-
公开(公告)号：CN112716474B
公开(公告)日：2024-01-23
申请号：CN202110078118.6
申请日：2021-01-20
Applicant: 复旦大学
IPC: A61B5/0507 , A61B5/00
Abstract: 本发明涉及一种基于生物微波雷达的非接触式睡眠状态监测方法和系统，包括以下步骤：S1：微波雷达传感器向待测个体发送微波信号，接收雷达回波信号并进行预处理后，得到雷达原始数据；S2：对雷达原始数据进行雷达信号处理，得到睡眠体动特征数据集和包括生理体征数据的睡眠状态分类数据集；S3：基于大数据和人工智能算法，结合睡眠体动特征数据集和睡眠状态分类数据集，得到待测个体的睡眠状态结果，完成睡眠状态监测，与现有技术相比，本发明具有便捷、准确等优点。
-
公开(公告)号：CN115512071A
公开(公告)日：2022-12-23
申请号：CN202110699366.2
申请日：2021-06-23
Abstract: 本申请实施例公开了一种对象识别方法，涉及人工智能以及微波雷达领域，方法包括：根据针对于目标对象的点云数据集来获取目标对象的特征信息，特征信息可以刻画目标对象在移动时多个时刻的体态特征，根据特征信息确定目标对象的身份。本申请充分挖掘目标对象在移动时的空变特性(体态特征)和时变特性(体态特征随时间的变化)，能够更全面的表征不同目标对象的特征差异性，从而提高了对象识别的准确率。
-
公开(公告)号：CN111738060A
公开(公告)日：2020-10-02
申请号：CN202010378975.3
申请日：2020-05-07
Applicant: 复旦大学
Abstract: 本发明属于安防监控技术领域，具体为一种基于毫米波雷达的人体步态识别系统。本发明系统包括：毫米波雷达子系统、数据处理子系统、特征数据库子系统、分类识别子系统和交互界面子系统；毫米波雷达子系统用于发射和接收毫米波，得到包含人体步态信息的数字中频原始数据；数据处理子系统用于对原始数据进行数字信号处理提取雷达特征；特征数据库子系统用于存储和更新所设定步态的特征数据集；分类识别子系统用于利用传统分类方法和深度学习方法进行步态分类识别；交互界面子系统用于交互控制和显示步态识别结果。本发明着眼于室内和室外人体的步态特性分析，适用于智能家居和智能安防场景中的人体行走状态分析、行走特性识别、身份识别等。
-
公开(公告)号：CN110765974B
公开(公告)日：2023-05-02
申请号：CN201911054117.7
申请日：2019-10-31
Applicant: 复旦大学
IPC: G06V40/20 , G06V10/774 , G06V10/764 , G01S13/88 , G06V10/82 , G06N3/0464
Abstract: 本发明属于人机交互技术领域，具体为基于毫米波雷达和卷积神经网络的微动手势识别方法。本发明的主要步骤包括：根据应用场景设计雷达参数和微动手势；利用毫米波雷达周期性地发射具有确定雷达参数的线性调频信号同时接收人体手部反射的回波信号，与发射信号进行差频后进行ADC采样得到数字中频信号；对数字中频信号进行处理，计算微动手势的特征参数；选取某一特征，建立多种手势的数据集；针对毫米波雷达特征图像设计卷积神经网络，输入手势数据集训练得到分类模型；调用分类模型实现多种手势的分类识别。本发明实用性强，可用于智能家居、隔空输入、手语翻译、机械控制、VR、AR等领域，应用前景广阔。
-
公开(公告)号：CN110988861B
公开(公告)日：2022-09-16
申请号：CN201911056144.8
申请日：2019-10-31
Applicant: 复旦大学
IPC: G01S13/42 , G01S13/58 , G01S13/88 , G06V40/20 , G06V40/10 , G06V10/74 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/02
Abstract: 本发明属于模式识别技术领域，具体为一种基于毫米波雷达的人体姿态识别系统。本发明系统包括毫米波雷达子系统、数据处理与跟踪定位子系统、人工智能分类子系统；毫米波雷达子系统向检测范围内发射线性调频连续波信号，并采集人体反射的雷达回波数据，经混频、滤波和模数转换采样后输出中频原始数据；数据处理与跟踪定位子系统从原始数据中提取能够表征人体姿态的多种特征，包括距离、速度、加速度、方位特征等，实时跟踪定位人体所在位置；人工智能分类子系统对特征信息进行过滤、分类和判决，综合分类和判决结果确定人体姿态。本发明着眼于现实生活中的人体姿态识别和状态监测，可以适用于家庭、办公室、工厂车间、医院病房、养老院等场景。
