CN110598616A - 一种人机系统中人的状态的识别方法 - Google Patents
一种人机系统中人的状态的识别方法 Download PDFInfo
- Publication number
- CN110598616A CN110598616A CN201910834376.5A CN201910834376A CN110598616A CN 110598616 A CN110598616 A CN 110598616A CN 201910834376 A CN201910834376 A CN 201910834376A CN 110598616 A CN110598616 A CN 110598616A
- Authority
- CN
- China
- Prior art keywords
- person
- state
- machine
- output
- sensor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
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SK机器概率PK;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PK和1‑PK为概率的二项分布中,计算其似然概率,得到人处于SK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
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SK机器概率PK;
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PK和1-PK为概率的二项分布中,计算其似然概率,得到人处于SK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Ah(T),假设人的真实动作是Ah,而监测获得的动作是Ah’(T);传感器获得T到T+1时刻机器的输出Sm(T),以此来表示机器的状态,假设机器的真实输出是Sm(T),而传感器获得的输出是Sm’(T)。因为现在的传感器的精度足够高,所以我们假设Ah(T)=Ah’(T),Sm(T)=Sm’(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Ah和Sm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*Ah(T)+b*Sm(T)=Sh(T)
在分类时我们给出Ah和Sm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SK的概率我们确定为Pk,所有其他的状态的可能性也就是1-Pk。截止到T+1时刻,我们已经得到了关于人的状态是关于SK的一个二元分布,P(SK)=Pk,
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SK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Ah(T+1),而监测获得的动作是Ah’(T+1);传感器获得T+1到T+2时刻机器的输出Sm(T+1),以此来表示机器的状态,假设机器的真实输出是Sm’(T+1),而传感器获得的输出是Sm’(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SK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Ah(T),假设人的真实动作是Ah,而监测获得的动作是Ah’(T);传感器获得T到T+1时刻机器的输出Sm(T),以此来表示机器的状态,假设机器的真实输出是Sm(T),而传感器获得的输出是Sm’(T);因为现在的传感器的精度足够高,所以假设Ah(T)=Ah’(T),Sm(T)=Sm’(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Ah和Sm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*Ah(T)+b*Sm(T)=Sh(T)
在分类时给出Ah和Sm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SK的概率确定为Pk,所有其他的状态的可能性也就是1-Pk;截止到T+1时刻,已经得到了关于人的状态是关于SK的一个二元分布,P(SK)=Pk,
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SK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Ah(T+1),而监测获得的动作是Ah’(T+1);传感器获得T+1到T+2时刻机器的输出Sm(T+1),以此来表示机器的状态,假设机器的真实输出是Sm’(T+1),而传感器获得的输出是Sm’(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SK状态的概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910834376.5A CN110598616B (zh) | 2019-09-03 | 2019-09-03 | 一种人机系统中人的状态的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910834376.5A CN110598616B (zh) | 2019-09-03 | 2019-09-03 | 一种人机系统中人的状态的识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110598616A true CN110598616A (zh) | 2019-12-20 |
CN110598616B CN110598616B (zh) | 2022-01-14 |
Family
ID=68857452
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910834376.5A Active CN110598616B (zh) | 2019-09-03 | 2019-09-03 | 一种人机系统中人的状态的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110598616B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008217602A (ja) * | 2007-03-06 | 2008-09-18 | Toshiba Corp | 不審行動検知システム及び方法 |
US20120072173A1 (en) * | 2010-09-17 | 2012-03-22 | Siemens Corporation | System and method for modeling conditional dependence for anomaly detection in machine condition monitoring |
