-
公开(公告)号：CN110031827B
公开(公告)日：2023-02-07
申请号：CN201910298787.7
申请日：2019-04-15
Applicant: 吉林大学
Abstract: 本发明涉及一种基于超声波测距原理的手势识别方法，属于人机交互领域。构建样本集，提取能够表示手势的特征数据；设置合适的阈值，寻找手掌回波数据，从而计算出手掌回波飞行距离，实现数据降维；借助k近邻算法实现其训练阶段和识别阶段，然后利用训练好的分类器完成识别阶段；将回波到达点检测算法移植到LabVIEW后执行手势分割算法，对数据进行处理，识别出当前手势，并将手势显示出来，最终实现手势识别。优点：无需佩戴设备即可实现动态手势特征提取，可对回波数据进行有效降维降低计算复杂度、提高相关的手势识别速度，可根据需要建立用户个性化样本集并利用实时数据进行匹配，提高相关手势识别方法的准确性。
-
Patent Agency Ranking
公开(公告)号：CN111035391A
公开(公告)日：2020-04-21
申请号：CN201911178456.6
申请日：2019-11-27
Applicant: 吉林大学
Abstract: 本发明公开了一种基于特征值加权平均和阈值法相结合的老人跌倒检测方法，包括：姿态传感器信号的读取；信号的预处理与特征值的提取；对最大合加速度、最大合角速度、最大倾角进行归一化；将最大合角速度归一化值和最大合加速度归一化值进行加权平均，将最大合角速度归一化值和最大倾角归一化值进行加权平均；对得到的两个加权平均值以及某些特征值设定阈值，并分别与各自阈值进行比较，根据比较结果判定是否跌倒。本发明通过对特征值进行加权平均，并设定多个阈值进行判定，有效地提高了识别准确率，通过滑动数据窗实现了实时检测，且算法计算量小，本发明考虑了10种ADL即跑步、步行、上楼、下楼、坐下、跳跃、下蹲起立、弯腰、转身、躺下。
-
公开(公告)号：CN110443315B
公开(公告)日：2022-12-02
申请号：CN201910729656.X
申请日：2019-08-08
Applicant: 吉林大学
Abstract: 本发明涉及一种室内环境下基于加权融合的老人跌倒检测方法，该方法包括下述步骤：上位机通过蓝牙姿态传感器信号的数据包提取三轴加速度、三轴角速度和三轴角度并进行预处理；提取最大合加速度、最大合角速度、最大倾角；归一化处理得到归一化最大合加速度、归一化最大合角速度、归一化最大倾角：加权融合得到加权检测值；将加权检测值与设定阈值对比，判定是否为跌倒。本发明检测算法简单，实时性好，并有很高的识别准确率。
-
公开(公告)号：CN110443315A
公开(公告)日：2019-11-12
申请号：CN201910729656.X
申请日：2019-08-08
Applicant: 吉林大学
Abstract: 本发明涉及一种室内环境下基于加权融合的老人跌倒检测方法，该方法包括下述步骤：上位机通过蓝牙姿态传感器信号的数据包提取三轴加速度、三轴角速度和三轴角度并进行预处理；提取最大合加速度、最大合角速度、最大倾角；归一化处理得到归一化最大合加速度、归一化最大合角速度、归一化最大倾角：加权融合得到加权检测值；将加权检测值与设定阈值对比，判定是否为跌倒。本发明检测算法简单，实时性好，并有很高的识别准确率。
-
公开(公告)号：CN110031827A
公开(公告)日：2019-07-19
申请号：CN201910298787.7
申请日：2019-04-15
Applicant: 吉林大学
Abstract: 本发明涉及一种基于超声波测距原理的手势识别方法，属于人机交互领域。构建样本集，提取能够表示手势的特征数据；设置合适的阈值，寻找手掌回波数据，从而计算出手掌回波飞行距离，实现数据降维；借助k近邻算法实现其训练阶段和识别阶段，然后利用训练好的分类器完成识别阶段；将回波到达点检测算法移植到LabVIEW后执行手势分割算法，对数据进行处理，识别出当前手势，并将手势显示出来，最终实现手势识别。优点：无需佩戴设备即可实现动态手势特征提取，可对回波数据进行有效降维降低计算复杂度、提高相关的手势识别速度，可根据需要建立用户个性化样本集并利用实时数据进行匹配，提高相关手势识别方法的准确性。
-
公开(公告)号：CN111035391B
公开(公告)日：2021-09-17
申请号：CN201911178456.6
申请日：2019-11-27
Applicant: 吉林大学
Abstract: 本发明公开了一种基于特征值加权平均和阈值法相结合的老人跌倒检测方法，包括：姿态传感器信号的读取；信号的预处理与特征值的提取；对最大合加速度、最大合角速度、最大倾角进行归一化；将最大合角速度归一化值和最大合加速度归一化值进行加权平均，将最大合角速度归一化值和最大倾角归一化值进行加权平均；对得到的两个加权平均值以及某些特征值设定阈值，并分别与各自阈值进行比较，根据比较结果判定是否跌倒。本发明通过对特征值进行加权平均，并设定多个阈值进行判定，有效地提高了识别准确率，通过滑动数据窗实现了实时检测，且算法计算量小，本发明考虑了10种ADL即跑步、步行、上楼、下楼、坐下、跳跃、下蹲起立、弯腰、转身、躺下。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
