-
公开(公告)号：CN108898062B
公开(公告)日：2021-12-10
申请号：CN201810546542.7
申请日：2018-05-31
Applicant: 电子科技大学
IPC: G06K9/00
Abstract: 本发明涉及一种基于改进的信号片段提取算法的手部动作识别方法。本发明包括以下步骤：S1、采集人体的手部动作数据，去除所述手部动作数据中的过渡动作数据，得到手部动作数据的雏形动作片段；S2、针对不同长度的动作雏形动作片段进行自适应的片段提取，探测手部动作的完整动作片段和其真实的起始点和终止点；S3、提取所述完整动作片段的特征值，对手部动作分类模型进行训练，最后利用所述手部动作分类模型进行手部动作识别。本发明能够自适应不同手部动作类型的运动时间长度，对人体各手部动作的完整动作片段进行精确提取，并能够探测得到各动作片段的真实状态点(起始点和终止点)，获得各个动作的精确完整动作片段。
-
公开(公告)号：CN109508677A
公开(公告)日：2019-03-22
申请号：CN201811360857.9
申请日：2018-11-15
Applicant: 电子科技大学
Abstract: 本发明公开了一种改进的卷积神经网络的空中手写动作识别方法，该方法利用多时间序列和部分权重共享技术的CNN对特征进行提取，解决了传统方法需手工设计特征等缺点。该方法主要包括以下内容：1、对传感器数据的预处理以及动作片段提取；2、利用改进的CNN提取动作特征，改进包括引入多时间序列作为输入，在卷积层利用部分权重共享技术一定程度上解决了因传统特征提取导致局部差异性削弱而带来的精度下降问题，使特征更具代表性，在池化层和反向传播上结合部分权重共享做出了相应改进，使网络能进行正确的训练。本发明通过改进的CNN提高了空中手写动作的识别精度，可用于模式识别系统中，为基于智能腕带的手部动作识别做技术支撑。
-
公开(公告)号：CN109508677B
公开(公告)日：2021-07-13
申请号：CN201811360857.9
申请日：2018-11-15
Applicant: 电子科技大学
Abstract: 本发明公开了一种改进的卷积神经网络的空中手写动作识别方法，该方法利用多时间序列和部分权重共享技术的CNN对特征进行提取，解决了传统方法需手工设计特征等缺点。该方法主要包括以下内容：1、对传感器数据的预处理以及动作片段提取；2、利用改进的CNN提取动作特征，改进包括引入多时间序列作为输入，在卷积层利用部分权重共享技术一定程度上解决了因传统特征提取导致局部差异性削弱而带来的精度下降问题，使特征更具代表性，在池化层和反向传播上结合部分权重共享做出了相应改进，使网络能进行正确的训练。本发明通过改进的CNN提高了空中手写动作的识别精度，可用于模式识别系统中，为基于智能腕带的手部动作识别做技术支撑。
-
公开(公告)号：CN109670548A
公开(公告)日：2019-04-23
申请号：CN201811561547.3
申请日：2018-12-20
Applicant: 电子科技大学
IPC: G06K9/62
Abstract: 为了解决传统机器学习算法对特征提取的困难以及相似动作给分类识别带来的混淆性，本发明提出了一种基于改进LSTM-CNN的多尺寸输入HAR算法。该算法将优化的CNN卷积神经网络和多层双向动态LSTM长短时记忆网络融合对HAR人体行为活动进行识别。包括多尺寸输入、模型分类识别。所述多尺寸输入将数据进行降噪、均值-方差归一化、零填充等操作生成两个不同维度的数据作为模型输入，所述模型分类识别将优化的CNN网络与多层双向动态LSTM网络融合进行分类识别。本发明采用优化的卷积神经网络和多层双向动态长短期记忆网络融合构建分类器，具有很好的扩展性和鲁棒性，能够实现高精度的人体行为活动识别。
-
公开(公告)号：CN108898062A
公开(公告)日：2018-11-27
申请号：CN201810546542.7
申请日：2018-05-31
Applicant: 电子科技大学
IPC: G06K9/00
Abstract: 本发明涉及一种基于改进的信号片段提取算法的手部动作识别方法。本发明包括以下步骤：S1、采集人体的手部动作数据，去除所述手部动作数据中的过渡动作数据，得到手部动作数据的雏形动作片段；S2、针对不同长度的动作雏形动作片段进行自适应的片段提取，探测手部动作的完整动作片段和其真实的起始点和终止点；S3、提取所述完整动作片段的特征值，对手部动作分类模型进行训练，最后利用所述手部动作分类模型进行手部动作识别。本发明能够自适应不同手部动作类型的运动时间长度，对人体各手部动作的完整动作片段进行精确提取，并能够探测得到各动作片段的真实状态点(起始点和终止点)，获得各个动作的精确完整动作片段。
-
Patent Agency Ranking
公开(公告)号：CN105743599B
公开(公告)日：2018-06-29
申请号：CN201610228615.9
申请日：2016-04-13
Applicant: 电子科技大学
IPC: H04J3/06
