CN110598616A - 一种人机系统中人的状态的识别方法 - Google Patents

Abstract

一种人机系统中人的状态的识别方法，含有：步骤1：传感器监测T至T+1时刻人的动作变化以及机器的输出并且汇集数据到处理器；步骤2：给分类器施加权重对人的可能处于的状态进行分类，得到概率最大的状态S_K机器概率P_K；步骤3：T+1时刻针对不同情况施加测试信号；步骤4：传感器监测T+1至T+2时刻人的动作变化以及机器的输出并且汇集数据到处理器。步骤5：将处理后的数据代入步骤2获得的以P_K和1‑P_K为概率的二项分布中，计算其似然概率，得到人处于S_K状态的可能性。本发明解决了在一个人的状态未知但机器的输出可知的人机系统中对人的状态识别的问题。

Description

一种人机系统中人的状态的识别方法

技术领域

本发明涉及人机系统中人的状态未知但机器的输出可以获得的情况下识别人的状态方法。

背景技术

传感器能够检测待测量并能够将其按照一定的规律转换成电信号或者其他信号为我们获取信息；模式识别技术是通过计算机来处理和判读数据，做到为不同的状态实现分类。

通过在人机系统中安装的传感器，我们可以获得人针对某项刺激的反应及其动作变化，通过模式识别技术我们可以在加入我们所需要的权值的基础上对人的状态进行简单地分类。

发明内容

本发明要解决在一个人的状态未知但机器的输出可知的人机系统中对人的状态识别的问题，提出了基于传感器检测技术、模式识别技术和极大似然估计的人的状态识别方法，对此类人机系统中人的状态检测提供了一种思路，可应用在辅助驾驶、程序员状态监测等领域。

本发明解决其技术问题所采用的技术方案是：

一种人机系统中人的状态的识别方法，含有以下步骤：

步骤1：传感器监测T至T+1时刻人的动作变化以及机器的输出并且汇集数据到处理器；

步骤2：给分类器施加权重对人的可能处于的状态进行分类，得到概率最大的状态S_K机器概率P_K；

步骤3：T+1时刻针对不同情况施加测试信号；

步骤4：传感器监测T+1至T+2时刻人的动作变化以及机器的输出并且汇集数据到处理器。

步骤5：将处理后的数据代入步骤2获得的以P_K和1-P_K为概率的二项分布中，计算其似然概率，得到人处于S_K状态的可能性。

与现有技术相比，本发明技术方案的优点有：

(1)本发明结合传感器技术和模式识别，传感器技术获得模式识别技术所需要的数据，模式识别在此基础上对人的状态进行分类，给出人概率最大也就是最有可能的状态。

(2)通过发送测试信号并再次获得人的动作变化和机器输出，通过极大似然估计增大或减少人处于某种状态的可能性。

附图说明

图1：本发明方法的流程图；

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图和实施例对本发明作进一步的详细描述。

一种人机系统中人的状态的识别方法，含有以下步骤：

步骤1：传感器监测获得人在T到T+1时刻的动作A_h(T)，假设人的真实动作是A_h,而监测获得的动作是A_h’(T)；传感器获得T到T+1时刻机器的输出S_m(T)，以此来表示机器的状态，假设机器的真实输出是S_m(T)，而传感器获得的输出是S_m’(T)。因为现在的传感器的精度足够高，所以我们假设A_h(T)＝A_h’(T)，S_m(T)＝S_m’(T)；

步骤2：针对特定的场合，我们给出已有的分类器，对传感器给出的动作A_h和S_m进行分类(分类的标准可以是我们人为进行确定，也可以是通过大量数据进行机器学习后获得,其中人的动作的权重是a，数据输出的权重是b)。

a*A_h(T)+b*S_m(T)＝S_h(T)

在分类时我们给出A_h和S_m对应的人的某一种状态的可能性，对于可能性最高的状态的S_K的概率我们确定为P_k，所有其他的状态的可能性也就是1-P_k。截止到T+1时刻，我们已经得到了关于人的状态是关于S_K的一个二元分布，P(S_K)＝P_k，

步骤3：在T+1时刻，系统对人发送一个测试信号，例如一个小的报警信号等，对应于特定的场合需要特殊处理，发送测试信号的目的是来增加或减少人是否处于S_K这个状态的概率；

步骤4：传感器监测获得人在T+1到T+2时刻的动作A_h(T+1)，而监测获得的动作是A_h’(T+1)；传感器获得T+1到T+2时刻机器的输出S_m(T+1)，以此来表示机器的状态，假设机器的真实输出是S_m’(T+1)，而传感器获得的输出是S_m’(T+1)。

步骤5：将处理器获得的数据代入二项分布的似然函数得到测试后的处于S_K状态的概率。

本发明解决了在一个人的状态未知但机器的输出可知的人机系统中对人的状态识别的问题，提出了基于传感器检测技术、模式识别技术和极大似然估计的人的状态识别方法，对此类人机系统中人的状态检测提供了一种思路，可应用在辅助驾驶、程序员状态监测等领域。传感器能够检测待测量并能够将其按照一定的规律转换成电信号或者其他信号为我们获取信息；模式识别技术是通过计算机来处理和判读数据，做到为不同的状态实现分类。

本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (1)

1.一种人机系统中人的状态的识别方法，含有以下步骤：

步骤1：传感器监测获得人在T到T+1时刻的动作A_h(T)，假设人的真实动作是A_h,而监测获得的动作是A_h’(T)；传感器获得T到T+1时刻机器的输出S_m(T)，以此来表示机器的状态，假设机器的真实输出是S_m(T)，而传感器获得的输出是S_m’(T)；因为现在的传感器的精度足够高，所以假设A_h(T)＝A_h’(T)，S_m(T)＝S_m’(T)；

步骤2：针对特定的场合，给出已有的分类器，对传感器给出的动作A_h和S_m进行分类，分类的标准采用人为、确定，或者通过大量数据进行机器学习后获得,其中人的动作的权重是a，数据输出的权重是b；

a*A_h(T)+b*S_m(T)＝S_h(T)

在分类时给出A_h和S_m对应的人的某一种状态的可能性，对于可能性最高的状态的S_K的概率确定为P_k，所有其他的状态的可能性也就是1-P_k；截止到T+1时刻，已经得到了关于人的状态是关于S_K的一个二元分布，P(S_K)＝P_k，

步骤3：在T+1时刻，系统对人发送一个测试信号，对应于特定的场合需要特殊处理，发送测试信号的目的是来增加或减少人是否处于S_K这个状态的概率；

步骤4：传感器监测获得人在T+1到T+2时刻的动作A_h(T+1)，而监测获得的动作是A_h’(T+1)；传感器获得T+1到T+2时刻机器的输出S_m(T+1)，以此来表示机器的状态，假设机器的真实输出是S_m’(T+1)，而传感器获得的输出是S_m’(T+1)；

步骤5：将处理器获得的数据代入二项分布的似然函数得到测试后的处于S_K状态的概率。