-
公开(公告)号：CN112016415A
公开(公告)日：2020-12-01
申请号：CN202010818947.9
申请日：2020-08-14
Applicant: 安徽大学
Abstract: 本发明公开了一种结合集成学习与独立分量分析的运动想象分类方法，基于不同的单次试验数据构造ICA空域滤波器对数据进行空域滤波与特征提取，并使用简单分类规则构造不同的基分类器，进而运用集成学习的投票法结合策略构成新的运动想象脑电信号分类器。本发明设计的集成分类器具有较稳定的识别率，多个基分类器集成学习分类，可以获得比单一分类器更优越的泛化性能，提高EEG信号的分类识别率。在不同受试者之间和同一受试者的不同时期采集的数据的迁移测试中，也体现较稳定的性能，具有更好的实用性。
-
公开(公告)号：CN111443804A
公开(公告)日：2020-07-24
申请号：CN202010224123.9
申请日：2020-03-26
Applicant: 安徽大学
Abstract: 本发明公开了一种基于视频分析的注视点轨迹描述系统，包括数据采集及预处理模块、瞳孔定位模块、注视点标定模块、注视点轨迹描述模块。还公开了一种基于视频分析的注视点轨迹描述方法，通过采集视频眼动图像，并进行预处理操作，通过瞳孔粗定位与瞳孔精定位方法，求出瞳孔中心与角膜反射光斑中心在眼图中的坐标，结合动态头部补偿模型，求出瞳孔中心与角膜反射光斑中心所构成的矢量与注视点之间的三维空间映射关系，通过该映射函数进行注视点轨迹描述。本发明在建立注视点三维空间映射关系的基础上，获取用户的注视点轨迹，提高人们对用户感兴趣区域的预判能力，能有效地支持广告类网页布局的优化，具有使用简单、方法精度高及应用潜力大等优点。
-
公开(公告)号：CN105962915B
公开(公告)日：2019-04-05
申请号：CN201610404234.1
申请日：2016-06-02
Applicant: 安徽大学
IPC: A61B5/0205
Abstract: 本发明涉及一种非接触式人体呼吸率与心率同步测量方法及系统，该测量方法包括如下步骤，获取人体面部视频信息，从视频帧图像中选择两处敏感区域；对视频中每一帧的选定双敏感区的像素值，分别使用相干平均法，生成2组RGB观测信号，再对2组RGB观测信号依次进行高通滤波、去趋势、去均值、归一化预处理操作；用于对基于双敏感区域生成的2组RGB观测信号进行6通道盲源分离，分离出呼吸信号和心率信号；用于从盲源分离后的源信号中识别出呼吸信号和心率信号，结合滑动窗算法提取出呼吸和心率。本发明具有对呼吸率和心率同步测量准确性高、抗噪声干扰能力较强、应用潜力大等优点。
-
公开(公告)号：CN108937968A
公开(公告)日：2018-12-07
申请号：CN201810565890.9
申请日：2018-06-04
Applicant: 安徽大学
IPC: A61B5/16 , A61B5/0476
CPC classification number: A61B5/165 , A61B5/0476 , A61B5/7203 , A61B5/7225 , A61B5/7264
Abstract: 本发明公开了一种基于独立分量分析的情感脑电信号的导联选择方法，使用多导联情感脑电信号并对其进行滤波处理，将滤波后的数据使用ICA分析，建立对应不同情感任务背景下的空域滤波器组，然后进行线性投影，获取全导联的情感信号的空域特征参数，然后使用导联选择的方法选择出受试者的最优导联集合。本发明获得了较高的识别正确率，实现了根据不同受试者自动选择情感相关独立分量，相对于提取全通道的独立分量，选取最优导联位置的独立分量不仅能够降低算法的时间复杂度，同时能更准确地描述情感相关独立源的真实情况，同时能够有效抑制与情感信号无关的分量及外部噪声的干扰。
-
公开(公告)号：CN104810018B
公开(公告)日：2017-12-12
申请号：CN201510222045.8
申请日：2015-04-30
Applicant: 安徽大学
IPC: G10L15/05
Abstract: 本发明公开了一种基于动态累积量估计的语音端点检测方法，包括了基于滑动窗的高阶累积量递推计算和基于滑动窗峭度的端点检测。基于滑动窗的高阶累积量递推计算是指对原始样本数据加矩形窗，对窗内数据进行累积量估计，每滑动一个样本点对窗内数据进行更新，实现累积量的动态估计。基于滑动窗峭度的端点检测是结合高阶累积量递推计算方法计算滑动窗峭度和能量特征进行语音信号的端点检测。本发明相比现有技术具有以下优点：本发明中的基于动态累积量估计的语音信号端点检测方法是基于滑动窗峭度、能量双门限的端点检测，参数滑动窗峭度对语音段起始点具有较强敏感性且对噪声具有更好的抗干扰能力，在噪声环境下具有较好的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN107348958A
公开(公告)日：2017-11-17
申请号：CN201710695426.7
申请日：2017-08-15
Applicant: 安徽大学
