Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

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 积分商城 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 > 合肥艾斯德康智能科技有限公司王卓获国家专利权

合肥艾斯德康智能科技有限公司王卓获国家专利权

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!

龙图腾网获悉合肥艾斯德康智能科技有限公司申请的专利一种孤独症儿童康复训练手部动作模式训练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:CN119361077B

龙图腾网通过国家知识产权局官网在2025-12-26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:202411519692.0,技术领域涉及:G16H20/30;该发明授权一种孤独症儿童康复训练手部动作模式训练方法是由王卓;曹玉君;何雷设计研发完成,并于2024-10-29向国家知识产权局提交的专利申请。

一种孤独症儿童康复训练手部动作模式训练方法在说明书摘要公布了:本发明公开了一种孤独症儿童康复训练手部动作模式训练方法,属于强化学习技术领域。本发明使用强化学习模型根据儿童孤独症患者康复训练中手部动作模式识别结果进行实时分析,并推荐不同的训练内容来对儿童孤独症患者进行训练,达到指导和优化儿童孤独症患者手部动作模式的效果,通过强化学习模型的经验来代替人工经验,发现孤独症儿童的手部动作规律,通过最优的训练内容推荐策略,来引导儿童高效掌握训练内容并做出正确的动作模式。

本发明授权一种孤独症儿童康复训练手部动作模式训练方法在权利要求书中公布了:1.一种孤独症儿童康复训练手部动作模式训练方法,其特征在于,包括以下步骤: S1:基于裸眼三维显示交互方式将当前训练内容展示到屏幕前,孤独症儿童与显示的训练内容进行拟现实的互动; S2:构建手部动作模式库,利用手部动作识别算法识别孤独症儿童在当前训练内容下的动作模式,根据动作模式在手部动作模式库中查找获取在当前训练内容下孤独症儿童的奖励或惩罚; S3:构建DQN强化学习算法模型,根据当前训练内容下孤独症儿童的奖励或惩罚以及当前训练内容,基于DQN强化学习算法模型进行训练内容推荐,生成下一个训练内容,进而指导孤独症儿童进行手部动作康复训练; 在所述步骤S2中,手部动作识别算法的处理过程如下: S21:数据预处理 获取视频图像帧并对其进行归一化处理; S22:手部关键点检测 使用开源手部关键点检测算法MediaPipeHands模型来检测每一图像帧中的手部关键点,输出的手部关键点坐标表示为xi,yi,zi,其中,i表示关键点的索引,i的范围为1至21; S23:动作序列生成 提取每一图像帧中的手部关键点,生成一个固定长度的动作序列C并将其转换为特征向量序列; S24:动作识别 使用LSTM网络对特征向量序列进行分类,将特征向量序列输入到LSTM网络中,输出为动作的类别y; 在所述步骤S3中,DQN强化学习算法模型将训练内容推荐问题建模为一个马尔科夫决策过程,表示为S,A,P,R,γ,其中,S表示孤独症儿童的状态,即对历史训练内容的反馈结果,指的是孤独症儿童针对历史训练内容做出的动作序列;A表示动作,即推荐代理推荐的训练内容项;P表示状态转移概率,Pst+1|st,at表示在当前状态st下执行动作at后转移到下一个状态st+1的概率;R表示孤独症儿童在本次训练中的奖励或惩罚,Rst,at表示在当前状态st下执行动作at得到的奖励或惩罚,即在手部动作模式库中查找获取在当前训练内容下孤独症儿童的奖励或惩罚;γ为折扣因子,表示未来奖励或惩罚的折扣程度; 在所述步骤S3中,利用DQN强化学习算法模型进行训练内容推荐的具体过程如下: S31:状态表示 在基于DQN强化学习算法模型进行训练内容推荐的过程中,孤独症儿童的状态通过当前训练内容的完成情况、孤独症儿童的手部动作识别结果以及训练时间来综合表示,状态st表示为一个多维向量,st=[x1,x2,x3…,xn],其中,每个xi是描述孤独症儿童状态的一个特征; S32:动作选择 使用ε-贪心策略进行动作选择,动作at是推荐代理推荐的训练内容项; S33:执行动作并观察奖励 推荐代理执行动作at后,孤独症儿童根据推荐的训练内容项进行互动,记录孤独症儿童的表现,并根据手部动作模式库计算出孤独症儿童的奖励或惩罚rt,同时推荐代理根据孤独症儿童的表现转移到下一个状态st+1; S34:Q值更新 推荐代理使用经验回放和Q值更新来训练模型,利用经验回放池存储过去的经验st,at,rt,st+1,然后从经验回放池中随机抽取样本来更新Q网络; S35:经验回放 利用经验回放缓冲区存储过去的经验st,at,rt,st+1,dt,每隔设定批次时间段,从经验回放池中随机抽取数据进行训练,防止模型陷入局部最优解,增强模型的泛化能力,其中,dt表示是否为终止状态。

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合肥艾斯德康智能科技有限公司,其通讯地址为:230094 安徽省合肥市高新区望江西路4899号欧普康视科技股份有限公司1-b楼;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。

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。