Abstract: 本发明公开了一种动态网络高精度传输同步与补偿方法。该方法可以作为在网络中信息发送者向网络内多个指定终端设备发送信息或指令时，信息送达同步问题的一种解决方案和机制。本发明通过指定的硬件授时时钟机制，为终端设备提供高精度的时钟同步信息，包括如下具体内容：所发明精准时间信息获取机制，用于为各终端中的应用层程序提供精准时间信息获取接口；信息传输同步方法包括网络延迟触探和估计方法，用于对全网内各终端设备的信息传输延迟进行估计，并得到各终端的网络延迟量；动态网络发送队列机制，用于实际抵消信息在发送至各终端时的延迟，获得同步。本发明可用于在工业应用系统中的控制信息发送模块中，为其信息同步送达提供技术支撑。
-
公开(公告)号：CN106919958A
公开(公告)日：2017-07-04
申请号：CN201710168313.1
申请日：2017-03-21
Applicant: 电子科技大学
IPC: G06K9/62 , G06F3/01 , G06F3/0346
CPC classification number: G06K9/6267 , G06F3/014 , G06F3/0346 , G06K9/6256
Abstract: 本发明公开了一种基于智能手表的手指细微动作识别方法。该应用与识别方法可以解决在操作智能手表时，因屏幕小及按键单一，使人们使用极不方便，所带来误操作和体验度问题。该应用和识别方法具体包括如下内容：1、对手指动作加速度原始数据进行分割，精确提取手指动作片段算法；2、只提取手指动作加速度信号特征值对手指动作进行精确识别，减少系统运算开支；3、根据识别结果对智能手表进行控制和操作。本发明通过智能手表内置的加速度传感器采集人体手指细微动作传感器数据，智能手表充分利用手指动作特征数据和良好的数据处理能力，可以通过识别手指细微动作方便地控制和操作智能手表，可以大大简化人机交互过程，增强智能手表的使用价值。
-
公开(公告)号：CN105743599A
公开(公告)日：2016-07-06
申请号：CN201610228615.9
申请日：2016-04-13
Applicant: 电子科技大学
IPC: H04J3/06
CPC classification number: H04J3/0635
Abstract: 本发明公开了一种动态网络高精度传输同步与补偿方法。该方法可以作为在网络中信息发送者向网络内多个指定终端设备发送信息或指令时，信息送达同步问题的一种解决方案和机制。本发明通过指定的硬件授时时钟机制，为终端设备提供高精度的时钟同步信息，包括如下具体内容：所发明精准时间信息获取机制，用于为各终端中的应用层程序提供精准时间信息获取接口；信息传输同步方法包括网络延迟触探和估计方法，用于对全网内各终端设备的信息传输延迟进行估计，并得到各终端的网络延迟量；动态网络发送队列机制，用于实际抵消信息在发送至各终端时的延迟，获得同步。本发明可用于在工业应用系统中的控制信息发送模块中，为其信息同步送达提供技术支撑。
-
公开(公告)号：CN109670548B
公开(公告)日：2023-01-06
申请号：CN201811561547.3
申请日：2018-12-20
Applicant: 电子科技大学
IPC: G06F18/15 , G06F18/241 , G06F18/25 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06F123/02
Abstract: 为了解决传统机器学习算法对特征提取的困难以及相似动作给分类识别带来的混淆性，本发明提出了一种基于改进LSTM‑CNN的多尺寸输入HAR算法。该算法将优化的CNN卷积神经网络和多层双向动态LSTM长短时记忆网络融合对HAR人体行为活动进行识别。包括多尺寸输入、模型分类识别。所述多尺寸输入将数据进行降噪、均值‑方差归一化、零填充等操作生成两个不同维度的数据作为模型输入，所述模型分类识别将优化的CNN网络与多层双向动态LSTM网络融合进行分类识别。本发明采用优化的卷积神经网络和多层双向动态长短期记忆网络融合构建分类器，具有很好的扩展性和鲁棒性，能够实现高精度的人体行为活动识别。
-
公开(公告)号：CN106919958B
公开(公告)日：2020-06-26
申请号：CN201710168313.1
申请日：2017-03-21
Applicant: 电子科技大学
IPC: G06K9/62 , G06F3/01 , G06F3/0346
Abstract: 本发明公开了一种基于智能手表的手指细微动作识别方法。该应用与识别方法可以解决在操作智能手表时，因屏幕小及按键单一，使人们使用极不方便，所带来误操作和体验度问题。该应用和识别方法具体包括如下内容：1、对手指动作加速度原始数据进行分割，精确提取手指动作片段算法；2、只提取手指动作加速度信号特征值对手指动作进行精确识别，减少系统运算开支；3、根据识别结果对智能手表进行控制和操作。本发明通过智能手表内置的加速度传感器采集人体手指细微动作传感器数据，智能手表充分利用手指动作特征数据和良好的数据处理能力，可以通过识别手指细微动作方便地控制和操作智能手表，可以大大简化人机交互过程，增强智能手表的使用价值。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.022 seconds)
