本发明专利技术公开了一种基于信号处理的状态检测方法和装置，其中，该方法包括：在根据第一状态转移概率信息和当前接收到的信号的情况下，调用第二状态转移概率信息替换第一状态转移概率信息，其中，第二状态转移信息用于表示特定状态向其他状态转移的概率；根据之后接收到的信号和第二状态转移概率信息，检测特定状态之后出现的状态。本发明专利技术通过根据当前检测的状态调用与当前状态相关的状态转移概率信息，能够针对当前状态到其他状态转移的实际概率，对后续状态进行准确检测，从而灵活适用于各种条件，有效提高了状态检测的准确性，从而更加准确、精细地描述事物的发展规律，能够对各类事件的本质和特质进行合理建模。
【技术实现步骤摘要】
基于信号处理的状态检测方法和装置
本专利技术涉及计算机视觉领域，并且特别地，涉及一种基于信号处理的状态检测方法和装置。
技术介绍
隐马尔科夫模型是一种经典的统计分析模型，被广泛地应用于语音识别、自然语言处理、行为识别、计算机图像识别等领域。通过隐马尔科夫模型，可以表现事物内在的发展规律，尤其适用于对有内在发展变化规律的样本进行建模。 隐马尔科夫模型主要包含以下五项基本元素:(1)隐状态数、(2)观察值数、(3)初始状态分别概率、(4)观察值相对于各状态的分布概率、(5)状态转移概率矩阵。通常，模型会首先经过训练阶段，通过分析已知数据可以得到的以上五项参数的唯一确定值。之后，对于给定的一组未知数据，将其作为观察值序列，计算出最符合该观察值序列的模型以及对应的最优的隐状态序列，从而达到对未知数据进行识别(检测数据所表示的状态)的目的。 然而，传统的隐马尔科夫模型中，各项基本参数都是确定的唯一值，并且状态转移概率矩阵也是常量，即，状态转移概率矩阵是唯一的。因此，在依据传统的隐马尔科夫模型进行状态识别时，从每个状态转变为其他状态的概率全部是固定的，但是实际上，影响状态转移的因素是很多的，因此，目前广泛采用的利用隐马尔科夫模型进行状态检测很可能得到错误的结果。 例如，假设在一般情况下，状态A转移到状态B的概率非常低，状态A转移到状态C的概率非常高，但是在特定条件D满足的情况下，状态A转移到状态B的概率非常高，而状态A转移到状态C的概率非常低。如果采用传统的状态检测方案，不论在什么条件下，隐马尔科夫模型中状态A转移到状态B的概率都是固定的(例如，该概率被配置为非常低)，也就很容易导致在特定条件D满足的情况下，即使实际上已经出现了状态B，但是因为隐马尔科夫模型中状态A转移到状态C的概率非常高，而将实际出现的状态B判断为状态C，从而出现了误判。也就是说，传统的隐马尔科夫模型只能够描述大概率事件，对于很小概率出现的状态或事件则很被难检测到。 类似地，对于除了隐马尔科夫模型之外的其他用于进行状态检测的方案，同样存在灵活性差、准确率低的问题，但是，目前尚未提出有效的解决方案。
技术实现思路
针对相关技术中状态检测方案的灵活性差、检测准确率低的问题，本专利技术提出了一种基于信号处理的状态检测方法和装置，能够灵活适用于各种条件，有效提高了状态检测的准确性。 为了实现上述目的，根据本专利技术的一个方面，提供了一种基于信号处理的状态检测方法。 该基于信号处理的状态检测方法包括:在根据第一状态转移概率信息和当前接收到的信号的情况下，调用第二状态转移概率信息替换第一状态转移概率信息，其中，第二状态转移信息用于表示特定状态向其他状态转移的概率；根据之后接收到的信号和第二状态转移概率信息，检测特定状态之后出现的状态。 根据本专利技术的另一方面，提供了一种基于信号处理的状态检测装置。 该基于信号处理的状态检测装置包括:调用模块，用于在根据第一状态转移概率信息和当前接收到的信号检测到当前状态为预先指定的特定状态的情况下，调用第二状态转移概率信息替换第一状态转移概率信息，其中，第二状态转移信息用于表示特定状态向其他状态转移的概率；检测模块，用于根据之后接收到的信号和第二状态转移概率信息，检测当前状态之后出现的状态。 本专利技术通过根据当前检测的状态调用与当前状态相关的状态转移概率信息，能够针对当前状态到其他状态转移的实际概率，对后续状态进行准确检测，从而灵活适用于各种条件，有效提高了状态检测的准确性，从而更加准确、精细地描述事物的发展规律，能够对各类事件的本质和特质进行合理建模。 【附图说明】 为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。 图1是根据本专利技术实施例的基于信号处理的状态检测方法的流程图； 图2是根据本专利技术实施例的基于信号处理的状态检测方法调用不同的状态转移概率矩阵的原理示意图； 图3是根据本专利技术实施例的基于信号处理的状态检测装置的框图； 图4是实现本专利技术技术方案的计算机的示例性结构框图。 【具体实施方式】 在下文中将结合附图对本专利技术的示范性实施例进行描述。为了清楚和简明起见，在说明书中并未描述实际实施方式的所有特征。然而，应该了解，在开发任何这种实际实施例的过程中必须做出很多特定于实施方式的决定，以便实现开发人员的具体目标，例如，符合与系统及业务相关的那些限制条件，并且这些限制条件可能会随着实施方式的不同而有所改变。