一种基于卷积神经网络的人体姿态识别方法

    公开(公告)号:CN111723662A

    公开(公告)日:2020-09-29

    申请号:CN202010419639.9

    申请日:2020-05-18

    Abstract: 本发明公开了一种基于卷积神经网络的人体姿态识别方法,包括:移动传感器原始数据采集并打上标签、数据频率降采样和归一化处理并划分训练集和测试集、卷积神经网络训练、模型移植到安卓端进行人体姿态识别。根据卷积神经网络用于人体姿态识别方法,该实施引入了Split-Transform-Merge策略,提出了一组更小通道数的乐高卷积核,按照随机映射和循环矩阵的方法堆叠这些卷积核以此实现卷积操作,最后将生成的乐高特征图垂直合并经过全连接层送入分类器用于传感器数据的识别。本发明具有识别速度快、识别准确度高、计算量小、泛化能力强等特点,同时在智能家居、健康检测、运动追踪等方面具有十分重要的作用。

    基于循环注意力网络的人体动作识别方法及识别装置

    公开(公告)号:CN111199202A

    公开(公告)日:2020-05-26

    申请号:CN201911390481.0

    申请日:2019-12-30

    Abstract: 本发明公开了一种基于循环注意力网络的人体动作识别方法及识别装置。所述方法包括以下步骤:S1:利用多轴传感器采集人体各类动作数据;S2:将数据分割为包含多种动作类别的长时间序列段,并给序列段附上序列标签;S3:将处理后的数据输入预先构建的多层的循环注意力神经网络模型,实现特定类别动作的识别。本发明利用循环注意力算法,可以实现传感器数据的自动定位识别与切割,可大大减少传感器数据人为标注所耗费的人力物力。

    一种基于卷积和门控循环神经网络的人体姿态识别方法及系统

    公开(公告)号:CN110610158A

    公开(公告)日:2019-12-24

    申请号:CN201910869443.7

    申请日:2019-09-16

    Abstract: 本发明公开一种基于卷积和门控循环神经网络的人体姿态识别方法及系统,该方法包括:(1)采集传感器数据,并记录对应的动作类别;(2)对传感器数据进行预处理,将数据分为训练样本和测试样本两类;(3)采用训练样本训练卷积和门控循环神经网络模型,并根据需求不断调整模型参数;(4)将训练完成的卷积和门控循环神经网络模型移植到移动智能终端上;(5)利用移动智能终端上实时采集的传感器数据,进行预处理后,输入到训练完成的卷积和门控循环神经网络模型,得到人体姿态识别结果。本发明利用人工智能-卷积和门控循环神经网络识别方法,识别精度高,识别类型多;相比于视频或者图像识别的方法,可以有效的保护用户隐私。

    一种基于多分支稀疏大核卷积网络的人体行为识别方法

    公开(公告)号:CN118312876A

    公开(公告)日:2024-07-09

    申请号:CN202410529817.1

    申请日:2024-04-29

    Abstract: 本发明公开了一种基于多分支稀疏大核卷积网络的人体行为识别方法,包括:对数据集进行预处理;将预处理后的数据集划分为训练集、验证集和测试集;基于多分支和动态稀疏搭建网络模型;将划分后的数据输入到网络模型中进行迭代训练,获得最高分类准确率的模型权重并保存;将训练好的网络模型作为识别模型,获得人体行为识别结果。本发明通过多分支结构、稀疏模型的建立、动态稀疏等技术手段的应用,构建了SLK‑Net模型作为识别模型,在扩大感受野的同时又不限制处理大范围传感器信号的能力,能够在不明显增加推理时间的情况下,有效提高对于人体行为的识别精度。

    一种机械臂系统的自适应容错抗干扰的控制方法

    公开(公告)号:CN110524540A

    公开(公告)日:2019-12-03

    申请号:CN201910802060.8

    申请日:2019-08-28

    Abstract: 本发明公开了一种机械臂系统的自适应容错抗干扰的控制方法;包括以下步骤:步骤1,建立一种较机械臂系统更一般的具有未知参数和不匹配扰动的非线性系统;步骤2,针对未知的不匹配扰动,设计了一个扰动观测器;步骤3,针对非线性系统,并根据扰动观测器估计的扰动以及机械臂的执行器发生的故障,设计自适应控制器,并对自适应控制器进行稳定性分析。本发明通过引入功率积分器技术,提出了一种新的自适应控制方案;针对执行器卡住等不确定执行器故障,提出了一种新的容错控制方法;并且本发明所设计的自适应控制器可以保证闭环系统的输入到状态稳定。

    基于1-范数数据处理变换和卷积神经网络的肢体识别方法

    公开(公告)号:CN109740651A

    公开(公告)日:2019-05-10

    申请号:CN201811581807.3

    申请日:2018-12-24

    Abstract: 本发明公开了一种基于1-范数数据处理变换和卷积神经网络的肢体识别方法,包括如下步骤:步骤1,通过移动传感器采集三轴加速度数据,并对每种活动类型打上相应标签;步骤2,对采集到的数据进行1-范数处理,并划分训练集和测试集样本;步骤3,对上述处理过的数据进行卷积神经网络的训练,得到最合适权值和偏执值,整理后生成.pb文件;步骤4,将文件出入移动智能终端,得到准确的人体肢体动作检测效果。本发明识别速度快,识别准确度高。只要采集的数据数量和类型足够,可以将能够分类的动作类别扩展到更多;在公路监控、人体姿态识别等方面具有重要实际应用意义。

    多类别人体动作识别方法及识别系统

    公开(公告)号:CN109685148A

    公开(公告)日:2019-04-26

    申请号:CN201811617723.0

    申请日:2018-12-28

    CPC classification number: G06K9/627 G06K9/6256

    Abstract: 本发明公开了一种多类别人体动作识别方法,包括以下步骤:S1:采集各类别人体动作数据,并附上动作类别标签;S2:采用相邻算法对S1中的数据进行处理,并将数据分为训练样本和测试样本;S3:建立多层的卷积神经网络模型,导入训练样本调节卷积神经网络模型参数,得到最优卷积神经网络模型;S4:将训练好的卷积神经网络模型移植到移动智能终端上;S5:通过利用移动智能终端获取人体动作数据,输入到训练好的卷积神经网络模型,得到人体动作识别结果。此种方法识别精度高,能够识别的动作类型多。

    基于随机共振原理的置位复位锁存器及其设计方法

    公开(公告)号:CN108988827A

    公开(公告)日:2018-12-11

    申请号:CN201810659148.4

    申请日:2018-06-25

    Inventor: 张雷 闵富红

    Abstract: 本发明公开了一种基于随机共振原理的置位复位锁存器及其设计方法,其中,置位复位锁存器包括置位信号编码器、复位信号编码器、第一加法器、高斯噪声发生器、第二加法器、正反馈施密特触发器和输出编码器,其中,置位信号输入端连接置位信号编码器的输入端,复位信号输入端连接复位信号编码器的输入端,置位信号编码器和复位信号编码器的输出端分别连接第一加法器的输入端,加法器的输出端和高斯噪声发生器的输出端分别连接第二加法器的输入端,第二加法器的输出端连接正反馈施密特触发器中运算放大器的反相输入端,正反馈施密特触发器的输出端连接输出编码器的输入端,输出编码器的输出端连接置位复位锁存器电路的输出端。本发明重构性强。

Patent Agency Ranking