CN106503752A - 一种坐式手工装配线疲劳度检测系统 - Google Patents

一种坐式手工装配线疲劳度检测系统 Download PDF

Info

Publication number
CN106503752A
CN106503752A CN201611001176.4A CN201611001176A CN106503752A CN 106503752 A CN106503752 A CN 106503752A CN 201611001176 A CN201611001176 A CN 201611001176A CN 106503752 A CN106503752 A CN 106503752A
Authority
CN
China
Prior art keywords
standard operation
assembly line
fatigue
fatigue strength
grades
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201611001176.4A
Other languages
English (en)
Other versions
CN106503752B (zh
Inventor
姜盛乾
刘鹏
付丹妮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jilin University
Original Assignee
Jilin University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jilin University filed Critical Jilin University
Priority to CN201611001176.4A priority Critical patent/CN106503752B/zh
Publication of CN106503752A publication Critical patent/CN106503752A/zh
Application granted granted Critical
Publication of CN106503752B publication Critical patent/CN106503752B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/76—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries based on eigen-space representations, e.g. from pose or different illumination conditions; Shape manifolds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • Psychiatry (AREA)
  • Human Computer Interaction (AREA)
  • Social Psychology (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

一种坐式手工装配线疲劳度检测系统，涉及姿势识别技术，该系统包括以下步骤：步骤1、通过Kinect设备捕捉装配线工人半身骨骼信息；步骤2、在Kinect设备开启以后，对装配线工人进行标准动作和标准时间进行测定，取十次数据的平均值为标准数据；步骤3、针对装配线工人进行监测，持续计算躯体变化角度、有效动作比率和无效动作比率，引入综合评判方法，测算出装配线工人的疲劳程度，监测数据存储在数据库中；步骤4、根据疲劳强度进行分级警告，根据强度大小决定是否继续监测或是结束监测。

