JP2020535501A - 対象認識方法、装置及びインテリジェント端末 - Google Patents

Abstract

本願の実施例は対象認識方法、装置及びインテリジェント端末を提供する。そのうち、前記方法は、プリセット時間帯内に収集した被検対象に対する情報を判定情報とするステップと、該判定情報及び該判定情報を収集する前に取得したデータに基づいて、被検対象の現在時刻における認識結果を取得して出力するステップと、該認識結果に対応する属性種類が優先度の最も高い属性種類であるか否かを判定するステップと、そうでなければ、次のプリセット時間帯内に収集した該被検対象に対する情報を判定情報とし、且つ該判定情報及び該判定情報を収集する前に取得したデータに基づいて、被検対象の現在時刻における認識結果を取得して出力するステップに戻すステップと、を含む。上記の技術的解決手段によって、本願の実施例は対象認識の適時性と詳細度を折衷でき、ユーザ体験を向上させる。【選択図】なし

Description

本願の実施例はインテリジェント認識技術分野に関し、特に対象認識方法、装置及びインテリジェント端末に関する。

機械の知能化プロセスの進歩に伴い、人々とインテリジェント端末との間のインタラクションがますます頻繁になり、ヒューマンコンピュータインタラクションの自然な体験がますます重要になっている。ここにおいて、ヒューマンコンピュータインタラクションの自然な体験に影響を与える２つの重要な要素は、インテリジェント端末が被検対象に対する認識の適時性と詳細度である。

現在、ヒューマンコンピュータインタラクション体験を向上させるために、ほとんどのインテリジェント端末は、人の名前、車のモデル（又はシリーズ）、ナンバープレート番号、及び猫種など、詳細度の高い対象認識結果を出力できると期待されている。

しかし、実際の場面では、環境が変わりやすく、インテリジェント端末の認識能力が限られているため、幾つかの場面では、詳細な認識結果を分析するために、インテリジェント端末はより多くの情報を収集するのにより長い時間がかかることがある。この場合、インテリジェント端末が詳細度の高い認識結果を出力すると強制的に要求すれば、長い時間がかかる可能性があり、対象認識の適時性を満たすことができなくなり、対象認識の適時性を満たすためにインテリジェント端末が一定の時間内に認識結果を出力しなければならないと規定すれば、詳細度の低い認識結果しか取得できない可能性があり、これもユーザの使い勝手の良さを助長するものではない。

従って、対象認識の適時性と詳細度をいかに折衷するかは、既存のインテリジェント認識技術によって解決されるべき緊急の問題である。

本願の実施例にて提供される対象認識方法、装置及びインテリジェント端末は、対象認識の適時性と詳細度をいかに折衷するかという問題を解決できる。

第１の態様では、本願の実施例にて提供されるインテリジェント端末に適用する対象認識方法は、
プリセット時間帯内に収集した属性間に優先度関係が設定される少なくとも２種類の属性を含む被検対象に対する情報を判定情報とするステップと、
前記判定情報及び前記判定情報を収集する前に取得したデータに基づいて、前記被検対象の現在時刻における認識結果を取得し、前記認識結果を出力し、前記認識結果が前記属性種類のいずれか１種に対応するステップと、
前記認識結果に対応する属性種類が、前記少なくとも２種類の属性のうち優先度の最も高い属性種類であるか否かを判定するステップと、
そうでなければ、次のプリセット時間帯内に収集した前記被検対象に対する情報を判定情報とし、且つ前記判定情報及び前記判定情報を収集する前に取得したデータに基づいて、前記被検対象の現在時刻における認識結果を取得し、前記認識結果を出力する前記ステップに戻すステップと、を含む。

第２の態様では、本願の実施例にて提供されるインテリジェント端末に適用する対象認識装置は、
プリセット時間帯内に収集した属性間に優先度関係が設定される少なくとも２種類の属性を含む被検対象に対する情報を判定情報とするために用いられる情報収集ユニットと、
前記判定情報及び判定情報を収集する前に取得したデータに基づいて前記被検対象の現在時刻における認識結果を取得するための認識モジュールと、前記認識結果を出力するための出力モジュールと、を含み、前記認識結果が前記属性種類のいずれか１種に対応する認識ユニットと、
前記認識結果に対応する属性種類が、前記少なくとも２種類の属性のうち優先度の最も高い属性種類であるか否かを判定し、
そうでなければ、情報収集ユニットが次のプリセット時間帯内に収集した前記被検対象に対する情報を前記判定情報として認識ユニットに出力するように制御するために用いられる判定ユニットと、を含む。

第３の態様では、本願の実施例にて提供されるインテリジェント端末は、
少なくとも１つのプロセッサと、
前記少なくとも１つのプロセッサに通信接続されているメモリと、を含み、
ここで、前記メモリに前記少なくとも１つのプロセッサによって実行可能なコマンドが記憶され、前記少なくとも１つのプロセッサが上記した対象認識方法を実行することを可能にするように前記コマンドは前記少なくとも１つのプロセッサによって実行される。

第４の態様では、本願の実施例は非一時的コンピュータ可読記憶媒体を提供し、前記非一時的コンピュータ可読記憶媒体にはインテリジェント端末に上記した対象認識方法を実行させるためのコンピュータ実行可能コマンドが記憶されている。

第５の態様において、本願の実施例はさらにコンピュータプログラム製品を提供し、前記コンピュータプログラム製品は非一時的コンピュータ可読記憶媒体に記憶されているコンピュータプログラムを含み、前記コンピュータプログラムはプログラムコマンドを含み、前記プログラムコマンドがインテリジェント端末によって実行されると、インテリジェント端末に上記した対象認識方法を実行させる。

本願の実施例にて提供される対象認識方法、装置及びインテリジェント端末は、被検対象に対する説明の詳細度によって、被検対象の属性に対して優先度順位を有する複数の属性種類に分割し、且つ、認識のプロセスでは、プリセット時間帯内に収集した被検対象に対する情報を判定情報とし、そして該判定情報及び該判定情報を収集する前に取得したデータに基づいて、該被検対象の現在時刻における認識結果を取得して出力し、また、現在時刻における認識結果に対応する属性種類の優先度が最上位ではなければ、即ち現在時刻において取得した認識結果が最も詳細な認識結果ではなければ、次のプリセット時間帯内に該被検対象に対する情報を収集し続け、そして、該情報を判定情報とし、上記の認識ステップ及び判定ステップを繰り返すことにより、異なる認識場面においても被検対象に対する認識結果を適時出力でき、また、取得した認識結果が最も詳細な認識結果ではなければ、情報収集時間の累積につれて、より豊富な情報に基づいてより詳細な認識結果を次第に出力し、それによって対象認識の適時性と詳細度を折衷でき、ユーザ体験を向上させる。

１つ又は複数の実施例は、それに対応する図面の図によって例示的に説明する。これらの例示的な説明は実施例を限定するものではない。図面中の同じ参照番号を有する要素は類似の要素として示されており、図面中の図は、特記しない限り、縮尺が限定されない。
本願の実施例にて提供される対象認識方法の概略フローチャートである。 本願の実施例にて提供される他の対象認識方法の概略フローチャートである。 本願の実施例にて提供される対象認識装置の概略構造図である。 本願の実施例にて提供されるインテリジェント端末のハードウェアの概略構造図である。

本願の目的、技術的解決手段及び利点をより分かりやすくするために、以下、図面及び実施例を参照しながら、本願についてさらに詳細に説明する。本明細書に記載された具体的な実施例は単なる本願を解釈するものであり、本願を限定するものではないと理解すべきである。

なお、本願の実施例における様々な特徴は、矛盾がなければ、互いに組み合わせてもよく、全て本願の保護範囲内にある。さらに、装置概略図では、機能モジュール分割が実行され、フローチャートでは、論理シーケンスが示されるが、場合によって、図示又は説明されたステップは、装置内のモジュール分割又はフローチャートの順序と異なって実行されてもよい。

本願の実施例において、対象認識方法、装置、及びインテリジェント端末が提供され、例えば、インテリジェント盲導、受付ロボット、サービスロボット、侵入物検知、意味認識など、対象認識に関するあらゆる応用分野に適用でき、特に、インテリジェント盲導、受付ロボット、サービスロボットなど、ヒューマンコンピュータインタラクション体験に焦点を当てた応用分野に適用する。

そのうち、本願の実施形態にて提供される対象認識方法は、プリセット時間帯内に収集した情報に基づいて認識結果を適時出力し、そして現在時刻において取得した認識結果に対応する属性種類の「優先度」に従って、対象認識の詳細度をさらに最適化するために情報収集を継続するか否かを決定するというインテリジェント最適化認識方法であり、被検対象に対する説明の詳細度によって、被検対象の属性に対して優先度順位を有する複数の属性種類に分割し（優先度が高いほど、認識結果の詳細度が高くなる）、且つ、認識のプロセスでは、プリセット時間帯内に収集した被検対象に対する情報を判定情報とし、そして該判定情報及び該判定情報を収集する前に取得したデータに基づいて、該被検対象の現在時刻における認識結果を取得して出力し、現在時刻における認識結果に対応する属性種類の優先度が最上位ではなければ、即ち現在時刻において取得した認識結果が最も詳細な認識結果ではなければ、次のプリセット時間帯内に該被検対象に対する情報を収集し続け、そして、該情報を判定情報とし、上記の認識ステップ及び判定ステップを繰り返すことにより、異なる認識場面においても被検対象に対する認識結果を適時出力でき、また、取得した認識結果が最も詳細な認識結果ではなければ、情報収集時間の累積につれて、より豊富な情報に基づいてより詳細な認識結果を次第に出力し、それによって対象認識の適時性と詳細度を折衷でき、ユーザ体験を向上させる。

従って、本願の実施例にて提供される対象認識方法、装置及びインテリジェント端末を用いて、同一の人物／物体（被検対象）を認識する場合は、異なる認識環境でも被検対象の認識結果を適時出力することができ、且つ、時間の経過とともに、より詳細な認識結果を出力することができる。なお、異なる認識環境では、同じプリセット時間帯内にインテリジェント端末が出力した認識結果の詳細度は異なる可能性がある。

例えば、収集した画像による人認識を例とし、照度が良く、距離が近く、且つ被検者がインテリジェント端末のカメラに正対する認識環境では、インテリジェント端末は第１のプリセット時間帯内（例えば、最初の５秒内に、即ちインテリジェント端末が情報収集を開始した後の５秒以内）に１枚の明瞭な顔画像を収集することができ、次いで、該明瞭な顔画像に基づいて被検者の「名前」を認識することができ、このとき、インテリジェント端末は、ユーザとのインタラクションをするために被検者の「名前」を出力してもよい。また、このとき、最も詳細な認識結果が取得されたため、被検者についての情報の収集を停止してもよい。他の認識環境では、例えば、インテリジェント端末が情報収集を行う第１のプリセット時間帯内（例えば、最初の５秒以内）に、被検者がインテリジェント端末のカメラに対して横に立っているため、インテリジェント端末は被検者の横顔画像しか収集できず、そして該横顔画像に基づいて該被検者の「性別」しか認識できず、このとき、インテリジェント端末は、ユーザに適時フィードバックするために、被検者の「性別」という第１の認識結果を出力し、また、「性別」が最も詳細な認識結果ではないため、本願の実施例では、インテリジェント端末は次のプリセット時間帯内（例えば、２番目の５秒以内）に被検者についての情報を収集し続ける。インテリジェント端末は、第２のプリセット時間帯内に被検者の正面顔画像を収集することができれば、第１のプリセット時間帯内に収集した横顔画像と第２のプリセット時間帯内に収集した正面顔画像を合わせて被検者の「名前」を認識することができ、次いで被検者の「名前」という第２の認識結果を出力し、それによってより詳細な認識結果を取得し、インテリジェント端末がユーザとのインタラクション内容をさらに調整することが容易になり、ユーザ体験を向上させる。

本願の実施例にて提供される対象認識方法及び装置は、ロボット、盲導メガネ、スマートヘルメット、スマートフォン、タブレットコンピュータ、サーバなど、あらゆる種類のインテリジェント端末に適用することができる。該インテリジェント端末は、磁気ディスク、コンパクトディスク（ＣＤ−ＲＯＭ）、読み取り専用メモリ又はランダムアクセスメモリなど、データを記憶するためのあらゆる適切な種類の記憶媒体を含む。該インテリジェント端末は１つ又は複数の論理演算モジュールをさらに含み、データベースの閲覧、画像処理など、あらゆる適切な種類の機能又は操作を、シングルスレッドで、又は複数のスレッドが並列して実行する。前記論理演算モジュールは、シングルコアプロセッサ、マルチコアプロセッサ、グラフィックプロセッサ（ＧＰＵ）など、論理演算操作を実行することができるあらゆる適切な種類の電子回路又はチップ型電子デバイスであってもよい。

