The invention discloses an efficient classifier stack framework for multimodal fusion pattern recognition applications, including a number of sensors, a runtime online data cache and a control unit based on the classifier stack technique. The sensor is responsible for the interaction between the environment and the user to obtain real-time data, and the real-time data is saved by the on-line data cache at runtime. The control unit based on the classifier stack technique is stacked by a number of classifiers. Based on the system requirements and sensor configuration, the sensor history data is used and the system is given by the classifier. The judgement of stability determines whether the system will change, so as to control the sensors in the system. In view of the inevitable high energy consumption in multimodal systems, a high efficient framework for system construction has been proposed, which has the advantages of good flooding, easy construction, low energy consumption and wide application, and can be effectively applied to various systems involving multimodal fusion.
【技术实现步骤摘要】
一种面向多模态融合模式识别应用的高效分类器堆叠框架
本专利技术属于计算机应用领域,特别是针对多模态融合系统中常见的因设备过多导致的能耗过高,计算性能超过负荷等问题而设计的能使系统得到全面优化一种系统构建框架,具体地说一种面向多模态融合模式识别应用的高效分类器堆叠框架。
技术介绍
随着传感器技术和智能终端的不断发展,已经日渐普及,目前有越来多的系统已经部署到移动平台上,他们通过多种传感设备的共同运用,例如摄像头,麦克风,加速度传感器,GPS等,通过观察记录用户日常生活中的各种信息来获取用户当前所处的状态信息,通过将各种数据或是中间结果进行融合并提供给系统进行处理。通常,我们将这些各种信息分为各个模态的信息,包含听觉,视觉,触觉等若干模态,例如,有一个睡眠监控系统,在用户睡眠时在他附近放置包括摄像头,麦克风,红外线感测器,光强传感器等,以此来感知用户的睡眠质量。通常,这些系统大都部署在独立的移动平台上,随着系统复杂性和实时性等的提高,系统的能耗同时也在提升,但是由于设备大小的限制,并不能携带过大的电池或者接入电源工作,而且某些设备的使用场景导致充电困难,例如布置在城市中的摄像监控装充电难度就较大。因此,人们希望能够尽量在不降低系统性能的情况下,节约系统的能耗。除此以外,同时计算多模态的数据也给系统中的计算单元带来了较大的负荷。最近,随着智能手机的功能的完善和广泛普及,目前智能手机上已经安置有绝大多数常用传感器,许多系统已经移植到了手机端或是基于开发,比如基于加速度监控用户的运动状态,睡眠状态等。手机本身的电池容量尽管已经获得了很大的提升,但是通常情况只能支撑手 ...
【技术保护点】
1.一种面向多模态融合模式识别应用的高效分类器堆叠框架,其特征是:所述的框架包括由多个传感器构成的数据源,用于获取实时数据;一个运行时在线数据缓存,用于保存获取的实时数据;一个基于分类器堆叠的控制单元,用于数据的运算处理并对传感器进行控制;面向多模态融合模式识别应用的高效分类器堆叠框架方法具体包含以下步骤:1)数据源包括N个传感器S1,S2,…,SN,在某个时刻t,运行的传感器为前n个传感器,各个传感器单独收集数据,分别形成输入数据流;设各个传感器Si数据率已知为每秒ri个采样值,输入数据存储于运行时在线数据缓存,记各个传感器缓存的数据分别为Di;所述的ri为正实数;2)从当前时刻t开始,根据大小为w秒的滑动窗口在各个传感器缓存的数据中向前选取数据Di[t‑w,t]作为当前时间窗口下传感器Si的数据,记为Di,t;所述的w为正实数;3)在各个传感器的当前窗口的数据下,将传感器按照模态的强弱顺序进行排序;基于分类器堆叠的控制单元从最低层分类器开始依次开始选取若干模态的历史窗口数据,判断系统是否可能会发生改变;若指示系统稳定,则选择性关闭若干传感器;若指示系统可能会改变,则根据需求打开更多 ...
【技术特征摘要】
1.一种面向多模态融合模式识别应用的高效分类器堆叠框架,其特征是:所述的框架包括由多个传感器构成的数据源,用于获取实时数据;一个运行时在线数据缓存,用于保存获取的实时数据;一个基于分类器堆叠的控制单元,用于数据的运算处理并对传感器进行控制;面向多模态融合模式识别应用的高效分类器堆叠框架方法具体包含以下步骤:1)数据源包括N个传感器S1,S2,…,SN,在某个时刻t,运行的传感器为前n个传感器,各个传感器单独收集数据,分别形成输入数据流;设各个传感器Si数据率已知为每秒ri个采样值,输入数据存储于运行时在线数据缓存,记各个传感器缓存的数据分别为Di;所述的ri为正实数;2)从当前时刻t开始,根据大小为w秒的滑动窗口在各个传感器缓存的数据中向前选取数据Di[t-w,t]作为当前时间窗口下传感器Si的数据,记为Di,t;所述的w为正实数;3)在各个传感器的当前窗口的数据下,将传感器按照模态的强弱顺序进行排序;基于分类器堆叠的控制单元从最低层分类器开始依次开始选取若干模态的历史窗口数据,判断系统是否可能会发生改变;若指示系统稳定,则选择性关闭若干传感器;若指示系统可能会改变,则根据需求打开更多的传感器监测系统的状态。2.根据权利要求1所述的一种面向多模态融合模式识别应用的高效分类器堆叠框架,其特征是:所述的步骤1)的具体过程为:1.1)创建大小动态变化的运行时缓存D;1.2)将各个传感器获得的数据存入缓存D,并按照不同的传感器分开存储,其中每个传感器内的数据按照时间先后存储;1.3)根据上层分类器堆叠单元以及实际应用的需要,定义D中各个传感器的缓存数据最长的保留时间为hi秒,从而避免过于陈旧的数据占据D的空间;所述的hi为w的整数倍。3.根据权利要求2所述的一种面向多模态融合模式识别应用的高效分类器堆叠框架,其特征是:所述的步骤2)的具体过程为:2.1)根据上层分类器堆叠单元以及实际应用的需要,合理的选择滑动窗口在时间上的分片粒度w;2....
【专利技术属性】
技术研发人员:汪亮,吴天珩,陶先平,吕建,
申请(专利权)人:南京大学,
类型:发明
国别省市:江苏,32
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。