-
公开(公告)号：CN118914651A
公开(公告)日：2024-11-08
申请号：CN202410961441.1
申请日：2024-07-17
Applicant: 大连理工大学
IPC: G01R19/25 , G01R1/28 , G05B19/042 , H02J13/00 , H02S50/00 , H04W4/38 , H04W12/03 , H04W12/00 , H04W28/06 , H04W84/18 , H04L67/12 , H04W52/02
Abstract: 本发明公开一种微安电流检测系统，涉及电流检测领域。所述微安电流检测系统包括太阳能电池板、电池包、稳压电路、仪表放大器、采样电阻、MCU以及XBee通讯模块；其中采样电阻的两端用于接入待测传感器，并将待测传感器上的待测电流转换为待测电压；仪表放大器用于对待测电压进行放大，输出放大后的电压信号；MCU使用自带的硬件DMA功能持续对电压信号进行采集，通过数字滤波后得到ADC采样数值；MCU还基于ADC采样数值计算对应的电流参数大小，并将ADC采样数值与对应的电流参数数据进行压缩和加密，将生成的压缩包发送至XBee通讯模块，经由Xbee通信模块进行压缩包数据无线发送。本发明系统同时具备高精度、超低功耗、小体积的特点并且支持无线通信。
-
公开(公告)号：CN114993320A
公开(公告)日：2022-09-02
申请号：CN202210638167.5
申请日：2022-06-08
Applicant: 大连理工大学
Abstract: 本发明涉及室内定位技术领域，提供一种基于多源信息融合的室内定位方法，包括：步骤100，建立Wi‑Fi指纹数据库，所述Wi‑Fi指纹是Wi‑Fi的一组信号强度；步骤200，实时采集用户的Wi‑Fi信号强度数据和行人运动数据；步骤300，利用用户的Wi‑Fi信号强度数据，确定行人的初始位置并实时提供定位结果；步骤400，利用用户的行人运动数据，进行行人航位推算定位；步骤500，利用粒子滤波的方法，对步骤300所得的Wi‑Fi定位结果、步骤400所得的行人航位推算定位结果以及室内地图信息进行融合，得到最优的室内定位结果。本发明能够使得最终定位结果更加符合实际，提高定位结果的准确性。
-
公开(公告)号：CN104523282B
公开(公告)日：2016-07-13
申请号：CN201510013153.4
申请日：2015-01-09
Applicant: 大连理工大学
IPC: A61B5/11
Abstract: 本发明涉及信息监测技术领域，提供一种穿戴式人马动作监测方法和系统，所述方法包括：分别在人体头部、颈部、骨盆、双脚以及马匹骨盆位置安装传感器节点；利用所述传感器节点，采集人马相互作用过程中的运动数据，并把采集到的所述运动数据发送到监控服务器；利用所述监控服务器，对采集到的所述运动数据进行数据处理；将第一处理结果、第二处理结果、第三处理结果以及第四处理结果保存在现场的监控中心或发送到远程的监控中心。本发明提出评价马术治疗效果的客观量化指标，为评价马术治疗效果提供数据支持，能够避免由人为主观因素引起的偏差。
-
公开(公告)号：CN104523282A
公开(公告)日：2015-04-22
申请号：CN201510013153.4
申请日：2015-01-09
Applicant: 大连理工大学
IPC: A61B5/11
CPC classification number: A61B5/11 , A61B5/1118
Abstract: 本发明涉及信息监测技术领域，提供一种穿戴式人马动作监测方法和系统，所述方法包括：分别在人体头部、颈部、骨盆、双脚以及马匹骨盆位置安装传感器节点；利用所述传感器节点，采集人马相互作用过程中的运动数据，并把采集到的所述运动数据发送到监控服务器；利用所述监控服务器，对采集到的所述运动数据进行数据处理；将第一处理结果、第二处理结果、第三处理结果以及第四处理结果保存在现场的监控中心或发送到远程的监控中心。本发明提出评价马术治疗效果的客观量化指标，为评价马术治疗效果提供数据支持，能够避免由人为主观因素引起的偏差。
-
公开(公告)号：CN109086698A
公开(公告)日：2018-12-25
申请号：CN201810803749.8
申请日：2018-07-20
Applicant: 大连理工大学
Abstract: 本发明涉及人体动作识别领域，提供一种基于多传感器数据融合的人体动作识别方法，包括：利用分别固定于人体不同部位的N个惯性传感器节点，采集人体动作数据；利用滑动窗口分割技术对每个传感器节点所采集的人体动作数据进行窗口分割，得到每个传感器节点的多个动作数据片段；对每个传感器节点的动作数据片段进行特征提取，得到相应的特征向量；利用RLDA算法对获得的每个传感器节点的特征向量进行特征降维；将每个传感器节点降维后的特征向量作为训练数据进行参数训练以及建模，得到相应的分层融合模型；利用得到的分层融合模型，进行人体动作识别。本发明能有效的克服单分类器在识别过程中的弊端，可有效的提高人体动作识别精度。
-
Patent Agency Ranking