具体的には、以下、図面を参照しながら本願の実施例についてさらに説明する。

＜実施例１＞
図１は本願の実施例にて提供される対象認識方法の概略フローチャートであり、あらゆる種類のインテリジェント端末によって実行されてもよく、具体的には、図１に示すように、該方法はステップ１１０〜ステップ１５０を含むが、これらに限定されるものではない。

ステップ１１０：プリセット時間帯内に収集した被検対象に対する情報を判定情報とする。

本実施例では、前記「被検対象」は人物、動物、物体などを含むが、これらに限定されるものではない。被検対象に対する説明の詳細度によって被検対象を少なくとも２つの異なるレベルの属性種類に分け、且つ被検対象に対する説明の詳細度に従って属性種類に優先度関係を設定してもよい。ここで、認識が困難な属性種類に対する詳細度が高いと考えられ、認識の難易度は、同じ条件（例えば、同じ画像を入力する）下での異なる属性種類の認識アルゴリズムの認識率に従ってソートしてもよい（例えば、常に、名前の認識が性別の認識より困難であり、性別の認識が顔／人体の認識より困難である）。又は、属性種類間の相互包含関係によってソートしてもよい（例えば、性別を認識するためには、顔の存在を最初に認識する必要がある）。例えば、被検対象が人物である場合には、被検対象に対する説明の詳細度に従って、人物の属性種類が「名前」、「性別」及び「人物か否か」を含むように設定してもよく、認識の難易度に従って、これらの属性種類の優先度順位を、Ｌ１（名前）＞Ｌ２（性別）＞Ｌ３（人物か否か）に設定してもよい。

本実施例では、インテリジェント端末は被検対象に対する情報を継続的に収集するとともに、複数のプリセット時点において被検対象の認識結果を出力し、こうして、前記「プリセット時間帯」は、対象認識を行う１つのプリセット時点と、該プリセット時点の前のプリセット時点との間の期間であり、該期間はインテリジェント端末が情報収集を行うプロセスのうちいずれか１つの期間であってもよい。また、本実施例では、インテリジェント端末が収集した「情報」は被検対象の属性を反映できる判定基準であり、該情報に基づいて被検対象の属性を認識することができる。該情報の種類は画像情報、音声情報、熱赤外線画面、近赤外線画面、超音波信号、電磁波反射信号などを含むが、これらに限定されず、１つ又は複数のセンサによって収集して取得してもよく、例えば、カメラによって被検対象に対する画像情報を収集し、マイクによって被検対象に対する音声情報を収集し、熱赤外線センサによって被検対象に対する熱赤外線画面を収集するなどが挙げられる。

例えば、インテリジェント端末が（０、ｔ１）の時間帯内に被検者の背面画像ａ１を収集し、（ｔ１、ｔ２）の時間帯内に被検者の横顔画像ａ２を収集し、（ｔ２、Ｔ）の時間帯内に被検者の顔画像ａ３を収集し、ここで０＜ｔ１＜ｔ２＜Ｔであると仮定すると、本ステップ１１０に記載の「プリセット時間帯内に収集した被検対象に対する情報」は、インテリジェント端末が（０、ｔ１）の時間帯内に収集した背面画像ａ１であってもよく、（ｔ１、ｔ２）の時間帯内に収集した横顔画像ａ２であってもよく、（ｔ２、Ｔ）の時間帯内に収集した顔画像ａ３であってもよい。

本実施例では、被検対象を認識する場合、インテリジェント端末は実際の状況に従って被検対象に対する情報を継続的に収集し、且つ特定の時点において対象認識を行うようにされてもよい。具体的には、ある時点において対象認識を行う場合、現在時点と前の時点との間の時間帯内にインテリジェント端末が収集した被検対象に対する情報を判定情報としてもよく、インテリジェント端末は該判定情報に基づいて次のステップ１２０を実行して、該時点における該被検対象の認識結果を取得することができる。例えば、インテリジェント端末は、情報収集コマンドを受信した時刻を開始時点（即ち、時刻０）とし、時刻ｔ１、ｔ２、Ｔで対象認識を行うようにされると、時刻ｔ１で、（０、ｔ１）の時間帯内に収集した被検対象に対する情報を判定情報とし、該判定情報に基づいて次のステップ１２０を実行して、時刻ｔ１における被検対象の認識結果を取得することができる。時刻ｔ２で、（ｔ１、ｔ２）の時間帯内に収集した被検対象に対する情報を判定情報とし、該判定情報に基づいて次のステップ１２０を実行して、時刻ｔ２における被検対象の認識結果を取得することができる。時刻Ｔで、（ｔ２、Ｔ）の時間帯内に収集した被検対象に対する情報を判定情報とし、該判定情報に基づいて次のステップ１２０を実行して、時刻Ｔにおける被検対象の認識結果を取得することができる。ここで、実際に使用する際、任意の２つの時点間の時間長は等しくてもよく（即ち、周期的に目標認識を行う）、等しくなくてもよく、本願の実施例はこれに対して特に限定しない。

ステップ１２０：前記判定情報及び前記判定情報を収集する前に取得したデータに基づいて、前記被検対象の現在時刻における認識結果を取得し、前記認識結果を出力する。

本実施例では、特定の時点において、該時点より前のプリセット時間帯内に取得した判定情報及び該判定情報を収集する前に取得したデータに基づいて対象認識を行う。前記「判定情報」は、いずれか１つのプリセット時間帯内にインテリジェント端末が収集した現在時刻における該被検対象の認識結果を取得するための情報であってもよい。前記「現在時刻」とは、該判定情報の収集を完了して該判定情報に基づいて対象認識を行う時刻である。前記「前記判定情報を収集する前に取得したデータ」は該判定情報を収集する前に収集した被検対象に対する情報でもよく、該判定情報を収集する前に取得した認識結果（即ち、現在時刻の前に既に取得した認識結果）であってもよい。例えば、収集した判定情報は（ｔ１、ｔ２）の時間帯内にインテリジェント端末が収集した横顔画像ａ２であると仮定すると、該横顔画像ａ２の取得を完了した時刻ｔ２は「現在時刻」であり、「該判定情報を収集する前に取得したデータ」は時刻ｔ１の前（時刻ｔ１を含む）に取得したデータであり、該データは（０、ｔ１）の時間帯内に収集した背面画像ａ１であってもよく、時刻ｔ１においてインテリジェント端末が取得した認識結果であってもよい。

