-
公开(公告)号：CN112863515A
公开(公告)日：2021-05-28
申请号：CN202011631284.6
申请日：2020-12-31
Applicant: 北京理工大学
IPC: G10L15/24 , G10L21/0224 , H04R25/00 , H04M1/72403 , H04M1/72448 , G06K9/62 , H04M1/03
Abstract: 本发明公开了一种利用手机扬声器和麦克风识别人体舌头下颚动作的方法。使用手机扬声器和麦克风组成一个简易主动声纳系统，通过使用动态阈值切割算法、支持向量数据描述分类器，可精准从带有其他动作引起的耳道壁运动信号中提取和切分由舌头下颚动作引起的耳道壁运动信号。通过使用信号转换算法，有效消除由用户耳道形态差异以及音频传感器位置差异引起的耳道壁运动信号差异。基于分类器反馈，对耳道壁运动信号特征进行选择，筛选出最有益于舌头下颚动作识别的时域特征，利用这些特征和随机森林分类器，实现舌头下颚动作准确识别。本发明不依赖各类传感器和穿戴设备，具有成本低、使用舒适度高、隐蔽性高、不受光照条件影响等优势。
-
公开(公告)号：CN112766041A
公开(公告)日：2021-05-07
申请号：CN202011557672.4
申请日：2020-12-25
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于惯性传感信号的老年痴呆患者洗手动作识别方法，属于移动计算应用技术领域。本方法利用惯性传感器，采集老年痴呆患者洗手时腕部的加速度信息和角速度信息，分析人体手腕相对于身体的倾斜姿势。利用不同洗手动作的手腕姿势的显著差异来区分每种洗手动作，最终根据对各种洗手动作的检测结果，分析整体洗手步骤是否符合卫生要求。本发明针对老年痴呆患者，能够准确识别洗手行为，为多样化和异质性的老年痴呆患者提供不同的洗手辅助解决方案。
-
公开(公告)号：CN115935314A
公开(公告)日：2023-04-07
申请号：CN202211485147.5
申请日：2022-11-24
Applicant: 北京理工大学
IPC: G06F21/32 , G06F21/44 , G06F3/01 , G06N3/08 , G06N3/0464
Abstract: 本发明涉及一种基于可穿戴设备运动传感器的用户身份认证方法，属于移动计算应用技术领域。本方法使用智能腕带设备中的运动传感器采集用户敲击脸部时腕部产生的运动信号，并去除其他运动片段，只保留存在敲脸动作的时间段，用于后续认证。通过去除发生敲脸动作时同时存在的其他噪音，得到纯净的敲脸信号。然后，从纯净的敲脸信号中提取特征并建立认证模型，由此利用智能腕带设备中的运动传感器采集手指敲击脸部时的腕部运动信号，实现用户身份认证。对比现有技术，本发明仅依靠智能腕带设备中常见的运动传感器即可实现低成本的、不显眼的、方便安全的身份认证，准确率高。
-
公开(公告)号：CN112766041B
公开(公告)日：2022-04-22
申请号：CN202011557672.4
申请日：2020-12-25
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于惯性传感信号的老年痴呆患者洗手动作识别方法，属于移动计算应用技术领域。本方法利用惯性传感器，采集老年痴呆患者洗手时腕部的加速度信息和角速度信息，分析人体手腕相对于身体的倾斜姿势。利用不同洗手动作的手腕姿势的显著差异来区分每种洗手动作，最终根据对各种洗手动作的检测结果，分析整体洗手步骤是否符合卫生要求。本发明针对老年痴呆患者，能够准确识别洗手行为，为多样化和异质性的老年痴呆患者提供不同的洗手辅助解决方案。
-
公开(公告)号：CN116434769A
公开(公告)日：2023-07-14
申请号：CN202310225476.4
申请日：2023-03-02
Applicant: 北京理工大学
Abstract: 本发明涉及一种利用耳戴式运动传感器识别语音内容的方法，属于移动计算应用技术领域。首先使用耳戴式运动传感器采集佩戴者耳部的运动状态信号并切分语音片段。分析三轴ECDM信号，提取与语音内容有关的特征信号，消除特征中的个体差异。分析三轴BCV信号，提取与语音内容有关的特征信号。最后，利用获取的ECDM特征信号和BCV特征信号，基于卷积神经网络和连接主义时空分类来识别语音内容。本发明仅依靠耳戴式设备上普遍嵌入的运动传感器识别语音内容，能够在复杂环境噪音下可靠运行，具有抗干扰、低成本等优势。
-
Patent Agency Ranking
公开(公告)号：CN116269413A
公开(公告)日：2023-06-23
申请号：CN202211090977.8
申请日：2022-09-07
Applicant: 北京理工大学
IPC: A61B5/318 , A61B5/256 , A61B5/28 , A61B5/11 , A61B5/0205 , A61B5/00 , G06N3/0442 , G06N3/0455 , G06N3/0475 , G06N3/08 , G06F18/214 , G06F18/2431