-
Patent Agency Ranking
公开(公告)号：CN113064483A
公开(公告)日：2021-07-02
申请号：CN202110221938.6
申请日：2021-02-27
Abstract: 本申请实施例公开了一种手势识别方法，涉及人工智能以及手势识别领域，方法包括：获取当前的目标应用场景，并从多个用于在不同应用场景中识别手势的手势识别模型中获取所述目标应用场景对应的目标手势识别模型，进而可以通过所述目标手势识别模型识别出所述手势数据对应的目标手势类型。本申请针对于目标应用场景，单独训练了一个目标手势识别模型，该目标手势识别模型用于识别目标应用场景需要识别的手势类型，只需要正确的识别出目标应用场景需要识别的手势类型，而不需要识别出除目标应用场景需要识别的手势类型之外的手势类别，能降低手势识别的混淆性，提高手势识别的准确性。
-
公开(公告)号：CN112998701A
公开(公告)日：2021-06-22
申请号：CN202110331449.6
申请日：2021-03-27
Applicant: 复旦大学
IPC: A61B5/117 , A61B5/0205
Abstract: 本发明涉及一种基于毫米波雷达的生命体征检测与身份识别系统，包括相互通信连接的毫米波雷达子系统、雷达数据预处理子系统、生命体征特征数据库子系统、身份识别子系统和智能交互界面子系统，毫米波雷达子系统放置于待测对象旁，包括发射天线和接收天线，用于得到原始雷达数据；雷达数据预处理子系统分解原始雷达数据中的呼吸信号和心跳信号，并提取生命体征特征信息；生命体征特征数据库子系统用于存储身份信息及其对应的生命体征特征信息；身份识别子系统学习生命体征特征信息，进行分类并确定对应的身份信息；智能交互界面子系统包括显示屏，显示生命体征信息和身份识别结果，与现有技术相比，本发明具有实用性高、隐私保护安全等优点。
-
公开(公告)号：CN112716474A
公开(公告)日：2021-04-30
申请号：CN202110078118.6
申请日：2021-01-20
Applicant: 复旦大学
IPC: A61B5/0507 , A61B5/00
Abstract: 本发明涉及一种基于生物微波雷达的非接触式睡眠状态监测方法和系统，包括以下步骤：S1：微波雷达传感器向待测个体发送微波信号，接收雷达回波信号并进行预处理后，得到雷达原始数据；S2：对雷达原始数据进行雷达信号处理，得到睡眠体动特征数据集和包括生理体征数据的睡眠状态分类数据集；S3：基于大数据和人工智能算法，结合睡眠体动特征数据集和睡眠状态分类数据集，得到待测个体的睡眠状态结果，完成睡眠状态监测，与现有技术相比，本发明具有便捷、准确等优点。
-
公开(公告)号：CN112444805A
公开(公告)日：2021-03-05
申请号：CN202011198445.7
申请日：2020-11-01
Applicant: 复旦大学
Abstract: 本发明属于定位跟踪与身份识别技术领域，具体为基于雷达的分布式多目标检测、定位跟踪与身份识别系统。本发明系统包括雷达数据采集子系统、数据处理子系统、多目标跟踪子系统、身份识别子系统和智能交互子系统；雷达数据采集子系统获取包含场景和多目标信息的原始雷达数据；数据处理子系统对原始雷达数据进行数字信号处理，得到包含场景和多目标信息的雷达特征数据；多目标跟踪子系统采用多目标跟踪与身份识别子系统的双向反馈机制对多目标进行检测跟踪；身份识别子系统对多目标的身份和轨迹识别；本发明适用于智能家居、智能楼宇、智慧医疗、智慧城市等多种领域。
-
公开(公告)号：CN110988861A
公开(公告)日：2020-04-10
申请号：CN201911056144.8
申请日：2019-10-31
Applicant: 复旦大学
Abstract: 本发明属于模式识别技术领域，具体为一种基于毫米波雷达的人体姿态识别系统。本发明系统包括毫米波雷达子系统、数据处理与跟踪定位子系统、人工智能分类子系统；毫米波雷达子系统向检测范围内发射线性调频连续波信号，并采集人体反射的雷达回波数据，经混频、滤波和模数转换采样后输出中频原始数据；数据处理与跟踪定位子系统从原始数据中提取能够表征人体姿态的多种特征，包括距离、速度、加速度、方位特征等，实时跟踪定位人体所在位置；人工智能分类子系统对特征信息进行过滤、分类和判决，综合分类和判决结果确定人体姿态。本发明着眼于现实生活中的人体姿态识别和状态监测，可以适用于家庭、办公室、工厂车间、医院病房、养老院等场景。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.018 seconds)
