辨识系统及辨识方法技术方案

一种辨识系统及辨识方法。辨识方法包含：感测一移动数据；由移动数据中撷取出多个特征数据。将第一特征数据切割为多个第一特征区段，并将这些第一特征区段进行分组，以得到多个第一特征组，并计算这些第一特征组分别与多个通道所对应的多个第一相似度参数；依据这些第一相似度参数将这些第一特征组对应至这些通道；通过一卷积演算法分别将这些通道各自对应的第一特征组进行化简，以取得对应这些第一特征组的多个第一卷积结果；通过一池化算法分别将对应这些第一特征组的第一卷积结果进行化简，以得到对应这些第一特征组的多个第一池化结果；及结合对应这些第一特征组的第一池化结果，以产生一第一特征地图。借此，能够精准地取得关键动作特征，并有降低运算量的效果。

Identification system and identification method

An identification system and identification method. The identification method includes: sensing a mobile data; extracting multiple feature data from mobile data. The first feature data is cut into a plurality of first feature segments, and these first feature segments are grouped to obtain a plurality of first feature groups, and the first feature groups are computed to correspond to a plurality of first similarity parameters corresponding to the plurality of channels, and these first feature groups are corresponded to this according to these first similarity parameters. These channels are simplified by convolution algorithm to obtain multiple first convolution results corresponding to these first feature sets, and the first convolution results corresponding to these first feature sets are simplified by a pooling algorithm to obtain the corresponding first feature sets. Multiple first pooling results; and combined with the first pooling results corresponding to these first feature sets to produce a first feature map. By this way, the key action characteristics can be accurately obtained and the effect of reducing computation can be reduced.

【技术实现步骤摘要】
辨识系统及辨识方法
本案是关于一种辨识系统及辨识方法，特别是关于一种辨识动作的辨识系统及辨识方法。
技术介绍
目前应用于电子装置的动作辨识方法主要是透过机器学习及统计分析来训练模型、辨识状态或持续监控，如：在游戏中进行操作、辨识异常行为等。然而，当使用者的动作种类较多或是动作差异不足时，现有的动作辨识方法容易被这些动作混淆，而难以准确地辨识这些动作的关键特征。
技术实现思路
本说明书所揭露的各实施例是提供一种辨识系统及辨识方法。该辨识系统，包含一处理器。处理器用以接收来自一感测装置的一移动数据，该处理器包含一前处理模块、一数据切割模块、一通道配合模块、一数据整合模块及一模型训练模块。前处理模块用以由移动数据中撷取出多个特征数据。其中，这些特征数据包含一第一特征数据及一第二特征数据。数据切割模块用以将第一特征数据切割为多个第一特征区段，并将这些第一特征区段进行分组，以得到多个第一特征组，并计算这些第一特征组分别与多个通道所对应的多个第一相似度参数。通道配合模块用以依据这些第一相似度参数将这些第一特征组对应至这些通道。数据整合模块用以通过一卷积(convolution)演算法分别将所述多个通道各自对应的所述多个第一特征组进行化简，以取得对应这些第一特征组的多个第一卷积结果，通过一池化(pooling)演算法分别将对应这些第一特征组的这些第一卷积结果进行化简，以得到对应这些第一特征组的多个第一池化结果，并结合对应这些第一特征组的这些第一池化结果，以产生一第一特征地图，并将此第一特征地图与一第二特征地图再次代入此卷积演算法，以取得一第二卷积结果，并将此第二卷积结果再次代入此池化演算法，以取得一第二池化结果。模型训练模块用以将此第二池化结果代入一模型训练演算法，以产生一辨识模型。于一实施例中，数据切割模块更用以依据一时间序列，将该第一特征数据切割为所述多个第一特征区段，并将所述多个第一特征区段依据该时间序列进行分组，以得到所述多个第一特征组。于一实施例中，该时间序列是指该第一特征数据中的所述多个特征区段被产生的先后顺序。于一实施例中，该数据切割模块将该第二特征数据切割为多个第二特征区段，并将所述多个第二特征区段进行分组，以得到多个第二特征组；该通道配合模块计算所述多个第二特征组分别与所述多个通道所对应的多个第二相似度参数，并依据所述多个第二相似度参数将所述多个第二特征组对应至所述多个通道；以及该数据整合模块通过该卷积演算法分别将所述多个通道各自对应的所述多个第二特征组进行化简，以取得对应所述多个第二特征组的所述多个第一卷积结果，通过该池化演算法分别将对应所述多个第二特征组的所述多个第一卷积结果进行化简，以得到对应所述多个第二特征组的所述多个第一池化结果，并结合对应所述多个第二特征组的所述多个第一池化结果，以产生该第二特征地图。于一实施例中，该前处理模块由该移动数据中先撷取出该第一特征数据后，将去除该移动数据中的该第一特征数据后所得的一剩余数据视为该第二特征数据。于一实施例中，其中该移动数据为一加速度数据，该第一特征数据为一重力数据。于一实施例中，该数据整合模块更用以产生多个第二池化结果，并将所述多个第二池化结果代入该卷积演算法，以产生多个第三卷积结果，并将所述多个第三卷积结果分别代入该池化演算法，以取得多个第三池化结果。于一实施例中，该模型训练模块依据所述多个第三池化结果以产生该辨识模型。于一实施例中，该通道配合模块计算各所述第一特征组中的多个内容值的一平均值、一共变异数(covariance)、一距离值或一相关系数值，以取得所述多个第一相似度参数。该辨识方法，包含：感测一移动数据；由移动数据中撷取出多个特征数据；其中，这些特征数据包含一第一特征数据及一第二特征数据；将第一特征数据切割为多个第一特征区段，并将这些第一特征区段进行分组，以得到多个第一特征组，并计算这些第一特征组分别与多个通道所对应的多个第一相似度参数；依据这些第一相似度参数将所述多个第一特征组对应至所述多个通道；通过一卷积演算法分别将所述多个通道各自对应的这些第一特征组进行化简，以取得对应所述多个第一特征组的多个第一卷积结果；通过一池化演算法分别将对应这些第一特征组的所述多个第一卷积结果进行化简，以得到对应这些第一特征组的多个第一池化结果；结合对应这些第一特征组的这些第一池化结果，以产生一第一特征地图；将此第一特征地图与一第二特征地图再次代入此卷积演算法，以取得一第二卷积结果；将此第二卷积结果再次代入此池化演算法，以取得一第二池化结果；以及将此第二池化结果代入一模型训练演算法，以产生一辨识模型。于一实施例中，依据一时间序列，将该第一特征数据切割为所述多个第一特征区段，并将所述多个第一特征区段依据该时间序列进行分组，以得到所述多个第一特征组。于一实施例中，该时间序列是指该第一特征数据中的所述多个第一特征区段被产生的先后顺序。于一实施例中，将该第二特征数据切割为多个第二特征区段，并将所述多个第二特征区段进行分组，以得到多个第二特征组；计算所述多个第二特征组分别与所述多个通道所对应的多个第二相似度参数，并依据所述多个第二相似度参数将所述多个第二特征组对应至所述多个通道；通过该卷积演算法分别将所述多个通道各自对应的所述多个第二特征组进行化简，以取得对应所述多个第二特征组的所述多个第一卷积结果；通过该池化演算法分别将对应所述多个第二特征组的所述多个第一卷积结果进行化简，以得到对应所述多个第二特征组的所述多个第一池化结果；以及结合对应所述多个第二特征组的所述多个第一池化结果，产生一第二特征地图。于一实施例中，由该移动数据中先撷取出该第一特征数据后，将去除该移动数据中的该第一特征数据后所得的一剩余数据视为该第二特征数据。于一实施例中，该移动数据为一加速度数据，该第一特征数据为一重力数据。于一实施例中，产生多个第二池化结果，并将所述多个第二池化结果代入该卷积演算法，以产生多个第三卷积结果；将所述多个第三卷积结果分别代入该池化演算法，以取得多个第三池化结果。于一实施例中，该模型训练模块依据所述多个第三池化结果以产生该辨识模型。于一实施例中，计算各所述第一特征组中的多个内容值的一平均值、一共变异数(covariance)、一距离值或一相关系数值，以取得所述多个第一相似度参数。于一实施例中，通过本案所述的辨识系统及辨识方法，可自动化地依据时间序列撷取特征，可清楚地分析持续性(sustained)及非持续性(nonsustained)动作；其中，持续性动作代表一段时间(如3分钟)都做同样动作(例如刷牙一直横刷)，并且重复多次；而非持续性动作可为单一特定动作或连续多种动作，例如，单一特定动作代表一段较短时间(如1秒钟)进行一个画圆动作，此画圆动作只进行一次，而连续多种动作，亦即连续性(continuous)动作，代表一段时间(如30秒)内做了多个“单一特定动作”(例如画圆动作之后接闪电动作，闪电动作之后接砍杀动作，其中也包含多个画圆动作)，通过区分这些动作，本案可更准确地区分动作差异，以达到提升辨识动作的精准度的功效。此外，本案应用池化演算法及卷积演算法，可大幅降低运算量，并能够精准地取得关键动作特征。附图说明为让本揭示内容的上述和其他目的、特征、优点与实施例能本文档来自技高网...

