• 专利申请
    2019-11-06
  • 公布公告
    2023-04-07
  • 授权日期
    2023-04-07
  • 终止
    2033-04-04
基于深度学习的无源人体运动识别方法
基于深度学习的无源人体运动识别方法
* 专利信息仅供参考,不具有法律效力。 有效专利
CN201911078785.3 2019-11-06 G06V40/20 {{ classMap["G06V40/20"] }}
宁波大学 查看申请人名下所有专利
浙江省宁波市江北区风华路818号
专利分类项目
专利注册信息
初审公告期号 2019-11-06 初审公告日期 2023-04-07
注册公告期号 2023-04-07 注册公告日期 2023-04-07
专用权期限 2023-04-07 - 2033-04-04 专利类型 发明授权
代理组织机构 宁波奥圣专利代理有限公司 查看该机构代理的所有专利
专利介绍
本发明公开了一种基于深度学习的无源人体运动识别方法,通过首先对人体运动数据进行行为特征数据提取获取训练数据,然后在笔记本电脑中使用tensorflow构建深度神经网络模型,基于训练数据采用深度学习的方法实现对深度神经网络模型的训练,在人体运动识别时,通过给待识别人员配备WISP实现人体运动数据的采集,然后提取采集的运动数据的特征数据作为深度神经网络模型的输入数据,通过深度神经网络模型实现运动识别;优点是成本较低,识别时间短,且具有较高的识别准确率。
法律进度
  • 2024-02-06 专利权的转移 登记生效日: 2024.01.22 专利权人由宁波大学变更为龙图腾网科技(合肥)股份有限公司 国家或地区由中国 ...

  • 2023-04-07 授权 ...

  • 2020-05-05 实质审查的生效 IPC(主分类): G06K 9/00 专利申请号: 201911078785.3 申请日: 2019.11. ...

  • 2020-04-10 公开 ...

同类专利
  • 一种面向复杂视觉场景下的远距离类脑三维步态识别系统及实现方法

  • 一种基于语义折叠的人体步态行为主动检测识别系统和方法

  • 一种基于多项式拟合的模特走秀动作评价方法

  • 一种基于最适宜步态流型空间的步态识别方法

  • 基于多特征融合CNN-BLSTM的人体复杂行为识别方法

  • 一种基于虚拟姿态样本合成的异常步态行为识别方法

  • 基于循环注意力网络的人体动作识别方法及识别装置

  • 基于局部误差逐层训练的人体姿态识别方法和装置

  • 一种多视点下提高动态手势动作识别准确率的方法

  • 一种基于深度学习的动态手势动作识别方法

  • 一种基于渐弱运动轨迹图的步态特征表示和特征提取方法

  • 一种基于深度学习的人体行为预测方法

咨询该专利

您还可以
推荐专利
{{ v.name }}
取 消 确 定