Description

一种坐式手工装配线疲劳度检测系统
技术领域：
本发明涉及姿势识别技术，特别涉及基于Kinect的装配线疲劳度检测系统。
背景技术：
装配线工人疲劳使得注意力下降，思维和运动减慢，从而降低产品质量，在特殊装配位置还易出现安全事故，因此关于有效判别装配线工人是否疲劳具有重要的科研价值及意义。
现今的疲劳度监测技术大致为三种，传感器、脑电图或是计算机识别，生产线工人在操作时，前两种方法极难得到普及应用，现今计算机技术中面孔识别得到普遍使用，已经有人在驾驶中进行应用，但在生产线中很难进行普及，本文提出姿势识别的判定方法，人在疲劳时不仅会从面孔中表现出来，身体的反应也可间接说明疲劳。
发明内容：
本发明的目的在于提供一种基于Kinect的装配线疲劳度检测系统。
结合附图，说明如下：
一种坐式手工装配线疲劳度检测系统，该系统包括以下步骤：
步骤1、通过Kinect设备捕捉装配线工人半身骨骼信息；
步骤2、在Kinect设备开启以后，对装配线工人进行标准动作和标准时间进行测定，取十次数据的平均值为标准数据；
步骤3、针对装配线工人进行监测，持续计算躯体变化角度、有效动作比率和无效动作比率，引入综合评判方法，测算出装配线工人的疲劳程度，监测数据存储在数据库中；
步骤4、根据疲劳强度进行分级警告，根据强度大小决定是否继续监测或是结束监测。
所述步骤1的半身骨骼信息首先是通过启动kinect的半身模式，对头部、肩部中心、左肩、左肘部、左手腕、左手、右肩、右肘部、右手腕、右手进行跟踪识别，另外增加脊柱进行识别，追踪11个骨骼点。
所述步骤2，先对装配步骤进行分解，所述的标准动作即为工人取零件和装配零件时左右手的空间位置，其中还包括在完成相应动作时躯干骨和额头的空间向量；所述标准时间即上一个标准动作到下一个标准动作的完成时间，在测定十组数据之后，取平均值为标准数据。
所述步骤3躯体变化角度包括头部变化角度与躯干变化角度：
头部变化角
躯干变化角
其中：设kinect设备为o点，动态头部点为a1，动态肩部中心为a2，动态脊柱为a3，持续记录数据包括头部肩部中心脊柱通过计算可得动态肩部中心到头部向量为动态脊柱到肩部中心向量为
在测定标准动作1时，已测定肩部中心到头部标准向量脊柱到肩部中心标准向量
所述步骤3中的有效工作比率为：无效工作比率为：
以左手为例，完成一个标准动作分标准动作1和标准动作2，t1为完成标准动作1的时间；t2为左手脱离标准范围的无效动作总时间段；t3为完成标准动作2的时间；
有效动作和无效动作需要通过空间距离测定评价：
设kinect设备为o点，动态左手点为a4，动态右手点为a5；动态左手向量动态右手向量
在标准动作1时，已测算完成标准动作1时左手右手完成标准动作1后到达标准动作2时左手右手
两点之间直线为最短距离，连接空间点b4＝(x3,y3,z3)和b6＝(x5,y5,z5)，直线上每个点均形成以r为半径的球，左手在到达b4＝(x3,y3,z3)以r为半径的范围内，即时，认为完成标准动作1，时间点为t1；
完成标准动作1后，计算机持续进行以下公式计算，公式(1)表示的数值，判断是否离开标准动作1范围；公式(2)表示左手是否在规定范围内运动，其中计算动态点a4到直线的最短距离；公式(3)表示的数值，判断是否完成标准动作2；
所述步骤4中根据疲劳强度进行分级警告，需要结合躯体变化角度、有效动作比率和无效动作比率；
躯体变化角度、有效动作比率和无效动作比率均分为5级评判，躯体变化角度θ1、θ2之和在(0°-30°]认为1级，(30°-60°]认为2级，(60°-90°]认为3级，(90°-120°]认为4级，大于120°认为5级；有效动作比率在(1-1.2]认为1级，(1-1.4]认为2级，以此类推直到五级；无效动作比率在(0-0.1]认为1级，(0.1-0.2]认为2级，以此类推直到五级。
躯体变化角度、有效动作比率和无效动作比率分别占0.3，0.4，0.3的权重，之前的分级数值乘上权重得出结果在(0-1]之间疲劳度为1级，(1-2]之间疲劳度为2级，(2-3]之间疲劳度为3级，(3-4]之间疲劳度为4级，(4-5]之间疲劳度为5级；
等级1代表可忽略的疲劳，等级2代表轻微的疲劳，等级3代表中等程度的疲劳，等级4代表严重的疲劳，等级5代表灾难性的疲劳；测出疲劳值后，系统提供适当的声音提醒，当疲劳程度达到5级时，停止监测，中断该工位电路，迫使员工休息。
附图说明：
图1为本发明的整体框架；
图2为本发明的半身人体骨骼图；
图3躯体变形坐标图；
图4躯体变形角度图；
图5为Kinect监测示意图；
图6空间距离测定图；
图7标准动作空间范围；
具体实施方式：
下面结合附图对本发明作更进一步的详细说明。
如图1所示：
步骤1、通过Kinect设备捕捉装配线工人半身骨骼信息；
步骤2、在Kinect设备开启以后，对装配线工人进行标准动作和标准时间进行测定，取十次数据的平均值为标准数据；
步骤3、针对装配线工人半身进行监测，持续计算躯体变化角度、有效动作比率和无效动作比率，引入综合评判方法，测算出装配线工人的疲劳程度。监测数据存储在数据库中；
步骤4、根据疲劳强度进行分级警告，根据强度大小决定是否继续监测或是结束监测。
如图2所示，所述步骤1的半身骨骼信息首先是通过启动kinect的半身模式，对头部、肩部中心、左肩、左肘部、左手腕、左手、右肩、右肘部、右手腕、右手进行跟踪识别，另外增加脊柱进行识别，追踪11个骨骼点。
所述步骤2，先对装配步骤进行分解，所述的标准动作即为工人取零件和装配零件时左右手的空间位置，其中还包括在完成相应动作时躯干骨和额头的空间向量；所述标准时间即上一个标准动作到下一个标准动作的完成时间。在测定十组数据之后，取平均值为标准数据。
如图3所示，所述步骤3需要进行角度评价，已知kinect设备为o点，动态头部点为a1，动态肩部中心为a2，动态脊柱为a3，持续记录数据包括头部肩部中心脊柱通过计算可得动态肩部中心到头部向量为动态脊柱到肩部中心向量为
如图4所示，在标准动作1时，已测定肩部中心到头部标准向量脊柱到肩部中心标准向量通过计算可得头部变化角躯干变化角头部变化角度与躯干变化角组成躯体变化角度。
所述步骤3中的有效动作疲劳参数和无效动作比率需要进行空间距离测定评价，kinect设备为o点，动态左手点为a4，动态肩右手点为a5。
如图5所示，持续记录数据包括动态左手向量动态右手向量比如在标准动作1时，已测算完成标准动作1时左手右手完成标准动作1后到达标准动作2时左手右手
如图6所示，本文认为两点之间直线为最短距离，以左手为例，连接空间点b4＝(x3,y3,z3)和b6＝(x5,y5,z5)，直线上每个点均形成以r为半径的球，左手在到达b4＝(x3,y3,z3)以r为半径的范围内，即时，认为完成标准动作1，时间点为t1。
完成标准动作1后，计算机持续进行以下公式计算，公式(1)表示的数值，判断是否离开标准动作1范围；公式(2)表示左手是否在规定范围内运动，其中计算动态点a4到直线的最短距离；公式(3)表示的数值，判断是否完成标准动作2：
如果左手脱离标准范围(公式(1)(2)(3))，即开启第二计时器，第二计时器可累计计时，计算出左手脱离标准范围的无效工作总时间段t2，当左手到达公式(3)时，即完成标准动作2，记时间点t3。标准时间t为标准动作1到标准动作2的时间。
有效工作比率无效工作比率
如图7所示，左右手的标准范围在空间中依照标准动作已计算出，需要按照规定好的标准轨迹完成所有的标准动作才算完成一个周期动作。
所述步骤4中根据疲劳强度进行分级警告，需要结合躯体变化角度、有效动作比率和无效动作比率，其中计算过程需要采集每个项目所有的操作动作，即一个完整周期所有分解动作的平均数值，平均最近十次(采用先进先出原则，第11组数据进入计算范围，第1组数据剔出)完整周期的疲劳值给出综合评判。
躯体变化角度、有效动作比率和无效动作比率均分为5级评判，躯体变化角度θ1中θ2与之和在(0°-30°]认为1级，(30°-60°]认为2级，(60°-90°]认为3级，(90°-120°]认为4级，大于120°认为5级；有效动作比率在(1-1.2]认为1级，(1-1.4]认为2级，以此类推直到五级；无效动作比率在(0-0.1]认为1级，(0.1-0.2]认为2级，以此类推直到五级。
躯体变化角度、有效动作比率和无效动作比率分别占0.3,0.4,0.3的权重，之前的分级数值乘上权重得出结果在(0-1]之间疲劳度为1级，(1-2]之间疲劳度为2级，(2-3]之间疲劳度为3级，(3-4]之间疲劳度为4级，(4-5]之间疲劳度为5级。
等级1代表可忽略的疲劳，等级2代表轻微的疲劳，等级3代表中等程度的疲劳，等级4代表严重的疲劳，等级5代表灾难性的疲劳。测出疲劳值后，系统提供适当的声音提醒，当疲劳程度达到5级时，停止监测，中断该工位电路，迫使员工休息。

