-
公开(公告)号：CN110414306A
公开(公告)日：2019-11-05
申请号：CN201910342523.7
申请日：2019-04-26
Applicant: 吉林大学
Abstract: 本发明采用一种基于meanshift算法和SVM的婴儿异常行为检测方法，首先对获取到的婴儿视频进行预处理，然后用meanshift算法对视频中的婴儿四肢和全身分别进行目标运动轨迹跟踪，将得到的运动轨迹信息进行保存，之后利用小波变换对运动轨迹信息进行提取，对提取得到的小波近似波形建立样本集，用设置好的SVM支持向量机对其进行训练，利用小波对运动轨迹信息求功率谱，得到的特征建立样本集，同样利用设置好的SVM支持向量机对其进行训练，将两个训练好的模型进行测试，根据两个模型精确度的不同，利用数据加权融合算法设置不同权值参数进行加权判断，从而得到最佳训练结果。
-
公开(公告)号：CN110414306B
公开(公告)日：2022-07-19
申请号：CN201910342523.7
申请日：2019-04-26
Applicant: 吉林大学
IPC: G06V40/10 , G06V10/764 , G06V10/774
Abstract: 本发明采用一种基于meanshift算法和SVM的婴儿异常行为检测方法，首先对获取到的婴儿视频进行预处理，然后用meanshift算法对视频中的婴儿四肢和全身分别进行目标运动轨迹跟踪，将得到的运动轨迹信息进行保存，之后利用小波变换对运动轨迹信息进行提取，对提取得到的小波近似波形建立样本集，用设置好的SVM支持向量机对其进行训练，利用小波对运动轨迹信息求功率谱，得到的特征建立样本集，同样利用设置好的SVM支持向量机对其进行训练，将两个训练好的模型进行测试，根据两个模型精确度的不同，利用数据加权融合算法设置不同权值参数进行加权判断，从而得到最佳训练结果。
-
公开(公告)号：CN109620244B
公开(公告)日：2021-07-30
申请号：CN201811494749.0
申请日：2018-12-07
Applicant: 吉林大学
Abstract: 基于条件生成对抗网络和SVM的婴儿异常行为检测方法属视频图像处理和深度学习技术领域，本发明通过对视频中婴儿运动轨迹进行分析判断婴儿行为是否异常，首先获取婴儿视频，进行合理长度的截取并转化为帧图像，对四肢和全身进行标记建立样本库；然后利用条件生成对抗网络对婴儿的四肢和全身进行目标跟踪；再对得到的目标运动轨迹进行小波近似波形和小波功率谱计算，将得到的特征用支持向量机SVM进行分类，综合判断；本发明对婴儿四肢和全身信息进行运动轨迹检测，比单一肢体检测信息更全面，小波域和功率谱域结合训练，使检测精确度提高，检测婴儿行为是否异常，及早进行干预，对预防婴儿脑瘫等疾病有很重要的意义。
-
公开(公告)号：CN109620244A
公开(公告)日：2019-04-16
申请号：CN201811494749.0
申请日：2018-12-07
Applicant: 吉林大学
CPC classification number: A61B5/11 , A61B5/1114 , A61B5/1127 , A61B5/7264
Abstract: 基于条件生成对抗网络和SVM的婴儿异常行为检测方法属视频图像处理和深度学习技术领域，本发明通过对视频中婴儿运动轨迹进行分析判断婴儿行为是否异常，首先获取婴儿视频，进行合理长度的截取并转化为帧图像，对四肢和全身进行标记建立样本库；然后利用条件生成对抗网络对婴儿的四肢和全身进行目标跟踪；再对得到的目标运动轨迹进行小波近似波形和小波功率谱计算，将得到的特征用支持向量机SVM进行分类，综合判断；本发明对婴儿四肢和全身信息进行运动轨迹检测，比单一肢体检测信息更全面，小波域和功率谱域结合训练，使检测精确度提高，检测婴儿行为是否异常，及早进行干预，对预防婴儿脑瘫等疾病有很重要的意义。
-
-
-
Search Results
4
records
(took 0.013 seconds)