本実施例では、前記「認識結果」は、被検対象の属性種類の１種に対応する。例えば、人物認識を例とし、その属性種類は「名前」、「性別」及び「人物か否か」を含み、取得した認識結果が「李四」であれば、該認識結果である「李四」に対応する属性種類は「名前」であり、取得した認識結果が「男性」であれば、該認識結果である「男性」に対応する属性種類は「性別」であり、取得した認識結果が「人物」であれば、該認識結果である「人物」に対応する属性種類は「人物か否か」である。また、対象認識の適時性の要求を満たしつつ、できるだけ詳細な認識結果を出力するために、本実施例では、対象認識を行う（即ち、本ステップ１２０を実行する）各時点において、収集した判定情報及び前記判定情報を収集する前に取得したデータに基づいて最も詳細な認識結果を取得する（即ち、これらの判定情報及びデータに対して演算を行った後、優先度の最も高い属性種類に対応する判定結果を得る）。例えば、ある時点において、収集した判定情報及び前記判定情報を収集する前に取得したデータに基づいて、判定結果である「人」、「男性」及び「李四」を得ることができ、ここで、「李四」に対応する属性種類である「名前」は優先度が最も高いため、このとき認識結果である「李四」を取得して出力することができる。

具体的には、本実施例において、判定情報及び該判定情報を収集する前に取得したデータに基づいて、該被検対象の現在時刻における認識結果を取得することの具体的な実施形態は以下の３つの実施形態を含むが、これらに限定されるものではない。

一実施形態では、前記判定情報を収集する前に取得したデータは、前記判定情報を収集する前に収集した該被検対象に対する情報を含み、このときは「特徴融合」を採用して被検対象の現在時刻における認識結果を取得することができる。

具体的には、まず、前記判定情報と前記判定情報を収集する前に収集した前記被検対象に対する情報との特徴を融合し、そして、融合された特徴に基づいて前記被検対象の現在時刻における認識結果を取得する。具体的には、異なる時間帯内に収集した判定情報から、被検対象の属性を認識するための特徴を抽出し、それらの特徴を融合し、次いで、ニューラルネットワークアルゴリズムなど適切な認識アルゴリズムによって、融合された特徴に基づいて被検対象の現在時刻における認識結果を取得する。

別の実施形態では、前記判定情報を取得する前に取得したデータは、該判定情報を収集する前に取得した認識結果を含み、このときは、「結果融合」を採用して被検対象の現在時刻における認識結果を取得することができる。

具体的には、まず、前記判定情報に対応する認識結果を取得し、そして、前記判定情報に対応する認識結果及び前記判定情報を収集する前に取得した認識結果から、属性種類の優先度が最も高い認識結果を前記被検対象の現在時刻における認識結果として選択する。ここで、前記判定情報に対応する認識結果を取得することは、該判定情報に基づいて該被検対象の認識結果を取得することである。例えば、前記判定情報を収集する前に取得した認識結果は「人物」と「男性」とを含み、現在時刻において取得した判定情報に基づいて得られた認識結果が「男性」であれば、「人物」、「男性」、「男性」の３つの認識結果から、該被検対象の現在時刻における認識結果として、「男性」（対応する属性種類の優先度が最も高い）を選択することができる。

さらに別の実施形態では、現在時刻が対象認識を行う最初の時点においてあれば、例えば、収集した判定情報は（０、ｔ１）の時間帯内に収集した被検対象に対する情報であれば、該判定情報を収集する前にいかなるデータもなく、このとき、収集した判定情報のみに基づいて該被検対象の現在時刻における認識結果を取得することができ、即ち、該実施形態では、収集した判定情報に対応する認識結果が、該被検対象の現在時刻における認識結果である。

特に、幾つかの実施形態では、対象認識の適時性及び詳細度を保証しながら認識結果の確実性を保証するために、被検対象の各属性種類に対応する判定結果には、該判定結果の確実性（又は信頼性）を特徴付けるための信頼度が設けられる。ステップ１２０で取得された認識結果は、そのうち１種の前記属性種類に対応する判定結果であり、前記判定結果の信頼度はプリセット条件を満たし、且つ、前記認識結果に対応する属性種類は、信頼度がプリセット条件を満たす判定結果に対応する属性種類のうち、優先度が最も高い。

判定結果の信頼度は、特徴比較の類似度によって決定することができ、類似度が高いほど信頼度が高い。前記「プリセット条件」は、実際の適用場面に応じて設定されてもよく、ある判定結果の信頼できる程度を認識するために用いられる。具体的には、該プリセット条件は、判定結果の信頼度がそれに対応する属性種類に対応する信頼度閾値以上であることとしてもよい。各属性種類に対応する信頼度閾値は同一であってもよく、例えば、属性種類である「名前」、「性別」及び「人物か否か」に対応する信頼度閾値がいずれも７０％であり、被検対象の判定結果が"張三"（信頼度は７０％）、"男性"（信頼度は８９％）及び"人物"（信頼度は１００％）を含むことを取得すれば、判定結果である"張三"、"男性"及び"人物"の信頼度はいずれもプリセット条件を満たし、このとき該被検対象の認識結果は、３つの属性種類のうち優先度が最も高い「名前」に対応する判定結果である「張三」である。又は、他の実施形態では、各属性種類に対応する信頼度閾値も異なってもよく、例えば、属性種類である「名前」に対応する信頼度閾値が７５％で、属性種類である「性別」に対応する信頼度閾値が８５％で、属性種類である「人物か否か」に対応する信頼度閾値が９５％であるとプリセットしてもよく、被検対象の判定結果が同様に"張三"（信頼度は７０％）、"男性"（信頼度は８９％）及び"人物"（信頼度は１００％）であることを取得すれば、信頼度がプリセット条件を満たす判定結果は、「男性」と「人物」のみであり、このとき該被検対象の認識結果は、２つの属性種類のうち優先度が最も高い「性別」に対応する判定結果の「男性」である。

該実施形態では、収集した判定情報に基づいて（又は、収集した判定情報及び該判定情報を収集する前に収集した被検対象に対する情報に基づいて）、被検対象の現在時刻における認識結果を取得することの具体的な実施形態は、以下の２種類の実施形態を含むが、これらに限定されるものではない。

第１の実施形態では、まず、収集した判定情報に基づいて（又は、収集した判定情報及び該判定情報を収集する前に収集した被検対象に対する情報に基づいて）、被検対象の各属性種類に対応する判定結果及び各判定結果の信頼度を取得し、そして信頼度がプリセット条件を満たす判定結果のうち優先度の最も高い属性種類に対応する判定結果を前記被検対象の認識結果として出力する。

