-
公开(公告)号：CN102125429A
公开(公告)日：2011-07-20
申请号：CN201110066235.7
申请日：2011-03-18
Applicant: 上海交通大学
IPC: A61B5/0496
Abstract: 一种信号处理技术领域的基于眼电信号的警觉度检测系统，包括：信号采集系统、信号处理系统和反馈系统，信号采集系统采集眼电模拟信号并进行放大、滤波和数模转换处理后输出特征数据至信号处理系统，信号处理系统对输入的眼电信号进行特征提取并估计出警觉度状态后输出至反馈系统，反馈系统在满足警告条件时发出警报。本发明能够提供比眼部视频更全面且更准确的信息；结合慢速眼动、快速眼动、眨眼等多种从EOG中提取的特征，并且使用了支持实时的线性动力系统去噪，可及时准确地反映使用者的疲劳状态，并对超过一定程度的疲劳产生警报。
-
公开(公告)号：CN100560025C
公开(公告)日：2009-11-18
申请号：CN200710044218.7
申请日：2007-07-26
Applicant: 上海交通大学
Abstract: 一种图像处理技术领域的带有弱分类器的组合系数的人脸检测方法，步骤如下：第一步，对人脸图像进行特征提取，称为人脸图像特征向量，形成样本集合；第二步，使用样本集合构建级联检测器：对于级联检测器的每一级节点，使用提升方法选取基于特征的弱分类器构成集成分类器，并对已构成的集成分类器通过使用组合系数来提高进一步提高分类效率；第三步，最后通过上述构建的级联检测器来实现自动人脸检测。本发明方法能有效提升人脸检测效率。
-
公开(公告)号：CN1332347C
公开(公告)日：2007-08-15
申请号：CN200510029980.9
申请日：2005-09-23
Applicant: 上海交通大学
IPC: G06K9/00
Abstract: 一种基于迭代特征选择的快速人脸识别方法，用于智能信息处理技术领域。本发明步骤如下：(1)对不同人脸图像进行特征提取，称为人脸图像特征向量，形成样本集合；(2)利用训练样本来训练支持向量机；(3)根据训练好的支持向量机来计算特征排序指标；(4)按照特征排序指标的值从大到小的次序对特征进行排序，选择排在前面的特征并消除掉排在最后面的M个特征；(5)按经过选择的特征来更新训练样本，将训练数据限制在经过选择的特征上面；(6)使用更新好的训练数据来重新训练支持向量机；(7)重复迭代(3)-(6)步骤到预先设定的次数；(8)得到最终的分类器模型和经过挑选的特征。本发明可以大幅度地提高人脸识别的速度。
-
公开(公告)号：CN119538051A
公开(公告)日：2025-02-28
申请号：CN202411666575.7
申请日：2024-11-21
Applicant: 上海交通大学
IPC: G06F18/241 , G06F18/213 , G06F18/25 , G06N3/0455 , G06N3/047 , G06F18/10 , G06F18/2131
Abstract: 一种睡眠剥夺条件下多视角融合的情绪识别方法，通过在离线阶段构造并训练包含基于多视角融合Transformer网络的识别模型，在在线阶段采用训练后的识别模型对输入的信号进行多视角融合，实现实时检测。本发明通过引入多视角融合的Transformer模型，提升单一模态(EEG信号)下情感识别的准确性，减少对多模态数据的依赖，并通过改进实验设计，消除材料固定对结果的干扰，从而更准确地评估睡眠状态对情感的影响。
-
公开(公告)号：CN116671917A
公开(公告)日：2023-09-01
申请号：CN202310579764.X
申请日：2023-05-22
Applicant: 上海交通大学
