-
公开(公告)号：CN119454030A
公开(公告)日：2025-02-18
申请号：CN202411643465.9
申请日：2024-11-15
Applicant: 中国科学院自动化研究所 , 中国科学院心理研究所
IPC: A61B5/16 , A61B5/024 , A61B5/0507 , A61B5/00 , G16H50/30
Abstract: 本公开提供了一种人格检测方法、装置、电子设备、存储介质和程序产品，该人格检测方法包括：获取目标对象的状态数据，其中，状态数据包括在对象执行检测任务的任务状态下，通过毫米波雷达进行检测得到的对象的人体心率变异性数据；使用人格检测模型，处理目标对象的状态数据，得到目标对象的预测人格信息，其中，人格检测模型通过有监督方法训练得到。该方法通过获取包括人体心率变异性数据的状态数据，能够为人格检测提供较为可靠的依据。通过使用毫米波雷达检测人体心率变异性数据，有助于保障获取的数据的真实性、准确性和可靠性。通过使用人格检测模型来处理状态数据，能够借助模型挖掘状态数据的规律，实现人格信息的可靠预测。
-
公开(公告)号：CN119302638A
公开(公告)日：2025-01-14
申请号：CN202411857945.5
申请日：2024-12-17
Applicant: 中国科学院自动化研究所
IPC: A61B5/0507 , G06V40/10 , A61B5/11 , A61B5/0205 , A61B5/024 , A61B5/08
Abstract: 本发明涉及图像处理技术领域，提供了一种基于毫米波雷达和摄像机融合的生命体征检测方法，包括：基于目标人员的人体图像进行姿态检测，得到目标人员的胸部区域，对毫米波雷达信号进行频率分析，得到距离角度热图；基于胸部区域和距离角度热图进行人体定位，得到人体位置；基于人体位置，对毫米波雷达信号进行相位提取，得到目标人员的生命体征信号，并对生命体征信号进行变分模态分解，得到目标人员的生命体征参数，克服了目前检测易受人体皮肤状态影响，检测结果不准，以及在特殊人群、连续监测和远程监测上存在局限性的缺陷，实现了非侵入式的检测，且检测结果更为准确可靠，更有益于特殊群体，并为家庭医疗和远程健康监控提供了支撑。
-
公开(公告)号：CN118409313B
公开(公告)日：2024-11-05
申请号：CN202410883532.8
申请日：2024-07-03
Applicant: 中国科学院自动化研究所
IPC: G01S13/88
Abstract: 本发明提供一种基于深度学习的雷达人体活动识别方法、装置和电子设备，属于人体活动识别技术领域，其中，方法包括：采集人体反射的多个角度的毫米波雷达回波数据；对多个角度的毫米波雷达回波数据进行处理，得到多个角度的三维数据，三维数据包括距离、时间和多普勒速度三个维度的数据；将多个角度的三维数据输入至预先构建的深度学习模型，得到深度学习模型输出的多个角度的三维数据对应的人体动作识别结果；其中，深度学习模型是基于多个角度的样本三维数据，以及多个角度的样本三维数据的人体动作识别结果标签训练得到的。本发明能够降低计算的复杂度，提高人体动作识别的准确性和效率。
-
公开(公告)号：CN118410328A
公开(公告)日：2024-07-30
申请号：CN202410843744.3
申请日：2024-06-27
Applicant: 中国科学院自动化研究所
IPC: G06F18/2134 , G06F18/213 , G06F17/16 , G01S7/41 , A61B5/0205 , A61B5/00 , A61B5/05
Abstract: 本发明涉及信号处理技术领域，提供一种基于滑动奇异谱的人体生命体征雷达信号处理方法及设备，该基于滑动奇异谱的人体生命体征雷达信号处理方法包括：获取体征振动信号，并基于滑动窗口，将所述体征振动信号切分为多个信号片段；对各个所述信号片段进行奇异谱分析，得到各个所述信号片段对应的重构子序列；确定各个所述信号片段的目标子片段，将各个所述目标子片段所对应的重构子序列进行合并处理，得到目标体征振动信号。本发明通过分割后再进行重构，提高了信号处理的效率，还保证了分析结果的准确性和可靠性，适用于长时间体征监测数据的分析。
-
公开(公告)号：CN119632536A
公开(公告)日：2025-03-18
申请号：CN202411710950.3
申请日：2024-11-27
Applicant: 中国科学院心理研究所 , 中国科学院自动化研究所
IPC: A61B5/0507 , A61B5/024 , A61B5/16 , A61B5/00 , G06F17/10
Abstract: 本发明涉及一种基于毫米波雷达的D型人格预测方法及系统，方法包括：当目标患者确诊冠心病时，利用毫米波雷达采集目标患者的人体心率变异性HRV数据，对HRV数据进行短时程频域分析，得到目标患者的频域指标参数；根据预置D型人格预测算法及频域指标参数预测目标患者是否为D型人格；若目标患者为D型人格，则对目标患者按照D型人格进行冠心病疾病预后。利用毫米波雷达实现对冠心病患者非接触式的HRV数据采集，并且对HRV数据进行短时程频域分析后，得到用于D型人格预测的频域指标参数，从而实现了D型人格的预测。相比于现有的量表评估准确率更高，能够有效改善D型人格的冠心病患者疾病预后。
-
Patent Agency Ranking
