-
公开(公告)号:CN116432115A
公开(公告)日:2023-07-14
申请号:CN202111673982.7
申请日:2021-12-31
申请人: 山东大学
IPC分类号: G06F18/2415 , G06F18/25 , G06N3/0464 , G06N3/08
摘要: 本发明涉及一种基于多源多模态数据和多维卷积模型的实时行为识别系统、方法、设备及存储介质,包括行为信息物理层、行为信息接入层、行为信息平台层、行为信息应用层。本发明行为信息接入层的传输采用无线网络,实现行为信息的传输;采用多维卷积模型,面对高动态、复杂化的智能场景,精度方面有了很大的提升;滤波算法的使用,使本系统具有较强的鲁棒性。本发明可实时识别用户的行为类别,可用于对于特殊人员的监控与管理,也可用于运动员康复管理与智能家居等领域。
-
公开(公告)号:CN116432113A
公开(公告)日:2023-07-14
申请号:CN202111671907.7
申请日:2021-12-31
申请人: 山东大学
IPC分类号: G06F18/2413 , G06F18/10 , G06V40/20 , G06F18/213 , G06N3/0464 , G06N3/08
摘要: 本发明涉及一种基于多分辨率融合卷积的开放集人体行为识别系统、方法、设备及存储介质,包括依次连接的人体行为信息采集模块、人体行为信息传输模块、人体行为信息预处理模块、人体行为分类识别模块、开放集分类识别模块和人体行为信息应用模块;本发明可实时监测用户的行为类别,可用于对特殊人员的监控与管理,也可用于老年人或病人的监护和康复管理。针对现有方法仅针对封闭集进行判别的缺陷,本发明提出了针对开放集识别的方法,当出现未知类别的行为时可正确判别为未知类别,增强了系统的实用性。
-
公开(公告)号:CN116956222A
公开(公告)日:2023-10-27
申请号:CN202310929166.0
申请日:2023-07-26
申请人: 山东大学
IPC分类号: G06F18/25 , G06F18/21 , G06N3/0442 , A61B5/11 , A61B5/0205
摘要: 本发明公开了一种基于自适应特征提取的多复杂度行为识别系统及方法,涉及人工智能技术领域,包括人体行为数据采集模块、人体行为数据传输模块、人体行为数据存储模块、人体行为数据预处理模块、MFAEF简单人体行为识别网络模块、LSGRA复杂行为识别网络模块和人体行为信息应用模块;MFAEF简单行为识别网络模块包括依次连接的特征预提取单元、并行多维时空特征提取及复用单元和自适应多维时空特征提取单元、特征融合单元和简单行为判别输出单元;LSGRA复杂行为识别网络模块包括依次连接的单窗口简单行为特征获取单元、循环多窗口注意力单元和复杂行为判别输出单元。本发明采用上述结构弥补了基于视觉的行为识别成本高、易受干扰、隐私性差的不足。
-
公开(公告)号:CN116383699A
公开(公告)日:2023-07-04
申请号:CN202310332014.2
申请日:2023-03-31
申请人: 山东大学
IPC分类号: G06F18/24 , G06F16/35 , G06F16/951 , G06F40/289 , G06F40/284 , G06F18/25 , G06N3/0464 , G06N3/08
摘要: 本发明公开了一种基于跨层注意力机制的多维特征提取投诉文本智能分类系统,包括文本数据获取层、文本数据存储层、文本数据预处理层、词嵌入层、文本数据特征提取层和文本分类信息应用层。本发明采用上述一种基于跨层注意力机制的多维特征提取投诉文本智能分类系统,采用更细致的文本预处理方法来提高文本信息的可信度,从而提升文本的最终分类效果,全面提取文本的各方面特征,使本系统具有较强的鲁棒性,可用于企业对客户的投诉进行及时的监管,减少投诉处理时的人力投入以及提高投诉处理的效率,也可用于涉及文本分类的智能家居及智慧医疗等领域。本发明还提出了一种基于跨层注意力机制的多维特征提取投诉文本智能分类方法及存储介质。
-
公开(公告)号:CN116092119A
公开(公告)日:2023-05-09
申请号:CN202211709771.9
申请日:2022-12-29
申请人: 山东大学
摘要: 本发明公开了一种基于多维度特征融合的人体行为识别系统及其工作方法,包括行为数据采集模块、行为数据传输模块、行为数据存储模块、行为数据预处理模块、行为特征提取模块、行为分类结果模块以及行为识别应用模块;行为数据采集模块、行为数据传输模块、行为数据预处理模块、行为数据存储模块、行为特征提取模块、行为分类结果模块和行为识别应用模块依次连接。本发明采用上述基于多维度特征融合的人体行为识别系统及其工作方法,可应用于监狱管理服刑人员、老年人监护等场景。弥补了基于传感器的人体行为识别的缺陷,采用多维度的特征提取与融合解决了传统特征提取不精确导致行为识别错误问题。
-
-
-
-