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

龍圖騰網獲悉華南師范大學;清遠華云智控科技有限公司申請的專利變異粒子群算法與卷積神經網絡的跌倒檢測方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115273139B 。

龍圖騰網通過國家知識產權局官網在2025-09-05發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210777737.9，技術領域涉及：G06V40/10；該發明授權變異粒子群算法與卷積神經網絡的跌倒檢測方法及系統是由熊愛民;周超維;肖捷;賴靖豪設計研發完成，并于2022-07-04向國家知識產權局提交的專利申請。

本變異粒子群算法與卷積神經網絡的跌倒檢測方法及系統在說明書摘要公布了：本發明公開了變異粒子群算法與卷積神經網絡的跌倒檢測方法及系統，包括視頻采集模塊，中心處理模塊，云服務器、用戶端，還包括變異粒子群算法與卷積神經網絡的跌倒檢測方法，所述視頻采集模塊與中心處理模塊通過導線相連，所述中心處理模塊云服務器通訊連接，所述云服務器和用戶端通訊連接，所述視頻采集模塊使用網絡攝像頭捕捉監控區域的視頻圖像，并將視頻圖像傳入中心處理模塊。本發明在無需穿戴、低成本、無需增加模型規模的情況下，提高跌倒模型預測準確率和收斂速度，解決跌倒檢測模型錯報、漏報以及訓練時間長等問題。

本發明授權變異粒子群算法與卷積神經網絡的跌倒檢測方法及系統在權利要求書中公布了：1.變異粒子群算法與卷積神經網絡的跌倒檢測方法，包括以下步驟，其特征在于： S1、建立基于卷積神經網絡的跌倒檢測模型，所述步驟S1包括： 步驟S11：獲取和標注人體跌倒行為數據集； 步驟S12：選取和微調卷積神經網絡模型； S2、利用變異粒子群算法對基于卷積神經網絡的跌倒檢測模型的參數進行優化； S3、將全局最優解對應的參數賦值給基于卷積神經網絡的跌倒檢測模型； S4、將初始化后的卷積神經網絡進行迭代訓練，得到訓練好卷積神經網絡模型； S5、驗證基于變異粒子群算法與卷積神經網絡的跌倒檢測模型，S5步驟包括： 步驟S51：判斷基于變異粒子群算法與卷積神經網絡的跌倒檢測模型是否達到指定精度，若沒有達到跳轉步驟S2; 步驟S52：保存模型； 所述S2的具體步驟如下： 步驟S21：根據卷積神經網絡的損失函數確定粒子群的適應度函數； 步驟S22：根據卷積神經網絡的拓撲結構對其權值和閾值進行編碼排序； 步驟S23：根據編碼長度確定粒子的維度，并對粒子群數量、慣性權重、學習參數和最大迭代次數進行初始化； 步驟S24：采用隨機數粒子群的初始位置、初始速度、個體最優位置和全局最優位置、進行初始化；初始化方式如下： 式中:和分別為第i個粒子的速度和位置，和表示位置的最大和最小值，和表示速度的最大和最小值； 步驟S25：判斷是否達到變異條件；若沒達到跳轉步驟S2.7； 步驟S26：用隨機數對余弦相似度大于平均余弦相似度的粒子進行變異；余弦相似度和平均余弦相似度的計算公式如下： 式中:為當前迭代的全局最優解，為第i個粒子的位置； 步驟S27：根據上一代粒子的速度和位置更新當前迭代的粒子的速度和位置；速度和位置迭代更新公式描述為: 式中為初始粒子數，和分別測量第i個粒子在第k+1次迭代時的速度和位置；表示慣性權重，反映了前一個速度對當前速度的影響，和表示加速度因子通常用兩個實數表示，和是區間0,1中的兩個隨機數； 步驟S28：根據當前迭代的所述粒子位置得到當前迭代的適應度值； 步驟S29：確定當前迭代個體最優位置和全局最優位置； 步驟S210:判斷當前迭代否達到最大迭代次數或達到相應精度要求；若沒有達到，跳轉步驟S25；若達到，輸出全局最優位置。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人華南師范大學;清遠華云智控科技有限公司，其通訊地址為：510631 廣東省廣州市中山大道西55號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。