Abstract: 本发明实施例提供一种情感脑电特征表示方法、系统、电子设备和存储介质。该方法包括：获取被试者观看情绪刺激素材期间的脑电信号，提取脑电信号的脑电微分熵特征；将脑电微分熵特征输入至用于情绪识别的图Transformer网络；在图Transformer网络中，通过图卷积网络单元对脑电微分熵特征建模，确定在邻接矩阵下脑电微分熵特征的空间拓扑结构，得到带有空间信息的脑电特征；通过Transformer单元对带有空间信息的脑电特征进行关于时间序列的自注意力层及层归一化处理，得到带有空间信息以及时间信息的脑电特征。本发明实施例利用Transformer结构来捕捉脑电信号的时间信息，通过避免递归和整体摄取一次长的顺序输入来降低复杂性和计算成本，得到更准确的情绪识别结果。
-
Patent Agency Ranking
-
公开(公告)号：CN116439720A
公开(公告)日：2023-07-18
申请号：CN202310416057.9
申请日：2023-04-18
Applicant: 上海交通大学
IPC: A61B5/318 , G06F18/10 , G06F18/213 , G06F18/214 , G06F18/24 , G06N3/094 , A61B3/113 , A61B5/00
Abstract: 本发明实施例提供一种基于生成对抗学习的跨模态决策信心估计方法及系统。该方法包括：采集被试者在决策过程中的脑电信号以及眼动信号；从脑电信号以及眼动信号中提取出脑电特征以及眼动特征；通过脑电特征以及眼动特征对脑电生成模型进行提取决策信心特征的第一训练，以及从决策信心特征中生成对抗学习确定眼动、脑电之间关系的第二训练；将获取的被试者的真实眼动信号输入至训练后的脑电生成模型得到预测脑电信号，基于多模态分类器对真实眼动信号以及预测脑电信号进行决策信心估计。本发明实施例利用生成对抗学习，提高了基于眼动信号的决策信心估计能力，解决了脑电信号采集过程复杂成本高的问题，保证准确的决策信心估计。
-
公开(公告)号：CN113951883A
公开(公告)日：2022-01-21
申请号：CN202111335757.2
申请日：2021-11-12
Applicant: 上海交通大学
Abstract: 一种基于长短时记忆图神经网络的脑电特征识别方法，通过从脑电数据集中提取微分熵特征，再将微分熵特征转化为表示图的特征矩阵，然后训练长短时图神经网络模型同时采集特征数据的脑部功能连接信息和时序关系，最后利用训练好的网络模型实现情绪识别。本发明通过长短时记忆图神经网络充分利用脑部功能连接信息及时序信息，实现对多个常用的、具有代表性的数据集的识别，同时分析最常见的差异表现，验证情绪相关脑电活动中的性别差异特性。
-
公开(公告)号：CN107157477B
公开(公告)日：2020-06-09
申请号：CN201710372387.7
申请日：2017-05-24
Applicant: 上海交通大学
IPC: A61B5/0476 , A61B5/16 , A61B5/00
Abstract: 一种脑电信号特征识别系统及方法，利用设置于耳部上方颞叶区的四个导电极采集不同人在不同情绪状态下的原始脑电信号并形成样本集合；然后通过预处理和特征提取，从样本集合中得到脑电特征数据；最后对脑电特征数据进行平滑处理后得到训练样本，用于对支持向量机进行训练，从而得到情绪识别分类器。本发明在大幅度降低脑电的采集成本和复杂度的前提下，仍能够保持较高的情绪识别准确率，并且为利用可穿戴设备进行情绪识别提供了可行的依据。
-
公开(公告)号：CN107157477A
公开(公告)日：2017-09-15
申请号：CN201710372387.7
申请日：2017-05-24
Applicant: 上海交通大学
IPC: A61B5/0476 , A61B5/16 , A61B5/00
Abstract: 一种脑电信号特征识别系统及方法，利用设置于耳部上方颞叶区的四个导电极采集不同人在不同情绪状态下的原始脑电信号并形成样本集合；然后通过预处理和特征提取，从样本集合中得到脑电特征数据；最后对脑电特征数据进行平滑处理后得到训练样本，用于对支持向量机进行训练，从而得到情绪识别分类器。本发明在大幅度降低脑电的采集成本和复杂度的前提下，仍能够保持较高的情绪识别准确率，并且为利用可穿戴设备进行情绪识别提供了可行的依据。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.025 seconds)