該実施形態では、収集した判定情報に基づいて（又は、収集した判定情報及び該判定情報を収集する前に収集した被検対象に対する情報に基づいて）、被検対象の各属性種類に対応する判定結果を取得することは、適切なアルゴリズム（例えば、ニューラルネットワーク）によって達成することができる。例えば、被検対象が人物であり、インテリジェント端末が収集した判定情報（又は収集した判定情報及び該判定情報を収集する前に収集した被検対象に対する情報）が該人物の画像情報であると仮定すると、インテリジェント端末は該画像から属性種類である「人物か否か」、「性別」及び「名前」に対応する判定結果を繰り返し計算することができる。例えば、まず、ニューラルネットワークの最下層で「人物か否か」を判別するための特徴１を算出し、且つ該特徴１に基づいて「人物か否か」に対応する判定結果及び該判定結果の信頼度を得て、そして、ニューラルネットワークの中間層で特徴１に基づいて「性別」を判定するための特徴２を算出し、且つ特徴２に基づいて「性別」に対応する判定結果及び該判定結果の信頼度を得て、最後に、ニューラルネットワークの最上層で特徴２に基づいて「名前」を認識するための特徴３を算出し、且つ特徴３に基づいて「名前」に対応する判定結果及び該判定結果の信頼度を得る。全ての判定結果及びその信頼度を得た後、まず信頼度がプリセット要件を満たす判定結果を選択し、次に詳細度の最も高い（即ち、対応する属性種類の優先度が最も高い）判定結果を、被検対象の現在時刻における認識結果として選択する。

第２の実施形態では、収集した判定情報に基づいて（又は、収集した判定情報及び該判定情報を収集する前に収集した被検対象に対する情報に基づいて）、被検対象の各属性種類に対応する判定結果及び各判定結果の信頼度を優先順位の高い順に従って段階的に取得し、1つ目の信頼度がプリセット条件を満たす判定結果が現れると、該1つ目の信頼度がプリセット条件を満たす判定結果を、前記被検対象の現在時刻における認識結果として出力する。即ち、被検対象に対する判定情報を収集した場合（又は、収集した判定情報及び該判定情報を収集する前に収集した被検対象に対する情報を取得した場合）には、まず、収集した情報に基づいて（又は、収集した判定情報及び該判定情報を収集する前に収集した被検対象に対する情報に基づいて）、優先度の最も高い属性種類に対応する第１レベルの判定結果及び第１レベルの判定結果の第１レベルの信頼度を取得し、該第１レベルの信頼度がプリセット条件を満たせば（例えば第１レベルの信頼度が第１レベルの信頼度閾値以上であれば）、該第１レベルの判定結果を被検対象の現在時刻における認識結果として直接的に出力し、そうでないと、収集した判定情報に基づいて次のレベルの属性種類に対応する第２レベルの判定結果及び第２レベルの判定結果の第２レベルの信頼度を取得し、該第２レベルの信頼度がプリセット条件を満たせば（例えば第２レベルの信頼度が第２レベルの信頼度閾値以上であれば）、該第２レベルの判定結果を被検対象の現在時刻における認識結果として出力し、そうでないと、収集した判定情報に基づいて次のレベルの属性種類に対応する判定結果及びその信頼度を取得し続け、信頼度がプリセット条件を満たす判定結果を得るまで、このように繰り返す。

該実施形態では、収集した判定情報（又は、収集した判定情報及び該判定情報を収集する前に収集した被検対象に対する情報）から、異なるレベルを判定するために異なる特徴を抽出することができる。例えば、被検対象が車両であり、収集した情報が該車両の画像情報であると仮定すると、該画像情報から、画像中に車両があるか否かを認識するために特徴ａを抽出し、画像中の車両の色を認識するために特徴ｂを抽出し、車両の種類（車、トラック、バスなど）を認識するために特徴ｃを抽出することができる。

該実施形態では、被検対象の各属性種類に対応する判定結果及びその信頼度を優先順位の高い順に従って段階的に取得し、1つ目の信頼度がプリセット条件を満たす判定結果が現れると、該1つ目の信頼度がプリセット条件を満たす判定結果を、前記被検対象の現在時刻における認識結果とし、属性種類ごとに認識判定を行う必要がなく、これにより、データ処理量を削減することができ、認識の詳細度及び信頼性に影響を与えることなく、認識効率を向上させることができる。

また、実際に使用する際に、認識精度と認識効率を向上させるために、収集した判定情報は少なくとも２種類の情報源を含んでもよい。ここで、前記「情報源」とは、被検対象の属性を反映できる情報の源である。前記「少なくとも２種類の情報源」は少なくとも２つの異なる種類の判定情報であってもよく、例えば、画像情報、音声情報、熱赤外線画面、近赤外線画面、超音波信号、又は電磁波反射信号のうちいずれか２つ以上などである。又は、前記「少なくとも２種類の情報源」は、少なくとも２つの角度から収集した特定の種類の情報であってもよく、例えば複数の角度から被検対象の画像情報（又は音声情報）を収集すると、各角度から収集した画像情報（又は音声情報）はいずれも情報源としてもよい。もちろん、前記「少なくとも２種類の情報源」は、上記の２つの形態の組み合わせであってもよいと理解されるべきであり、例えば、収集した判定情報は、複数の角度から収集した画像情報及び１つの角度から収集した音声情報を含む。

収集した判定情報が少なくとも２種類の情報源を含む場合は、上記の「特徴融合」又は「結果融合」を参照しながら、これらの情報源に基づいて被検対象の現在時刻における認識結果を取得することもできる。

さらに、インテリジェント盲導、受付ロボット、サービスロボットなど、ヒューマンコンピュータインタラクションを行うことができる適用場面では、インテリジェント端末は被検対象の現在時刻における認識結果を出力した後、前記認識結果に対応するインタラクション信号をさらに送信する。

例えば、盲導に使用されるスマートメガネ又はスマートヘルメットについては、１つ目のプリセット時点において出力された認識結果が「人」であれば、１つ目のプリセット時点において「前に人がいる」という音声プロンプトをユーザに送信することができる。２つ目のプリセット時点において出力された認識結果が「男性」であれば、２つ目のプリセット時点において「前の人は男性である」という音声プロンプトをユーザに送信し続けることができる。３つ目のプリセット時点に出力された認識結果が「張三」であれば、３つ目のプリセット時点において「この男性は張三である」という音声プロンプトをユーザに送信し続けることができる。

他の例として、受付又はサービス提供のために使用されるロボットについては、１つ目のプリセット時点において出力された認識結果が「人」であれば、被検対象に「こんにちは！何かお手伝いましようか？」と挨拶して一般的なサービスを提供することができ、収集した情報量が増加するにつれて、２つ目のプリセット時点において出力された認識結果が「男性」であれば、該被検対象との会話の内容を、例えば「最新の電子製品をお探しですか」など、男性のための内容に調整する。３つ目のプリセット時点において出力された認識結果が「張三」であれば、被検対象との会話の内容を、張三についての内容に調整し続け、例えば「最近ご注目いただく製品が届きますが、試してみますか」などとする。

