-
公开(公告)号:CN108877956A
公开(公告)日:2018-11-23
申请号:CN201810743471.X
申请日:2018-07-09
Applicant: 吉林大学
IPC: G16H80/00
Abstract: 本发明公开了基于智能手环与Android手机的健康数据监测装置及方法,克服了对于需要监护的人群无法实时将被监护人的体征信息让监护人和医生获取的问题,装置包括智能手环、被监护人Android手机、监护人Android手机与健康监护服务平台;智能手环与被监护人Android手机无线通信连接,被监护人Android手机与监护人Android手机用无线通信连接,被监护人Android手机与健康监护服务平台无线通信连接;被监护人Android手机由被监护人携带,监护人Android手机由监护人携带,智能手环佩戴在被监护人的左手手腕上,智能手环中的接触电极与被监护人的皮肤紧贴。本发明还提供了一种监测方法。
-
公开(公告)号:CN116311500A
公开(公告)日:2023-06-23
申请号:CN202310103156.1
申请日:2023-02-10
Applicant: 吉林大学 , 中国航空工业集团公司沈阳飞机设计研究所
IPC: G06V40/20 , G06V10/764 , G06V20/40
Abstract: 本发明涉及一种基于自适应手势帧序列提取算法的实时手势识别方法,属于人机交互领域。包括构建一个自适应网络来选择视频中具有判别性的帧序列,使算法能够根据视频中手势的种类自动调节截取的视频帧数,并将挑选的帧序列的特征输入到实时手势识别网络中进行判别任务,并将返回值反馈到原有算法网络中,与原算法网络联合训练并相互促进。优点在于:缩短了识别时间,在应用中,可以有效避免在静态手势识别过程中,需要测试者保持手势静止一段时间,才能得到手势识别结果的问题,提高系统识别速度,降低系统延迟。
-
公开(公告)号:CN116540542A
公开(公告)日:2023-08-04
申请号:CN202310529117.8
申请日:2023-05-11
Applicant: 吉林大学 , 中国航空工业集团公司沈阳飞机设计研究所
IPC: G05B13/04
Abstract: 本发明公开一种人机协同控制策略优化方法、系统及电子设备,涉及人机协同控制领域。该方法包括:构建人类动作意图模型;将1到t时刻的实际人类意图和实际环境状态输入人类动作意图模型得到t+1时刻的人类预期意图;构建机器智能体的动作策略模型;将t时刻的实际人类意图、当前环境状态、t+1时刻的人类预期意图和机器智能体得到的实际价值输入至动作策略模型输出机器智能体动作;在确定人类预期意图和机器智能体动作策略模型输出的机器智能体动作间的相似性后,确定机器智能体的最优动作。本发明以机器智能体对人类操作者的动作意图理解为基础进行控制协同,能够在提高人机协同控制效率和精确性的同时,提高人机交互控制过程的稳定性。
-
公开(公告)号:CN108852304A
公开(公告)日:2018-11-23
申请号:CN201810809904.7
申请日:2018-07-23
Applicant: 吉林大学
IPC: A61B5/00 , A61B5/0476 , A61B5/0478
Abstract: 本发明公开了基于脑电信号的睡眠质量分析装置及方法,克服了目前被动的改善用户睡眠质量、且价格昂贵、使用不方便和没能够使用户了解自己的睡眠情况并进行改善的问题,该装置包括脑电信号分析仪与用户手机客户端;脑电信号分析仪包括脑电电极组、脑电信号处理模块、FPGA微控制器、蓝牙模块、头盔与电源模块;脑电电极组安装在头盔上,脑电电极组与脑电信号处理模块电线连接,脑电信号处理模块与FPGA微控制器电线连接,FPGA微控制器与蓝牙模块电线连接,电源模块分别和脑电信号处理模块、FPGA微控制器与蓝牙模块电线连接;脑电信号分析仪与用户手机客户端采用无线通信方式连接。本发明还提供一种基于脑电信号的睡眠质量分析方法。
-
公开(公告)号:CN116561702A
公开(公告)日:2023-08-08
申请号:CN202310528787.8
申请日:2023-05-11
Applicant: 吉林大学 , 中国航空工业集团公司沈阳飞机设计研究所
IPC: G06F18/25 , G06F18/214 , G06F18/243 , G06F18/23213 , G06N5/01 , G06N20/00
Abstract: 本发明公开了一种面向开放环境的人机协作意图理解方法、系统及设备。该方法包括:定义任务需求的意图集合;获取设备运行的历史多维时间序列数据;对所述历史多维时间序列数据进行特征融合,构建训练集;以所述训练集为输入,以所述训练集对应的所述意图集合中的意图分布概率为输出,对神经网络模型进行训练;构建基于决策树的产生式规则模型;将当前时刻的多维时间序列数据进行特征融合后与上一时刻的意图进行数据拼接;基于拼接后的数据,通过训练好的神经网络模型和所述产生式规则模型识别设备当前时刻的意图。本发明能够解决现有技术中意图识别的准确率低,且模型复杂的问题。
-
-
-
-