“李伟彤”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果14个，建议您升级VIP下载更多相关专利

[发明专利]一种基于改进关键帧提取的跌倒检测方法-CN202110502441.1有效
发明人：胡佳佳;李伟彤 -专利权人：广东工业大学
申请日： 2021-05-08 - 公布日： 2023-08-18 - 主分类号： G06V40/20 文献下载
摘要：本发明提供一种基于改进关键帧提取的跌倒检测方法，包括S1：获取未经处理的原视频流；S2：利用帧间差分法对所述原视频流初步进行关键帧提取；S3：利用聚类算法对步骤S2产生的关键帧进行二次优化，得到最优关键帧；S4：从所述最优关键帧中提取特征，构建特征向量；S5：将提取的特征向量作为支持向量机SVM的输入，进行初判断，所述支持向量机用于区分非跌倒行为、跌倒行为和类跌倒行为；S6：利用卷积神经网络对区分结果为所述类跌倒行为的特征向量进行二次分类，输出检测结果，完成对跌倒行为的最终检测。本发明提出的算法与传统的聚类方法相比，不仅有更低的冗余度而且还有较高的查全率和准确率，可以为后续检测跌倒行为节省很多时间和提高准确率。
一种基于改进关键提取跌倒检测方法

[发明专利]一种基于深度学习的跌倒行为检测方法和系统-CN202110523527.2有效
发明人：叶铭彬;李伟彤 -专利权人：广东工业大学
申请日： 2021-05-13 - 公布日： 2023-08-15 - 主分类号： G06V40/20 文献下载
摘要：本发明公开了一种基于深度学习的跌倒行为检测方法和系统，方法包括以下步骤：首先，获取人体的骨骼数据。然后对骨骼数据进行预处理，计算提取出对跌倒行为检测有用的低维特征信息。接着使用图卷积算法构建人体图矩阵，人体部位图矩阵通过空域卷积层提取深层的空域特征，并进一步送进双向LSTM层提取时域特征。分别通过若干个空域卷积层+双向LSTM层后，最后送进FC层以进行最后的跌倒行为检测。图卷积可以把非结构化的骨骼信息建模成排列整齐的矩阵形式，利用空域卷积层可以很好地从骨架信息从提取空域特征，并进一步使用双向LSTM层提取时序特征，双向LSTM层可以叠加前后帧间的时序信息，具有高准确率的特点，使整个网络模型具有更好的性能。
一种基于深度学习跌倒行为检测方法系统

[发明专利]一种基于最小中心线的跌倒检测方法及装置-CN201911095466.3有效
发明人：王璐;李伟彤 -专利权人：广东工业大学
申请日： 2019-11-11 - 公布日： 2023-05-23 - 主分类号： G06V40/20 文献下载
摘要：本申请公开了一种基于最小中心线的跌倒检测方法及装置，所述方法包括：获取监测区域的监测图像，其中所述监测图像通过安装在监测区域的视频设备获取，且所述监测图像的X轴方向与水平方向平行；判断监测图像中是否存在监测目标，如不存在监测目标，则丢弃当前监测图像；对监测图像进行预处理，然后获取监测目标的轮廓，在所述轮廓上依次选取N个像素点，并确定监测目标的质心；根据选取的N个像素点和质心，确定监测目标的最小中心线；计算所述最小中心线与监测图像X轴方向之间的夹角；根据所述夹角判定监测目标是否处于跌倒状态。本申请与现有算法相比，计算过程简单、计算量小，且误差小，完全满足实际使用需求，对算法处理设备的要求较低。
一种基于最小中心线跌倒检测方法装置

[发明专利]一种基于自适应时空图卷积的跌倒事件检测方法-CN202210918304.0在审
发明人：刘鹏飞;李伟彤 -专利权人：广东工业大学
申请日： 2022-08-01 - 公布日： 2022-11-08 - 主分类号： G06V40/10 文献下载
摘要：本发明提出一种基于自适应时空图卷积的跌倒事件检测方法，涉及机器视觉的技术领域，解决了当前跌倒检测方法检测性能差和计算复杂度高的问题，首先采集待检测人体的视频数据，然后从视频数据中的每一帧图像获取待检测人体的骨架数据，再利用跌倒事件检测模型中每一个时空图卷积网络模型的空间自适应图卷积模块提取骨架空间关联特征，并利用时间自适应图卷积模块提取骨架运动信息，最后将预处理完的骨架数据输入跌倒事件检测模型进行检测，得到待检测人体的跌倒检测结果，有效提高检测性能，降低计算复杂度。
一种基于自适应时空图卷跌倒事件检测方法

[发明专利]一种基于轻量级卷积神经网络跌倒检测方法-CN202210439742.9在审
发明人：彭翔;李伟彤 -专利权人：广东工业大学
申请日： 2022-04-25 - 公布日： 2022-10-18 - 主分类号： G06V40/20 文献下载
摘要：本发明提供了一种基于轻量级卷积神经网络跌倒检测方法，包括以下步骤：步骤一，参数选择：(1)输入帧采样率：剪辑视频长度为3‑10秒，在帧采样率集合{1,2,4,8,16}中选择输入帧采样率的时间步长，发现每2‑4帧采样1帧(30fps的视频)效果好；步骤二，结构选择：步骤三，最终形成网络。本发明提供在保证准确率情况下，解决了现有技术，网络参数量多、计算量大，而导致的识别效率低，软件部署成本高等问题。
一种基于轻量级卷积神经网络跌倒检测方法

