-
公开(公告)号：CN114098691A
公开(公告)日：2022-03-01
申请号：CN202210090684.3
申请日：2022-01-26
Abstract: 本发明涉及非接触式生理信号检测领域，尤其涉及一种基于混合高斯模型的脉搏波身份认证方法、装置和介质，该方法首先利用血氧仪获取到的用户手指脉搏波信号，将脉搏波信号输入到手工特征提取模块中提取时域和频域特征并分别将其处理为动态特征，将得到的时域和频域的动态特征分别输入到特征提取网络中提取频域和时域的深层次特征；进一步的，将上一步得到的两种深层次特征通过概率线性判别分析算法进行特征筛选；最后，将筛选后的特征利用混合高斯模型算法进行身份识别。本方法能够有效应用于基于脉搏波的生物识别系统中。
-
公开(公告)号：CN111728602A
公开(公告)日：2020-10-02
申请号：CN202010847461.8
申请日：2020-08-21
IPC: A61B5/021
Abstract: 本发明公开了一种基于PPG的无接触血压测量装置。该装置包括：信号获取模块，用于获取人脸原始的面部光电容积脉搏波；预处理模块，用于对所述面部光电容积脉搏波进行预处理，获得面部光电容积脉搏波信号；人脸关键区域识别模块，用于提取人脸关键点，获取面部区域，将人脸与背景信息分离后对面部区域进行关键区域划分，对每个关键区域的光电容积脉搏波信号取均值，得到每个空间关键区域上的时域信号；血压特征推理模块，用于将时域信号输入到训练好的LSTM神经网络推理模型中，得到血压值，其中血压值包括收缩压和舒张压。本发明利用面部光电容积脉搏波的时域信号输入LSTM神经网络，可获得高精度的血压估计值，实现无感知血压检测。
-
公开(公告)号：CN115040089B
公开(公告)日：2022-12-06
申请号：CN202210981128.5
申请日：2022-08-16
Abstract: 本发明涉及非接触式生理信号检测领域，尤其涉及一种基于深度学习的脉搏波峰值检测与分类的方法和装置，该方法包括：步骤一，利用血氧仪采集人体指尖的脉搏波信号，采用滑动窗口的方式进行分帧处理，得到若干段短信号；步骤二，将若干段短信号按照时间顺序排列，输入到关键点检测模块中进行峰值检测和整理得到所有峰值点；步骤三，将步骤二得到的峰值点及采集得到的整段脉搏波信号输入到分类模块中，通过判断信号的强度、波动和平涩程度来对脉搏波信号进行分类，并记录。本发明能够有效应用于基于脉搏波的生物识别系统中，并提高识别的准确率。
-
公开(公告)号：CN114638272B
公开(公告)日：2022-11-04
申请号：CN202210541225.2
申请日：2022-05-19
IPC: G06K9/00 , G06K9/62 , A61B5/1455 , A61B5/117 , A61B5/00
Abstract: 本发明涉及非接触式生理信号检测领域，尤其涉及一种基于指尖脉搏波信号的身份识别方法和装置，该方法包括：步骤一，利用血氧仪采集人体指尖的脉搏波信号；步骤二，将采集到的脉搏波信号进行滤波、峰值检测、信号截取对齐以及计算导数并归一标准化的处理，同时保存对应的个人身份标识号；步骤三，重复步骤一至步骤二，将步骤二中得到的信号数据保存为数据集；步骤四，将数据集输入特征提取网络进行特征提取，后输入分类网络训练，训练完成后保存训练好的网络参数，得到训练好的身份识别模型；步骤五，利用训练好的身份识别模型，对输入的脉搏波信号进行识别，预测出对应身份。本发明相比现有的其他方法，具有更高的识别准确率的优点。
-
公开(公告)号：CN115040089A
公开(公告)日：2022-09-13
申请号：CN202210981128.5
申请日：2022-08-16
Abstract: 本发明涉及非接触式生理信号检测领域，尤其涉及一种基于深度学习的脉搏波峰值检测与分类的方法和装置，该方法包括：步骤一，利用血氧仪采集人体指尖的脉搏波信号，采用滑动窗口的方式进行分帧处理，得到若干段短信号；步骤二，将若干段短信号按照时间顺序排列，输入到关键点检测模块中进行峰值检测和整理得到所有峰值点；步骤三，将步骤二得到的峰值点及采集得到的整段脉搏波信号输入到分类模块中，通过判断信号的强度、波动和平涩程度来对脉搏波信号进行分类，并记录。本发明能够有效应用于基于脉搏波的生物识别系统中，并提高识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN114638272A
