Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 上海市第十人民医院周朝生获国家专利权

上海市第十人民医院周朝生获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉上海市第十人民医院申请的专利基于动态光流场分析的步态异常实时检测系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120071444B

龙图腾网通过国家知识产权局官网在2025-07-29发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510543488.0,技术领域涉及:G06V40/20;该发明授权基于动态光流场分析的步态异常实时检测系统是由周朝生;安丙辰;李鑫源;虞合铖设计研发完成,并于2025-04-28向国家知识产权局提交的专利申请。

基于动态光流场分析的步态异常实时检测系统在说明书摘要公布了:本发明涉及人体动作分析技术领域,具体涉及基于动态光流场分析的步态异常实时检测系统,系统包含数据采集、拓扑特征构建、时空特征融合、流形距离异常检测和系统优化等模块,数据采集模块获取步态RGB‑D视频并提取三维空间数据;拓扑特征构建模块构建动态光流场模型,多层次降采样提取关键帧特征;时空特征融合模块从三个维度提取关节运动特征,计算运动方向变化率与支撑相时间占比,生成步态时序特征;流形距离异常检测模块基于神经网络和支持向量机构建异常步态识别模型,模态划分对异常步态进行判别分类,并输出结果;优化模块根据运行状态动态调整GPU计算资源,保证实时性能,有效捕捉微小步态异常变化。

本发明授权基于动态光流场分析的步态异常实时检测系统在权利要求书中公布了:1.基于动态光流场分析的步态异常实时检测系统,其特征在于,包括: 数据采集模块,用于获取步态RGB-D视频序列并提取包含深度信息的三维空间数据; 拓扑特征构建模块,与所述数据采集模块连接,用于接收所述步态RGB-D视频序列,构建动态光流场模型,并通过多层次降采样提取关键帧特征; 时空特征融合模块,与所述拓扑特征构建模块连接,用于从矢状面、额状面和横截面三个维度提取关节运动特征,计算运动方向变化率与支撑相时间占比,并将运动方向变化率与支撑相时间占比进行非线性融合,生成步态时序特征; 流形距离异常检测模块,与所述时空特征融合模块连接,用于接收所述步态时序特征,基于神经网络算法和支持向量机分类器构建异常步态识别模型,通过模态划分对异常步态进行判别分类,并输出判别结果; 系统优化模块,与所述流形距离异常检测模块连接,用于根据系统运行状态动态调整GPU计算资源,保证系统实时性能; 所述时空特征融合模块包括: 特征提取单元,用于从所述关键帧中提取目标物体边缘的运动方向变化率及支撑相时间占比; 特征融合单元,用于将所述运动方向变化率与所述支撑相时间占比进行非线性融合,生成步态时序特征; 特征映射单元,用于将所述步态时序特征映射到拓扑特征空间,构建步态异常判定所需的高维特征; 融合公式如下: , 其中:为融合后的步态时序特征,是一个无量纲的标量,表示点在时刻t的综合步态特征值;、β和γ为权重系数,它们是无量纲的标量常数,用于调整不同特征的相对重要性;为点在时刻t的运动方向变化率;为点在时刻t的支撑相时间占比;为两个特征的交互项,捕捉特征间的非线性关系; 所述特征提取单元通过以下步骤提取特征: 确定所述关键帧中目标物体边缘的运动方向变化率,其中,所述运动方向变化率通过计算光流场模型中的光流矢量得到; 确定所述关键帧中目标物体边缘的支撑相时间占比,其中,所述支撑相时间占比通过计算光流场模型中的光流矢量与上一时刻的光流矢量连续出现次数的均值所得到; 支撑相时间占比计算公式为: , 其中:为像素点处的支撑相时间占比,是一个无量纲的比值,范围为[0,1];为光流矢量方向连续保持一致的帧数,即连续几帧中该点的运动方向变化小于预设阈值,为π12弧度;为总观察帧数,设置为步态周期内的帧数; 所述流形距离异常检测模块包括: 神经网络处理单元,用于接收所述步态时序特征,通过双向长短时记忆网络算法进行处理,建立包括输入门、遗忘门、输出门与拼接层在内的两层双向长短时记忆网络结构模型; SVM分类单元,用于基于所述神经网络处理单元的输出结果,构建支持向量机分类器,分析异常步态模态的具体参数; 判别决策单元,用于根据所述SVM分类单元的输出,结合马氏距离度量方法,对输入的步态数据进行异常判别; 马氏距离计算公式为: , 其中:为测试样本的马氏距离,是一个标量;为测试样本的特征向量,维度为,n为特征维度;为正常步态样本的均值向量,维度同样为为正常样本的协方差矩阵,维度为,描述了特征间的相关性和方差;为协方差矩阵的逆矩阵;为向量的转置; 异常判别规则为: , 其中:判决为对样本的判决结果,可能值为异常或正常,为样本的马氏距离;为异常阈值,是一个标量。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人上海市第十人民医院,其通讯地址为:200072 上海市静安区延长中路301号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

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。