Claims (6)

1.一种坐式手工装配线疲劳度检测系统，其特征在于，该系统包括以下步骤：
步骤1、通过Kinect设备捕捉装配线工人半身骨骼信息；
步骤2、在Kinect设备开启以后，对装配线工人进行标准动作和标准时间进行测定，取十次数据的平均值为标准数据；
步骤3、针对装配线工人进行监测，持续计算躯体变化角度、有效动作比率和无效动作比率，引入综合评判方法，测算出装配线工人的疲劳程度，监测数据存储在数据库中；
步骤4、根据疲劳强度进行分级警告，根据强度大小决定是否继续监测或是结束监测。
2.根据权利要求1所述的一种坐式手工装配线疲劳度检测系统，其特征在于：
所述步骤1的半身骨骼信息首先是通过启动kinect的半身模式，对头部、肩部中心、左肩、左肘部、左手腕、左手、右肩、右肘部、右手腕、右手进行跟踪识别，另外增加脊柱进行识别，追踪11个骨骼点。
3.根据权利要求1所述的一种坐式手工装配线疲劳度检测系统，其特征在于：
所述步骤2，先对装配步骤进行分解，所述的标准动作即为工人取零件和装配零件时左右手的空间位置，其中还包括在完成相应动作时躯干骨和额头的空间向量；所述标准时间即上一个标准动作到下一个标准动作的完成时间，在测定十组数据之后，取平均值为标准数据。
4.根据权利要求1所述的一种坐式手工装配线疲劳度检测系统，其特征在于：
所述步骤3躯体变化角度包括头部变化角度与躯干变化角度：
头部变化角
躯干变化角
其中：kinect设备为o点，动态头部点为a1，动态肩部中心为a2，动态脊柱为a3，持续记录数据包括头部肩部中心脊柱通过计算可得动态肩部中心到头部向量为动态脊柱到肩部中心向量为
在测定标准动作1时，已测定肩部中心到头部标准向量脊柱到肩部中心标准向量
5.根据权利要求1所述的一种坐式手工装配线疲劳度检测系统，其特征在于：
所述步骤3中的有效工作比率为：无效工作比率为：
以左手为例，完成一个标准动作分标准动作1和标准动作2，t1为完成标准动作1的时间；t2为左手脱离标准范围的无效动作总时间段；t3为完成标准动作2的时间；
有效动作和无效动作需要通过空间距离测定评价：
设kinect设备为o点，动态左手点为a4，动态右手点为a5；动态左手向量 动态右手向量
在标准动作1时，已测算完成标准动作1时左手右手完成标准动作1后到达标准动作2时左手右手
两点之间直线为最短距离，连接空间点b4＝(x3,y3,z3)和b6＝(x5,y5,z5)，直线上每个点均形成以r为半径的球，左手在到达b4＝(x3,y3,z3)以r为半径的范围内，即时，认为完成标准动作1，时间点为t1；
完成标准动作1后，计算机持续进行以下公式计算，公式(1)表示的数值，判断是否离开标准动作1范围；公式(2)表示左手是否在规定范围内运动，其中计算动态点a4到直线的最短距离；公式(3)表示的数值，判断是否完成标准动作2；
6.根据权利要求1所述的一种坐式手工装配线疲劳度检测系统，其特征在于：
所述步骤4中根据疲劳强度进行分级警告，需要结合躯体变化角度、有效动作比率和无效动作比率；
躯体变化角度、有效动作比率和无效动作比率均分为5级评判，躯体变化角度θ1、θ2之和在(0°-30°]认为1级，(30°-60°]认为2级，(60°-90°]认为3级，(90°-120°]认为4级，大于120°认为5级；有效动作比率在(1-1.2]认为1级，(1-1.4]认为2级，以此类推直到五级；无效动作比率在(0-0.1]认为1级，(0.1-0.2]认为2级，以此类推直到五级。
躯体变化角度、有效动作比率和无效动作比率分别占0.3，0.4，0.3的权重，之前的分级数值乘上权重得出结果在(0-1]之间疲劳度为1级，(1-2]之间疲劳度为2级，(2-3]之间疲劳度为3级，(3-4]之间疲劳度为4级，(4-5]之间疲劳度为5级；
等级1代表可忽略的疲劳，等级2代表轻微的疲劳，等级3代表中等程度的疲劳，等级4代表严重的疲劳，等级5代表灾难性的疲劳；测出疲劳值后，系统提供适当的声音提醒，当疲劳程度达到5级时，停止监测，中断该工位电路，迫使员工休息。
CN201611001176.4A 2016-11-14 2016-11-14 一种坐式手工装配线疲劳度检测系统 Expired - Fee Related CN106503752B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611001176.4A CN106503752B (zh) 2016-11-14 2016-11-14 一种坐式手工装配线疲劳度检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611001176.4A CN106503752B (zh) 2016-11-14 2016-11-14 一种坐式手工装配线疲劳度检测系统

Publications (2)

Publication Number Publication Date
CN106503752A true CN106503752A (zh) 2017-03-15
CN106503752B CN106503752B (zh) 2018-03-27

Family

ID=58324370

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611001176.4A Expired - Fee Related CN106503752B (zh) 2016-11-14 2016-11-14 一种坐式手工装配线疲劳度检测系统

Country Status (1)

Country Link
CN (1) CN106503752B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106774896A (zh) * 2016-12-19 2017-05-31 吉林大学 一种坐式手工装配线模特值评测系统
CN108268137A (zh) * 2018-01-24 2018-07-10 吉林大学 一种虚拟装配中握取、移动和放手动作测算方法
CN108363984A (zh) * 2018-03-06 2018-08-03 吉林大学 一种虚拟装配中疲劳度监测方法
CN108983711A (zh) * 2017-05-30 2018-12-11 发那科株式会社 工件供给系统
CN111476114A (zh) * 2020-03-20 2020-07-31 深圳追一科技有限公司 疲劳检测方法、装置、终端设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102920467A (zh) * 2011-08-08 2013-02-13 长天科技股份有限公司 疲劳度侦测方法及其装置
CN103617416A (zh) * 2013-11-20 2014-03-05 京东方科技集团股份有限公司 人体疲劳状态识别装置、方法和智能显示器
CN104200202A (zh) * 2014-08-30 2014-12-10 电子科技大学 一种基于累加感知机的人体上半身检测方法
CN104504856A (zh) * 2014-12-30 2015-04-08 天津大学 基于Kinect及人脸识别的疲劳驾驶检测方法
CN105551182A (zh) * 2015-11-26 2016-05-04 吉林大学 基于Kinect人体姿势识别的驾驶状态监测系统
CN105739702A (zh) * 2016-01-29 2016-07-06 电子科技大学 用于自然人机交互的多姿态指尖跟踪方法
CN106055091A (zh) * 2016-05-16 2016-10-26 电子科技大学 一种基于深度信息和校正方式的手部姿态估计方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102920467A (zh) * 2011-08-08 2013-02-13 长天科技股份有限公司 疲劳度侦测方法及其装置
CN103617416A (zh) * 2013-11-20 2014-03-05 京东方科技集团股份有限公司 人体疲劳状态识别装置、方法和智能显示器
CN104200202A (zh) * 2014-08-30 2014-12-10 电子科技大学 一种基于累加感知机的人体上半身检测方法
CN104504856A (zh) * 2014-12-30 2015-04-08 天津大学 基于Kinect及人脸识别的疲劳驾驶检测方法
CN105551182A (zh) * 2015-11-26 2016-05-04 吉林大学 基于Kinect人体姿势识别的驾驶状态监测系统
CN105739702A (zh) * 2016-01-29 2016-07-06 电子科技大学 用于自然人机交互的多姿态指尖跟踪方法
CN106055091A (zh) * 2016-05-16 2016-10-26 电子科技大学 一种基于深度信息和校正方式的手部姿态估计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
蔡菁 等: "基于Kinect的疲劳驾驶综合监测系统研究", 《计算机工程与科学》 *
陈萍: "基于Kinect的疲劳驾驶检测系统的设计与实现", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106774896A (zh) * 2016-12-19 2017-05-31 吉林大学 一种坐式手工装配线模特值评测系统
CN108983711A (zh) * 2017-05-30 2018-12-11 发那科株式会社 工件供给系统
CN108983711B (zh) * 2017-05-30 2020-06-12 发那科株式会社 工件供给系统
CN108268137A (zh) * 2018-01-24 2018-07-10 吉林大学 一种虚拟装配中握取、移动和放手动作测算方法
CN108268137B (zh) * 2018-01-24 2018-11-06 吉林大学 一种虚拟装配中握取、移动和放手动作测算方法
CN108363984A (zh) * 2018-03-06 2018-08-03 吉林大学 一种虚拟装配中疲劳度监测方法
CN108363984B (zh) * 2018-03-06 2018-11-16 吉林大学 一种虚拟装配中疲劳度监测方法
CN111476114A (zh) * 2020-03-20 2020-07-31 深圳追一科技有限公司 疲劳检测方法、装置、终端设备及存储介质

