一种基于机器学习的摔倒识别方法及装置(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开了一种基于机器学习的摔倒识别方法及装置,其方法包括:实时获取待识别特征集,将待识别特征集中样本输入预构建的摔倒识别模型中进行识别并获取识别结果;其中,所述摔倒识别模型的构建过程为:采集人体的动作数据,并对动作数据进行摔倒动作和人体正常活动动作的标注生成标注集;对标注集中动作数据进行预处理生成数据集;基于预设的有效特征对数据集进行特征提取生成样本集,并将样本集按照预设的比例随机划分为训练集和测试集;将训练集和测试集输入预构建的相关向量机模型中并基于乌鸦算法进行训练优化模型参数;将训练优化好的相关向量机模型作为摔倒识别模型。本发明能够准确高效的对摔倒进行识别。
《一种基于机器学习的摔倒识别方法及装置(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2022100399016,当前法律状态为已下证,由南京信息工程大学提出申请,发明人为陈晓;宋文辉,申请日期为2022-01-14,公开(公告)日期为2025-04-04,国际专利分类号(IPC)为 G06V 40/20 (2022.01)。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种基于机器学习的摔倒识别方法及装置,其方法包括:实时获取待识别特征集,将待识别特征集中样本输入预构建的摔倒识别模型中进行识别并获取识别结果;其中,所述摔倒识别模型的构建过程为:采集人体的动作数据,并对动作数据进行摔倒动作和人体正常活动动作的标注生成标注集;对标注集中动作数据进行预处理生成数据集;基于预设的有效特征对数据集进行特征提取生成样本集,并将样本集按照预设的比例随机划分为训练集和测试集;将训练集和测试集输入预构建的相关向量机模型中并基于乌鸦算法进行训练优化模型参数;将训练优化好的相关向量机模型作为摔倒识别模型。本发明能够准确高效的对摔倒进行识别。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
