-
公开(公告)号：CN114373530B
公开(公告)日：2024-11-29
申请号：CN202111508393.3
申请日：2021-12-10
Applicant: 燕山大学
IPC: G16H20/30 , G06V40/20 , G06V10/74 , G06V10/82 , G06N3/0495
Abstract: 本发明提出了一种肢体康复训练系统及方法，属于人工智能及深度学习技术领域，包括以下步骤：搭建康复训练系统；收集康复训练病人的病历数据集，并对数据集进行标注用于训练算法模型；改进人体姿态估计网络结构，采用轻量化特征提取网络为主干网络，调整网络结构和激活函数；人体姿态估计算法模型在训练时增加数据增强方法，采用增加预热训练模式的余弦学习率下降方式训练网络；将训练好的算法模型移植到嵌入式电脑上，采用FP16进行量化；系统工作时，显示终端提示病人需要做的动作，随即病人执行动作；嵌入式电脑读取摄像头拍摄的图像送入人体姿态估计算法得到估计动作与给定动作的相似度，得出康复训练评估分值。
-
公开(公告)号：CN112163564B
公开(公告)日：2022-05-17
申请号：CN202011158025.6
申请日：2020-10-26
Applicant: 燕山大学
Abstract: 本发明提出基于人体关键点行为识别与LSTM的跌倒预判方法，该方法基于相邻人体关键点分组方法，进一步把人体分为头部、躯干和腿部三个区域进行行为识别，大大减少了计算量，从而提升了检测效率；在此基础上，通过采用LSTM，即长短期记忆神经网络机制来实现对采集视频的记忆功能，从而实现对人体行为变化的分析与识别功能，最后将识别结果归为三类：跌倒、非跌倒与其他。该方法减少了计算功耗，节约了跌倒检测时间，从而实现了实时检测与跌倒检测预判的功能。
-
公开(公告)号：CN113156351B
公开(公告)日：2022-05-06
申请号：CN202110572061.5
申请日：2021-05-25
Applicant: 燕山大学
Abstract: 本发明涉及基于DTI(DiffusionTensorImaging，弥散张量成像)和血清因子的脑损伤标志物分析系统，该系统包括DTI扫描模块，血清检测模块以及数据处理模块，该系统按照以下方式控制:首先对空腹抽取的静脉血，采用酶联免疫吸附测定法检测血清炎症因子水平；然后，进行DTI扫描，将采集的图像进行图像处理与数据分析，得到FA和ADC的变化数据；利用最小二乘法将血清炎症因子水平参数和磁共振扩散成像所得的FA值、ADC值归一化，再定义符号函数，将符号函数的结果作为医生分析及制定下一步的检测方案的一种参考。
-
公开(公告)号：CN112783813B
公开(公告)日：2022-03-18
申请号：CN202110077719.5
申请日：2021-01-20
Applicant: 燕山大学
Abstract: 本发明提供一种可互联HART通信协议芯片及其使用方法，其包括供电电源模块、AXI4总线模块、CLK时钟管理模块、RAM数据存储模块、数据帧解析模块、纵向奇偶校验模块、数据打包模块和信号调制解调模块。其工作方法具体包括：芯片发送数据的方法：CPU向从设备写入数据时芯片接收数据，并将数据存入RAM存储器和寄存器堆栈；进行纵向奇偶校验后将数据打包，将数据信号调成方波作为芯片输出信号；以及芯片接收数据的方法：将接收的方波信号转换成数字量，并传输给数据帧解析模块解析出DATA数据字节，经过纵向奇偶校验后，保存到RAM存储器，最后通过AXI4总线上传给CPU进行处理。本发明使HART芯片更加灵活、统一、标准化；提高CPU与HART芯片数据交互。
-
公开(公告)号：CN112163564A
公开(公告)日：2021-01-01
申请号：CN202011158025.6
申请日：2020-10-26
Applicant: 燕山大学
Abstract: 本发明提出基于人体关键点行为识别与LSTM的跌倒预判方法，该方法基于相邻人体关键点分组方法，进一步把人体分为头部、躯干和腿部三个区域进行行为识别，大大减少了计算量，从而提升了检测效率；在此基础上，通过采用LSTM，即长短期记忆神经网络机制来实现对采集视频的记忆功能，从而实现对人体行为变化的分析与识别功能，最后将识别结果归为三类：跌倒、非跌倒与其他。该方法减少了计算功耗，节约了跌倒检测时间，从而实现了实时检测与跌倒检测预判的功能。
-
Patent Agency Ranking
公开(公告)号：CN114373530A
公开(公告)日：2022-04-19
