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！

龙图腾网获悉贵州护理职业技术学院申请的专利一种心肺复苏智伴泛在训练方法以及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：CN120032430B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202510513527.2，技术领域涉及：G06V40/20；该发明授权一种心肺复苏智伴泛在训练方法以及系统是由杨晓玲;江智霞;韩露露;张芳;李丝静设计研发完成，并于2025-04-23向国家知识产权局提交的专利申请。

本一种心肺复苏智伴泛在训练方法以及系统在说明书摘要公布了：本发明提供一种心肺复苏智伴泛在训练方法以及系统，包括步骤于参训人员训练场景、关键肢体关节以及训练假人胸腔部位部署监测设备，实现多源视频流数据同步采集；存储并构建综合特征向量；通过专家标注和标准训练特征数据提取，构建CNN模型；生成对应训练结果反馈。本发明结合MSE阈值检测和约束机制，快速识别参训人员的异常动作，在数据预处理阶段引入约束机制，利用简单阈值比较快速过滤危险或无效数据，为每个训练特征数据设定物理合理范围，并通过二值约束函数和加权综合评分生成合规标签的方式，避免后续复杂且耗时的CNN模型推理，从而降低计算负载；同时，提升对参训人员评估的精确性。

本发明授权一种心肺复苏智伴泛在训练方法以及系统在权利要求书中公布了：1.一种心肺复苏智伴泛在训练方法，其特征在于：包括步骤： 于参训人员训练场景、关键肢体关节以及训练假人胸腔部位部署监测设备，实现多源视频流数据同步采集； 在多源视频流数据中计算相邻帧的均方误差，，式中，和分别为第It和It+1帧中，参训人员发生肢体动作时在发生点x,y处的像素值，N表示训练的视频流中表征肢体动作的总像素数；将均方误差MSE依次填充到创建的空数组D中，设定一阈值Tf，并遍历空数组D，当D[i]Tf时，则认为在第Ii和第Ii+1帧间发生场景变化，记录并获取此场景变化中的变化点，形成表征参训人员肢体动作的代表性帧数据，以获取场景变化细节信息； 通过NTP协议同步与代表性帧数据对应的所有监测设备时钟，建立一致时间序列，构建表征参训人员训练特征数据的综合特征向量Fj=[θj,pj,vj,dj]，θj为肢体关节角度，pj为肢体关节位置，vj为肢体关节发生点速度，dj为按压力度； 通过专家标注和标准训练特征数据提取，生成标准动作时空特征矩阵Fstd，构建CNN模型； 通过构建约束机制对所述训练特征数据进行合规性评估，以过滤无效训练数据，若数据合规，则将其输入CNN模型，提取特征矩阵F；将特征矩阵F与标准动作特征矩阵Fstd进行比对，并通过计算加权欧氏距离和余弦相似度获取两者之间的差异度d和相似度Csim，生成对应训练结果反馈；其中，构建约束机制的步骤如下： 针对每个训练特征数据Xi，计算其是否超出合理范围，生成二值约束函数值fiXi，； 根据训练结果的重要性为每个训练特征数据Xi赋予权重Wi，计算物理约束综合评分； 将fph与预设阈值T对比，生成合规标签Lph，若fphT则令Lph=1，表示数据合规，进入CNN模型处理流程；否则令Lph=0，直接触发反馈，输出超限参数列表Ep={Xi∣XiXimin或XiXimax}，不再进行后续的CNN模型处理； 其中，在通过约束机制对训练特征数据进行合规性评估前，需要基于收集的训练特征数据，对每个参训人员发生肢体动作时的发生点x,y进行修正，以提高后续对参训人员肢体动作的估算精度后，再构建综合特征向量Fj，具体步骤为： 首先，通过系统搭载的OpenPose开源库进行参训人员关键肢体动作点检测，于640×480像素坐标系中直接提取参训人员发生肢体动作时，每个发生点的二维坐标xj,yj以及该坐标的置信度Pj，以初步定位肘、腕关节位置，量化数据可信度； 其次，定义一邻域范围ρ，计算每个发生点的二维坐标xj,yj与其邻域内其他关键肢体动作点xjk,yjk的空间关联度：通过欧氏距离公式量化两点间的物理距离djk，，再结合其他关键肢体动作点xjk,yjk的置信度Pk，动态调整关联权重Wij，设定距离越近、置信度越高的邻域点对发生点的二维坐标xj,yj的影响越大，； 再次，计算发生点修正量，； 最后，得到修正后的发生点xc j,yc j：。

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贵州护理职业技术学院，其通讯地址为：550000 贵州省贵阳市巫峰路169号金峰校区；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”。

以上内容由龙图腾AI智能生成。