此外，还应该了解，虽然开发工作有可能是非常复杂和费时的，但对得益于本公开内容的本领域技术人员来说，这种开发工作仅仅是例行的任务。 在此，还需要说明的一点是，为了避免因不必要的细节而模糊了本专利技术，在附图中仅仅示出了与根据本专利技术的方案密切相关的装置结构和/或处理步骤，而省略了与本专利技术关系不大的其他细节。 根据本专利技术的实施例，提供了一种基于信号处理的状态检测方法。 如图1所示，根据本专利技术实施例的基于信号处理的状态检测方法包括: 在根据第一状态转移概率信息和当前接收到的信号检测到当前状态为预先指定的特定状态的情况下，调用第二状态转移概率信息替换第一状态转移概率信息，其中，第二状态转移信息用于表示当前检测到的该特定状态向其他状态转移的概率； 根据之后接收到的信号和第二状态转移概率信息，检测特定状态之后出现的状态。 另外，参照图1，如果当前检测到的状态不是预先指定的特定状态，则继续根据第一状态转移概率信息和之后接收到的信号检测当前状态之后出现的状态。 在一个实施例中，可以对预先指定的特定状态的样本进行训练，得到该特定状态向其他状态转移的概率(即，得到第二状态转移概率信息)，其中，特定状态可以是表示特定事件发生的状态；另外，对于一个状态，如果该状态后续很可能出现的状态的检测难度较高，同样可以将该状态作为特定状态，例如，对于图像检测，往往存在“倒下”和“躺地”等多个状态，由于在“倒下”状态出现之后，有很高的概率转移到“躺地”，而“躺地”状态难以检测，很可能被错误地检测为“无人”状态，因此，可以将“倒下”状态作为特定状态，专门对“倒下”状态的样本进行训练，得到“倒下”状态到其他状态的转移概率。通过类似的方式，对于其他的每个特定状态，都可以分别进行预先训练，得到与各个状态对应的状态转移概率信肩、Ο 可选地，在一个实施例中，可以首先设置默认的状态转移概率信息，例如，可以将上述第一状态转移概率信息作为默认的状态转移概率信息，该默认的状态转移概率信息适用于除了特定状态之外的其他所有状态(普通状态)；而对于一个或多个特定状态，可以分别进行训练，得到相应的状态转移概率信息。这样，在当前检测到的状态为任意普通状态的情况下，都可以根据后续接收到的信号和默认的状态转移概率信息，检测后续状态；而在当前检测到的状态为任意特定状态的情况下，则根据当前检测到的状态调用相应的状态转移概率信息并结合后续接收到的信号，从而检测后续状态。 此外，特定状态可以表示特定事件的发生，如上所述，在检测到当前状本文档来自技高网...
【技术保护点】
一种基于信号处理的状态检测方法，其特征在于，包括：在根据第一状态转移概率信息和当前接收到的信号检测到当前状态为预先指定的特定状态的情况下，调用第二状态转移概率信息替换所述第一状态转移概率信息，其中，所述第二状态转移信息用于表示所述特定状态向其他状态转移的概率；根据之后接收到的信号和所述第二状态转移概率信息，检测所述特定状态之后出现的状态。
【技术特征摘要】
1.一种基于信号处理的状态检测方法，其特征在于，包括: 在根据第一状态转移概率信息和当前接收到的信号检测到当前状态为预先指定的特定状态的情况下，调用第二状态转移概率信息替换所述第一状态转移概率信息，其中，所述第二状态转移信息用于表示所述特定状态向其他状态转移的概率； 根据之后接收到的信号和所述第二状态转移概率信息，检测所述特定状态之后出现的状态。2.根据权利要求1所述的状态检测方法，其特征在于，所述特定状态用于表示特定事件的发生； 在根据之后接收到的信号和所述第二状态转移概率信息检测到表示所述特定事件结束的终止状态的情况下，停止使用所述第二状态转移概率信息进行状态检测。3.根据权利要求2所述的状态检测方法，其特征在于，在停止使用所述第二状态转移概率信息进行状态检测的情况下，调用所述第一状态转移概率信息，并使用所述第一状态转移概率信息进行状态检测。4.根据权利要求1所述的状态检测方法，其特征在于，在所述当前状态为表示多个特定事件发生的特定状态的情况下，调用的所述第二状态转移概率信息由对表示所述多个特定事件发生的状态的样本进行训练得到。5.根据权利要求2或4所述的状态检测方法，其特征在于，进一步包括: 在检测到特定事件发生的情况下进行告警。6.根据权利要求1所述的状态检测方法，其特征在于，所述第二状态转移概率信息由对所述特定状态的样本进行训练得到、或者所述第二状态转移概率信息由对所述特定状态的样本以及在所述特定状态之前出现的至少一个状态的样本进行训练得到。7.根据权利要求1_4、6中任一项所述的状态检测方法，其特征在于，所述信号包括以下至少之一:语音信号、视频信号。8.根据权利要求1_4、6中任一项所述的状态检测方法，其特征在于，所述第一状态转移概率信息和所述第二状态转移概率信息以状态转移概率矩阵的方式进行保存，并且状态转移概率矩阵属于隐马尔科夫模型。9.一种基于信号处理的状态检测装置，其特征在于，包括: ...
【专利技术属性】
技术研发人员：王丽华，
申请(专利权)人：索尼公司，
类型：发明
国别省市：日本;JP
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。