-
Patent Agency Ranking
公开(公告)号：CN111814615B
公开(公告)日：2024-04-12
申请号：CN202010596575.X
申请日：2020-06-28
Applicant: 中国科学院计算技术研究所 , 湘潭大学
Abstract: 本发明提出一种基于指令视频的帕金森非接触式智能检测方法及系统。该方法包括：获取帕金森患者与非患者的指令式视频数据集；构建人脸模型，标定关键点；根据所述人脸模型的眼部关键点，确定眼部特征向量；根据所述人脸模型的嘴部关键点，确定嘴部特征向量；构建融合网络模型；根据所述嘴部特征向量、所述眼部特征向量和所述融合网络模型，训练最优模型；根据所述最优模型，确定帕金森患者。本发明将嘴部特征与眼部特征综合起来分析，将差分的思想引入到动态特征提取中，按指令设计分帧段进行特征的统计学计算，最后运用支持向量机算法训练模型，提高了帕金森检测的正确率，提高了检测准确率。
-
公开(公告)号：CN111814615A
公开(公告)日：2020-10-23
申请号：CN202010596575.X
申请日：2020-06-28
Applicant: 湘潭大学
Abstract: 本发明提出一种基于指令视频的帕金森非接触式智能检测方法及系统。该方法包括：获取帕金森患者与非患者的指令式视频数据集；构建人脸模型，标定关键点；根据所述人脸模型的眼部关键点，确定眼部特征向量；根据所述人脸模型的嘴部关键点，确定嘴部特征向量；构建融合网络模型；根据所述嘴部特征向量、所述眼部特征向量和所述融合网络模型，训练最优模型；根据所述最优模型，确定帕金森患者。本发明将嘴部特征与眼部特征综合起来分析，将差分的思想引入到动态特征提取中，按指令设计分帧段进行特征的统计学计算，最后运用支持向量机算法训练模型，提高了帕金森检测的正确率，提高了检测准确率。
-
公开(公告)号：CN111783612A
公开(公告)日：2020-10-16
申请号：CN202010597179.9
申请日：2020-06-28
Applicant: 湘潭大学
Abstract: 本发明涉及一种基于视频流的帕金森非接触式智能检测方法及系统。该方法包括：收集帕金森患者和非帕金森病患者的相关视频数据；构建视频预处理模型；构建视频通道模型；根据收集的处理过的视频数据和所建立的视频通道模型，确定视频特征向量；构建网络模型；根据所得视频特征向量和所建网络模型，得到标签向量；根据得到的标签向量，确定帕金森患者。本发明能够降低了检测成本与操作难度，提高交互性与检测效率。
-
公开(公告)号：CN111553899A
公开(公告)日：2020-08-18
申请号：CN202010348501.4
申请日：2020-04-28
Applicant: 湘潭大学
Abstract: 本发明涉及一种基于音视频的帕金森非接触式智能检测方法及系统。该方法包括：获取帕金森患者和非帕金森患者的音视频数据集；构建音频通道模型；构建视频通道模型；根据所述音视频数据集和所述音频通道模型，确定音频特征向量；根据所述音视频数据集和所述视频通道模型，确定视频特征向量；构建融合网络模型；根据所述音频特征向量、所述视频特征向量和所述融合网络模型，得到标签向量；根据所述标签向量，确定帕金森患者。本发明能够将面部特征与声音特征综合分析，提高交互性以及检测效率。
-
公开(公告)号：CN111951235A
公开(公告)日：2020-11-17
申请号：CN202010756303.1
申请日：2020-07-31
Applicant: 湘潭大学
Abstract: 本申请涉及一种基于深度学习的皮肤图像处理方法。所述方法包括：获取训练集；构建改进的U-Net网络模型，所述改进的U-Net网络模型包括编码解码结构以及分类分支结构，所述分类分支结构的输入端与所述编码解码结构的编码部分底端输出相连接，所述编码解码结构的编码部分包括深度卷积模块，解码部分包括上采样模块，所述编码解码结构的输出为分割结果，所述分类分支结构的输出为分类结果；通过所述训练集对所述改进的U-Net网络模型进行训练；获取待处理皮肤图像，将所述待处理皮肤图像输入至训练完成的所述改进的U-Net网络模型中，得到分类结果和分割结果。采用本方法能够提高图像处理的准确性。
-
-
-
-
Search Results
5
records
(took 0.057 seconds)