公开(公告)日：2022-06-17
申请号：CN202210541225.2
申请日：2022-05-19
IPC: G06K9/00 , G06K9/62 , A61B5/1455 , A61B5/117 , A61B5/00
Abstract: 本发明涉及非接触式生理信号检测领域，尤其涉及一种基于指尖脉搏波信号的身份识别方法和装置，该方法包括：步骤一，利用血氧仪采集人体指尖的脉搏波信号；步骤二，将采集到的脉搏波信号进行滤波、峰值检测、信号截取对齐以及计算导数并归一标准化的处理，同时保存对应的个人身份标识号；步骤三，重复步骤一至步骤二，将步骤二中得到的信号数据保存为数据集；步骤四，将数据集输入特征提取网络进行特征提取，后输入分类网络训练，训练完成后保存训练好的网络参数，得到训练好的身份识别模型；步骤五，利用训练好的身份识别模型，对输入的脉搏波信号进行识别，预测出对应身份。本发明相比现有的其他方法，具有更高的识别准确率的优点。
-
公开(公告)号：CN113892930A
公开(公告)日：2022-01-07
申请号：CN202111504748.1
申请日：2021-12-10
Applicant: 之江实验室
Abstract: 本发明公开了一种基于多尺度心率信号的面部心率测量方法。该方法将含有人脸面部区域的视频流逐帧进行皮肤分割，对特征提取模块进行训练，将人脸视频流输入训练好的特征提取模块中，输出为多个心率值，将所有输出心率值求平均，获得最终的心率预测值。本发明的方法可得到高精度心率估计值，实现无接触心率检测。
-
公开(公告)号：CN113827234A
公开(公告)日：2021-12-24
申请号：CN202111412880.X
申请日：2021-11-25
Applicant: 之江实验室
Abstract: 本发明属于非接触式生理信号检测领域，涉及一种基于高光谱人脸视频的远程脉搏波重建方法，首先利用高光谱相机录制人脸视频，将录制好的人脸视频输入到光谱通道选择网络中，经过处理得到降维之后的特征；进一步的，将上一步得到的降维之后的特征输入进特征提取网络，输出为一段特征向量，最终将特征向量输入到信号重建网络中，得到重建的脉搏波信号。本发明通过光谱通道选择网络对大量的高光谱数据进行降维，提高了之后的推理速度；其次，在特征提取网络中，通过在组合数据集上的预训练加速了模型的收敛，并且通过注意力机制提高了网络对重要特征的关注程度；最后，在信号重建网络中，利用多层LSTM提取到网络的时序特征并以此对信号进行重建。
-
公开(公告)号：CN115761137A
公开(公告)日：2023-03-07
申请号：CN202211484005.7
申请日：2022-11-24
Applicant: 之江实验室 , 中国铁建重工集团股份有限公司
Abstract: 本发明公开了一种基于法向量和点云数据相互融合的高精度曲面重建方法和装置，包括：获取高精度稀疏点云数据，重建高精度稀疏点云数据得到粗糙曲面的低频法向量特征；获取光照方向及其对应的图像，根据光照方向及其对应的图像并以粗糙曲面的低频法向量特征为指导，采用光度立体视觉方式获得高精度稠密法向量特征；对高精度高密度法向量特征积分得到高精度稠密点云数据后，对高精度稠密点云数据和高精度稀疏点云数据进行配准融合，得到高精度曲面。该方法和装置实现基于测量效率低、细节恢复能力较低的高精度稀疏点云数据的高精度曲面重建。
-
公开(公告)号：CN114820329B
公开(公告)日：2022-11-25
申请号：CN202210764209.X
申请日：2022-07-01
Applicant: 之江实验室 , 中国铁建重工集团股份有限公司
Abstract: 本发明公开了基于高斯过程大核注意力装置引导的曲面测量方法及装置，依次进行初始点采样、曲面上采样、曲面重建和误差评定、采样点选择，其中曲面上采样由高斯过程模型和基于大核注意力机制的预训练上采样模型组成，通过上述操作获得关键的点云数据，通过这些数据，可以用非常有限的数据完成目标精度的曲面重建；同时，针对高精度接触式形貌测量传感器测量效率较低的问题，通过局域高斯过程和深度学习的上采样模型，进行点云的自适应采样，然后再对这些数据进行重建，可以在保证重建精度和细节还原度的同时提高复杂曲面的测量效率。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.04 seconds)
