-
Patent Agency Ranking
公开(公告)号：CN114187654B
公开(公告)日：2024-06-14
申请号：CN202111406739.9
申请日：2021-11-24
Applicant: 东南大学
IPC: G06V40/20 , G06V10/70 , G06V10/764 , G06V10/774 , G06N20/00
Abstract: 本发明提出了一种基于机器学习的微惯性武术动作识别方法及系统，包括数据采集模块、通信组网模块、数据处理模块、数据库存储模块、规范性分析模块以及反馈模块。数据采集模块可以通过微惯性数据传感器采集该用户训练时的节点速度，角速度，加速度及压力；通信组网模块通过滤波算法进行数据传输；数据库存储模块通过Sql进行数据存储；建立反馈模块，对不合理的数据进行反馈，并重新测量。本发明基于机器学习，将采集的运动信号进行处理，通过三级处理模式进行标样，可以以更规范且少量的数据源获得更多样性的组合动作以提高动作识别的准确性。本发明亦可准确识别人的武术动作，并进行规范性评估。
-
公开(公告)号：CN117137480A
公开(公告)日：2023-12-01
申请号：CN202311127952.5
申请日：2023-09-04
Applicant: 东南大学
IPC: A61B5/11 , A61B5/103 , A61B5/00 , G06V40/20 , G06N3/0442 , G06N3/045 , G06N3/08 , G06V10/82 , G06N3/0464
Abstract: 基于计算与仿真特征的半月板损伤患者康复监测方法，涉及步态分析领域。患者佩戴惯性测量单元以及足底压力传感单元，采集相关步态数据并计算实际相关特征，建立下肢骨骼仿真模型并输出对应的仿真相关特征，对实际与仿真数据特征进行加权数据融合并扩充数据集。对数据集使用CNN‑LSTM‑MLP模型，实现步态动作识别及其半月板损伤程度的预测等，进而实现半月板损伤患者下肢步态分析及康复监测的目的。本发明方案高效用于现有大多数的步态分析与监测技术，并且针对患者的步态数据特征，对患者步态康复程度进行仿真模拟与康复判断。
-
公开(公告)号：CN114187654A
公开(公告)日：2022-03-15
申请号：CN202111406739.9
申请日：2021-11-24
Applicant: 东南大学
IPC: G06V40/20 , G06V10/70 , G06V10/764 , G06V10/774 , G06K9/62 , G06N20/00
Abstract: 本发明提出了一种基于机器学习的微惯性武术动作识别方法及系统，包括数据采集模块、通信组网模块、数据处理模块、数据库存储模块、规范性分析模块以及反馈模块。数据采集模块可以通过微惯性数据传感器采集该用户训练时的节点速度，角速度，加速度及压力；通信组网模块通过滤波算法进行数据传输；数据库存储模块通过Sql进行数据存储；建立反馈模块，对不合理的数据进行反馈，并重新测量。本发明基于机器学习，将采集的运动信号进行处理，通过三级处理模式进行标样，可以以更规范且少量的数据源获得更多样性的组合动作以提高动作识别的准确性。本发明亦可准确识别人的武术动作，并进行规范性评估。
-
-
-
Search Results
5
records
(took 0.018 seconds)