CN106108893A (zh) * | 2016-06-20 | 2016-11-16 | 杭州电子科技大学 | 基于眼电、脑电的运动想象训练人机交互系统设计方法 |
CN107016342A (zh) * | 2017-03-06 | 2017-08-04 | 武汉拓扑图智能科技有限公司 | 一种动作识别方法及系统 |
US20180004729A1 (en) * | 2016-06-29 | 2018-01-04 | Shenzhen Gowild Robotics Co., Ltd. | State machine based context-sensitive system for managing multi-round dialog |
CN110088687A (zh) * | 2016-12-16 | 2019-08-02 | Asml荷兰有限公司 | 用于图像分析的方法和设备 |
-
2019
- 2019-09-03 CN CN201910834376.5A patent/CN110598616B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008217602A (ja) * | 2007-03-06 | 2008-09-18 | Toshiba Corp | 不審行動検知システム及び方法 |
US20120072173A1 (en) * | 2010-09-17 | 2012-03-22 | Siemens Corporation | System and method for modeling conditional dependence for anomaly detection in machine condition monitoring |
CN106108893A (zh) * | 2016-06-20 | 2016-11-16 | 杭州电子科技大学 | 基于眼电、脑电的运动想象训练人机交互系统设计方法 |
US20180004729A1 (en) * | 2016-06-29 | 2018-01-04 | Shenzhen Gowild Robotics Co., Ltd. | State machine based context-sensitive system for managing multi-round dialog |
CN110088687A (zh) * | 2016-12-16 | 2019-08-02 | Asml荷兰有限公司 | 用于图像分析的方法和设备 |
CN107016342A (zh) * | 2017-03-06 | 2017-08-04 | 武汉拓扑图智能科技有限公司 | 一种动作识别方法及系统 |
Non-Patent Citations (2)
Title |
---|
MEHRANBOD N 等: "A method of sensor fault detection and identification", 《JOURNAL OF PROCESS CONTROL》 * |
都明宇: "基于表面肌电信号的人手动作模式识别关键技术研究", 《中国优秀博硕士学位论文全文数据库(博士)信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110598616B (zh) | 2022-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3926582A1 (en) | Model generating apparatus, method, and program, and prediction apparatus | |
EP3755597A1 (en) | Method for distress and road rage detection | |
US20160078286A1 (en) | Monitoring device, monitoring method and monitoring program | |
US11227156B2 (en) | Personalized eye openness estimation | |
KR101866768B1 (ko) | 운전자 특성을 고려한 운전 지원 장치 및 방법 | |
Pan et al. | Cognitive acoustic analytics service for Internet of Things | |
Pucci et al. | Human activities classification using biaxial seismic sensors | |
CN110598616B (zh) | 一种人机系统中人的状态的识别方法 | |
Ding et al. | A fall detection method based on K-nearest neighbor algorithm with MIMO millimeter-wave radar | |
Zhao et al. | Event classification for living environment surveillance using audio sensor networks | |
CN116204821B (zh) | 用于轨道交通车辆的振动评估方法及系统 | |
Saadawia et al. | Improved process monitoring and supervision based on a reliable multi-stage feature-based pattern recognition technique | |
CN108537105B (zh) | 一种家庭环境下的危险行为识别方法 | |
CN112161699A (zh) | 一种无人驾驶汽车的共振监测系统及其监测方法 | |
CN110569732A (zh) | 一种基于驾驶员监控系统的安全带检测方法以及相应的设备 | |
CN116092193A (zh) | 一种基于人体运动状态识别的行人航迹推算方法 | |
CN110786869A (zh) | 一种程序员的疲劳程度的检测方法 | |
KR102369164B1 (ko) | 기계 학습을 이용한 화재 및 보안 감시를 위한 장치 및 방법 | |
CN109580146A (zh) | 一种基于改进稀疏分量分析的结构振动参数识别方法 | |
JP5874963B2 (ja) | 移動体の動き分類方法及び移動体の動き分類システム | |
CN110609254B (zh) | 基于无线信号的动作检测方法、检测装置和电子设备 | |
TW202129595A (zh) | 生命體檢測的雷達偵測系統、生命體判斷方法及特徵資料庫建立方法 | |
CN114324974B (zh) | 一种单星辐射源无源监测目标运动属性判别方法 | |
WO2019138537A1 (ja) | 情報処理装置、制御方法、及びプログラム | |
Zhou et al. | Ultra-wideband radar and vision based human motion classification for assisted living |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |