買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉深圳市丞輝威世智能科技有限公司申請的專利一種基于模塊化的下肢多關(guān)節(jié)意圖識別方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119888448B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-26發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510302872.1，技術(shù)領(lǐng)域涉及：G06V10/82；該發(fā)明授權(quán)一種基于模塊化的下肢多關(guān)節(jié)意圖識別方法及系統(tǒng)是由蔡雪風;陳宏超;王敏敏;徐博源設計研發(fā)完成，并于2025-03-14向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于模塊化的下肢多關(guān)節(jié)意圖識別方法及系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種基于模塊化的下肢多關(guān)節(jié)意圖識別方法及系統(tǒng)。本發(fā)明涉及下肢康復設備，包括多個模塊且模塊通過供電線與信號線連接。設備采集用戶的模塊信號數(shù)據(jù)，形成多通道數(shù)據(jù)，并基于運動時段劃分多個周期，生成基于矩陣的模擬圖像數(shù)據(jù)。利用歷史時段的模擬圖像數(shù)據(jù)及運行結(jié)果進行意識模型訓練。進一步，通過數(shù)據(jù)清除與置零生成第二圖像數(shù)據(jù)進行模型二次訓練。同時，構(gòu)建基于GAN的生成模型，整合特征向量進行訓練，生成模擬特征向量數(shù)據(jù)，并用于擴展訓練數(shù)據(jù)。最終，通過意圖模型實時采集用戶數(shù)據(jù)并自動設定設備運行模式。通過本發(fā)明，實現(xiàn)了對用戶下肢意識的精確識別，降低了對系統(tǒng)算力的要求，同時，提高下肢康復設備的適用性。

本發(fā)明授權(quán)一種基于模塊化的下肢多關(guān)節(jié)意圖識別方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種基于模塊化的下肢多關(guān)節(jié)意圖識別方法，其特征在于，包括： 對下肢康復設備設定1個供電模塊與6個肢體模塊，對于每個模塊設定供電線與信號線進行設備連接； 在一個運動時段內(nèi)，采集目標用戶在使用下肢康復設備中，各個模塊的信號數(shù)據(jù)，形成N個通道的模塊數(shù)據(jù)，基于運動時段劃分出M個周期，基于M個周期與N個通道的模塊數(shù)據(jù)，生成N×M維的模擬圖像數(shù)據(jù)； 構(gòu)建CNN意圖識別模型，在一個歷史時間段內(nèi)，采集多個運動時段的模擬圖像數(shù)據(jù)，形成第一圖像數(shù)據(jù)，并獲取相應的與運行結(jié)果數(shù)據(jù)，將第一圖像數(shù)據(jù)與運行結(jié)果數(shù)據(jù)導入意圖識別模型進行意圖識別訓練，意圖識別模型包括一個卷積層、一個池化層、雙層神經(jīng)網(wǎng)絡與輸出層，第一圖像數(shù)據(jù)經(jīng)過卷積層與池化層進行特征提取，得到中間特征數(shù)據(jù)，對中間特征數(shù)據(jù)進行展平形成一維特征向量，將一維特征向量通過雙層神經(jīng)網(wǎng)絡與輸出層得到兩層輸出結(jié)果； 從第一圖像數(shù)據(jù)中隨機選出多個選定模擬圖像數(shù)據(jù)，根據(jù)預設百分比，對選定模擬圖像數(shù)據(jù)進行數(shù)據(jù)清除與置零，使置零數(shù)據(jù)量達到預設百分比，并生成第二圖像數(shù)據(jù)，將第二圖像數(shù)據(jù)與運行結(jié)果數(shù)據(jù)導入意圖識別模型進行模型二次訓練； 構(gòu)建基于GAN的生成模型，基于第一圖像數(shù)據(jù)與第二圖像數(shù)據(jù)提取相應的一維特征向量，并將特征向量進行整合，得到一維特征向量集，將一維特征向量集導入生成模型，通過訓練生成模型，并基于訓練后的生成模型生成模擬特征向量數(shù)據(jù)，將模擬特征向量數(shù)據(jù)導入意圖識別模型進行訓練，具體包括： 構(gòu)建基于GAN的生成模型，生成模型包括生成器與判別器； 基于意圖識別模型，對第一圖像數(shù)據(jù)與第二圖像數(shù)據(jù)進行特征提取，將得到的一維特征向量進行整合，形成一維特征向量集； 對一維特征向量集進行數(shù)據(jù)標準化預處理，并導入生成器進行模擬特征數(shù)據(jù)生成，將生成的模擬數(shù)據(jù)導入判別器進行概率評估； 對生成器與判別器進行循環(huán)對抗生成訓練，基于誤差反向傳播算法更新生成器和判別器參數(shù)，直至生成器與判別器達到納什平衡； 通過訓練后的生成模型，生成預設數(shù)據(jù)量的模擬特征向量數(shù)據(jù)； 通過意圖識別模型，實時采集用戶模塊數(shù)據(jù)并導入識別模型進行意圖識別，基于識別結(jié)果自動設定設備運行模式。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人深圳市丞輝威世智能科技有限公司，其通訊地址為：518000 廣東省深圳市南山區(qū)粵海街道高新區(qū)社區(qū)白石路3609號深圳灣科技生態(tài)園二區(qū)9棟A2015、A2016、A2017、A2018；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。