公开(公告)号：CN118940151A

公开(公告)日：2024-11-12

申请号：CN202411001575.5

申请日：2024-07-25

Applicant: 哈尔滨理工大学

Inventor： 徐军 ,  李正洋 ,  郭嵩

IPC: G06F18/2415 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/0442

Abstract: 本发明公开了一种基于TBE优化的CNN‑BiLSTM‑Attention异常步态检测方法。该方法在CNN中引入Squeeze‑and‑Excitation(SE)注意力机制，并在BiLSTM中应用时间注意力机制，能有效提取和强化关键步态特征。利用足底压力传感器和IMU惯性传感器采集步态数据。采用ReliefF算法选取关键特征，并通过TPE算法优化超参数。模型训练后，用CNN提取空间特征，BiLSTM提取时间序列特征，并通过注意力机制融合特征，最终通过softmax激活函数分类预测。本发明整体模型设计合理，注意力机制增强了对重要信息的捕捉能力，防止过拟合。适用于临床和日常健康监控中的异常步态检测，为疾病诊断和健康评估提供高效、准确的技术手段。

公开(公告)号：CN117011704A

公开(公告)日：2023-11-07

申请号：CN202310835924.2

申请日：2023-07-07

Applicant: 哈尔滨理工大学

Inventor： 徐军 ,  赵志强 ,  李正洋 ,  刘浩

IPC: G06V20/10 ,  G06V10/44 ,  G06V10/80 ,  G06V10/22

Abstract: 本发明公开了一种基于点线特征融合与自适应阈值的特征提取方法，属于自动驾驶领域，为了解决基于视觉SLAM无人车自主导航在低纹理和短时间内快速运动场景中的定位精度差，鲁棒性弱等问题，本发明提供了一种基于点线特征融合与自适应阈值的特征点提取方法。首先输入图像，将图像设置固定分辨率，其次通过双线程并行处理图像，分别对图像进行线特征提取与自适应阈值的ORB点均匀化特征提取，最后在进行特征融合，来达到适应低纹理、低光照场景下的特征提取。本发明对低纹理复杂场景下的特征提取，对快速运动场景中精准定位与建图具有重要意义。