ステップ１３０：前記認識結果に対応する属性種類が、前記少なくとも２種類の属性のうち優先度の最も高い属性種類であるか否かを判定する。

本実施例では、特定のプリセット時点において認識結果を取得した場合は、該認識結果を出力し、且つ、該認識結果に対応する属性種類が前記少なくとも２種類の属性のうち優先度の最も高い属性種類であるか否かを判定し、そうであれば、下記のステップ１４０を実行し、そうでなければ、下記のステップ１５０を実行する。例えば、人物認識を例とし、特定のプリセット時点において取得した認識結果が「男性」であると仮定すると、「男性」に対応する属性種類は「性別」であるが、人物認識については、優先度の最も高い属性種類が「名前」であるため、このとき被検対象に対して情報を収集し続け、且つ下記のステップ１５０を実行する必要がある。

ステップ１４０：前記被検対象に対する情報の収集を停止する。

特定のプリセット時点において被検対象の優先度の最も高い属性種類に対応する認識結果を取得した場合は、最も詳細な認識結果を得たことを示し、このため、本実施例では、不要な計算量及びエネルギー消費を減らすために、最も詳細な認識結果を取得した時に、該被検対象に対する情報の収集を停止することができる。

もちろん、特定のプリセット時点において最も詳細な認識結果を取得した時に、前記被検対象に対する情報の収集を停止するという実施形態は実施形態の１つに過ぎず、実際に使用する際に、他の実施形態を用いてステップ１４０を実行してもよいことが理解されるべきである。例えば、幾つかの実施形態では、出力された認識結果の正確さを保証するために、特定のプリセット時点において被検対象の優先度の最も高い属性種類に対応する認識結果を取得した場合は、該認識結果が最初に取得した最も詳細な認識結果であるか否かをまず判定してもよく、もしそうであれば、下記のステップ１５０を実行し、そうでなければ、現在取得した最も詳細な認識結果及び前に取得した最も詳細な認識結果を検証し、検証に成功すれば、該被検対象に対する情報の収集を停止し、検証に失敗すれば、下記のステップ１５０に進む。

ステップ１５０：次のプリセット時間帯内に収集した前記被検対象に対する情報を判定情報とする。

本実施例では、特定のプリセット時点において、例えば１つ目のプリセット時点において、被検対象の優先度の最も高い属性種類に対応する認識結果を取得していなければ、このとき最も詳細な認識結果を得ていないことが示され、より詳細な認識結果を取得するために被検対象に対してさらに認識する必要があり、従って、ステップ１３０の判定結果が否定的である場合、インテリジェント端末は、被検対象に対する情報を収集し続け、次のプリセット時点、例えば２つ目のプリセット時点になると、該次のプリセット時間帯（２つ目のプリセット時点と１つ目のプリセット時点との間の時間帯）内に収集した該被検対象に対する情報を判定情報とし、上記のステップ１３０に戻し、それによってインテリジェント端末は「次のプリセット時点」（２つ目のプリセット時点）における該被検対象の認識結果を取得する。

上記の技術的解決手段から分かるように、本願の実施例の有益な効果は以下のとおりである。本願の実施例にて提供される対象認識方法は、被検対象に対する説明の詳細度によって、被検対象の属性に対して優先度順位を有する複数の属性種類に分割し、且つ、認識のプロセスでは、プリセット時間帯内に収集した被検対象に対する情報を判定情報とし、そして該判定情報及び該判定情報を収集する前に取得したデータに基づいて、該被検対象の現在時刻における認識結果を取得して出力し、また、現在時刻における認識結果に対応する属性種類の優先度が最上位ではなければ、即ち現在時刻において取得した認識結果が最も詳細な認識結果ではなければ、次のプリセット時間帯内に該被検対象に対する情報を収集し続け、そして、該情報を判定情報とし、上記の認識ステップ及び判定ステップを繰り返すことにより、異なる認識場面においても被検対象に対する認識結果を適時出力でき、また、取得した認識結果が最も詳細な認識結果ではなければ、情報収集時間の累積につれて、より豊富な情報に基づいてより詳細な認識結果を次第に出力し、それによって対象認識の適時性と詳細度を折衷でき、ユーザ体験を向上させる。

＜実施例２＞
実際の適用場面では、２つの連続するプリセット時点において同じ認識結果を取得することがあると考えながら、同じ認識結果の繰り返し出力を回避して、ユーザ体験を向上させるために、本願の実施例２はさらに別の対象認識方法を提供し、該方法と実施例１にて提供される対象認識方法の相違点としては、認識結果を出力する前に、被検対象の現在時刻における認識結果に対応する属性種類の優先度が被検対象の前の時刻における認識結果に対応する属性種類より高いか否かを判定する必要があり、そうであれば、該認識結果を出力し、そうでなければ、該認識結果を出力しない。

具体的には、図２に示すように、本願の実施例にて提供される別の目標認識方法の概略フローチャートであって、該方法は、ステップ２１０〜ステップ２４２を含むが、これらに限定されるものではない。

ステップ２１０：プリセット時間帯内に収集した被検対象に対する情報を判定情報とする。

ステップ２２０：前記判定情報及び前記判定情報を収集する前に取得したデータに基づいて、前記被検対象の現在時刻における認識結果を取得する。

本実施例では、特定のプリセット時点における被検対象の認識結果を取得した後、下記のステップ２３０及び２４０を同時に実行する。

ステップ２３０：前記被検対象の現在時刻における認識結果に対応する属性種類の優先度が前記被検対象の前の時刻における認識結果に対応する属性種類より高いか否かを判定する。

本実施例では、特定のプリセット時点（即ち現在時刻）における被検対象の認識結果を取得した場合は、まず、インテリジェント端末が該プリセット時点（即ち現在時刻）において取得した認識結果に対応する属性種類の優先度が前のプリセット時点において取得した認識結果に対応する属性種類（即ち前の時刻）より高いか否かを判定し、そうであれば、現在時刻において取得した認識結果は前の時刻において取得した認識結果より詳細であると示され、それによってステップ２３１を実行し、現在時刻において取得した認識結果を出力する。そうでなければ、ステップ２３２を実行し、現在時刻において取得した認識結果を出力しない。

