-
公开(公告)号：CN117582227B
公开(公告)日：2024-04-30
申请号：CN202410069422.8
申请日：2024-01-18
Applicant: 华南理工大学
IPC: A61B5/16 , A61B5/1455 , A61B5/00 , G06F18/2431 , G06N3/0464 , G06F18/214
Abstract: 本发明涉及情绪识别领域，为基于概率分布标签和脑区特征的fNIRS情绪识别方法及系统，其方法包括：构建情绪诱发数据集，采集受试者不同脑区的近红外数据，获取受试者的主观情绪评分；将不同脑区的近红外数据转化为多通道△HbO2数据，将主观情绪评分映射为情绪类别标签和情绪概率分布标签；将多通道△HbO2数据分脑区通过时序卷积模型得到不同脑区特征向量，结合自注意力机制融合不同脑区特征向量，构建初始情绪识别模型；设计结合情绪概率分布标签和情绪类别标签的联合损失函数，对初始情绪识别模型进行训练，获得训练后的情绪识别模型，用于输出情绪识别分类结果。本发明能反应实场景中个体所产生的多元性和复杂性的情绪变化。
-
公开(公告)号：CN115078471A
公开(公告)日：2022-09-20
申请号：CN202210778124.7
申请日：2022-06-29
Applicant: 华南理工大学
Abstract: 本发明涉及电阻抗成像领域，为湿度传感平面内湿度分布的分析方法及湿敏电子皮肤，方法包括：获取数据集并进行预处理；构建湿度分布成像模型，包括输入层、预重构模块、编码器模块、解码器模块、轮廓约束分支、输出层；使用数据集训练湿度分布成像模型，形成具有湿度重构图像和湿度重构轮廓图像两项输出的湿度分布重构模型；输入层输入湿度传感平面的边界电压数据；预重构模块生成初始的湿度重构结果，编码器模块在预重构模块的基础上提取湿度相关的多级多尺度特征；解码器模块根据编码器模块提取的多级多尺度特征进行解码；轮廓约束分支用于获得轮廓分明的湿度重构图像。本发明能关注目标区域中的重构，从而提升湿度重构的效果。
-
公开(公告)号：CN112991473A
公开(公告)日：2021-06-18
申请号：CN202110295414.1
申请日：2021-03-19
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于立方体模板的神经网络编码解码方法及系统，包括确定所需要的数据集作为输入点云数据，数据集为单类别或多类别的点云数据，点云数据为矩阵形式；获得矩阵形式的点云数据的逐点局部几何特征；对局部几何特征以及输入点云数据进行统一角度的旋转实现数据增强；将增强后不同长度的点云数据编码成统一大小的隐藏编码向量；将统一大小的隐藏编码向量基于立方体模板解码成与输入点云接近的输出点云。本发明直接基于点云数据的真实采样机制，能够有效地对点云格式数据进行编码，并从隐藏编码中解码出与编码前数据接近的点云，减少信息损失。
-
公开(公告)号：CN109871124B
公开(公告)日：2020-10-27
申请号：CN201910071652.7
申请日：2019-01-25
Applicant: 华南理工大学
Abstract: 本发明涉及视频图像数据处理领域，具体为基于深度学习的情感虚拟现实场景评估方法，包括步骤：获取多种情绪类型的样本图像组成样本库并进行预处理；标准化虚拟现实场景中动态视觉的图像数据及待评估虚拟现实场景采集，在符合时长要求的虚拟现实场景中截取一系列图像，获取待评估的图像数据组成待评估样本库；利用预处理后的情绪刺激样本图像构建和训练深度神经网络模型；使用深度神经网络模型对待评估虚拟现实场景中采集的动态视觉图像进行评估，输出评估的情绪类型。该方法对每帧视频画面各个视角中包含特征的权重进行合理的分配，并综合考虑虚拟现实场景持续的时长，可充分在时间轴上对虚拟现实场景进行情绪触发评估。
-
公开(公告)号：CN106599028B
公开(公告)日：2020-04-28
申请号：CN201610946349.3
申请日：2016-11-02
Applicant: 华南理工大学
Abstract: 本发明提供了一种基于视频图像处理的书本内容搜索匹配方法，通过对摄像头捕获的图像进行处理，来对当前摄像头中课本内容图像进行搜索匹配。本方法运用图像处理技术，对摄像头捕获到的图像进行目标图像分割，得到目标图像区域；再用四边缘检测算法从目标图像区域中提取目标图像，并通过基于感知哈希算法对目标图像进行编码，根据目标图像的编码在数据库中进行搜索匹配，从而得到当前书本内容的页码。本发明提供了一种智能化的书本内容搜索匹配方法，特别适合于儿童机器人等教育产品，具有广泛的市场前景和实际意义。
-
Patent Agency Ranking
公开(公告)号：CN109793528A
公开(公告)日：2019-05-24
申请号：CN201910079014.X
申请日：2019-01-28
Applicant: 华南理工大学
IPC: A61B5/16 , A61B5/0476