公开(公告)号：CN118592921B
公开(公告)日：2025-02-28
申请号：CN202410582641.6
申请日：2024-05-11
Applicant: 中国科学院自动化研究所
IPC: A61B5/0507 , A61B5/0205 , A61B5/00 , G16H50/30 , G16H50/70 , G06F18/25 , G06N3/0464 , G06F18/2131 , G06F123/02
Abstract: 本发明提供一种基于CNN融合特征的心率与呼吸率毫米波雷达检测方法，包括：获取目标人员实时的一维雷达信号，所述一维雷达信号是通过毫米波雷达传感器对所述目标人员进行生命体征监测得到的；基于所述一维雷达信号进行时频分析，得到二维时频信号；基于所述一维雷达信号和所述二维时频信号，对所述目标人员进行人体心率和呼吸率检测，得到所述目标人员的心率和呼吸率，克服了传统接触式检测方法存在的长期监测不便、带来不适感，以及在特定人群上应用受限的问题，通过非侵入式的监测手段实现了全面精确的人体心率和呼吸率检测，且对于老年人、慢性病患者以及需要长期康复监护的个体尤为有益，为家庭医疗和远程健康监控提供了支撑。
-
公开(公告)号：CN118557184B
公开(公告)日：2024-12-06
申请号：CN202411048467.3
申请日：2024-08-01
Applicant: 中国科学院自动化研究所
IPC: A61B5/11 , A61B5/0507 , A61B5/346 , A61B5/349 , A61B5/00 , G06F18/10 , G06F18/213 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明提供一种无接触心电图信号的获取方法及装置，涉及信号处理技术领域，方法包括：接收目标对象反射的毫米波雷达回波信号，并对所述毫米波雷达回波信号进行静态杂波削弱处理，得到所述目标对象的振动信号；对所述振动信号进行噪声滤除后，通过奇异谱分解法，提取所述振动信号中的心脏振动描记信号；通过训练好的CNN‑LSTM‑Attention混合模型对所述心脏振动描记信号进行推断分析，输出所述目标对象的心电图信号。
-
公开(公告)号：CN118557184A
公开(公告)日：2024-08-30
申请号：CN202411048467.3
申请日：2024-08-01
Applicant: 中国科学院自动化研究所
IPC: A61B5/11 , A61B5/0507 , A61B5/346 , A61B5/349 , A61B5/00 , G06F18/10 , G06F18/213 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明提供一种无接触心电图信号的获取方法及装置，涉及信号处理技术领域，方法包括：接收目标对象反射的毫米波雷达回波信号，并对所述毫米波雷达回波信号进行静态杂波削弱处理，得到所述目标对象的振动信号；对所述振动信号进行噪声滤除后，通过奇异谱分解法，提取所述振动信号中的心脏振动描记信号；通过训练好的CNN‑LSTM‑Attention混合模型对所述心脏振动描记信号进行推断分析，输出所述目标对象的心电图信号。
-
公开(公告)号：CN118409313A
公开(公告)日：2024-07-30
申请号：CN202410883532.8
申请日：2024-07-03
Applicant: 中国科学院自动化研究所
IPC: G01S13/88
Abstract: 本发明提供一种基于深度学习的雷达人体活动识别方法、装置和电子设备，属于人体活动识别技术领域，其中，方法包括：采集人体反射的多个角度的毫米波雷达回波数据；对多个角度的毫米波雷达回波数据进行处理，得到多个角度的三维数据，三维数据包括距离、时间和多普勒速度三个维度的数据；将多个角度的三维数据输入至预先构建的深度学习模型，得到深度学习模型输出的多个角度的三维数据对应的人体动作识别结果；其中，深度学习模型是基于多个角度的样本三维数据，以及多个角度的样本三维数据的人体动作识别结果标签训练得到的。本发明能够降低计算的复杂度，提高人体动作识别的准确性和效率。
-
公开(公告)号：CN118395387A
公开(公告)日：2024-07-26
申请号：CN202410834546.0
申请日：2024-06-26
Applicant: 中国科学院自动化研究所
IPC: G06F18/25 , G06F18/213 , G06V40/16
Abstract: 本发明涉及情感类型诊断技术领域，提供一种特征融合的情感识别方法、装置、电子设备及存储介质，其中方法包括：获取待检测目标的面部表情图像以及雷达原始数据；对面部表情图像进行情绪识别，确定待检测目标的面部情绪特征；对雷达原始数据进行特征提取，确定待检测目标的生理情绪特征；将生理情绪特征以及所述面部情绪特征进行拼接，并对拼接特征进行情感识别分类，确定待检测目标的情感类型。本发明提供的特征融合的情感识别方法、装置、电子设备及存储介质，通过融合视觉信号和生理信号的多模态情绪识别，有效提高了识别结果的可靠性以及识别准确率，同时两种信号互为补充，拓展了识别的场景范围。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.03 seconds)
