一种基于Kinect的人体下肢肌肉训练系统的设计方法,所述下肢肌肉训练系统设计及效果评判方法基于如下设备：电脑与Kinect体感摄像头信号连接，电脑内装载有Kinect程序、动作仿真软件以及适配Kinect和动作仿真软件的格式转换程序；所述下肢肌肉锻炼方法包括如下步骤：第一步：建立标准动作数据库；第二步：建立人机交互界面；第三步：建立动作训练评判系统；第四步：建立动作再现系统；第五步：建立训练效果分析系统。本设计不仅无需穿戴传感装备即可采集下肢的动作数据，同时利用人机互动界面增强训练效果，而且根据年龄和性别设定评价体系，判定结果可靠性高。
📄 2021101777309
📂 G06F30_20
👤 武汉纺织大学
📅 2021-02-09
本发明公开了一种动作识别方法，包括：步骤1）：通过设备获取图片序列集；步骤2）：构建深度学习目标检测网络，将图片序列集输入到检测网络中，获得检测框集；步骤3）：将检测框集转化为时空图；步骤4）：获取图片、设备ID号、图像时间戳，并结合时空图，进行轨迹生成和轨迹数组对比；步骤5）：通过时空图和轨迹数组的信息对轨迹数组进行更新，确认动作；步骤6）：根据时间戳对轨迹数组进行接力更新，让轨迹数组保持动态性；该动作识别方法智能、高效、准确,可嵌入到任何场景和神经网络中，具有高度的模块化。
📄 2021112240792
📂 G06V40_20
👤 广州微林软件有限公司
📅 2021-10-21
本发明公开了一种基于CSI信号的手势动作识别方法，首先采集小区参考信号CRS数据，然后利用LS信道估计算法准确信道导频，再根据信道导频完整信道矩阵，利用导频平均与插值，实现LTE信号的CSI数据采集。接着在实验环境下采集包含志愿者手势动作的CSI数据，动作分为0～9十个手写数字相应的手势，并对获取到的所有CSI信号数据进行预处理，基于CSI信号的相位差和幅度，提取不同手势动作的CSI信号数据的相位差和幅度差别。最后构建Resnet残差网络模型并进行训练，从而回归出手势动作检测的评价信息。本发明能够使用大多数常见的商用设备进行感知，适用范围广，在无线感知、行为识别领域具有一定的应用价值。
📄 2023108226166
📂 G06F18_241
👤 浙江工业大学
📅 2023-07-06
一种基于深度学习的动态手势动作识别方法，包括：步骤一，构建手势关节点坐标识别网络，利用改进的CPM模型对手势视频进行处理，输出单视点下的手势关节点坐标；步骤二，采集单视点视频数据；以单视点的形式对手势视频样本进行采集，即用一个普通的网络摄像头从多个角度捕捉用户的手势数据，其中包括：(2.1)定义基本手势元素；(2.2)选取手势关节点；(3)准备训练样本数据集；步骤三，输出手势高斯热图和手势关节点坐标；步骤四，构造手势序列识别网络，网络模型构造的具体流程如下：(4.1)定义激活函数；(4.2)选择损失函数；(4.3)建立模型；最后，将步骤三得到的关节点坐标输入标准手势序列识别网络，得到手势动作序列。
📄 2020100118051
📂 G06V40_20
👤 浙江工业大学
📅 2020-01-06
一种提高动态手势动作识别准确率的方法，包括：步骤一，构建手势关节点坐标识别网络，利用改进的CPM模型对手势视频进行处理，输出双视点下的手势关节点坐标；步骤二，采集双视点视频数据，包括(2.1)定义基本手势元素，(2.2)选取手势关节点，(2.3)准备训练样本数据集；步骤三，对基本手势元素视频样本进行卡尔曼滤波处理；步骤四，输出手势高斯热图和手势关节点坐标；步骤五，构造手势序列识别网络，网络模型构造的具体流程如下：(5.1)定义激活函数，(5.2)选择损失函数，(5.3)建立模型；最后，将步骤四得到的关节点坐标输入标准手势序列识别网络，就可以得到手势动作序列。本发明能够提高对连续动作的识别准确率。
📄 2020100087829
📂 G06K9_00
👤 浙江工业大学
📅 2020-01-06
一种面向人机交互的手部动作识别方法，首先充分挖掘视频帧序列的视觉特征，通过帧间运动注意力机制动态提取帧间的运动信息及帧的外观特征；接着利用帧内静态注意力和帧间动态注意力相结合的方式增强时序特征；最后使用CTC束搜索解码方法预测视频对应机器指令，将机器指令传送给机器人，机器人根据指令进行相关动作。本发明考虑了手部动作识别中帧间运动信息和帧的外观特征，充分利用手部动作视频的时序信息，提高了面向人机交互的手部动作识别的适用性和准确性。
📄 2025100335732
📂 G06V40_20
