[發明專利]辨識系統及辨識方法

有效

• 申請號: 201710212316.0
• 申請日: 2017-04-01
• 公開（公告）號: CN108536278B
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 江振國;游智翔;陳柏年
• 申請（專利權）人: 財團法人資訊工業策進會
• 主分類號: G06F3/01
• 分類號: G06F3/01;G06N3/04
• 代理公司: 北京律誠同業知識產權代理有限公司 11006
• 代理人: 徐金國

一種辨識系統及辨識方法。辨識方法包含：感測一移動數據；由移動數據中擷取出多個特征數據。將第一特征數據切割為多個第一特征區段，并將這些第一特征區段進行分組，以得到多個第一特征組，并計算這些第一特征組分別與多個通道所對應的多個第一相似度參數；依據這些第一相似度參數將這些第一特征組對應至這些通道；通過一卷積演算法分別將這些通道各自對應的第一特征組進行化簡，以取得對應這些第一特征組的多個第一卷積結果；通過一池化算法分別將對應這些第一特征組的第一卷積結果進行化簡，以得到對應這些第一特征組的多個第一池化結果；及結合對應這些第一特征組的第一池化結果，以產生一第一特征地圖。借此，能夠精準地取得關鍵動作特征，并有降低運算量的效果。

技術領域

本案是關于一種辨識系統及辨識方法，特別是關于一種辨識動作的辨識系統及辨識方法。

背景技術

目前應用于電子裝置的動作辨識方法主要是透過機器學習及統計分析來訓練模型、辨識狀態或持續監控，如：在游戲中進行操作、辨識異常行為等。然而，當使用者的動作種類較多或是動作差異不足時，現有的動作辨識方法容易被這些動作混淆，而難以準確地辨識這些動作的關鍵特征。

發明內容

本說明書所揭露的各實施例是提供一種辨識系統及辨識方法。

該辨識系統，包含一處理器。處理器用以接收來自一感測裝置的一移動數據，該處理器包含一前處理模塊、一數據切割模塊、一通道配合模塊、一數據整合模塊及一模型訓練模塊。前處理模塊用以由移動數據中擷取出多個特征數據。其中，這些特征數據包含一第一特征數據及一第二特征數據。數據切割模塊用以將第一特征數據切割為多個第一特征區段，并將這些第一特征區段進行分組，以得到多個第一特征組，并計算這些第一特征組分別與多個通道所對應的多個第一相似度參數。通道配合模塊用以依據這些第一相似度參數將這些第一特征組對應至這些通道。數據整合模塊用以通過一卷積(convolution)演算法分別將所述多個通道各自對應的所述多個第一特征組進行化簡，以取得對應這些第一特征組的多個第一卷積結果，通過一池化(pooling)演算法分別將對應這些第一特征組的這些第一卷積結果進行化簡，以得到對應這些第一特征組的多個第一池化結果，并結合對應這些第一特征組的這些第一池化結果，以產生一第一特征地圖，并將此第一特征地圖與一第二特征地圖再次代入此卷積演算法，以取得一第二卷積結果，并將此第二卷積結果再次代入此池化演算法，以取得一第二池化結果。模型訓練模塊用以將此第二池化結果代入一模型訓練演算法，以產生一辨識模型。

于一實施例中，數據切割模塊更用以依據一時間序列，將該第一特征數據切割為所述多個第一特征區段，并將所述多個第一特征區段依據該時間序列進行分組，以得到所述多個第一特征組。

于一實施例中，該時間序列是指該第一特征數據中的所述多個特征區段被產生的先后順序。

于一實施例中，該數據切割模塊將該第二特征數據切割為多個第二特征區段，并將所述多個第二特征區段進行分組，以得到多個第二特征組；該通道配合模塊計算所述多個第二特征組分別與所述多個通道所對應的多個第二相似度參數，并依據所述多個第二相似度參數將所述多個第二特征組對應至所述多個通道；以及該數據整合模塊通過該卷積演算法分別將所述多個通道各自對應的所述多個第二特征組進行化簡，以取得對應所述多個第二特征組的所述多個第一卷積結果，通過該池化演算法分別將對應所述多個第二特征組的所述多個第一卷積結果進行化簡，以得到對應所述多個第二特征組的所述多個第一池化結果，并結合對應所述多個第二特征組的所述多個第一池化結果，以產生該第二特征地圖。

于一實施例中，該前處理模塊由該移動數據中先擷取出該第一特征數據后，將去除該移動數據中的該第一特征數據后所得的一剩余數據視為該第二特征數據。

于一實施例中，其中該移動數據為一加速度數據，該第一特征數據為一重力數據。