[发明专利]一种基于姿态估计的跌倒检测方法及装置-CN202110099051.4在审
发明人：陈京荣;李伟彤 -专利权人：广东工业大学
申请日： 2021-01-25 - 公布日： 2021-04-20 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于姿态估计的跌倒检测方法及装置，方法包括，接收预设图像采集装置采集的图像数据；从所述图像数据中提取人体外接矩形框坐标；将所述人体外接矩形框坐标输入预设模型中，获取多个人体关键点坐标；对所述人体关键点坐标进行姿态分类，检测跌倒行为。解决了现有检测方案对跌倒行为的检测不够准确，且容易产生漏检的技术问题。
一种基于姿态估计跌倒检测方法装置

[发明专利]一种基于深度学习的跌倒事件检测方法和系统-CN202010865249.4在审
发明人：陈勇;李伟彤 -专利权人：广东工业大学
申请日： 2020-08-25 - 公布日： 2020-12-15 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种基于深度学习的跌倒事件检测方法，包括以下步骤：Mask‑RCNN层对人体轮廓进行背景减除，形成二值人体轮廓图像；CNN层提取二值人体轮廓图像的特征，此特征通过全连接层输出T×4096的深度特征矩阵，并将其深度特征矩阵传输到双向LSTM层；深度特征矩阵通过双向LSTM层得到对应的特征向量；注意力层计算双向LSTM层输出的特征向量的权重，根据权重检测跌倒事件。首先使用Mask‑RCNN层来检测视频中的人，形成二值人体轮廓图像，从检测到的二值人体轮廓图像中提取有用的特征，输出深度特征矩阵，将深度特征矩阵输入到双向LSTM层中得到对应的特征向量，以进行跌落检测，双向LSTM层具有高准确率的特点，注意力层计算特征向量的权重，使整个网络模型表现出更好的性能。
一种基于深度学习跌倒事件检测方法系统

[发明专利]一种基于人工智能的推荐方法、装置及系统-CN202010860428.9在审
发明人：刘雨泽;李伟彤;刘征宇 -专利权人：北京圈清文化传媒有限公司
申请日： 2020-08-25 - 公布日： 2020-10-02 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种基于人工智能的推荐方法、装置、系统、可读介质及电子设置，该推荐方法包括：获取待推荐用户对应的第一录制音频数据；确定所述第一录制音频数据对应的第一标准音频数据和乐谱图像；根据所述乐谱图像对所述第一录制音频数据和所述第一标准音频数据进行处理，获取第二录制音频数据和第二标准音频数据；根据所述第二录制音频数据、所述第二标准音频数据和预设评价规则，获取所述第一录制音频数据的评价结果；根据所述第一录制音频数据对应的评价结果，向所述待推荐用户进行内容推荐。本发明提供的技术方案通过人工智能技术，可以向待推荐用户进行具有针对性的智能推荐，具有适用范围广，效率高，提升速度快的优点。
一种基于人工智能推荐方法装置系统

[发明专利]一种人体跌倒检测方法及装置-CN201811475928.X在审
发明人： 李伟彤;王璐 -专利权人：广东工业大学
申请日： 2018-12-04 - 公布日： 2019-06-07 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种人体跌倒检测方法及装置，包括：获取目标发生动作的加速度、角速度以及包含目标的图像；根据获取的加速度和角速度判断目标是否发生跌倒动作；若根据获取的加速度和角速度判断出目标发生跌倒动作，则从获取的图像中提取出目标图像；从得到的目标图像中提取特征信息，根据提取的特征信息再次确认目标是否发生跌倒动作。本发明人体跌倒检测方法及装置，首先根据目标的加速度和角速度判断目标是否发生跌倒动作，在初步判断出目标发生跌倒动作后，再根据拍摄的图像确认目标发生跌倒动作是否属实，与现有技术相比，能够降低误判情况，提高检测准确率。
跌倒跌倒检测目标图像图像获取目标特征信息提取特征图像确认误判准确率拍摄检测

[发明专利]一种基于多传感器特征融合的跌倒检测方法-CN201811452601.0在审
发明人： 李伟彤;朱旭昇;王璐 -专利权人：广东工业大学
申请日： 2018-11-30 - 公布日： 2019-05-10 - 主分类号： G06N20/10 文献下载
摘要：本发明涉及一种基于多传感器特征融合的跌倒检测方法，包括以下步骤：S1：进行原始数据采集，原始数据包括加速度数据以及视频图像数据；S2：基于步骤S1采集到的原始数据进行特征数据提取并构造特征矢量；S3：通过机器学习算法训练步骤S2提取到的特征数据，获取svm算法分类模型m；S4：实时进行跌倒检测判断。本发明具有能应对复杂情况、分类准确、检测准确率高等优点。
跌倒检测原始数据多传感器特征融合采集机器学习算法视频图像数据特征数据提取加速度数据分类模型构造特征特征数据训练步骤矢量准确率分类检测