👤 浙江工业大学
📅 2025-01-09
本发明涉及计算机技术领域，具体是一种基于文本监督的人体动作识别方法；首先将骨骼数据通过编码器网络模型进行人体骨架特征提取，再利用文本编码器生成不同动作的特征向量与骨架特征进行相似度计算，得到动作识别结果；本发明通过骨骼编码器得到骨架特征向量，在图卷积网络前加入图Transformer模块可以分析未相连关节点之间的联系，并与基于RGB的行为分析方法相比，有效增加其泛化能力，最后还通过文本编码器得到的文本特征监督学习骨架特征，有效提高动作识别的准确率。
📄 2023102837043
📂 G06V40_20
👤 浙江工业大学
📅 2023-03-22
本发明公开了一种基于AR教具的动作识别方法，属于动作识别技术领域，包括以下步骤：S1、采集用户在AR教具上的手势全局图像，并对手势全局图像进行裁剪，生成手势局部图像；S2、构建手势识别模型；S3、将手势局部图像输入至手势识别模型中，确定用户的手势动作。本发明公开了一种基于AR教具的动作识别方法，对全局图像进行精准裁剪，生成的局部图像只包含手部，便于后续步骤快速其准确地提取手势动作；同时，本发明还构建手势识别模型，手势识别模型对局部图像进行特征提取及特征融合，可以精准地提取用户的手势，便于用户控制AR教具，提高用户使用感，减少AR教具交互时间。
📄 2023116852693
📂 G06V40_20
👤 成都航空职业技术学院
📅 2023-12-11
本发明公开了一种基于Kinect的手势动作识别方法，具体为：对独立手势序列关键帧的提取，对交互手势序列关键帧的提取，基于DTW算法实现手势运动路径序列间相似性的度量，进行空间不同朝向的手势运动路径识别；根据手势运动路径、独立手势序列关键帧、交互手势序列关键帧，识别手势起始姿态、手势序列关键帧和手势终止姿态，进而进行基于运动路径的手势动作识别。本发明在手势运动路径跟踪的基础上实现对手势动作的识别，给出了基于手势起始姿态、手势运动路径和手势终止姿态对手势动作进行识别的策略。
📄 2019109797356
📂 G06V40_20
👤 西安理工大学
📅 2019-10-15
本发明是一种基于自主运动想象脑电的肢体动作识别方法，调查数据表明，当人做同一个动作时，大脑会产生类似的脑电信号，因此可以提取这些特征信号来实现机械臂的运动，进而辅助残疾人运动。本发明通过建立脑网络进行动作的分类，这种方法加强了大脑各个区域之间相关性的考虑，展现了EEG信号及其相关节律特征背后的工作机制。之后通过一种全新的基于非线性部分定向相干方法的脑因效性网络分析法，利用随机森林进行进行上肢运动分类，分类准确度高，根据脑电信号判断相应的动作，从而使得机械臂运动，达到残疾人辅助运动的目的。
📄 2019111686277
📂 G06F18_15
👤 杭州电子科技大学
📅 2019-11-25
本发明涉及一种基于时空兴趣点和时空图卷积的人体动作识别方法，首先收集人体动作相关视频，利用OPENPOSE对视频进行处理获取人体骨骼关节点；然后使用光流法建立高斯金字塔计算光流向量，再结合Gabor滤波和高斯滤波进行时空兴趣点的提取；将OPENPOSE输出的关节点和时空兴趣点进行匹配，形成新的节点特征，该节点特征包括输出的关键点位置、置信度、光流向量大小、时间以及光流向量角度。最后基于人体骨骼结构构造关键点时空图模型，并完成数据训练和测试。本发明基于骨骼识别结合时空兴趣点对人体动作进行识别，同时引入注意力机制，在时间和空间两个方面进行检测判断，提高了行为识别的准确度。
📄 2024108695727
📂 G06V40_20
👤 杭州电子科技大学
📅 2024-07-01
本申请涉及人工智能和模型构建领域，具体使公开了一种动作识别模型训练方法、动作训练方法、装置、设备及存储介质，所述方法包括：获取视频图像、动作数据和视频图像、动作数据对应的动作标签；基于视频图像和对应的动作标签对双流卷积神经网络进行网络训练，得到网络模型和预测结果；基于动作数据和对应的动作标签对分类器进行训练，得到分类模型和分类结果；将网络模型和分类模型合并得到本地识别模型，以及根据预测结果和分类结果得到本地识别结果；将本地识别模型和本地识别结果上传进行联合学习，得到学习参数；接收学习参数，并根据学习参数更新本地识别模型。用于提高训练得到的动作识别模型的识别准确率。
📄 2020111339503
📂 G06K9_00
👤 平安科技(深圳)有限公司
📅 2020-10-21
柿子坊 · 知识产权运营
柿子坊知识产权运营平台