【技术保护点】
1.一种辨识系统，其特征在于，包含：一处理器，用以接收来自一感测装置的一移动数据，该处理器包含：一前处理模块，用以由该移动数据中撷取出多个特征数据；其中，所述多个特征数据包含一第一特征数据及一第二特征数据；一数据切割模块，用以将该第一特征数据切割为多个第一特征区段，并将所述多个第一特征区段进行分组，以得到多个第一特征组，并计算所述多个第一特征组分别与多个通道所对应的多个第一相似度参数；一通道配合模块，用以依据所述多个第一相似度参数将所述多个第一特征组对应至所述多个通道；一数据整合模块，用以通过一卷积演算法分别将所述多个通道各自对应的所述多个第一特征组进行化简，以取得对应所述多个第一特征组的多个第一卷积结果，通过一池化演算法分别将对应所述多个第一特征组的所述多个第一卷积结果进行化简，以得到对应所述多个第一特征组的多个第一池化结果，并结合对应所述多个第一特征组的所述多个第一池化结果，以产生一第一特征地图，并将该第一特征地图与一第二特征地图再次代入该卷积演算法，以取得一第二卷积结果，并将该第二卷积结果再次代入该池化演算法，以取得一第二池化结果；以及一模型训练模块，用以将该第二池化结果代入一模型训练演算法，以产生一辨识模型。...

【技术特征摘要】
2017.03.03 TW 1061070761.一种辨识系统，其特征在于，包含：一处理器，用以接收来自一感测装置的一移动数据，该处理器包含：一前处理模块，用以由该移动数据中撷取出多个特征数据；其中，所述多个特征数据包含一第一特征数据及一第二特征数据；一数据切割模块，用以将该第一特征数据切割为多个第一特征区段，并将所述多个第一特征区段进行分组，以得到多个第一特征组，并计算所述多个第一特征组分别与多个通道所对应的多个第一相似度参数；一通道配合模块，用以依据所述多个第一相似度参数将所述多个第一特征组对应至所述多个通道；一数据整合模块，用以通过一卷积演算法分别将所述多个通道各自对应的所述多个第一特征组进行化简，以取得对应所述多个第一特征组的多个第一卷积结果，通过一池化演算法分别将对应所述多个第一特征组的所述多个第一卷积结果进行化简，以得到对应所述多个第一特征组的多个第一池化结果，并结合对应所述多个第一特征组的所述多个第一池化结果，以产生一第一特征地图，并将该第一特征地图与一第二特征地图再次代入该卷积演算法，以取得一第二卷积结果，并将该第二卷积结果再次代入该池化演算法，以取得一第二池化结果；以及一模型训练模块，用以将该第二池化结果代入一模型训练演算法，以产生一辨识模型。2.根据权利要求1所述的辨识系统，其特征在于，该数据切割模块更用以依据一时间序列，将该第一特征数据切割为所述多个第一特征区段，并将所述多个第一特征区段依据该时间序列进行分组，以得到所述多个第一特征组。3.根据权利要求2所述的辨识系统，其特征在于，该时间序列是指该第一特征数据中的所述多个特征区段被产生的先后顺序。4.根据权利要求1所述的辨识系统，其特征在于，该数据切割模块将该第二特征数据切割为多个第二特征区段，并将所述多个第二特征区段进行分组，以得到多个第二特征组；该通道配合模块计算所述多个第二特征组分别与所述多个通道所对应的多个第二相似度参数，并依据所述多个第二相似度参数将所述多个第二特征组对应至所述多个通道；以及该数据整合模块通过该卷积演算法分别将所述多个通道各自对应的所述多个第二特征组进行化简，以取得对应所述多个第二特征组的所述多个第一卷积结果，通过该池化演算法分别将对应所述多个第二特征组的所述多个第一卷积结果进行化简，以得到对应所述多个第二特征组的所述多个第一池化结果，并结合对应所述多个第二特征组的所述多个第一池化结果，以产生该第二特征地图。5.根据权利要求1所述的辨识系统，其特征在于，该前处理模块由该移动数据中先撷取出该第一特征数据后，将去除该移动数据中的该第一特征数据后所得的一剩余数据视为该第二特征数据。6.根据权利要求1所述的辨识系统，其特征在于，该移动数据为一加速度数据，该第一特征数据为一重力数据。7.根据权利要求1所述的辨识系统，其特征在于，该数据整合模块更用以产生多个第二池化结果，并将所述多个第二池化结果代入该卷积演算法，以产生多个第三卷积结果，并将所述多个第三卷积结果分别代入该池化演算法，以取得多个第三池化结果。8.根据权利要求7所述的辨识系统，其特征在于，该模型训练模块依据所述多个第三池化结果以产生该辨识模型。9.根据权利要求1所述的辨识系统，...

【专利技术属性】
技术研发人员：江振国，游智翔，陈柏年，
申请(专利权)人：财团法人资讯工业策进会，
类型：发明
国别省市：中国台湾,71