Abstract: 本发明公开了一种基于动态脑功能网络的情绪分类方法，包括：(1)采集静息态或任务态下的EEG信号；(2)对采集的EEG信号进行预处理；(3)对进行预处理后的EEG信号进行不重叠的分段；(4)根据每个窗口的EEG信号计算相关系数矩阵；(5)根据每个窗口的相关系数矩阵的对称性，取上三角进行向量化，构建动态脑功能网络序列；(6)构建并训练基于动态脑功能网络的情绪分类器；(7)将动态脑功能网络序列输入情绪分类器进行情绪四分类。本发明通过直接观测人的脑部活动来进行情绪分析；本发明应用动态脑功能网络理论，综合考虑了人脑功能分区的拓扑结构与情绪的时变性，同时应用bi-LSTM序列模型与Attention机制构建分类器，使得模型对情绪的判别更准确。
-
公开(公告)号：CN115078471B
公开(公告)日：2025-04-08
申请号：CN202210778124.7
申请日：2022-06-29
Applicant: 华南理工大学
Abstract: 本发明涉及电阻抗成像领域，为湿度传感平面内湿度分布的分析方法及湿敏电子皮肤，方法包括：获取数据集并进行预处理；构建湿度分布成像模型，包括输入层、预重构模块、编码器模块、解码器模块、轮廓约束分支、输出层；使用数据集训练湿度分布成像模型，形成具有湿度重构图像和湿度重构轮廓图像两项输出的湿度分布重构模型；输入层输入湿度传感平面的边界电压数据；预重构模块生成初始的湿度重构结果，编码器模块在预重构模块的基础上提取湿度相关的多级多尺度特征；解码器模块根据编码器模块提取的多级多尺度特征进行解码；轮廓约束分支用于获得轮廓分明的湿度重构图像。本发明能关注目标区域中的重构，从而提升湿度重构的效果。
-
公开(公告)号：CN117582227A
公开(公告)日：2024-02-23
申请号：CN202410069422.8
申请日：2024-01-18
Applicant: 华南理工大学
IPC: A61B5/16 , A61B5/1455 , A61B5/00 , G06F18/2431 , G06N3/0464 , G06F18/214
Abstract: 本发明涉及情绪识别领域，为基于概率分布标签和脑区特征的fNIRS情绪识别方法及系统，其方法包括：构建情绪诱发数据集，采集受试者不同脑区的近红外数据，获取受试者的主观情绪评分；将不同脑区的近红外数据转化为多通道△HbO2数据，将主观情绪评分映射为情绪类别标签和情绪概率分布标签；将多通道△HbO2数据分脑区通过时序卷积模型得到不同脑区特征向量，结合自注意力机制融合不同脑区特征向量，构建初始情绪识别模型；设计结合情绪概率分布标签和情绪类别标签的联合损失函数，对初始情绪识别模型进行训练，获得训练后的情绪识别模型，用于输出情绪识别分类结果。本发明能反应实场景中个体所产生的多元性和复杂性的情绪变化。
-
公开(公告)号：CN111368663B
公开(公告)日：2024-02-20
申请号：CN202010115562.6
申请日：2020-02-25
Applicant: 华南理工大学
IPC: G06V40/16 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种自然场景中静态面部表情识别方法、装置、介质及设备；其中方法包括依次执行的预处理工序、全局特征提取工序、局部特征提取工序以及特征融合工序；预处理工序用于去除图片中自然场景的背景，只保留人脸区域；全局特征提取工序是指采用卷积神经网络提取预处理工序后的整张图片的特征，并转化为特征向量；局部特征提取工序是指通过目标检测方法提取图片最有信息量的局部区域，并转化为特征向量；特征融合工序是指将全局特征提取工序所提取的特征向量与局部特征提取工序所提取的特征向量整合成特征矩阵，然后经过全连接层和softmax，得到面部表情概率。本发明面部表情识别准确率高，识别效率高，具有良好的识别效果。
-
公开(公告)号：CN116584947A
公开(公告)日：2023-08-15
申请号：CN202310345215.6
申请日：2023-04-03
Applicant: 华南理工大学
IPC: A61B5/18 , A61B5/372 , A61B5/00 , G06F18/2411 , G06F18/10 , G06F18/213 , G06N3/0895
Abstract: 本发明属于脑电信号处理领域，为基于CEEMDAN的脑电多尺度模糊熵特征的疲劳驾驶分类方法及系统。其方法包括：采集脑电数据，并对部分数据进行标注；对脑电信号进行预处理，去除脑电信号中的伪影干扰；对预处理后的脑电信号进行特征提取，构建并训练SVM分类器，利用训练好的SVM分类器对未标记数据进行分类，获得伪标记数据；对伪标记数据和事先获得的已标记数据均进行CEEMDAN处理以及尺度变换处理，获得基于CEEMDAN的脑电多尺度模糊熵特征，建立疲劳状态分类模型，对脑电信号进行疲劳状态分类。本发明采集方法简单，更适合应用于智能驾驶系统，并且具有较高的疲劳状态识别率。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.021 seconds)
