-
公开(公告)号：CN107480716B
公开(公告)日：2021-01-29
申请号：CN201710695447.9
申请日：2017-08-15
Applicant: 安徽大学
Abstract: 本发明公开一种结合EOG和视频的扫视信号识别方法及系统，属于眼电图技术领域，包括：同步采集扫视动作的EOG数据与视频数据；对EOG数据和视频数据进行预处理；对EOG数据采集通道进行端点检测，得到端点检测结果；将端点检测结果应用于EOG与视频两种模态下的有效眼动数据段检测，将有效眼动数据分为训练集和测试集；对训练集和测试集中两种模态下的数据进行特征提取得到有效眼动数据的特征；将两种模态下有效眼动数据的特征进行融合；将融合后扫视特征参数送入SVM分类器中进行训练，得到分类模型；利用测试集中数据对分类模型进行测试，得到测试后分类模型以进行信号识别。本发明中融合后的特征具有更多互补信息，提高了信号识别鲁棒性。
-
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：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：CN107480635B
公开(公告)日：2020-09-18
申请号：CN201710695421.4
申请日：2017-08-15
Applicant: 安徽大学
Abstract: 本发明公开了一种基于双模态分类模型融合的扫视信号识别方法及系统，属于眼电图技术领域，方法包括：同步采集受试者不同扫视动作类别的EOG数据和视频数据；对EOG数据和视频数据分别进行预处理；对EOG数据和视频数据进行端点检测；选择EOG数据端点检测结果和视频数据端点检测结果中有效数据较长端点作为最终的端点检测结果；将两种模态下的有效眼动数据段分成训练集和测试集并进行特征参数提取；将两种模态下有效眼动数据特征参数送入SVM分类器中进行训练，得到两种分类模型；对两种分类模型进行融合；利用测试集中的数据对模型融合进行测试以对扫视信号进行识别。本发明中融合后的特征具有更多互补信息，提高了信号识别鲁棒性。
-
公开(公告)号：CN107348958B
公开(公告)日：2019-12-24
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。
-
Patent Agency Ranking
公开(公告)号：CN108710895A
公开(公告)日：2018-10-26
申请号：CN201810366834.2
申请日：2018-04-23
Applicant: 安徽大学
IPC: G06K9/62
CPC classification number: G06K9/624 , G06K9/6256 , G06K9/6267
Abstract: 本发明公开了一种基于独立分量分析的运动想象脑电信号分类方法，包括以下步骤：S1：采集脑电信号并对脑电信号进行预处理，将预处理后的脑电信号随机分为训练集和测试集；S2：将训练集数据依次选择单次试验样本数据进行独立分量分析计算，并基于源的空间分布模式实现运动相关分量的自动识别获取；S3：基于零训练分类器的运动想象分类识别；S4：使用训练集数据进行导联的优化选择，将优化后的导联代入测试集，循环步骤S2和S3，得到最终的分类识别率。本发明可以减少由采集的EEG数据之间的差异性所带来的空域模型匹配问题产生，对运动想象EEG信号具有较高的识别正确率。
-
公开(公告)号：CN105962915A
公开(公告)日：2016-09-28
申请号：CN201610404234.1
申请日：2016-06-02
Applicant: 安徽大学
IPC: A61B5/0205
CPC classification number: A61B5/0205 , A61B5/024 , A61B5/0816 , A61B5/72 , A61B5/7203 , A61B5/725
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，获取人体面部视屏信息，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：CN105447475A
公开(公告)日：2016-03-30
申请号：CN201510975613.1
申请日：2015-12-21
Applicant: 安徽大学
IPC: G06K9/00 , A61B5/0496
CPC classification number: G06K9/0051 , A61B5/0496
Abstract: 本发明公开了一种基于独立分量分析的扫视信号样本优化方法，该方法使用8个生物电极获取受试者上、下、左、右扫视时的眼电信号。再通过带通滤波器对原始多导联扫视眼电信号进行预处理，去除噪声干扰。使用ICA方法获取单次扫视数据在不同任务背景下的空域滤波器组；对所有扫视数据，使用ICA空域滤波器组进行空域滤波，并使用支持向量机将滤波后数据进行交叉测试；以平均识别正确率为度量准则，实现对眼动信号的样本优化。与已有技术相比，本发明的一种基于独立分量分析的扫视信号特征提取与识别方法，具有识别正确率更高、鲁棒性与扩展性更强、应用前景良好等优点。
-
公开(公告)号：CN114580464A
公开(公告)日：2022-06-03
申请号：CN202210126540.9
申请日：2022-02-10
IPC: G06K9/00 , G06K9/62 , A61B5/0205
Abstract: 本发明公开了一种基于变分模态分解(VMD)和约束独立分量分析(cICA)的人体心率变异性(HRV)与呼吸率(RR)测量方法，该方法对人体面部视频数据进行像素相干平均运算，将其转化为RGB观测信号，并对RGB观测信号进行预处理操作以实现标准化。接着对G通道信号使用VMD算法进行4通道分解，以分解出的4通道分量中频谱峰值最大的分量为基础求出血流量脉冲(BVP)的参考信号。基于该参考信号，使用cICA算法从RGB观测信号中分离出BVP源信号，并运用VMD算法对BVP源信号进行4通道分解，从分离出的4通道分量中提取出优质脉搏波成分，进一步求得HRV参数和RR。本发明能够回避传统盲源分离/独立分量分析算法中固有的源排序模糊问题，并具备较好的抗噪声干扰性，在该领域具有较好的应用前景。
-
公开(公告)号：CN107450730B
公开(公告)日：2020-02-21
申请号：CN201710695419.7
申请日：2017-08-15
Applicant: 安徽大学
Abstract: 本发明公开了一种基于卷积混合模型的慢速眼动识别方法及系统，属于眼电图技术领域，包括采用复值ICA算法对各频点的眼动数据进行盲源分离，得到各独立源信号在相应频点上的频域独立分量；对各频点上的独立分量进行尺度补偿，还原独立分量在观测分量中的真实比例成分；采用约束DOA算法对补偿后的独立分量进行排序调整；对尺度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，得到时域上多通道独立源完整的时间信号；对多通道独立源完整的时间信号进行小波分解，将得到的分解结果与慢速眼动的评判标准进行对比与分析，与慢速眼动特征均相符的则识别为慢速眼动。本发明在时域中对多通道EOG信号进行小波分析，由于没有其他源信号的干扰能快速的从EOG信号中提取出慢速眼动。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.023 seconds)