Also Published As

Publication number Publication date
CN106503752B (zh) 2018-03-27

Similar Documents

Publication Publication Date Title
CN106503752B (zh) 一种坐式手工装配线疲劳度检测系统
Wang et al. Fall detection based on dual-channel feature integration
CN109460702A (zh) 基于人体骨架序列的乘客异常行为识别方法
CN108764059B (zh) 一种基于神经网络的人体行为识别方法及系统
CN101739172B (zh) 触摸行为辨认装置和方法、信息处理装置及计算机程序
CN108805009A (zh) 基于多模态信息融合的课堂学习状态监测方法及系统
CN103604809B (zh) 一种图案布匹瑕疵在线视觉检测方法
CN104318578B (zh) 一种视频图像分析方法及系统
CN107440680A (zh) 睡眠状态推定装置
CN109359536A (zh) 基于机器视觉的乘客行为监控方法
CN110490995A (zh) 一种皮带运行状态异常监测方法、系统、设备及存储介质
CN101558996A (zh) 基于人体运动结构正投影三维重建的步态识别方法
CN109620244A (zh) 基于条件生成对抗网络和svm的婴儿异常行为检测方法
CN107545252A (zh) 基于多姿态人脸模型的视频中人脸识别方法及装置
CN109543577A (zh) 一种基于面部表情特征的疲劳驾驶检测预警方法
CN111144174A (zh) 利用神经网络与传统算法识别视频中老人跌倒行为的系统
CN101539989A (zh) 基于人脸检测的错误阅读姿势检测方法
CN106127112A (zh) 基于dlle模型的数据降维与特征理解方法
CN105303183A (zh) 一种基于穿戴设备的儿童姿态识别分析系统和方法
Iosifidis et al. Neural representation and learning for multi-view human action recognition
CN106384129A (zh) 一种基于闭环驾驶模型的驾驶员驾驶状态辨识方法
CN114708553A (zh) 一种基于多任务多视图增量学习的用户行为识别方法
Ning et al. Fall detection algorithm based on gradient boosting decision tree
Yoo et al. Multimodal anomaly detection based on deep auto-encoder for object slip perception of mobile manipulation robots
CN110147822B (zh) 一种基于人脸动作单元检测的情绪指数计算方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Gao Dawei

Inventor after: Liu Peng

Inventor after: Zhang Kaigan

Inventor after: Huang Zhuo

Inventor after: Xu Yang

Inventor after: Hou Shengdong

Inventor after: Liang Yeyin

Inventor after: Cao Mingyu

Inventor after: Cai Weilu

Inventor before: Jiang Shengqian

Inventor before: Liu Peng

Inventor before: Fu Danni

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180327

Termination date: 20181114

CF01 Termination of patent right due to non-payment of annual fee