-
公开(公告)号：CN112926475A
公开(公告)日：2021-06-08
申请号：CN202110251506.X
申请日：2021-03-08
Applicant: 电子科技大学
Abstract: 本发明公开一种人体三维关键点提取方法，应用于人体三维关键点检测领域，针对现有技术存在估计精度差的问题，本发明首先采用双视角进行人体动作行为数据采集；然后采用双分支多阶段结构分别对两个视角的数据进行人体二维关键点置信图检测；进而建立三维关键点生成模型；最后将检测到的待测人体动作行为数据对应的人体二维关键点置信图输入三维关键点生成模型，得到三维关键点坐标；采用本发明的方法可以有效提高人体三维关键点估计精度。
-
公开(公告)号：CN110718304B
公开(公告)日：2022-09-27
申请号：CN201910956307.1
申请日：2019-10-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种艾滋病患者用药依从性监测方法。本发明通过提出一种基于3D骨架的ST‑GLSTM深层网络学习模型，以识别艾滋病患者服药动作及服药后的人体不良反应行为，对患者用药依从性进行监测。本发明通过构建骨架时空图，以关节点拓扑结构表示节点间空间位置关系，以时间序列边缘的形式表达关节点的活动轨迹，设计符合骨架时空图的图长短期记忆网络模型，包括向心、离心点群时间与空间遗忘门和向心点群时间与空间细胞状态，通过构建时空遗忘门与时空细胞状态，模拟骨架数据的时空状态，同时融合学习骨架根节点的向心点、离心点等邻居节点的时空特征，提高患者用药过程动作识别精度，完成对患者用药依从性的监测。
-
Patent Agency Ranking
公开(公告)号：CN112998697A
公开(公告)日：2021-06-22
申请号：CN202110198589.0
申请日：2021-02-22
Applicant: 电子科技大学
Inventor： 刘晞
IPC: A61B5/11
Abstract: 本申请公开了一种基于骨架数据的跌倒伤害程度预测方法、系统及终端，对跌到过程中的骨架数据进行采集，对身体骨骼的各个部位进行向量表示；建立跌到伤害评估模型，第一ST‑LSTM网络用于对跌倒时受伤部位进行检测，第二ST‑LSTM网络用于对伤害程度进行评估；将处理后的数据输入所述跌倒伤害评估模型，获取伤害关键部位及其伤害程度评估结果。伤害评估模型有效提取关节和身体部位的时空特征，并通过各层实施注意力机制，更好地区分不同跌倒方式对身体伤害部位的影响，以及不同部位对跌倒伤害程度的影响，有效提高跌倒伤害程度评估精度。可适用于跌倒时身体各高危部位的伤害程度评估，使得同时评估多个部位伤害程度成为可能。
-
公开(公告)号：CN112926475B
公开(公告)日：2022-10-21
申请号：CN202110251506.X
申请日：2021-03-08
Applicant: 电子科技大学
Abstract: 本发明公开一种人体三维关键点提取方法，应用于人体三维关键点检测领域，针对现有技术存在估计精度差的问题，本发明首先采用双视角进行人体动作行为数据采集；然后采用双分支多阶段结构分别对两个视角的数据进行人体二维关键点置信图检测；进而建立三维关键点生成模型；最后将检测到的待测人体动作行为数据对应的人体二维关键点置信图输入三维关键点生成模型，得到三维关键点坐标；采用本发明的方法可以有效提高人体三维关键点估计精度。
-
公开(公告)号：CN112998697B
公开(公告)日：2022-06-14
申请号：CN202110198589.0
申请日：2021-02-22
Applicant: 电子科技大学
Inventor： 刘晞
IPC: A61B5/11
Abstract: 本申请公开了一种基于骨架数据的跌倒伤害程度预测方法、系统及终端，对跌到过程中的骨架数据进行采集，对身体骨骼的各个部位进行向量表示；建立跌到伤害评估模型，第一ST‑LSTM网络用于对跌倒时受伤部位进行检测，第二ST‑LSTM网络用于对伤害程度进行评估；将处理后的数据输入所述跌倒伤害评估模型，获取伤害关键部位及其伤害程度评估结果。伤害评估模型有效提取关节和身体部位的时空特征，并通过各层实施注意力机制，更好地区分不同跌倒方式对身体伤害部位的影响，以及不同部位对跌倒伤害程度的影响，有效提高跌倒伤害程度评估精度。可适用于跌倒时身体各高危部位的伤害程度评估，使得同时评估多个部位伤害程度成为可能。
-
公开(公告)号：CN110718304A
公开(公告)日：2020-01-21
申请号：CN201910956307.1
申请日：2019-10-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种艾滋病患者用药依从性监测方法。本发明通过提出一种基于3D骨架的ST-GLSTM深层网络学习模型，以识别艾滋病患者服药动作及服药后的人体不良反应行为，对患者用药依从性进行监测。本发明通过构建骨架时空图，以关节点拓扑结构表示节点间空间位置关系，以时间序列边缘的形式表达关节点的活动轨迹，设计符合骨架时空图的图长短期记忆网络模型，包括向心、离心点群时间与空间遗忘门和向心点群时间与空间细胞状态，通过构建时空遗忘门与时空细胞状态，模拟骨架数据的时空状态，同时融合学习骨架根节点的向心点、离心点等邻居节点的时空特征，提高患者用药过程动作识别精度，完成对患者用药依从性的监测。
-
公开(公告)号：CN110659677A
公开(公告)日：2020-01-07
申请号：CN201910853810.4
申请日：2019-09-10
Applicant: 电子科技大学
Abstract: 本发明属于电子信息检测技术领域，公开了一种基于可移动传感器组合设备的人体跌倒检测方法，包括：基于可穿戴传感器系统采集人体用户传感器数据。对采集的传感器数据进行数值归一化处理。采用基于时序多模态学习的CorrRNN模型对采集的传感器数据分类。通过腰部及腕部传感器收集数据分别构建分类器，并对分类结果加权组合得到跌倒类别判断结果。本发明提出的方法通过两个可穿戴传感器结合进行跌倒检测，采用了CorrRNN模型，该模型以无监督的方式进行训练，消除了对标记数据的需要，并且结合GRU以捕获长期依赖性和时序输入结构。可极大提高跌倒检测检测精度。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
