-
公开(公告)号：CN113642432B
公开(公告)日：2024-09-24
申请号：CN202110869054.1
申请日：2021-07-30
Applicant: 南京师范大学
IPC: G06V40/20 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于协方差矩阵变换的卷积神经网络用于人体姿态识别方法，涉及人工智能的应用领域，该方法包括利用智能手机采集关于人体姿态的传感器时间序列，并且对原始数据进行归一化，滑窗等操作切分数据集并固定动作属性标签，然后利用协方差矩阵变换搭建卷积神经网络系统，利用协方差矩阵的逆变换来消除数据的相关性，在每层卷积之前均加入协方差操作可以避免数据的相关性，用训练数据集来训练网络参数，测试数据集来验证网络精度，最后固化网络模型生成pb文件通过Android studio迁移到android客户端，可以使移动设备利用自带的加速度计和陀螺仪来识别用户当前所处状态。
-
公开(公告)号：CN111860188A
公开(公告)日：2020-10-30
申请号：CN202010588253.0
申请日：2020-06-24
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于时间和通道双注意力的人体姿态识别方法，包括：利用移动设备的内置传感器采集各类人体动作的原始数据，并附上动作的属性标签、利用滑窗和归一化处理并切分为训练样本集和测试样本集、建立基于时间和通道双注意力的深度卷积神经网络模型，导入训练样本和测试样本进行训练和最优化调节，得到人体动作的识别结果。本发明由于通道注意力和时序注意力的叠加作用，可以在经过大量粗粒度的训练数据训练后准确定位到目标动作发生的类别和发生时间，大大降低了人工标注训练数据的繁琐性，在体育，互动游戏，医疗保健和通用监视系统等方面具有十分重要的作用。
-
公开(公告)号：CN111753683A
公开(公告)日：2020-10-09
申请号：CN202010528771.3
申请日：2020-06-11
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于多专家卷积神经网络的人体姿态识别方法。该实施引入了多专家卷积核策略，首先是对输入样本利用路由函数产生路由权重，然后再和多个专家卷积核进行相乘。这样就完成了在卷积操作之前将输入样本映射给各个专家，然后线性结合过的各专家将再次对原样本进行卷积，经过多层训练后，各专家将特征图送入分类层用于各动作数据的识别。大多数路由权重集中在0和1附近，所以整个网络可以看成是一个稀疏矩阵，即当样本输入时，仅需激活网络的一小部分即可实现精准识别。本发明具有识别精准、瞬时响应、可移植能力强等特点，在运动检测，人机交互和健康监视等方面作用显著。
-
Patent Agency Ranking
公开(公告)号：CN111178288A
公开(公告)日：2020-05-19
申请号：CN201911411314.X
申请日：2019-12-31
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于局部误差逐层训练的人体姿态识别方法和装置，所述方法包括：S1、获取人体姿态数据，进行降噪、归一化处理；S2、将处理后数据送入卷积神经网络模型进行逐层训练，对人体姿态进行分类识别，当识别结果符合准确率要求时，输出模型；S3、利用训练好的模型对待识别的人体姿态数据进行分类识别。本发明摆脱了传统卷积神经网络依赖全局误差及反向传播更新网络参数，通过在每层神经网络中构建代价函数，实现逐层反向传播、层层优化、分批更新权重参数。通过避免保存全局梯度流参数实现节省计算机资源，并极大加快训练周期，提高了可穿戴传感器识别精度，在运动辅助、智能家居、医疗康复、虚拟运动场景等领域具有重要应用意义。
-
公开(公告)号：CN109726662A
公开(公告)日：2019-05-07
申请号：CN201811581051.2
申请日：2018-12-24
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于卷积和循环组合神经网络的多类别人体姿态识别方法，包括：步骤1，采集移动智能终端设备的加速度计和陀螺仪数据，记录对应的动作类别；步骤2，对加速度计和陀螺仪数据进行预处理，将数据分为训练样本和测试样本；步骤3，采用训练样本训练卷积和循环组合神经网络，再采用测试样本测试其准确率，并根据需求不断调整；步骤4，将训练完成的卷积和循环组合神经网络模型移植到移动智能终端上；步骤5，利用移动智能终端采集加速度计和陀螺仪数据，预处理后输入到训练好的卷积和循环组合神经网络模型，得到人体姿态识别结果。本发明识别精度高，识别类型多，可有效保护用户隐私；可应用于常用的智能电子设备，有较强的移植性。
-
公开(公告)号：CN109711324A
公开(公告)日：2019-05-03
申请号：CN201811585913.9
申请日：2018-12-24
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于傅里叶变换和卷积神经网络的人体姿态识别系统，包括以下步骤：1、收集九轴陀螺仪和加速度计的数据集；2.对收集的数据进行预处理，并且按照一定的比例把数据分成测试集和训练集；3.将训练集和测试集送入卷积神经网络进行训练，网络自发完善自身的参数；4.将训练好的网络移植到终端上。在实际过程中，手机自带的陀螺仪加速度计采集到的数据可以输入到已经训练好的网络中，实现对当前行为的姿态识别。本发明有效的提高了数据的辨识度；识别精度高，识别类型多；识别方法识别的动作数量具有可扩展性，且扩展操作简单，易于开发人员操作；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。
-
公开(公告)号：CN108062170A
公开(公告)日：2018-05-22
申请号：CN201711346910.5
申请日：2017-12-15
Applicant: 南京师范大学
IPC: G06F3/0346 , G06F3/01 , G06N3/04
Abstract: 本发明公开一种基于卷积神经网络和智能终端的多类别人体姿态识别方法，包括如下步骤：步骤1，采集移动智能终端设备的三轴加速度传感器数据，并记录对应的动作类别；步骤2，对三轴加速度传感器数据进行预处理后，将数据分为两类，一类是训练样本，一类是测试样本；步骤3，用训练样本训练卷积神经网络，并用测试样本测试其准确率并根据需求不断调整；步骤4，将训练好的卷积神经网络模型移植到移动智能终端上；步骤5，利用移动智能终端采集三轴加速度传感器数据，进行预处理后，输入到训练好的卷积神经网络模型，得到人体姿态识别结果。此种方法识别精度高，能够识别的类型多。
-
公开(公告)号：CN105717518A
公开(公告)日：2016-06-29
申请号：CN201610055936.3
申请日：2016-01-27
Applicant: 南京师范大学
IPC: G01S19/21
CPC classification number: G01S19/215
Abstract: 本发明公开了一种基于码相位辨识的卫星接收机欺骗信号检测方法，包括以下步骤：步骤S1，在卫星接收机重新捕获及跟踪信号时，基于码相位辨识的卫星接收机欺骗信号检测，利用卫星接收机基带信号处理过程中伪码解扩的相关峰值结果，进行欺骗信号检测；步骤S2，如未检测出欺骗信号，则利用航迹推算方法获得的载体运动状态，及由星历参数获得的卫星运动状态信息，进一步对重新捕获及跟踪信号进行码相位辨识处理，即对卫星接收机解扩的伪码相位参数进行真假辨识；步骤S3，在检测出接收机解扩解调信号含有欺骗信号以后，对欺骗信号进行报警与隔离处理，从而增强卫星接收机的抗欺骗干扰能力。
-
-
-
-
-
-
-
Search Results
28
records
(took 0.026 seconds)