公开(公告)号：CN104613965B
公开(公告)日：2017-10-17
申请号：CN201510093862.8
申请日：2015-03-02
Applicant: 大连理工大学
Abstract: 本发明提供一种基于双向滤波平滑技术的步进式行人导航方法包括：采集人体行走数据；在第一前向算法通道，对采集到的人体行走数据进行误差校正，利用校正后的人体行走数据进行姿态和速度的捷联惯导解算；同时进行步态时相的检测和步进区间的划分，当检测到步态周期的支撑相时，在误差域进行姿态误差和速度误差的开环卡尔曼滤波估计；在后向算法通道，对第一前向算法通道中估计出的姿态误差和速度误差进行平滑处理；在第二前向算法通道，利用后向算法通道中平滑处理后的误差估计对第一前向算法通道中解算出的姿态和速度进行误差校正，对误差校正后的速度进行积分，解算出人体行走时的位置。本发明能够提高行人导航方法的精确性、鲁棒性和平滑性。
-
公开(公告)号：CN104757976A
公开(公告)日：2015-07-08
申请号：CN201510178450.4
申请日：2015-04-16
Applicant: 大连理工大学
IPC: A61B5/11
CPC classification number: A61B5/112
Abstract: 本发明涉及生物医学工程中的步态分析技术领域，提供一种基于多传感器融合的人体步态分析方法和系统，所述方法包括：根据人体运动特征，对传感器信号进行滤波处理消除信号噪声误差，使用改进的零速度更新算法消除积分误差，使其适用于不同的步行场景；使用迪纳维特-哈坦伯格法融合多个传感器数据，减少腿部位置计算误差；经过误差矫正，精确计算被测者行走过程中的步速、步长、步频、步行周期和步行轨迹；建立步态数据库，通过分位数回归分析方法对不同被测者的步态数据进行统计分析。本发明能够提高步态参数测量精度，通过标准化处理使不同被测者的步态参数具有可比性。
-
公开(公告)号：CN119942647A
公开(公告)日：2025-05-06
申请号：CN202510039657.7
申请日：2025-01-09
Applicant: 大连理工大学
Abstract: 本申请公开了一种单双杠体操动作评估评分方法、装置、设备、介质及产品，涉及体育数据处理技术领域，该方法包括基于三维人体姿态估计算法对单双杠体操动作图像进行处理，得到人体关键点；基于人体关键点，根据DTW算法将目标动作序列与标准动作序列对比分析，得到初步距离度量值；基于初步距离度量值，根据特征阈值方法对目标动作序列进行评估，检测目标动作序列中关节的角度变化以及身体部位的位置信息，并将超出预设阈值范围的特征量扣除相应的分数，得到扣分结果；特征量为关节角度和关节坐标；将初步距离度量值以及扣分结果进行加权融合处理，得到目标动作序列的综合得分从而能够全面捕捉动作的关键特征和细节信息。
-
公开(公告)号：CN115904086A
公开(公告)日：2023-04-04
申请号：CN202211698335.6
申请日：2022-12-28
Applicant: 大连理工大学
IPC: G06F3/01 , G06F18/25 , G06F18/214 , G06F18/241 , G06F18/10 , G06F17/10 , G06N3/0442 , G06N3/08
Abstract: 本发明属于手语识别领域，提供了一种基于可穿戴计算的手语识别方法，提供一种基于可穿戴计算的手语识别系统，包括一副惯性数据手套、路由装置、人机交互平台。每只惯性数据手套包括十六颗惯性传感器和一个无线传输模块，其中惯性传感器包括三轴加速度计、三轴陀螺仪、三轴磁力计，无线传输模块通过传输控制协议以路由装置为中枢与人机交互平台完成交互。人机交互模块可以对手语识别系统进行操作，并集成有训练好的Bi‑LSTM模型，利用惯性数据手套上传的手部数据输入到Bi‑LSTM模型中进行手语识别，并显示出识别出的手语信息。该系统能够实现对20种中国动态手语进行识别，具有精度高、功耗低、设备体积小、易于部署识别等特点。
-
公开(公告)号：CN109086698B
公开(公告)日：2021-06-25
申请号：CN201810803749.8
申请日：2018-07-20
Applicant: 大连理工大学
Abstract: 本发明涉及人体动作识别领域，提供一种基于多传感器数据融合的人体动作识别方法，包括：利用分别固定于人体不同部位的N个惯性传感器节点，采集人体动作数据；利用滑动窗口分割技术对每个传感器节点所采集的人体动作数据进行窗口分割，得到每个传感器节点的多个动作数据片段；对每个传感器节点的动作数据片段进行特征提取，得到相应的特征向量；利用RLDA算法对获得的每个传感器节点的特征向量进行特征降维；将每个传感器节点降维后的特征向量作为训练数据进行参数训练以及建模，得到相应的分层融合模型；利用得到的分层融合模型，进行人体动作识别。本发明能有效的克服单分类器在识别过程中的弊端，可有效的提高人体动作识别精度。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.113 seconds)
