[發(fā)明專利]一種基于貝葉斯網(wǎng)絡(luò)的設(shè)計(jì)意圖識別方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202011259583.1
• 申請日: 2020-11-12
• 公開（公告）號: CN112257663A
• 公開（公告）日: 2021-01-22
• 發(fā)明（設(shè)計(jì)）人: 許瑞;韓皓睿;董秋艷;王莎莎;馬嵩華
• 申請（專利權(quán)）人: 北京機(jī)電工程研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 濟(jì)南圣達(dá)知識產(chǎn)權(quán)代理有限公司 37221
• 代理人: 閆圣娟

1.一種基于貝葉斯網(wǎng)絡(luò)的設(shè)計(jì)意圖識別方法，其特征是，包括如下步驟：

獲取人體生理指標(biāo)數(shù)據(jù)及人體動作數(shù)據(jù)；

建立人體生理指標(biāo)數(shù)據(jù)、動作數(shù)據(jù)與設(shè)計(jì)指令對應(yīng)關(guān)系的人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型；

根據(jù)人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型獲取信號識別的設(shè)計(jì)指令及其精度，采用貝葉斯網(wǎng)絡(luò)并行推理識別設(shè)計(jì)意圖，獲得設(shè)計(jì)指令的正確組合方法；

根據(jù)設(shè)計(jì)指令的組合確定設(shè)定意圖。

2.如權(quán)利要求1所述的一種基于貝葉斯網(wǎng)絡(luò)的設(shè)計(jì)意圖識別方法，其特征是：

所述人體生理指標(biāo)數(shù)據(jù)包括腦電信號，所述人體動作數(shù)據(jù)包括眼動信號、手勢信號；

或者，獲取人體生理指標(biāo)數(shù)據(jù)及人體動作數(shù)據(jù)為按照時序獲取腦電、眼動和手勢信號。

3.如權(quán)利要求1所述的一種基于貝葉斯網(wǎng)絡(luò)的設(shè)計(jì)意圖識別方法，其特征是：設(shè)計(jì)意圖的輸出為設(shè)計(jì)命令，包括想定圖形指令、選定指令、修改指令、操作指令和指令參數(shù)的組合。

4.如權(quán)利要求1所述的一種基于貝葉斯網(wǎng)絡(luò)的設(shè)計(jì)意圖識別方法，其特征是：針對CAD設(shè)計(jì)過程，建立人體生理指標(biāo)數(shù)據(jù)、動作數(shù)據(jù)與設(shè)計(jì)指令對應(yīng)關(guān)系的人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型，具體為：腦電信號與想定圖形指令建立對應(yīng)關(guān)系；或/和,手勢信號與修改指令或/和操作指令建立對應(yīng)關(guān)系；或/和,眼動信號與選定指令建立對應(yīng)關(guān)系。

5.如權(quán)利要求1所述的一種基于貝葉斯網(wǎng)絡(luò)的設(shè)計(jì)意圖識別方法，其特征是：貝葉斯網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)包括依次連接的信號識別結(jié)果輸入層、設(shè)計(jì)指令節(jié)點(diǎn)層以及設(shè)計(jì)意圖輸出層；

信號識別結(jié)果輸入層連接信號訓(xùn)練輸出端，用于將連續(xù)的信號識別為節(jié)點(diǎn)值；指令節(jié)點(diǎn)層包括選定特征節(jié)點(diǎn)、修改指令或操作指令節(jié)點(diǎn)以及指令參數(shù)節(jié)點(diǎn)，為貝葉斯網(wǎng)絡(luò)的網(wǎng)絡(luò)節(jié)點(diǎn)；輸出層為貝葉斯的網(wǎng)絡(luò)根節(jié)點(diǎn)，為設(shè)計(jì)意圖輸出節(jié)點(diǎn)；

或者，通過向上迭代建立貝葉斯網(wǎng)絡(luò)，建立貝葉斯網(wǎng)絡(luò)的根節(jié)點(diǎn)作為進(jìn)一步推理的子節(jié)點(diǎn)，不斷地向上迭代建立貝葉斯網(wǎng)絡(luò)，以滿足復(fù)雜的設(shè)計(jì)意圖的識別。

6.如權(quán)利要求1所述的一種基于貝葉斯網(wǎng)絡(luò)的設(shè)計(jì)意圖識別方法，其特征是：還包括貝葉斯網(wǎng)絡(luò)的訓(xùn)練過程，包括如下步驟：

獲取已知設(shè)計(jì)意圖的設(shè)計(jì)人員的腦電、眼動及手勢信號；

以建立的人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型中的對應(yīng)關(guān)系，將腦電、眼動及手勢信號作為輸入，以設(shè)計(jì)指令和識別精度為輸出，輸入至人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型進(jìn)行訓(xùn)練，獲得人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型的參數(shù)；

或者，

貝葉斯網(wǎng)絡(luò)在識別設(shè)計(jì)意圖后，還包括對識別結(jié)果進(jìn)行評價的過程，根據(jù)評價結(jié)果對配置權(quán)重進(jìn)行調(diào)整，以適應(yīng)設(shè)計(jì)人員的設(shè)計(jì)習(xí)慣，提高個體區(qū)分能力。

7.如權(quán)利要求1所述的一種基于貝葉斯網(wǎng)絡(luò)的設(shè)計(jì)意圖識別方法，其特征是：根據(jù)人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型獲取信號識別的設(shè)計(jì)指令及其精度，采用貝葉斯網(wǎng)絡(luò)并行推理識別設(shè)計(jì)指令，獲得設(shè)計(jì)指令的組合的方法，具體的，識別方法為：

以建立的人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型中的對應(yīng)關(guān)系，將腦電、眼動及手勢信號作為輸入，以識別精度作為貝葉斯網(wǎng)絡(luò)的配置權(quán)重，以設(shè)計(jì)指令為輸出，輸入至貝葉斯網(wǎng)絡(luò)進(jìn)行推理；

在輸入信號的條件下計(jì)算設(shè)計(jì)意圖的后驗(yàn)概率，后驗(yàn)概率最高的設(shè)計(jì)意圖作為識別結(jié)果。

8.一種基于貝葉斯網(wǎng)絡(luò)的設(shè)計(jì)意圖識別系統(tǒng)，其特征是，包括：

獲取模塊：被配置為用于獲取人體生理指標(biāo)數(shù)據(jù)及人體動作數(shù)據(jù)；

人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型建立模塊：被配置為用于建立人體生理指標(biāo)數(shù)據(jù)、動作數(shù)據(jù)與設(shè)計(jì)指令對應(yīng)關(guān)系的人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型；

識別模塊：被配置為用于根據(jù)人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型獲取信號識別的設(shè)計(jì)指令及其精度，采用貝葉斯網(wǎng)絡(luò)并行推理識別設(shè)計(jì)意圖，獲得設(shè)計(jì)指令的正確組合方法；

設(shè)計(jì)意圖確定模塊：被配置為用于根據(jù)設(shè)計(jì)指令的組合確定設(shè)定意圖。

9.一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，其特征在于，該程序被處理器執(zhí)行時實(shí)現(xiàn)如權(quán)利要求1-7中任一項(xiàng)所述的方法中的步驟。

10.一種計(jì)算機(jī)設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時實(shí)現(xiàn)如權(quán)利要求1-7中任一項(xiàng)所述的方法中的步驟。