[发明专利]一种室内跌倒检测方法及系统-CN201810089693.4在审
发明人：申柏华;罗晓牧;关秋菊;李伟彤;曾嘉伟 -专利权人：广东工业大学
申请日： 2018-01-30 - 公布日： 2018-08-03 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种室内跌倒检测方法，包括获取热电堆传感器的感应区域的温度图像，其中，温度图像包括感应区域内各个像素点的温度值；根据温度图像得到前景图像，并计算前景图像的连通域；判断连通域中像素点的个数是否大于第一预设值；若是，判定前景图像为人体目标的图像，并判断图像在温度图像中所占的行数和列数是否均不满足预设规则；若是，判定人体目标为躺/卧姿态，并判断人体目标的位置是否为预设位置；若否，判定人体目标跌倒。本发明提高了室内跌倒检测的准确性，同时本发明免穿戴，不侵犯隐私，且不受环境光线影响。本发明还公开了一种室内跌倒检测系统，具有上述有益效果。
人体目标温度图像跌倒检测前景图像室内判定感应区域连通域像素点图像跌倒检测系统环境光线影响热电堆传感器预设规则预设位置列数行数预设穿戴跌倒隐私

[发明专利]一种玉米秸秆制备盐碱土改良剂及制备方法-CN201610250500.X在审
发明人：马献发;孙福海;陈乐;李伟彤;夏雪莲;杨梦;孟庆峰 -专利权人：东北农业大学
申请日： 2016-04-21 - 公布日： 2016-08-31 - 主分类号： C05F11/00 文献下载
摘要：本发明公开一种玉米秸秆制备盐碱土改良剂及制备方法，方法步骤如下：步骤一：干燥粉碎：将玉米秸秆风干，水分含量小于10％，然后粉碎至20目；步骤二：高温改性：250‑300℃高温厌氧改性3‑5小时；步骤三：酸化：按秸秆与质量浓度5％～8％硝酸重量比1:10～25比例混合，浸泡24小时后分离出秸秆，60℃烘干；步骤四：表面活化：按秸秆与质量浓度5％的氯化铝溶液重量比1:25比例混合，不断搅拌，24小时后60℃烘干即制成。按此方法制备的玉米秸秆制备盐碱土改良剂。本发明使寸草不生的草甸碱土(碱斑)的土壤的理化性质得到改善。具有成本低，使盐渍土得到持续、逐步的改良，推广适应性强的显著等优点。
一种玉米秸秆制备盐碱土改良方法

[发明专利]一种去除废水中重金属的净水剂及制备方法-CN201610249572.2在审
发明人：马献发;田志会;陈乐;李伟彤;凌超;徐嘉萍;孟庆峰 -专利权人：东北农业大学
申请日： 2016-04-21 - 公布日： 2016-08-17 - 主分类号： C02F1/00 文献下载
摘要：一种去除废水中重金属的净水剂及制备方法，方法如下：步骤一：干燥粉碎：将玉米秸秆风干，然后粉碎；步骤二：高温活化：300‑350℃高温厌氧3‑5小时；步骤三：酸化：玉米秸秆与质量浓度10%盐酸，按重量比1:25比例混合，浸泡24小时后分离出秸秆，反复用去离子水洗涤直至无氯离子，60℃烘干；步骤四：表面活化：将处理后秸秆与碳酸氢铵溶液按重量比1:10比例混合，不断搅拌，稳定24小时；步骤五：再高温活化：300‑350℃高温厌氧1‑2小时，即完成。按如上方法制备的一种去除废水中重金属的净水剂。本发明的制备方法工艺简单，降低了生产成本，可有效去除水中重金属离子，还可以处理有机污染物及放射性废水。
一种去除水中重金属净水制备方法

[发明专利]一种具有拓扑鲁棒性的三维人脸识别方法-CN201310444624.8在审
发明人：孙粤辉;韩一石;李伟彤 -专利权人：广东工业大学
申请日： 2013-09-26 - 公布日： 2014-01-01 - 主分类号： G06K9/66 文献下载
摘要：本发明公开了一种具有拓扑鲁棒性的三维人脸识别方法，其包括如下步骤：S1对测试样本及三维人脸数据库中的训练集、测试集的三维人脸数据进行预处理；S2对预处理后的三维人脸在度量空间建模（X，dx）；S3用离散化Hausdorff距离作为三维人脸外形匹配的相似度准则来计算三维人脸的相似度；S4三维人脸识别结果判定；本发明将欧式距离和测地距离的优势互补，融合成新的几何学意义上的测距——散布距离，反映曲面上两点的平均距离而非仅反映最短路径，具有拓扑鲁棒性，因此可以保持人脸的几何结构特性，彻底解决了因表情变化及拓扑几何结构改变导致识别率降低的问题。
一种具有拓扑鲁棒性三维识别方法

1
共 14 条