邻域粗粒化二维Lempel-Ziv复杂度，提取COP非线性动力学特征的方法，具体步骤为：步骤1.COP信号的获取；步骤2.基于邻域粗粒化的序列重构；步骤3.基于重构序列计算COP信号的归一化Lempel-Ziv复杂度。本发明有效地解决了如何应用Lempel-Ziv复杂度，对二维的COP信号进行处理，提取其非线性特征的问题，从而能够对人体姿态动摇的不规则程度进行定量描述。
-
公开(公告)号：CN103349595A
公开(公告)日：2013-10-16
申请号：CN201310301467.5
申请日：2013-07-16
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种多模式分层控制的脑机接口智能轮椅，包括脑电信号采集模块、脑电信号处理模块、运动控制模块和电动轮椅。本发明从多模式分层控制的角度，采集表达控制意图的运动想象思维活动所引发的EEG信号，使体现人体运动控制意愿的想象左右手和反映选择控制行为的睁闭眼相结合，提高了控制系统的信息传输率和控制信息的可靠性。把经过放大滤波的脑电信号输入到信号处理模块进行消噪、特征提取、分类，将操纵者的运动意愿通过指令发送到控制模块，实现电动轮椅的前进、左转、右转、后退、停止、加速、减速的运动。本发明能够满足实际轮椅控制运行的需要，能够实现速度的控制，在医疗康复训练、残障人服务等方面有价值。
-
公开(公告)号：CN102930284A
公开(公告)日：2013-02-13
申请号：CN201210337353.1
申请日：2012-09-13
Applicant: 杭州电子科技大学
IPC: G06K9/62 , A61B5/0488
Abstract: 本发明涉及一种基于经验模态分解和分形的表面肌电信号模式识别方法。现有的方法大都采用单分形理论，对肌电信号仅做整体的奇异性评价，而没有研究信号的局部奇异性特征。本发明首先从相关肌肉组上采集相应的表面肌电信号，然后用经验模态分解的方法提取肌电信号的多层内在模态函数，利用多重分形分析的方法提取各层内在模态函数上的广义维数谱。最后，以各层模态函数上的广义维数谱作为模式识别的特征向量，以支持向量机为分类器实现多运动模式的分类与识别。本发明提出利用多重分形分析的方法提取各层内在模态函数上的广义维数谱作为表面肌电信号的特征，具有较好的鲁棒性，能从信噪比相对较低的肌电信号中计算出稳定的特征数据。
-
-
-
-
-
-
-
-
-
Search Results
143
records
(took 0.039 seconds)