IPC: A61B5/0496 , A61B3/113 , A61B5/00
Abstract: 本发明公开了一种鲁棒扫视EOG信号识别方法及系统,属于眼电技术领域，方法包括对EOG多通道眼动数据进行采集，获得时域上的眼动数据；对时域上的眼动数据进行预处理得到频域上的眼动数据；在频域上采用复值ICA算法对眼动数据进行盲源分离，得到各源信号在相应频点上的频域独立分量；对各频点独立分量进行补偿，还原独立分量在观测分量中的真实比例，通过约束DOA算法解决排序模糊问题；对补偿后和排序后的各频点的独立分量进行短时傅里叶逆变换处理，恢复为时域的多通道眼动数据；对时域上的多通道眼动数据进行提取功率谱密度特征，并将提取的特征送入支持向量机SVM中进行识别。本发明能准确对EOG信号进行识别。
-
公开(公告)号：CN115601801B
公开(公告)日：2025-04-04
申请号：CN202211113140.0
申请日：2022-09-13
Applicant: 安徽大学
Abstract: 本发明公开了一种面向远距离大景深场景的非接触式鲁棒心率检测方法及其系统，包括以下步骤：S1：在远距离场景下，使用图像采集设备对用户进行面部视频数据采集，获取用户的面部近景图像；S2：利用人脸检测算法获取人脸区域，并在远距离的高动态场景下，获取人脸中的稳定区域SROI作为检测区域，并使用稳定感兴趣区域跟踪算法在每帧图像中确定该检测区域；S3：对所述SROI图像序列进行预处理、分割和降维，由SROI二维图像序列生成多通道原始观测数据；S4：利用FastICA算法从多通道原始观测信号中分离多种生理信号，通过计算短时峭度的方法从多通道生理信号中确定BVP信号，并进行心率计算。
-
公开(公告)号：CN112992119B
公开(公告)日：2024-05-03
申请号：CN202110052375.2
申请日：2021-01-14
Applicant: 安徽大学
IPC: G10L15/00 , G10L15/02 , G10L15/06 , G10L15/08 , G10L15/16 , G10L15/30 , G06F18/2415 , G06N3/0464 , G06N3/044 , G06N3/0455 , G06N3/048
Abstract: 本发明公开了一种基于深度神经网络的口音分类方法，包括：提取原始音频的帧级频域特征，构建2D语音频谱作为网络输入X；构建一个多任务权值共享的基于CRNNs的前端编码器来提取频谱X的局部序列描述符{P1,…,PT'}；在训练过程中，前端编码器后增设语音识别任务分支网络，用来抑制口音识别中的过拟合现象；构建用于口音识别任务的核心分支网络，首先将所有局部序列描述符整合成一个全局口音特征；然后在预测过程中引入判别性损失函数；最后通过基于softmax的分类层对全局口音特征进行分类，实现口音预测。还公开了一种高度可判别性的基于深度神经网络的口音分类模型，对来自不同区域群体的说话人能给出一个可靠的口音预测。
-
公开(公告)号：CN117158926A
公开(公告)日：2023-12-05
申请号：CN202311224749.X
申请日：2023-09-21
Applicant: 安徽大学
IPC: A61B5/0205 , G06V20/40 , G06V10/82 , G06V40/16 , G06N3/0464 , A61B5/145 , A61B5/00
Abstract: 本发明属于医疗检测领域，具体涉及一种长距离非接触式的生理参数的检测方法、系统和装置。其用于检测用户的心率、呼吸频率和血氧饱和度。该检测方法包括如下步骤：S1：通过可见光相机获取用户面部的视频数据并进行人脸识别，S2：使用LinkNet语义分割网络提取面部图像中皮肤部分的像素信息。S3：对皮肤像素进行时间归一化提取出脉搏波信号。S4：通过傅里叶变换将脉搏波信号转换至频域并计算出心率。S5：对脉搏波信号进行滤波处理得到呼吸信号，根据呼吸信号计算呼吸频率。S6：根据脉搏波信号生成反射率信号，并根据反射率信号计算出血氧饱和度测量值。本发明解决现有非接触式生理特征参数检测方案功能单一，检测精度低，检测距离短的缺陷。
-
公开(公告)号：CN110516711B
公开(公告)日：2022-10-21
申请号：CN201910677300.6
申请日：2019-07-25
Applicant: 安徽大学
Abstract: 本发明公开了一种MI‑BCI系统的训练集质量评估方法和单次训练样本的优化选择方法，采集单次试验MI‑EEG数据；设计相应的ICA空域滤波器；计算单次识别率Acc(k)和总体识别率Acc；确定用于单次试验数据质量评估的量化指标；计算训练样本质量的综合评分Cs；根据Cs的数值对训练集的质量进行评估。再根据所得Acc、量化指标和综合评分Cs，对训练集中的单次试验样本进行优化选择。本发明的训练集质量评估方法和单次训练样本的优化方法，具有较好的稳定性、准确性和运算复杂度低等优点。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.035 seconds)
