-
公开(公告)号：CN119202535A
公开(公告)日：2024-12-27
申请号：CN202411322457.4
申请日：2024-09-23
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/10 , G06F18/2132 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本申请公开了一种惯性传感器超量程信号修复与信号质量增强系统，涉及传感器技术领域，该系统中信号获取模块，用于获取高成本传感器信号和低成本传感器信号；生成器GANH→L和生成器GANL→H用于低成本传感器信号与高成本传感器信号之间的转换；MLE模块，用于在生成器GANL→H将低成本传感器信号转化为高成本传感器信号时，向信号内注入拉普拉斯能量，以及在生成器GANH→L将高成本传感器信号转化为低成本传感器信号时，向信号内注入拉普拉斯能量；OTS模块，用于基于最优运输理论，构建低成本、高成本传感器信号特征之间的最优映射。本申请通过多层次细节增强，显著提升了低成本加速度计信号的重建精度和质量。
-
公开(公告)号：CN118427634A
公开(公告)日：2024-08-02
申请号：CN202410634391.6
申请日：2024-05-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/22 , G06N3/0475 , G06N3/094 , G06N3/0455 , G06F40/30 , G06F40/126 , G06N3/084
Abstract: 本发明公开一种中文语境下的运动信号的生成方法、装置、介质及产品，涉及深度学习技术领域。该方法包括：获取样本汉字的惯性传感器信号；以样本汉字的one‑hot编码为输入，以样本汉字的惯性传感器信号为输出，对强制最优运输生成对抗网络进行训练，得到中文运动生成对抗网络；将目标汉字的one‑hot编码输入中文运动生成对抗网络，得到目标汉字的惯性传感器信号。本发明能够得到高质量的汉字手写数据集。
-
公开(公告)号：CN118089702A
公开(公告)日：2024-05-28
申请号：CN202410235041.2
申请日：2024-03-01
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开一种基于黎曼扩散薛定谔桥的信号生成与道路重构方法及系统，涉及道路重构技术领域，以惯性传感器沿待重构道路运动时所产生的运动信号作为输入，利用训练好的分段模型确定分段点，以对运动信号进行分段，得到多段子信号，再利用训练好的运动模型预测得到子信号对应的运动参数，以生成惯性传感器的运动轨迹，运动轨迹即为重构得到的待重构道路的道路，训练好的运动模型是利用基于黎曼扩散薛定谔桥生成的样本训练得到的，通过基于黎曼扩散薛定谔桥的惯性传感器数据增强技术，利用黎曼扩散薛定谔桥生成大量训练样本以支持训练人工智能模型，从而可基于惯性传感器采集的运动信号和人工智能模型完成道路重构，成本低，效率和精度高。
-
公开(公告)号：CN119245634A
公开(公告)日：2025-01-03
申请号：CN202411322461.0
申请日：2024-09-23
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G01C21/16 , G01C21/20 , G06F18/25 , G06F18/213 , G06V40/20 , G06V10/44 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种基于惯性‑视觉信号增强与融合的运动分析系统，涉及智能感知和融合技术领域，该系统中惯性传感器模块用于采集运动对象的惯性信号；视觉传感器模块用于采集人体关键点信息；信号处理模块，用于利用改进后的深度学习模型对惯性信号进行增强处理，并基于KAN对惯性信号中的超量程信号进行重构；惯性‑视觉信息融合模块，用于基于最优输运理论的多模态特征对齐方法以及SInkhorn算法，将人体关键点信息以及信号处理后的惯性信号进行融合处理，得到运动对象的运动轨迹；运动分析模块，用于基于运动轨迹，分析运动对象的运动模式以及姿态变化。本申请能够准确地捕捉运动对象的运动轨迹并对其进行准确的分析。
-
公开(公告)号：CN119169701A
公开(公告)日：2024-12-20
申请号：CN202411322456.X
申请日：2024-09-23
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本申请公开了一种基于单目相机的三维运动捕捉与智能分析系统及方法，涉及图像处理技术领域，该系统包括输入与预处理模块、特征提取与交互融合模块、人体关键点检测模块、三维姿态重建模块和智能分析模块；通过构建多尺度特征金字塔结构，系统能够在不同分辨率下对特征进行细化处理得到下采样特征图，通过将Mamba模型应用于人体运动捕捉系统中，Mamba模型在时间序列中自适应融合多尺度特征，通过卷积与上采样操作生成融合后的多尺度特征图。提高了关键点检测的精度与稳健性；通过xLSTM模型结合前后帧图像的关键点信息，平滑处理关键点序列，确保了关键点检测的时间一致性和连贯性，进一步提高了人体姿态检测的准确性和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN118429461A
