|
搜索
搜 索
高等教育领域数字化综合服务平台
便携式智能数字心音分析仪
成果与项目的背景及主要用途 目前，对于心脏进行检测的仪器主要有两类：一类是基于心脏电学特性的心电图；一类是基于心脏声学的特性的听诊和心音图。心电图是现在医院普遍采用的心脏监测方式，它能够较为准确和全面的反映心脏的健康状况。但是，有些心脏疾病，当它在心音图上反映出来的时候在心电图上还没有反映，所以，心电监测较心音检测有一定的滞后性。一个完整的心动周期，心脏会产生两个声音：第一心音（S1）和第二心音（S2）。有些情况下，比如幼年和老年的时候也会出现第三心
南开大学
2021-04-14
一种基于场量分析的视频图像显著性检测方法
本发明公开了一种基于场量分析的视频图像显著性检测方法，包括以下步骤：S1 获得视频图像的静态显著性图；S2 根据连续的视频帧提取场景的光流向量场；S3 通过聚类方法对光流向量场进行初步分类并找出最大分类区块；S4 通过每个分类区块与最大分类区块之间的对比生成差异性能量；S5 规范化差异性能量，获得运动显著性值并生成运动显著性图；S6 将该运动显著性图与所述静态显著性图线性加权相加得到最终显著性图，即可实现对视频图像的显著性检测。本发明的方法综合利用视频场景的静态特征和动态特征来得到显著性映射结果，特
华中科技大学
2021-04-14
历届视频
中国高等教育博览会——历届视频
中国高等教育学会
2023-03-22
视频展台
产品展示
产品特点
安全实用
铝合金外壳，无锐角无利边设计
塑胶包覆，关注师生安全
三折叠开合式托板
整机收合尺寸451mm*149mm*83mm
所需挂墙面积小
清晰成像
1200W像素，1.55um大pixel摄像头卡片数码相机级别传感器
采用PDAF相位对焦技术
实现任意位置快速对焦
便捷传输
只需一根 USB 线，即可完成供电与信号传输
使用便捷
触摸按键无缝防尘又耐用
点触操作，画面稳定无晃动，轻松实现放大、缩小、旋转、截图
一键快速切换程序，提高上课效率
广州视睿电子科技有限公司
2021-08-23
视频台
产品详细介绍
广州市捷发豪美视听设备有限公司
2021-08-23
视频内窥镜
苏州英示测量科技有限公司
2021-12-15
事故动态情景构建及任务智能分析技术研究
本项目研究基于知识元的危化品爆炸事故关键情景要素抽取及表示方法；研究基于动态贝叶斯网络、案例推理及智能关联技术的危化品爆炸事故情景推演模型；研究危化品爆炸事故应急响应方案生成方法及对应的任务清单和所需资源列表动态生成方法及系统。项目成果已完成高水平学术论文3篇，培养硕士研究生3名。
中国人民警察大学
2021-05-03
多用途高精度摩擦特性智能检测分析系统
该系统能提供一种模拟汽车离合器的工作环境，对离合器的摩擦片的性能进行检测。该系统是一机多用设备，除可在各种条件下对汽车用湿式离合器摩擦片的摩擦特性进行测试外，还可对制动片、同步环、润滑油等的摩擦要素进行解析，是一种与 SAE J286规格相当的高精度 SAE#2 试验装置，可进行 JASO M 348-2002 规格试验。
扬州大学
2021-04-14
超高清智能终端视频处理与交互关键技术及应用
"本项目属于信息处理、电子与通信技术领域。 超高清显示在电影电视、航空航天、文化传播、科学教育、广告传媒和虚拟现实等领域具有广阔的应用前景。超高清智能终端是市场发展的必然趋势，符合国家重大战略需求。项目组针对超高清智能终端视频处理与交互关键技术开展研究与应用，解决超高清视频智能转换、超高清视频高效编解码以及智能终端交互控制中的新问题，为超高清智能终端的产业转型提供了重要支撑。主要内容、特点如下： （1）发明了面向超高清视频的智能转换技术：提出通用显著性区域检测模型、基于像素融合的立体图像重定向及超高清视频分辨率转换方法，实现了超高清视频的智能转换，适用于不同种类的超高清智能终端。 （2）发明了基于内容特性的超高清视频编解码技术：提出基于空时域上下文和运动复杂度的码率控制、彩色与深度视频联合编码的比特分配及屏幕内容视频快速编码方法，实现了不同格式码流的集成解码，提高了编解码效率。 （3）发明了基于智能分析的终端交互控制技术：提出联合彩色与深度信息的用户检测、基于内容分析的信息推送及终端界面的自适应调整方法，实现了超高清终端的交互控制，提高了交互的智能性。"
天津大学
2021-04-10
AI多模态情绪分析系统
AI多模态情绪分析系统，是人工智能与心理学、计算机视觉、听觉感知等学科深度融合的前沿方向。它不再局限于传统的问卷答题，而是像一位敏锐的观察者，通过分析你的面部微表情、语音语调、肢体语言，甚至生理信号，来实时、客观地"读懂"你的情绪状态。这种技术正在心理健康、教育、人机交互等领域开启全新的可能性。
这套系统的核心在于"多模态"和"融合"。它模拟了人类如何综合视觉、听觉信息来理解对方情绪的过程。
多源数据采集：系统通过摄像头、麦克风等设备，同步采集个体的面部视频、语音音频，甚至可接入可穿戴设备获取心率等生理信号。
单模态特征提取：针对每种数据，用不同的AI模型提取情感特征。
视觉：分析面部肌肉运动（如嘴角上扬、眉毛紧蹙）、头部姿势、眼神等。先进的技术甚至能捕捉难以伪装的微表情（持续仅1/25至1/5秒），或通过分析面部血流图谱（rPPG）来感知生理唤醒水平。
听觉：提取语调、语速、音高、能量（MFCC梅尔频率倒谱系数）等声学特征，判断声音中的情绪色彩。
文本/语义：如果涉及对话，系统还会分析说话内容的语义，理解话语背后的真实意图和情感倾向。
多模态融合与情感解码：这是最关键的一步。系统通过复杂的深度学习算法（如Transformer、自监督多任务学习框架等），将来自不同模态的特征信息进行时空对齐和深度融合。例如，一句愤怒的"我没事"，配上闪躲的眼神和紧绷的嘴角，才会被准确识别为"掩饰性的愤怒"，而非字面意思的"没事"。
湖南可心教育科技有限公司
2026-03-20