ステップ２３１：前記認識結果を出力する。

ステップ２３２：前記認識結果を出力しない。

ステップ２４０：前記認識結果に対応する属性種類が、前記少なくとも２種類の属性のうち優先度の最も高い属性種類であるか否かを判定する。

本実施例では、本ステップ２４０はステップ２３０と同期して実行されてもよく、前記認識結果に対応する属性種類が、前記少なくとも２種類の属性のうち優先度の最も高い属性種類であれば、ステップ２４１を実行する。前記認識結果に対応する属性種類が、前記少なくとも２種類の属性のうち優先度の最も高い属性種類ではなければ、ステップ２４２を実行する。

ステップ２４１：前記被検対象に対する情報の収集を停止する。

ステップ２４２：次のプリセット時間帯内に収集した前記被検対象に対する情報を判定情報とする。

なお、本実施例では、上記のステップ２１０、２２０、２４０、２４１及び２４２は、それぞれ実施例１のステップ１１０、１２０、１３０、１４０及び１５０と同じ又は類似の技術的特徴を有するため、実施例１における具体的な実施形態も本実施例に適用可能であり、本実施例はその詳細な説明を省略する。

上記の技術的解決手段から分かるように、本願の実施例の有益な効果は以下のとおりである。本願の実施例にて提供される対象認識方法は、取得した認識結果を出力する前に、現在時刻における被検対象の認識結果に対応する属性種類の優先度が前の時刻における被検対象の認識結果に対応する属性種類より高いか否かをまず判定し、そうである限り、該認識結果を出力し、それによって同じ認識結果を繰り返し出力してユーザに迷惑をかけることを回避し、ユーザ体験を向上させる。

＜実施例３＞
図３は本願の実施例にて提供される対象認識装置の概略構造図であり、図３に示すように、該対象認識装置は、情報収集ユニット３１と、認識ユニット３２と、判定ユニット３３とを含む。

情報収集ユニット３１は、プリセット時間帯内に収集した属性間に優先度関係が設定される少なくとも２種類の属性を含む被検対象に対する情報を判定情報とするために用いられる。

認識ユニット３２は、前記判定情報及び判定情報を収集する前に取得したデータに基づいて前記被検対象の現在時刻における認識結果を取得するための認識モジュール３２１と、前記認識結果を出力するための出力モジュール３２２と、を含み、前記認識結果は前記属性種類のいずれか１種に対応し、ここで、幾つかの実施例では、前記認識結果は前記属性種類のいずれか１種に対応する判定結果であり、前記判定結果の信頼度はプリセット条件を満たし、且つ、前記認識結果に対応する属性種類は、信頼度がプリセット条件を満たす判定結果に対応する属性種類のうち、優先度が最も高い。

判定ユニット３３は、前記認識結果に対応する属性種類が、前記少なくとも２種類の属性のうち優先度の最も高い属性種類であるか否かを判定し、そうでなければ、情報収集ユニット３１が次のプリセット時間帯内に収集した前記被検対象に対する情報を前記判定情報として認識ユニット３２に出力するように制御するために用いられる。

本実施例では、対象認識が必要な場合は、まず情報収集ユニット３１によって被検対象に対して情報を収集し、プリセット時間帯内に収集した被検対象に対する情報を判定情報として認識ユニット３２に入力し、認識ユニット３２において、認識モジュール３２１によって前記判定情報及び判定情報を収集する前に取得したデータに基づいて前記被検対象の現在時刻における認識結果を取得し、さらに出力モジュール３２２によって前記認識結果を出力し、また、判定ユニット３３において、前記認識結果に対応する属性種類が、前記少なくとも２種類の属性のうち優先度の最も高い属性種類であるか否かを判定し、そうでなければ、情報収集ユニット３１が次のプリセット時間帯内に収集した前記被検対象に対する情報を前記判定情報として認識ユニット３２に送り返すように制御する。

ここで、幾つかの実施例では、前記判定情報を収集する前に取得した前記データは、前記判定情報を収集する前に収集した前記被検対象に対する情報を含み、こうして、認識モジュール３２１は具体的に、前記判定情報及び前記判定情報を収集する前に収集した前記被検対象に対する情報の特徴を融合し、融合された特徴に基づいて前記被検対象の現在時刻における認識結果を取得するために用いられる。

ここで、幾つかの実施例では、前記判定情報を収集する前に取得した前記データは、前記判定情報を収集する前に収集した前記被検対象に対する情報を含み、こうして、認識モジュール３２１は具体的に、前記判定情報に対応する認識結果を取得し、前記判定情報に対応する認識結果及び前記判定情報を収集する前に取得した認識結果から、属性種類の優先度が最も高い認識結果を前記被検対象の現在時刻における認識結果として選択するために用いられる。

ここで、幾つかの実施例では、認識ユニット３２はさらに判定モジュール３２３を含む。

該判定モジュール３２３は、前記被検対象の現在時刻における認識結果に対応する属性種類の優先度が前記被検対象の前の時刻における認識結果に対応する属性種類より高いか否かを判定し、そうであれば、出力モジュール３２２によって前記認識結果を出力し、そうでなければ、出力モジュール３２２が前記認識結果を出力しないように制御するために用いられる。

さらに、幾つかの実施例では、該対象認識装置３は、前記認識結果に対応するインタラクション信号を送信するために用いられるインタラクションユニット３４をさらに含む。

なお、前記対象認識装置と上記の方法の実施例における対象認識方法は同じ発明概念を基にするため、上記の方法の実施例の対応する内容及び有益な効果は、本装置の実施例にも適用可能であり、ここでは詳細な説明を省略する。

上記の技術的解決手段から分かるように、本願の実施形態の有益な効果は以下のとおりである。本願の実施例にて提供される対象認識装置は、被検対象に対する説明の詳細度によって、被検対象の属性に対して優先度順位を有する複数の属性種類に分割し、且つ、認識のプロセスでは、情報収集ユニット３１によってプリセット時間帯内に収集した被検対象に対する情報を判定情報とし、そして認識ユニット３２において該判定情報及び該判定情報を収集する前に取得したデータに基づいて、該被検対象の現在時刻における認識結果を取得して出力し、また、判定ユニット３３によって現在時刻における認識結果に対応する属性種類の優先度が最上位であるか否かを判定し、そうであれば、情報収集ユニット３１が次のプリセット時間帯において該被検対象に対する情報を収集し続けるように制御し、そして、該情報を判定情報として認識ユニット３２に送信することにより、異なる認識場面においても被検対象に対する認識結果を適時出力でき、また、取得した認識結果が最も詳細な認識結果ではなければ、情報収集時間の累積につれて、より豊富な情報に基づいてより詳細な認識結果を次第に出力し、それによって対象認識の適時性と詳細度を折衷でき、ユーザ体験を向上させる。

