-
公开(公告)号：CN105159463A
公开(公告)日：2015-12-16
申请号：CN201510595299.4
申请日：2015-09-18
Applicant: 中南大学
IPC: G06F3/01 , G06F3/0346
Abstract: 本发明提供了一种非接触式可穿戴智能戒指系统及其手势识别方法，主要步骤为：步骤1：由JY-901九轴感测组件设备去完成数据的采集与预处理，并通过蓝牙模块传输到终端设备。步骤2：终端设备通过获取采集的原始数据提取模态特征。步骤3：对用户所作出的每一个有效的手势指令通过模式匹配的方式得到最终的交互命令。步骤4：交互命令可以通过用户定义、自学习等方式实现，从而可完成对各个终端设备方便快捷的操控。对信号进行处理，能够很准确的识别到用户所发出的手势指令，识别率可以达到95％以上，并且响应时间相当短。因此，在灵敏性和准确性方面有较好的保证。
-
公开(公告)号：CN109934179B
公开(公告)日：2022-08-02
申请号：CN201910203015.0
申请日：2019-03-18
Applicant: 中南大学
IPC: G06V40/20 , G06V10/774 , G06V10/77
Abstract: 本发明公开了一种基于自动特征选择和集成学习算法的人体动作识别方法，包括以下步骤：A，获得人体动作的数据信息集；B，对人体动作的数据信息集进行重采样，利用重采样点数据、窗口数据对应的时域特征、窗口数据对应的频域特征构建样本特征空间；C，利用基于卡特树的特征评价算法和集成学习算法对样本特征空间中的样本数据进行训练，得到训练好的双层模型，其中该双层模型包括特征选择层和动作识别层；D，用训练好的双层模型对人体动作进行分类识别，实现自动特征选择和人体动作识别。本发明能够自动选择出对模型有利的特征，减少了额外的人为操作，提高了工程效率；使用集成学习算法进行人体动作识别，训练时间少，识别率高。
-
公开(公告)号：CN110458158B
公开(公告)日：2022-02-11
申请号：CN201910501311.9
申请日：2019-06-11
Applicant: 中南大学
IPC: G06V10/22 , G06V10/25 , G06V30/148 , G06V10/762 , G06V30/19 , G06V10/75 , G06V10/30 , G06V10/28 , G06K9/62 , G09B21/00
Abstract: 本发明公开了一种针对盲人辅助阅读的文本检测与识别方法，该方法包含以下步骤：步骤1：场景检测，该步骤主要检测相机所拍图像是否为手指放在阅读文本上的场景；步骤2：手指定位，该步骤实现对指尖的定位，并以此指尖作为后续文本检测的光标；步骤3：文本提取，该步骤主要包括文本行的提取及文本行中各单词的提取操作；步骤4：单词跟踪，该步骤主要对正确识别的单词，采用模板匹配方法对其单词框进行跟踪。本发明方法运行速度快，效果好，不仅能够很准确地识别到用户指尖所指的单词，而且成本代价低，具有很强的通用性，可广泛应用于穿戴式盲人辅助阅读戒指等智能产品。
-
公开(公告)号：CN109087712B
公开(公告)日：2021-10-12
申请号：CN201810712225.8
申请日：2018-06-29
Applicant: 中南大学湘雅医院 , 湖南自兴智慧医疗科技有限公司 , 湖南省自兴人工智能研究院
Abstract: 本发明公开了一种基于随机子空间集成学习的主动脉夹层筛查模型及其建立方法、系统和模型。本发明针对现有传统诊断方法对于主动脉夹层诊断的效率低、误诊率高、漏诊率低、成本高、过程复杂的缺点，提供一种基于随机子空间集成学习的主动脉夹层筛查方法。该方法利用机器学习的RS‑Ensemble算法建立RS模型，利用RS模型进行主动脉夹层的筛查和诊断，大大提高了诊断准确率，同时大大降低了误诊率和漏诊率，实现高效低成本的诊断。
-
公开(公告)号：CN109871901A
公开(公告)日：2019-06-11
申请号：CN201910171280.5
申请日：2019-03-07
Applicant: 中南大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于混合采样和机器学习的不平衡数据分类方法，包括：步骤一，生成训练集；步骤二，针对训练集中的少数类样本集P，复制P生成P'，利用P和P'合成PP'，在PP'的基础上采用smote算法生成S，同时P、P'和S构成PP'S；步骤三，针对训练集中的多数类样本集N，不放回地随机欠采样得到t个Ni；步骤四，重复执行步骤二t次，得到t个不同的PP'Si，将Ni与对应的PP'Si合成新的训练集，得到t个子集；步骤五，训练生成t个分类器Hi；步骤六，集成t个Hi，得到最终的分类器H，利用分类器H完成对不平衡数据集的分类。本发明提高少数类样本的关注度同时不会过分丢失多数类的信息；减小了过拟合和过度泛化的可能；训练效果好，不易过拟合，训练速度快。
