公开(公告)号：CN116844696A

公开(公告)日：2023-10-03

申请号：CN202310461647.3

申请日：2023-04-26

Applicant: 河北农业大学

Inventor： 李聪聪 ,  张鹏慧 ,  蔡月婷 ,  李一帆 ,  张昱婷

IPC: G16H20/90 ,  G06V40/16 ,  G06V10/764 ,  G06V10/82 ,  G06N3/048

Abstract: 本发明公开了一种基于深度神经网络的面象中医体质辨识方法，包括以下步骤：S1、体质数据和面部数据采集；S2、对采集的数据进行标签标注，构建面部体质数据集；S3、面部体质数据集预处理；S4、构建MSRB‑Resnet模型。本发明采用上述的一种基于深度神经网络的面象中医体质辨识方法，建立的MSRB‑Resnet模型可以显著提高体质辨识模型的准确率。

公开(公告)号：CN117752328A

公开(公告)日：2024-03-26

申请号：CN202410042889.3

申请日：2024-01-11

Applicant: 河北农业大学

Inventor： 李聪聪 ,  王斌 ,  李一帆 ,  刘博 ,  刘宏雷

IPC: A61B5/11

Abstract: 本发明公开了一种基于计算机视觉的轻量级病理步态分析方法，涉及计算机视觉技术领域。该分析方法包括：采集侧视图步态的彩色图像序列，对彩色图像序列进行自动周期划分，生成新的侧视图步态模板FEI，作为深度学习网络的输入数据集；选择MoileNetv2为基础算法，引入改进注意力机制ICBAM模块，对MobileNetv2卷积网络提取的卷积特征图进行关注，以降低图像中无关信息的权重，减少信息冗余，使空间注意和通道注意力不受先后顺序的影响；设计新的定制头部，采用深度可分离卷积替换原全局平均池化层，使得深度网络能更好保留通道和空间信息，增强模型的特征表达能力和泛化能力，提高病理步态的识别精度，并通过消融实验和模块对比实验，分析和评估改进模型的性能。

公开(公告)号：CN116491933A

公开(公告)日：2023-07-28

申请号：CN202310461642.0

申请日：2023-04-26

Applicant: 河北农业大学

Inventor： 李聪聪 ,  蔡月婷 ,  张鹏慧 ,  李一帆

IPC: A61B5/11 ,  A61B5/00 ,  A61B5/103

Abstract: 本发明公开了一种基于可穿戴式传感器的跌倒风险评估方法，包括以下步骤：S1、通过人体步行试验利用惯性传感器和足底压力传感器进行数据采集，通过TUGT测试、Tinetti平衡和步态量表进行标签标注，将采集的数据经过滤波和样本分割后得到步态序列数据集；S2、将步态序列数据集输入到ISA‑ECA‑CNN‑BiLSTM网络模型中进行特征提取；S3、将IMU信号和足底压力信号提取出来的特征进行自适应加权特征融合，进行跌倒风险检测任务。本发明采用上述的一种基于可穿戴式传感器的跌倒风险评估方法，解决了单一模态传感器信号存在鲁棒性不足和风险评估模型缺乏有效性的问题，利用采集到的步态数据集来学习步态特征，本方法具有准确性高、识别速度快、性能稳定等优点。

公开(公告)号：CN115393956A

公开(公告)日：2022-11-25

申请号：CN202211009767.1

申请日：2022-08-22

Applicant: 河北农业大学

Inventor： 李聪聪 ,  刘明昊 ,  滕桂法 ,  李一帆 ,  王芳 ,  张昱婷

IPC: G06V40/20 ,  G06V10/26 ,  G06V10/30 ,  G06V10/40 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种改进注意力机制的CNN‑BiLSTM跌倒检测方法。该方法通过CNN提取数据的空间特征，利用LSTM提取时间特征，并进行特征融合，在CNN中加入注意力机制——Convolutional Attention Block Module(CBAM)卷积模块，并针对CBAM的通道注意力模块，引入一维卷积替代全连接层来聚合各通道间的信息，减少冗余计算的同时更好的对特征进行提取，以提高跌倒检测算法在复杂环境下检测的鲁棒性与稳定性。