龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：湖南师范大学
申请日：2024-01-11
公开（公告）日：2024-06-14
公开（公告）号：CN118177780A
主分类号：A61B5/11
分类号：A61B5/11;G06F18/241;G06F18/214;G06F18/10;G06F18/213;G06N3/0464
优先权：
专利状态码：在审-公开
法律状态：2024.06.14#公开
摘要：本发明公开了一种基于卷积神经网络的姿势不良步态识别方法及系统，方法包括：获取患者自由状态下行走过程中的足底压力信号的样本数据，将动态足底压力信号的一维样本数据转换成二维图像数据后，再加上类别标签后加入数据库；构建卷积神经网络模型，并将数据库中的训练数据输入卷积神经网络模型进行训练获得模型参数。现场应用时，将实时采集的动态足底压力测试数据的测试图像输入至步态识别系统，得到步态识别结果，并根据判别器判定该测试者是否为姿势不良患者。本发明利用深度学习自动从数据中学习有用的特征，通过优化神经网络结构，提高模型的适应性和鲁棒性，提高不良步态的识别率。
主权项：1.一种基于卷积神经网络的姿势不良步态识别方法，其特征在于，包括以下步骤：S101通过安装于智能鞋垫的压力传感器获取患者行走过程中的动态足底压力信号的样本数据，将足底压力信号的样本数据进行数据预处理，然后加上类别标签后作为样本加入数据库，所述数据库中的每个样本均包含由每个步态的一维压力数据转换成的二维图像和相应类别；S102构建卷积神经网络模型，并将数据库中的训练数据输入卷积神经网络模型进行训练，获得模型参数，使得训练好的卷积神经网络模型能够根据足底压力信号的图像识别对应类别；S103现场应用时，采集测试者行走过程中的动态足底压力数据，形成测试数据，对测试数据进行数据预处理得到测试图像，并调用训练完成后的卷积神经网络模型对测试图像进行识别，得到步态识别结果；S104根据步态识别结果，判断测试数据是否为姿势不良的步态；设定正常步态判定阈值，利用判别器，判别该测试者是否为姿势不良患者。
全文数据：
权利要求：
百度查询： 湖南师范大学 一种基于卷积神经网络的姿势不良步态识别方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号