公开(公告)日：2024-08-02
申请号：CN202410634386.5
申请日：2024-05-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06T11/00 , G06F40/284 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种古诗词画面生成方法、装置、介质及产品，涉及深度学习技术领域，该方法包括：获取目标古诗词，并对目标古诗词进行分词处理，得到词文本；对词向量和词向量对应的词文本进行编码，得到词向量对应的更新后向量；将所有更新后向量输入至训练好的Transformer模型中，得到目标古诗词的预测情感主题和若干关键词向量；将关键词向量的聚合特征向量输入至训练好的图像生成模型中，得到目标古诗词对应的图像画面；训练好的图像生成模型由最优输运损失函数和语义连通桥约束函数训练得到。本发明通过训练好的图像生成模型进行图像生成，使得生成的图像画面更加符合古诗词的思想情感。
-
公开(公告)号：CN110825850B
公开(公告)日：2022-07-08
申请号：CN201911080875.6
申请日：2019-11-07
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开一种自然语言主题分类方法及装置。该方法中训练阶段包括：获取已知主题的自然语言文本段作为样本集；提取样本集中出现频率最高的多个词得到多个特征词；将每个特征词表示成向量得到多个特征向量；计算任意两个特征向量之间的相似程度得到相似程度集合；将相似程度、主题以及每个主题对应的特征词输入预设的神经网络结构中进行训练得到特征谱以及表达特征谱与分类结果之间关系的模型；分类阶段包括：获取待分类的自然语言文本段；提取待分类的自然语言文本段中属于特征谱的特征词得到输入特征参数；将输入特征参数输入表达特征谱与分类结果之间关系的模型得到分类结果。本发明能够实现特征的自适应选取，提高分类准确度。
-
公开(公告)号：CN114611554A
公开(公告)日：2022-06-10
申请号：CN202210223491.0
申请日：2022-03-09
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于循环重建网络的惯性传感器语义信息识别方法及系统。该方法包括：构建多源信号循环重建网络；通过训练好的多源信号循环重建网络对惯性传感器信号进行重建；基于重建后的惯性传感器信号还原运动轨迹；将还原后的运动轨迹与重建后的惯性传感器信号合并，得到多个时刻的特征向量；将各时刻的特征向量中的位置信息与时间信息合并，得到编码四元数；对编码四元数进行归一化处理，得到单位编码四元数；基于加速度分量、角速度分量和轨迹分量，构建多个特征四元数；基于单位编码四元数和特征四元数确定特征编码向量；将特征编码向量输入至Transformer中进行语义信息识别。本发明能够准确识别用户基于惯性传感器在空中做出的特定轨迹的运动。
-
公开(公告)号：CN112212861A
公开(公告)日：2021-01-12
申请号：CN202010994902.7
申请日：2020-09-21
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明涉及一种基于单惯性传感器的轨迹还原方法。首先构建多种基础动作轨迹的几何模型，根据惯性传感器测量的加速度和角速度数据形成初步运动轨迹，利用LSTM模型和相似度曲线对初步运动轨迹完成了准确的分割，将初步运动轨迹分割为多个基础动作轨迹，使用训练好的1D‑CNN模型预测每个基础动作轨迹的类型，并使用训练好的深度学习模型准确确定每个基础动作轨迹的几何参数的值，完成了每个基础动作轨迹的准确还原，将基础动作轨迹进行拼接，最终得到运动动作的还原轨迹，实现了只根据单个惯性传感器的测量数据就能精确还原运动轨迹。
-
公开(公告)号：CN114611553B
公开(公告)日：2025-04-18
申请号：CN202210222980.4
申请日：2022-03-09
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F18/24 , G06F18/213 , G06F18/10 , G01C21/16
Abstract: 本发明公开了一种基于惯性传感器的身份检测方法及系统。该方法包括：提取有效运动数据；基于动态噪声反馈的扩展卡尔曼滤波的姿态解算模型，对有效运动数据进行姿态解算；基于姿态信息还原运动轨迹；分别在时域和频域上对有效运动数据和运动轨迹进行特征提取，得到多个运动特征向量；随机生成多组干扰运动数据，并提取所述干扰运动数据的特征向量；基于干扰运动数据特征向量、运动特征向量、干扰运动数据特征向量对应的动作类别以及运动特征向量对应的动作类别对随机森林模型进行训练，得到分类模型；通过分类模型进行身份检测。本发明能够在小样本数据集上实现精确的的动作识别、身份检测。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.026 seconds)