申请号：CN202111508393.3
申请日：2021-12-10
Applicant: 燕山大学
Abstract: 本发明提出了一种肢体康复训练系统及方法，属于人工智能及深度学习技术领域，包括以下步骤：搭建康复训练系统；收集康复训练病人的病历数据集，并对数据集进行标注用于训练算法模型；改进人体姿态估计网络结构，采用轻量化特征提取网络为主干网络，调整网络结构和激活函数；人体姿态估计算法模型在训练时增加数据增强方法，采用增加预热训练模式的余弦学习率下降方式训练网络；将训练好的算法模型移植到嵌入式电脑上，采用FP16进行量化；系统工作时，显示终端提示病人需要做的动作，随即病人执行动作；嵌入式电脑读取摄像头拍摄的图像送入人体姿态估计算法得到估计动作与给定动作的相似度，得出康复训练评估分值。
-
公开(公告)号：CN113156351A
公开(公告)日：2021-07-23
申请号：CN202110572061.5
申请日：2021-05-25
Applicant: 燕山大学
Abstract: 本发明涉及基于DTI(DiffusionTensorImaging，弥散张量成像)和血清因子的脑损伤标志物分析系统，该系统包括DTI扫描模块，血清检测模块以及数据处理模块，该系统按照以下方式控制:首先对空腹抽取的静脉血，采用酶联免疫吸附测定法检测血清炎症因子水平；然后，进行DTI扫描，将采集的图像进行图像处理与数据分析，得到FA和ADC的变化数据；利用最小二乘法将血清炎症因子水平参数和磁共振扩散成像所得的FA值、ADC值归一化，再定义符号函数，将符号函数的结果作为医生分析及制定下一步的检测方案的一种参考。
-
公开(公告)号：CN111861883B
公开(公告)日：2022-06-14
申请号：CN202010583759.2
申请日：2020-06-23
Applicant: 燕山大学
Abstract: 本发明提出一种基于同步积分SURF算法的多路视频拼接方法，该方法使用首次运行时计算出的相关参数拼接图像，若发生相机偏移导致图像拼接错误，系统可重新计算相关参数，进行系统校准；另外，该方法使用流水线算法编写SURF算法中的积分步骤，从而省去了计算图像积分所需消耗的时间，提高了系统运行效率；通过截取摄像头画面的交叉区域进行特征点检测与匹配并计算透视矩阵，与对完整图像进行特征点检测、特征点匹配及计算透视矩阵相比，减少了计算量，提高了系统运行速度；因此，本发明提出的方法不但可以当摄像头发生偏移后自行校准，从而实现提高设备的抗扰动性，降低维护成本，在设备正常使用时还拥有较高的运行速度。
-
公开(公告)号：CN112766165B
公开(公告)日：2022-03-22
申请号：CN202110076029.8
申请日：2021-01-20
Applicant: 燕山大学
Abstract: 本发明提出了一种基于深度神经网络与全景分割方法相结合的跌倒预判方法，其能够高效快速的实现跌倒检测预判功能，结合了深度神经网络与图像全景分割方法，对即将发生的跌落风险进行短期实时评估和通知，以及对未来风险进行长期行为学习和预测。本发明采用深度学习中的深度神经网络(DNN)构建全景分割网络，然后通过图像全景分割算法对跌倒检测中的视频图像进行像素级分割，从而实现被看护者与所处环境情况的场景理解，对危险环境实现跌倒预判。
-
公开(公告)号：CN111806646B
公开(公告)日：2021-12-24
申请号：CN202010583822.2
申请日：2020-06-23
Applicant: 燕山大学
IPC: B63B59/06 , B63B59/10 , B62D57/024 , H04N7/18 , B25J11/00
Abstract: 本发明提供一种智能船壁清洁机器人，其包括双目摄像头、高压水射管道、钕磁铁、清洁组件和履带。双目摄像头通过摄像头支架和机器人本体顶部的上表面固连，高压水射管道的第一端设有高压水射阀门，高压水射管道的第一端通过高压水射支架和机器人本体固连，履带位于机器人本体的两侧，钕磁铁位于履带的表面。清洁组件位于机器人本体底部的下表面，清洁组件中，脏水刷和脏水刷连接轴的第一端固连，脏水刷连接轴的第二端和机器人本体进行连接，工具转换盘和工具转换盘连接轴的第一端固连，工具转换盘连接轴的第二端和机器人本体进行连接。本发明不仅提高了船壁清洁的工作效率，而且提高当下船壁清洁机器人的智能化程度，使其实用性更强。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.021 seconds)
