-
公开(公告)号：CN116522234B
公开(公告)日：2023-11-17
申请号：CN202310110978.2
申请日：2023-02-10
Applicant: 东莞理工学院
IPC: G06F18/2411 , A61B5/389 , A61B5/00 , G06F18/213 , G06N3/006
Abstract: 本公开实施例涉及一种关节角度预测方法、装置、设备及介质，其中该方法包括：采集多组动作对应的表面肌电信号和欧拉角度，并对所述表面肌电信号进行预处理，得到待处理特征值，对待处理特征值进行归一化处理，得到训练特征值，并根据训练特征值和对应的欧拉角度构建训练样本集，基于预设的基于二次插值的天牛须搜索QIBAS算法确定最小二乘支持向量机LSSVM模型的惩罚系数和核函数参数，将训练样本集输入为惩罚系数和核函数参数的LSSVM模型进行训练，得到关节角度预测模型，获取预测数据，将预测数据输入关节角度预测模型进行处理，得到关节角度预测结果。采用上述技术方案，能够提高关节角度预测效率和预测精度。
-
公开(公告)号：CN114005073B
公开(公告)日：2022-04-08
申请号：CN202111595501.5
申请日：2021-12-24
Applicant: 东莞理工学院
Abstract: 本公开涉及一种上肢镜像康复训练、识别方法及装置，采集上肢康复动作视频数据集，通过分割获取多个视频数据样本，从多个视频数据样本中获取候选视频数据样本并进行随机数据增强，得到待训练视频数据正、负样本，然后进行特征提取，得到第一、二待训练特征向量，分别将第一、二待训练特征向量映射到应用对比损失的潜在空间中，得到第一、二目标特征向量，将第一、二目标特征向量进行拼接，得到特征向量矩阵，基于特征向量矩阵进行计算，得到目标损失，基于目标损失调整网络参数，生成无监督对比学习动作识别模型。由此，获取的无监督对比学习动作识别模型能够准确识别动作信号，以进一步提高康复机器人辅助用户进行康复训练精度和效率。
-
公开(公告)号：CN116522234A
公开(公告)日：2023-08-01
申请号：CN202310110978.2
申请日：2023-02-10
Applicant: 东莞理工学院
IPC: G06F18/2411 , A61B5/389 , A61B5/00 , G06F18/213 , G06N3/006
Abstract: 本公开实施例涉及一种关节角度预测方法、装置、设备及介质，其中该方法包括：采集多组动作对应的表面肌电信号和欧拉角度，并对所述表面肌电信号进行预处理，得到待处理特征值，对待处理特征值进行归一化处理，得到训练特征值，并根据训练特征值和对应的欧拉角度构建训练样本集，基于预设的基于二次插值的天牛须搜索QIBAS算法确定最小二乘支持向量机LSSVM模型的惩罚系数和核函数参数，将训练样本集输入为惩罚系数和核函数参数的LSSVM模型进行训练，得到关节角度预测模型，获取预测数据，将预测数据输入关节角度预测模型进行处理，得到关节角度预测结果。采用上述技术方案，能够提高关节角度预测效率和预测精度。
-
Patent Agency Ranking
公开(公告)号：CN115223250B
公开(公告)日：2023-01-17
申请号：CN202211107295.3
申请日：2022-09-13
Applicant: 东莞理工学院
Abstract: 本申请公开了一种基于多尺度时空分解卷积网络的上肢康复动作识别方法，包括：对上肢康复动作进行采集，获得若干样本视频数据；基于各所述样本视频数据进行视频帧采样，获得若干样本视频帧序列；对各所述样本视频帧序列分别进行混合数据增强处理，获得若干处理后的样本视频帧序列；基于各所述处理后的样本视频帧序列对初始多尺度时空分解卷积网络模型进行模型训练，获得目标多尺度时空分解卷积网络模型；基于所述目标多尺度时空分解卷积网络模型对待识别的目标视频数据进行动作识别，获得动作识别结果。本申请中的方法能够快速、准确地对待识别的目标视频数据进行动作识别，提高了动作识别的效率以及准确度。
