[發明專利]人機識別方法及裝置、電子設備、存儲介質

在審

• 申請號: 201810047948.0
• 申請日: 2018-01-18
• 公開（公告）號: CN110059794A
• 公開（公告）日: 2019-07-26
• 發明（設計）人: 王健;呂軍;王美青;鮑珣
• 申請（專利權）人: 北京京東金融科技控股有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06K9/62
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 闞梓瑄;王衛忠

1.一種人機識別方法，其特征在于，包括：

通過智能電子設備的加速度傳感器以及陀螺儀傳感器獲取待識別數據；

對所述待識別數據進行采樣，以生成樣本數據；

將所述樣本數據輸入識別模型，以獲取識別概率；

通過對比所述識別概率與預設閾值，確定操作所述智能電子設備的對象是用戶或機器人。

2.根據權利要求1所述的人機識別方法，其特征在于，所述方法還包括：

獲取來自于用戶的傳感器數據，生成第一數據；

獲取來自于機器人的傳感器數據，生成第二數據；

通過所述第一數據與所述第二數據對卷積神經網絡模型進行訓練，以獲取所述識別模型。

3.根據權利要求2所述的人機識別方法，其特征在于，加速度傳感器的數據包括三個子維度數據，陀螺儀傳感器的數據包括三個子維度數據，所述第一數據與所述第二數據的維度均為6維。

4.根據權利要求3所述的人機識別方法，其特征在于，通過第一數據與第二數據對卷積神經網絡模型進行訓練，以獲取所述識別模型，包括：

將所述第一數據與所述第二數據在每個維度上做歸一化處理，以生成第一訓練數據與第二訓練數據；

通過第一訓練數據與第二訓練數據對所述卷積神經網絡模型進行訓練，以獲取所述識別模型。

5.根據權利要求4所述的人機識別方法，其特征在于，所述方法還包括：

在訓練次數大于預設值時，停止對所述卷積神經網絡模型進行訓練，以將所述卷積神經網絡模型確定為所述識別模型。

6.根據權利要求2所述的人機識別方法，其特征在于，通過所述第一數據與所述第二數據對卷積神經網絡模型進行訓練包括：

通過正態分布對所述卷積神經網絡模型的權重進行初始化。

7.根據權利要求2所述的人機識別方法，其特征在于，所述卷積神經網絡模型包括一個輸入層、兩個卷積層、一個池化層、一個稠密層以及一個輸出層。

8.根據權利要求7所述的人機識別方法，其特征在于，所述輸入層包括6通道，且每個通道對應一個維度的傳感器數據。

9.根據權利要求1所述的人機識別方法，其特征在于，通過對比所述識別概率與預設閾值，確定操作所述智能電子設備的對象是用戶或機器人，包括：

如果所述識別概率大于所述預設閾值，確定操作所述智能電子設備的對象是用戶；

如果所述識別概率小于所述預設閾值，確定操作所述智能電子設備的對象是機器人。

10.根據權利要求1所述的人機識別方法，其特征在于，采樣頻率為20Hz，每個所述待識別數據的采樣時間為6.4秒。

11.一種人機識別裝置，其特征在于，包括：

數據獲取模塊，通過智能電子設備的加速度傳感器以及陀螺儀傳感器獲取待識別數據；

數據采樣模塊，用于對所述待識別數據進行采樣，以生成樣本數據；

概率確定模塊，用于將所述樣本數據輸入識別模型，以獲取識別概率；

對象識別模塊，用于通過對比所述識別概率與預設閾值，確定操作所述智能電子設備的對象是用戶或機器人。

12.根據權利要求11所述的人機識別裝置，其特征在于，所述裝置還包括：

第一數據生成模塊，用于獲取來自于用戶的傳感器數據，生成第一數據；

第二數據生成模塊，用于獲取來自于機器人的傳感器數據，生成第二數據；

識別模型獲取模塊，用于通過所述第一數據與所述第二數據對卷積神經網絡模型進行訓練，以獲取所述識別模型。