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 > 中国科学技术大学王凯获国家专利权

中国科学技术大学王凯获国家专利权

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!

龙图腾网获悉中国科学技术大学申请的专利一种基于多模态柔性传感的可穿戴手势交互系统及其方法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:CN116185195B

龙图腾网通过国家知识产权局官网在2025-09-02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:202310154856.3,技术领域涉及:G06F3/01;该发明授权一种基于多模态柔性传感的可穿戴手势交互系统及其方法是由王凯;王蒙;赵刚设计研发完成,并于2023-02-23向国家知识产权局提交的专利申请。

一种基于多模态柔性传感的可穿戴手势交互系统及其方法在说明书摘要公布了:本发明公开了一种基于多模态柔性传感的可穿戴手势交互系统及方法,该可穿戴手势交互系统包括:两种模态的柔性传感器,即柔性应变传感器和柔性加速度传感器,用于捕捉手指弯曲状态、手部三维姿态和手势挥划的手势模拟信号;数据采集模块,将手势模拟信号转化为手势数字信号并通过无线通信模块实时输出;上位机,接收手势数字信号并进行手势活动段分割和预处理后,得到手势信号的格拉姆角场图,并利用基于自注意力机制的深度学习模型进行多模态特征提取与融合,实现手势分类,用于手势人机交互。本发明使用多模态柔性传感器,结合深度学习,提高了手势识别的准确性,而且穿戴舒适,成本较低,能很好的满足使用需求。

本发明授权一种基于多模态柔性传感的可穿戴手势交互系统及其方法在权利要求书中公布了:1.一种基于多模态柔性传感的可穿戴手势交互系统,其特征在于,包括: 柔性传感模块,包括:柔性应变传感器和柔性加速度传感器,用于将手指弯曲状态、手部三维姿态和手势挥划的手势状态数据转换为模拟信号输出; 数据采集模块,是通过多路模数转换模块获取所述柔性应变传感器的输出值,并通过集成电路总线读取所述柔性加速度传感器的三个轴向加速度的输出值,然后将读取到的柔性传感器模块的输出值转换为数字信号并通过无线传输主模块输出; 上位机,通过无线传输从模块接收所述数据采集模块输出的数字信号,并对数字信号进行手势活动段分割和预处理后,得到手势信号的格拉姆角场图,再输入深度学习网络模型中进行识别,并将识别结果映射成人机交互指令后,在交互界面上进行展示; 其中,所述深度学习网络模型包括:输入单元、多流分支、多模态融合单元和输出单元; 所述输入单元用于将预处理后手势信号的格拉姆角场图按照传感模态进行划分,得到每个传感模态下的格拉姆角场图; 所述多流分支用于接收所述每个传感模态下的格拉姆角场图并进行处理后,输出每个传感模态下的隐层特征; 所述多流分支的分支数等于传感模态数,每个分支依次包括:普通卷积层、第二卷积层、第三卷积层以及长短期记忆层,其中,所述第二卷积层和所述第三卷积层均由一个基础卷积模块和一个下采样卷积模块组成; 所述普通卷积层,包含:一个二维卷积层,用于接收单传感模态下所有通道的格拉姆角场图,并输出特征图; 所述基础卷积模块,包含第一通道分离模块、一支用于特征提取的第一深度可分离卷积层;所述第一通道分离模块接收上一层输出的特征图,并按照特征图的通道数将特征图分为两个相同的分支进行处理,其中一个分支的特征图保持不变,另一个分支的特征图输入所述第一深度可分离卷积层中,并依次通过1*1卷积、3*3深度卷积以及1*1卷积的处理后,与保持不变的特征图进行拼接,最后将拼接后的特征图通过通道随机打乱后输出; 所述下采样卷积模块,包含第二通道分离模块、两支用于特征提取的深度可分离卷积层;所述第二通道分离模块接收上一层输出的特征图,并按照特征图的通道数将下采样后的特征图分成两个相同的分支进行处理,其中一个分支的特征图输入第二深度可分离卷积层中,并依次经过步幅为2的3*3深度卷积和步幅为1的1×1卷积的处理后,输出第二特征图;另一个分支的特征图输入第三深度可分离卷积层中,并依次经过1*1的Conv,3×3步幅为2的深度卷积和1*1的卷积的处理后,与第二特征图按照通道级联后输出; 所述长短期记忆层,包含遗忘门、输入门和输出门,用于接收上一层输出的特征图并提取模态内的时序特征后,转换为模态内的隐层状态输出; 所述多模态融合单元接收所述多流分支中各分支的短期记忆层输出,并利用自注意力机制对不同模态间的非线性特征进行融合后,得到多模态融合特征; 所述输出单元,包括全连接层单元和Softmax单元,其中,所述全连接层单元用于接收所述多模态融合特征并进行降维处理;所述Softmax单元用于接收所述全连接层单元输出的降维后的特征,并通过交叉熵损失进行类别概率预测。

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中国科学技术大学,其通讯地址为:230026 安徽省合肥市包河区金寨路96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”。

以上内容由AI智能生成
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。