Abstract: 本发明提出了利用智能腕带运动传感器的连续心电波形重构系统及方法，属于移动计算应用技术领域。系统包括内置运动传感器的智能腕带设备和处理单元。智能腕带设备的运动传感器用于采集用户腕部的运动传感信号，并将信号发送至处理单元。处理单元处理运动传感器用于获取人体运动传感信号，提取与心跳相关的体表振动信号，将体表振动信号切分成单心跳周期片段，最终重构与心跳周期对应的心电波形。本发明基于与心跳相关的体表振动信号，能够精准重构心电波形。系统使用方便，可以连续重构心电波形，测量过程对用户透明，且无需用户参与。
-
公开(公告)号：CN111444489B
公开(公告)日：2022-10-21
申请号：CN202010211605.0
申请日：2020-03-24
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于光电容积脉搏波传感器的双因子认证方法，属于移动计算应用技术领域。本发明使用光电容积脉搏波传感器采集用户的心跳信号。利用半盲源分离技术和自适应滤波技术，对受到运动伪影干扰的心跳信号进行噪音去除处理，提取纯净的心跳信号。将提取出的心跳信号进行时域与角度域坐标转换。将几何特征从转换后的心跳信号中提取出来，经过转换、加密算法处理后，得到能够唯一识别用户的一系列特征。由此利用智能腕带设备光电容积脉搏波传感器采集心跳信号，实现对用户的双因子认证。本发明支持高度安全的身份验证，并允许用户重新注册替代凭证，以抵抗重放攻击和中间人攻击。不需要用户保持静止，可以同时使用常用的验证方法。
-
公开(公告)号：CN111444489A
公开(公告)日：2020-07-24
申请号：CN202010211605.0
申请日：2020-03-24
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于光电容积脉搏波传感器的双因子认证方法，属于移动计算应用技术领域。本发明使用光电容积脉搏波传感器采集用户的心跳信号。利用半盲源分离技术和自适应滤波技术，对受到运动伪影干扰的心跳信号进行噪音去除处理，提取纯净的心跳信号。将提取出的心跳信号进行时域与角度域坐标转换。将几何特征从转换后的心跳信号中提取出来，经过转换、加密算法处理后，得到能够唯一识别用户的一系列特征。由此利用智能腕带设备光电容积脉搏波传感器采集心跳信号，实现对用户的双因子认证。本发明支持高度安全的身份验证，并允许用户重新注册替代凭证，以抵抗重放攻击和中间人攻击。不需要用户保持静止，可以同时使用常用的验证方法。
-
公开(公告)号：CN119358697A
公开(公告)日：2025-01-24
申请号：CN202411264701.6
申请日：2024-09-10
Applicant: 北京理工大学
IPC: G06N20/00 , G06F18/10 , G06F18/241 , G06F40/169 , G06N3/0475 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06F123/02
Abstract: 本发明涉及一种基于智能腕戴设备运动传感器的手语翻译方法，属于人工智能与移动计算应用技术领域。本方法通过建立双手运动的映射关系，以用户惯用手的运动数据为基准，生成非惯用手的运动数据，通过对非惯用手的运动数据进行智能估计，结合神经网络和大语言模型，能够在不增加额外设备负担的前提下，实现对双手手语的精确识别和翻译。本方法实现了与用户日常生活的无缝集成，设计简洁、易用，用户无需购买额外的专用设备，即可快速将其融入日常使用场景，不仅降低了技术应用的门槛，还提升了手语翻译技术的普及性，不仅提升了翻译的准确性，确保了响应的实时性，使手语者与非手语者之间的沟通更加顺畅无障碍。
-
公开(公告)号：CN117379767A
公开(公告)日：2024-01-12
申请号：CN202311113991.X
申请日：2023-08-31
Applicant: 北京理工大学
IPC: A63B71/06 , A63B21/072 , G16H40/60 , G16H20/30 , G16H50/70 , G06N3/0464 , G06N3/048
Abstract: 本发明涉及一种利用可穿戴PPG传感器的自由重量训练监测方法，属于移动计算应用与人体训练辅助技术领域。本发明利用PPG传感器上的红外光和绿光来照射手腕皮肤，并收集包含肌肉运动信息的光密度变化数据。通过分析变化数据，获取锻炼者当前使用的负荷重量、重复次数和运动类型，并进一步预测下一步所需的调整的负荷重量。本发明提出了一种新颖的动脉噪声消除方法，有效地降低了动脉中脉搏噪声的影响，设计了一种新颖的基于递归图的特征提取方法，将每个动作片段映射到二维相空间来提取时空特征，构建了一种新颖的基于卷积神经网络的多任务学习模型。本发明能够对负荷重量和运动类型进行有效识别，实现对自由重量训练的监测。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.017 seconds)