-
Patent Agency Ranking
公开(公告)号：CN106782469A
公开(公告)日：2017-05-31
申请号：CN201611028999.6
申请日：2016-11-19
Applicant: 中南大学
Abstract: 一种智能架子鼓音效系统及其实现方法，包括装于模拟鼓棒中的微处理器、与微处理器连接的传感器和气压计，所述微处理器通过蓝牙与上位机连接，其中：传感器和气压计用于捕捉用户使用鼓棒时的姿态变化数据；微处理器用于对采集的姿态变化数据进行处理，整合两个鼓棒数据并进行数据分析；蓝牙模块用于实现与上位机的通信。音效实现方法包括步骤S1，数据采集和处理；步骤S2，进行姿态分析敲击方向和高度；步骤S3,依据敲击方向和高度执行发声函数，返回步骤S1。其优点是使架子鼓音乐系统变成体积小、成本低的乐器，提供给架子鼓爱好者或者没有足够空间摆放真实架子鼓的场合。迎合架子鼓发展市场的需要。
-
公开(公告)号：CN110458158A
公开(公告)日：2019-11-15
申请号：CN201910501311.9
申请日：2019-06-11
Applicant: 中南大学
Abstract: 本发明公开了一种针对盲人辅助阅读的文本检测与识别方法，该方法包含以下步骤：步骤1：场景检测，该步骤主要检测相机所拍图像是否为手指放在阅读文本上的场景；步骤2：手指定位，该步骤实现对指尖的定位，并以此指尖作为后续文本检测的光标；步骤3：文本提取，该步骤主要包括文本行的提取及文本行中各单词的提取操作；步骤4：单词跟踪，该步骤主要对正确识别的单词，采用模板匹配方法对其单词框进行跟踪。本发明方法运行速度快，效果好，不仅能够很准确地识别到用户指尖所指的单词，而且成本代价低，具有很强的通用性，可广泛应用于穿戴式盲人辅助阅读戒指等智能产品。
-
公开(公告)号：CN109934179A
公开(公告)日：2019-06-25
申请号：CN201910203015.0
申请日：2019-03-18
Applicant: 中南大学
Abstract: 本发明公开了一种基于自动特征选择和集成学习算法的人体动作识别方法，包括以下步骤：A，获得人体动作的数据信息集；B，对人体动作的数据信息集进行重采样，利用重采样点数据、窗口数据对应的时域特征、窗口数据对应的频域特征构建样本特征空间；C，利用基于卡特树的特征评价算法和集成学习算法对样本特征空间中的样本数据进行训练，得到训练好的双层模型，其中该双层模型包括特征选择层和动作识别层；D，用训练好的双层模型对人体动作进行分类识别，实现自动特征选择和人体动作识别。本发明能够自动选择出对模型有利的特征，减少了额外的人为操作，提高了工程效率；使用集成学习算法进行人体动作识别，训练时间少，识别率高。
-
公开(公告)号：CN106073793B
公开(公告)日：2019-03-15
申请号：CN201610414379.X
申请日：2016-06-13
Applicant: 中南大学
Abstract: 本发明公开了一种基于微惯性传感器的姿态跟踪与识别方法，使用穿戴式微惯性传感器采集人体姿态数据并进行姿态数据处理，跟踪并识别用户的动作和行为，并依据预设标准动作对用户动作的规范程度进行评判并提出相应修正意见。本发明使用的技术方案包括基于差分原理的姿态数据处理及特征提取、基于角度阈值变化与起点检测的连续动作分割以及目标动作的识别提取与评判标准。本发明不仅克服了传统人体姿态跟踪与识别技术中光照、背景环境等外界因素对识别准确度的影响，降低了实现复杂度及设备成本，同时提升了跟踪及识别的可靠性。
-
公开(公告)号：CN109087712A
公开(公告)日：2018-12-25
申请号：CN201810712225.8
申请日：2018-06-29
Applicant: 中南大学湘雅医院 , 湖南自兴智慧医疗科技有限公司 , 湖南省自兴人工智能研究院
Abstract: 本发明公开了一种基于随机子空间集成学习的主动脉夹层筛查模型及其建立方法、系统和模型。本发明针对现有传统诊断方法对于主动脉夹层诊断的效率低、误诊率高、漏诊率低、成本高、过程复杂的缺点，提供一种基于随机子空间集成学习的主动脉夹层筛查方法。该方法利用机器学习的RS-Ensemble算法建立RS模型，利用RS模型进行主动脉夹层的筛查和诊断，大大提高了诊断准确率，同时大大降低了误诊率和漏诊率，实现高效低成本的诊断。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.022 seconds)
