-
公开(公告)号：CN109784206A
公开(公告)日：2019-05-21
申请号：CN201811592241.4
申请日：2018-12-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于超限学习机的步态识别方法。本发明包括预处理、特征提取和分类识别，具体如下：所述预处理，用于获取标准统一大小的运动目标轮廓序列，包括以下步骤：1-1.提取运动目标轮廓序列；1-2.图像标准化；所述特征提取，用于获得具有良好表征性的步态特征参数，包括以下步骤：2-1.提取步态周期；2-2.提取动作能量图；2-3.通过2维主成分分析进行降维；所述采用核超限学习机(KELM)进行分类识别：3-1构建核超限学习机神经网络模型；3-2.训练核超限学习机神经网络；3-3.分类识别。本发明提取的动作能量图包含较多的动静态信息，无需借助复杂的图像处理过程，提取方式简单，具有很好的表征性。
-
公开(公告)号：CN109815786A
公开(公告)日：2019-05-28
申请号：CN201811487250.7
申请日：2018-12-06
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于区域熵特征的步态识别方法。本发明包括预处理、特征提取和分类识别三个部分。具体步骤如下：所述预处理，用于获取标准统一大小的运动目标轮廓序列，包括以下步骤：1-1.提取运动目标轮廓序列；1-2.图像标准化；所述特征提取，用于获得具有良好表征性的步态特征参数，包括以下步骤：2-1.提取步态周期；2-2.提取区域图像熵特征；步骤3.采用最近邻准则分类识别。本发明提取的区域图像熵特征具有很好的表征性,无需借助复杂的图像处理过程，提取方式简单，避免了降维和数据归一化的步骤，降低了系统复杂度，取得了较高的步态身份认证的识别率。
-
公开(公告)号：CN109815786B
公开(公告)日：2021-04-13
申请号：CN201811487250.7
申请日：2018-12-06
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于区域熵特征的步态识别方法。本发明包括预处理、特征提取和分类识别三个部分。具体步骤如下：所述预处理，用于获取标准统一大小的运动目标轮廓序列，包括以下步骤：1‑1.提取运动目标轮廓序列；1‑2.图像标准化；所述特征提取，用于获得具有良好表征性的步态特征参数，包括以下步骤：2‑1.提取步态周期；2‑2.提取区域图像熵特征；步骤3.采用最近邻准则分类识别。本发明提取的区域图像熵特征具有很好的表征性,无需借助复杂的图像处理过程，提取方式简单，避免了降维和数据归一化的步骤，降低了系统复杂度，取得了较高的步态身份认证的识别率。
-
公开(公告)号：CN110151189A
公开(公告)日：2019-08-23
申请号：CN201910362778.X
申请日：2019-04-30
Applicant: 杭州电子科技大学
IPC: A61B5/11
Abstract: 本发明公开了一种用于帕金森步态风险评估的非线性步态动力学判别方法。本发明方法提出了基于非线性动力学特征的多维特征判别图以用于帕金森患者的步态风险评估，联合了支持向量机、非线性动力学特征和图形化显示方法，将5维的非线性动力学特征在二维平面中以图形的方式展示。本发明方法适用于帕金森患者的步态风险评估。在正常的人群中，如果非线性步态动力学判别图的多个指标都超出判别图的分界点，则说明其患病的概率或者病症的严重程度将大大的提升，需要引起个体自身的密切关注以及医生的进一步检查。
-
-
-
Search Results
4
records
(took 0.037 seconds)
