-
公开(公告)号：CN109886164A
公开(公告)日：2019-06-14
申请号：CN201910094426.0
申请日：2019-01-30
Applicant: 济南大学
Abstract: 本发明提供了一种异常手势的识别与处理方法，包括：通过kinect获取人手深度图像；将[0,n/2]、[n/2,n]帧内的每一帧手势图像作CNN模型的正向传播，提取特征图像，对特征图像中的像素点进行聚类，获取第一特征值、第二特征值；利用RNN无监督学习深度网络，比较第一特征值与第二特征值的相似性；对神经网络分类后的手势图像进行正向特征提取，获取第一特征向量，将[0,n/2]帧和[n/2,n]帧进行融合，获取第二特征向量；对第一特征向量和第二特征向量进行误差逆向传播算法训练；反复迭代，得到最大相似手势。本发明解决了现有技术中对于手势的识别容易出现无法识别或者识别错误的异常问题，实现提高对异常手势的识别准确度，提升用户体验。
-
Patent Agency Ranking
公开(公告)号：CN110309570B
公开(公告)日：2022-11-04
申请号：CN201910544280.5
申请日：2019-06-21
Applicant: 济南大学
IPC: G06F30/20 , G06F40/289 , G06F40/30 , G06F40/247 , G06Q50/20 , G09B9/00
Abstract: 本发明提出了一种具有认知能力的多模态仿真实验容器，包括：仿真实验容器本体、触摸显示器、光敏传感器、单片机、声音传感器、智能终端，还提出了一种具有认知能力的多模态仿真实验容器方法，通过传感器感知用户行为，得到第一意图集，并通过对语音进行关键字提取处理，得到第二意图集，将第一意图集与第二意图集进行取交集运算，从而得到第三意图集，给用户一种真实的反馈感，用户在使用时不需要去刻意的记忆步骤，改为运用实验操作去理解知识，增加了学生学习兴趣和对知识的运用能力，极大的减少了实验材料的消耗，也不用处理试验后留下的实验废品，方便用户操作。
-
公开(公告)号：CN112295617A
公开(公告)日：2021-02-02
申请号：CN202010984196.8
申请日：2020-09-18
Applicant: 济南大学
Abstract: 本发明提出了一种基于实验场景态势感知的智能烧杯，包括多模态输入感知模块、意图理解模块和意图融合模块；多模块输入感知模块用于接收语音传感器和视觉信息。意图理解模块用于根据语音关键字与语音意图库中意图的相关度得到语音意图；通过姿态传感器和测距设备交互获取烧杯的三维信息得到操作行为意图；基于图获取的图像，采用slam技术感知烧杯运动轨迹和采用区域生成网络感知场景态势得到场景感知意图。意图融合模块用于将用户意图利用模糊逻辑算子进行模糊推理，结合场景感知意图得到意图融合最终结果。本发明通过智能烧杯通过多模态融合与意图理解算法解决了用户行为的过程监控、实验场景理解和真实感量化交互方法的问题。
-
公开(公告)号：CN109886164B
公开(公告)日：2022-11-04
申请号：CN201910094426.0
申请日：2019-01-30
Applicant: 济南大学
IPC: G06V40/10 , G06V40/20 , G06V10/74 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明提供了一种异常手势的识别与处理方法，包括：通过kinect获取人手深度图像；将[0,n/2]、[n/2,n]帧内的每一帧手势图像作CNN模型的正向传播，提取特征图像，对特征图像中的像素点进行聚类，获取第一特征值、第二特征值；利用RNN无监督学习深度网络，比较第一特征值与第二特征值的相似性；对神经网络分类后的手势图像进行正向特征提取，获取第一特征向量，将[0,n/2]帧和[n/2,n]帧进行融合，获取第二特征向量；对第一特征向量和第二特征向量进行误差逆向传播算法训练；反复迭代，得到最大相似手势。本发明解决了现有技术中对于手势的识别容易出现无法识别或者识别错误的异常问题，实现提高对异常手势的识别准确度，提升用户体验。
-
公开(公告)号：CN112295617B
公开(公告)日：2022-04-01
申请号：CN202010984196.8
申请日：2020-09-18
Applicant: 济南大学
Abstract: 本发明提出了一种基于实验场景态势感知的智能烧杯，包括多模态输入感知模块、意图理解模块和意图融合模块；多模块输入感知模块用于接收语音传感器和视觉信息。意图理解模块用于根据语音关键字与语音意图库中意图的相关度得到语音意图；通过姿态传感器和测距设备交互获取烧杯的三维信息得到操作行为意图；基于图获取的图像，采用slam技术感知烧杯运动轨迹和采用区域生成网络感知场景态势得到场景感知意图。意图融合模块用于将用户意图利用模糊逻辑算子进行模糊推理，结合场景感知意图得到意图融合最终结果。本发明通过智能烧杯通过多模态融合与意图理解算法解决了用户行为的过程监控、实验场景理解和真实感量化交互方法的问题。
-
公开(公告)号：CN110309570A
公开(公告)日：2019-10-08
申请号：CN201910544280.5
申请日：2019-06-21
Applicant: 济南大学
Abstract: 本发明提出了一种具有认知能力的多模态仿真实验容器，包括：仿真实验容器本体、触摸显示器、光敏传感器、单片机、声音传感器、智能终端，还提出了一种具有认知能力的多模态仿真实验容器方法，通过传感器感知用户行为，得到第一意图集，并通过对语音进行关键字提取处理，得到第二意图集，将第一意图集与第二意图集进行取交集运算，从而得到第三意图集，给用户一种真实的反馈感，用户在使用时不需要去刻意的记忆步骤，改为运用实验操作去理解知识，增加了学生学习兴趣和对知识的运用能力，极大的减少了实验材料的消耗，也不用处理试验后留下的实验废品，方便用户操作。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