-
公开(公告)号：CN115223250A
公开(公告)日：2022-10-21
申请号：CN202211107295.3
申请日：2022-09-13
Applicant: 东莞理工学院
Abstract: 本申请公开了一种基于多尺度时空分解卷积网络的上肢康复动作识别方法，包括：对上肢康复动作进行采集，获得若干样本视频数据；基于各所述样本视频数据进行视频帧采样，获得若干样本视频帧序列；对各所述样本视频帧序列分别进行混合数据增强处理，获得若干处理后的样本视频帧序列；基于各所述处理后的样本视频帧序列对初始多尺度时空分解卷积网络模型进行模型训练，获得目标多尺度时空分解卷积网络模型；基于所述目标多尺度时空分解卷积网络模型对待识别的目标视频数据进行动作识别，获得动作识别结果。本申请中的方法能够快速、准确地对待识别的目标视频数据进行动作识别，提高了动作识别的效率以及准确度。
-
公开(公告)号：CN114159080B
公开(公告)日：2022-06-24
申请号：CN202111486917.3
申请日：2021-12-07
Applicant: 东莞理工学院
Abstract: 本公开涉及一种上肢康复机器人运动意图识别模型训练、识别方法及装置，其中，该方法包括：接收多个表面肌肉信号，通过编码器进行编码等处理得到多个数据数字信号，对每个数据数字信号进行预处理，得到多个目标数据数字信号样本，将每个目标数据数字信号样本输入一一对应的时域卷积网络TCN进行特征提取、拼接、评估得到第一、二评估数据特征向量，然后输入全连接网络进行处理，生成上肢康复机器人运动意图识别模型，本公开采用多流时域卷积网络TCN结构对数据进行分类，并对不同通道特征进行重要性评估，有效利用模型学习到的早期特征与晚期特征，提升了分类效果，极大的提高了患者的主动参与性及上肢康复训练的效果。
-
公开(公告)号：CN114159080A
公开(公告)日：2022-03-11
申请号：CN202111486917.3
申请日：2021-12-07
Applicant: 东莞理工学院
Abstract: 本公开涉及一种上肢康复机器人运动意图识别模型训练、识别方法及装置，其中，该方法包括：接收多个表面肌肉信号，通过编码器进行编码等处理得到多个数据数字信号，对每个数据数字信号进行预处理，得到多个目标数据数字信号样本，将每个目标数据数字信号样本输入一一对应的时域卷积网络TCN进行特征提取、拼接、评估得到第一、二评估数据特征向量，然后输入全连接网络进行处理，生成上肢康复机器人运动意图识别模型，本公开采用多流时域卷积网络TCN结构对数据进行分类，并对不同通道特征进行重要性评估，有效利用模型学习到的早期特征与晚期特征，提升了分类效果，极大的提高了患者的主动参与性及上肢康复训练的效果。
-
公开(公告)号：CN114005073A
公开(公告)日：2022-02-01
申请号：CN202111595501.5
申请日：2021-12-24
Applicant: 东莞理工学院
Abstract: 本公开涉及一种上肢镜像康复训练、识别方法及装置，采集上肢康复动作视频数据集，通过分割获取多个视频数据样本，从多个视频数据样本中获取候选视频数据样本并进行随机数据增强，得到待训练视频数据正、负样本，然后进行特征提取，得到第一、二待训练特征向量，分别将第一、二待训练特征向量映射到应用对比损失的潜在空间中，得到第一、二目标特征向量，将第一、二目标特征向量进行拼接，得到特征向量矩阵，基于特征向量矩阵进行计算，得到目标损失，基于目标损失调整网络参数，生成无监督对比学习动作识别模型。由此，获取的无监督对比学习动作识别模型能够准确识别动作信号，以进一步提高康复机器人辅助用户进行康复训练精度和效率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.021 seconds)
