-
Patent Agency Ranking
公开(公告)号：CN113688718B
公开(公告)日：2024-06-07
申请号：CN202110967723.9
申请日：2021-08-23
Applicant: 安徽农业大学
IPC: G06V10/774 , G06V10/764 , G06V40/10 , G06T17/20 , G06F30/23
Abstract: 本发明提供了一种基于枕头有限元分析的无干扰自适应睡姿识别方法，包括以下步骤：S1、通过枕具系统获取人‑枕界面的压力分布或压陷形状；S2、使用有限元分析采集的人‑枕界面压力分布或压陷形状并构建人–枕界面压力矩阵或压陷量矩阵数据；S3、通过支持向量机多分类器对人–枕界面压力或压陷量矩阵样本数据进行相应的训练，从而构建精准的识别准则；S4、通过识别准则对待预测的人体睡姿数据进行识别分类，得到分类结果。本发明在不影响真实睡眠的情况下准确识别睡姿，使用人‑枕界面压力分布或压陷形状和有限元分析以及支持向量机多分类器中的最优分类超平面分析，有效地对睡姿进行识别分类，为评价人体睡眠质量，实现枕头的智能化设计、定制化生产提供了技术支持。
-
公开(公告)号：CN113657319A
公开(公告)日：2021-11-16
申请号：CN202110969526.0
申请日：2021-08-23
Applicant: 安徽农业大学
Abstract: 本发明提供了一种基于图像识别技术的无干扰睡眠动作行为的识别方法，包括以下步骤：人体睡眠行为监测数据采集：受试者躺倒在床具上，采用红外摄像系统或红外热像仪系统采集睡眠动作行为；睡眠动作行为图像处理：在频域和空域两个范围内对红外图像或热图像进行噪声消除以及对比度增强；睡眠动作行为的识别：将混合高斯模型和帧差法相结合，利用混合高斯模型准确地建立背景模型，然后利用帧差法清晰地提取出前景轮廓，以此完成睡眠动作的精确识别。本发明在不影响受试者睡眠舒适度的前提下，通过用非接触式手段精确识别睡眠动作行为，为评价人体睡眠质量，实现床具或床垫系统的智能化设计、定制化生产提供技术支持。
-
公开(公告)号：CN113688720A
公开(公告)日：2021-11-23
申请号：CN202110969505.9
申请日：2021-08-23
Applicant: 安徽农业大学
Abstract: 本发明提供了一种基于神经网络识别的预测睡姿的方法，通过实验床具系统测量并获取人‑床界面压力分布或压陷形状；利用神经网络，通过获取的人‑床界面压力矩阵或压陷量矩阵监督识别训练，构建精准的仰卧、左侧卧、右侧卧和俯卧四种睡姿的识别准则，即建立睡姿识别的神经网络基础计算矩阵；在对睡眠姿势进行识别时，配置神经网络节点，采用Levenberg‑Marquardt算法，完成训练器配置和校准，当训练器经配置和校准后，误差处于设定范围内时，训练器更新形成预测分类器，通过预测分类器输入预测数据得到识别结果。本发明通过误差逆传播算法训练的多层网络模型结构，输入通过获取的人‑床界面压力矩阵或压陷量矩阵监督识别训练，预测睡姿的准确率高，为实现智能化的床具或床垫系统的设计提供了技术支持。
-
公开(公告)号：CN113688718A
公开(公告)日：2021-11-23
申请号：CN202110967723.9
申请日：2021-08-23
Applicant: 安徽农业大学
Abstract: 本发明提供了一种基于枕头有限元分析的无干扰自适应睡姿识别方法，包括以下步骤：S1、通过枕具系统获取人‑枕界面的压力分布或压陷形状；S2、使用有限元分析采集的人‑枕界面压力分布或压陷形状并构建人–枕界面压力矩阵或压陷量矩阵数据；S3、通过支持向量机多分类器对人–枕界面压力或压陷量矩阵样本数据进行相应的训练，从而构建精准的识别准则；S4、通过识别准则对待预测的人体睡姿数据进行识别分类，得到分类结果。本发明在不影响真实睡眠的情况下准确识别睡姿，使用人‑枕界面压力分布或压陷形状和有限元分析以及支持向量机多分类器中的最优分类超平面分析，有效地对睡姿进行识别分类，为评价人体睡眠质量，实现枕头的智能化设计、定制化生产提供了技术支持。
-
公开(公告)号：CN113688720B
公开(公告)日：2024-05-31
申请号：CN202110969505.9
申请日：2021-08-23
Applicant: 安徽农业大学
Abstract: 本发明提供了一种基于神经网络识别的预测睡姿的方法，通过实验床具系统测量并获取人‑床界面压力分布或压陷形状；利用神经网络，通过获取的人‑床界面压力矩阵或压陷量矩阵监督识别训练，构建精准的仰卧、左侧卧、右侧卧和俯卧四种睡姿的识别准则，即建立睡姿识别的神经网络基础计算矩阵；在对睡眠姿势进行识别时，配置神经网络节点，采用Levenberg‑Marquardt算法，完成训练器配置和校准，当训练器经配置和校准后，误差处于设定范围内时，训练器更新形成预测分类器，通过预测分类器输入预测数据得到识别结果。本发明通过误差逆传播算法训练的多层网络模型结构，输入通过获取的人‑床界面压力矩阵或压陷量矩阵监督识别训练，预测睡姿的准确率高，为实现智能化的床具或床垫系统的设计提供了技术支持。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