＜実施例４＞
図４は本願の実施例にて提供されるインテリジェント端末のハードウェアの概略構造図であり、該インテリジェント端末４００は、ロボット、盲導メガネ、スマートヘルメット、スマートフォン、タブレットコンピュータ、サーバなど、あらゆる種類のインテリジェント端末であってもよく、上記の方法の実施例１及び実施例２にて提供される対象認識方法を実行することができる。

具体的には、図４に示すように、該インテリジェント端末４００は、
１つ以上のプロセッサ４０１及びメモリ４０２を含み、図４には１つのプロセッサ４０１を例として示す。

プロセッサ４０１とメモリ４０２はバス又は他の方式によって接続されてもよく、図４にはバスによる接続を例として示す。

メモリ４０２は、非一時的コンピュータ可読記憶媒体として、非一時的ソフトウェアプログラム、非一時的コンピュータ実行可能プログラム及びモジュールを記憶するために用いられてもよく、例えば本願の実施例における対象認識方法に対応するプログラムコマンド／モジュール（例えば、図３に示される情報収集ユニット３１、認識ユニット３２、判定ユニット３３及びインタラクションユニット３４）が挙げられる。プロセッサ４０１は、メモリ４０２に記憶されている非一時的ソフトウェアプログラム、コマンド及びモジュールを実行することによって、対象認識装置の様々な機能アプリケーション及びデータ処理を実行し、即ち上記の方法の実施例のいずれかの対象認識方法を実現する。

メモリ４０２はプログラム記憶領域及びデータ記憶領域を含んでもよく、そのうち、プログラム記憶領域はオペレーティングシステム、少なくとも１つの機能に必要なアプリケーションを記憶することができ、データ記憶領域は対象認識装置の使用によって生成されたデータを記憶することができる。さらに、メモリ４０２は高速ランダムアクセスメモリを含んでもよく、さらに、少なくとも１つの磁気ディスク記憶デバイス、フラッシュメモリデバイス、又は他の非一時的固体記憶デバイスなど、非一時的メモリも含んでもよい。幾つかの実施例では、メモリ４０２は、プロセッサ４０１に対して遠隔に配置されたメモリを含むことが好ましく、これらの遠隔メモリはネットワークを介してインテリジェント端末４００に接続することができる。上記のネットワークの例としては、インターネット、イントラネット、ローカルエリアネットワーク、移動体通信ネットワーク、及びそれらの組み合わせを含むが、これらに限定されるものではない。

前記１つ以上のモジュールは前記メモリ４０２に記憶され、前記１つ以上のプロセッサ４０１によって実行されると、上記の方法の実施例のいずれかにおける対象認識方法を実行し、例えば、上記した図１に示される方法のステップ１１０乃至ステップ１５０を実行し、図２に示される方法のステップ２１０乃至ステップ２４２を実行し、図３に示されるユニット３１−３４の機能を実行する。

＜実施例５＞
本願の実施例は非一時的コンピュータ可読記憶媒体をさらに提供し、前記非一時的コンピュータ可読記憶媒体には、コンピュータ実行可能コマンドが記憶されており、該コンピュータ実行可能コマンドは１つ以上のプロセッサによって実行され、例えば、図４に示されるプロセッサ４０１によって実行され、それによって上記の１つ以上のプロセッサは上記の方法の実施例における対象認識方法を実行でき、例えば、上記した図１に示される方法のステップ１１０乃至ステップ１５０を実行し、図２に示される方法のステップ２１０乃至ステップ２４２を実行し、図３に示されるユニット３１−３４の機能を実行する。

上記した装置の実施例は単なる例示的であり、分離した部材として説明された前記ユニットは物理的に分離しているものであってもよいし、そうでなくてもよくユニットとして表示されたユニットは物理的ユニットであってもよいし、そうでなくてもよく、即ち、1つの場所に位置してもよく、複数のネットワークユニットに分散してもよい。本実施例の解決手段の目的を達成するために、実際のニーズに基づいて、そのうち一部又はすべてのユニットを選択してもよい。

上記の実施形態の説明を通して、当業者は、各実施形態がソフトウェアに加えて一般的なハードウェアプラットフォームによって実現でき、もちろんハードウェアによっても実現できると明確に理解すべきである。当業者であれば、上記の実施例の方法におけるフローの全部又は一部は、コンピュータプログラムによって関連するハードウェアを命令することで実現でき、前記プログラムは非一時的コンピュータ可読記憶媒体に記憶することができ、該プログラムは実行時に、上記の方法の実施例のフローを含んでもよいことが理解されるべきである。前記記憶媒体は、磁気ディスク、コンパクトディスク、読み取り専用メモリ（Ｒｅａｄ−Ｏｎｌｙ Ｍｅｍｏｒｙ、ＲＯＭ）、又はランダムアクセスメモリ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ、ＲＡＭ）であってもよい。

上記の製品は、本願の実施例にて提供される対象認識方法を実行することができ、対象認識方法を実行するための機能モジュール及び有益な効果を有する。本実施例において詳細に説明されていない技術的詳細については、本願の実施例にて提供される対象認識方法を参照してもよい。

最後に、上記の実施例は、本願の技術的解決手段を説明するために用いられるものに過ぎず、それを限定するものではなく、本願の思想において、上記の実施例又は異なる実施例における技術的特徴は組み合わせてもよく、ステップは任意の順序に従って実現してもよく、且つ上記のように本願の異なる態様の他の多くの変形形態があり、簡潔にするために、それらは詳細に記載されていない。上記した実施例を参照して本願について詳細に説明したが、当業者であれば、上記した実施例に記載の技術的解決手段を修正するか、又は技術的特徴の一部に対して等価置換を行ってもよく、これらの修正又は置換は、それ相応な技術的解決手段が本願の各実施例の技術的解決手段の範囲から逸脱しないことが理解されるべきである。

Claims (15)

1. インテリジェント端末に適用する対象認識方法であって、
   プリセット時間帯内に収集した属性間に優先度関係が設定される少なくとも２種類の属性を含む被検対象に対する情報を判定情報とするステップと、
   前記判定情報及び前記判定情報を収集する前に取得したデータに基づいて、前記被検対象の現在時刻における認識結果を取得し、前記認識結果を出力し、前記認識結果が前記属性種類のいずれか１種に対応するステップと、
   前記認識結果に対応する属性種類が、前記少なくとも２種類の属性のうち優先度の最も高い属性種類であるか否かを判定するステップと、
   そうでなければ、次のプリセット時間帯内に収集した前記被検対象に対する情報を判定情報とし、且つ前記判定情報及び前記判定情報を収集する前に取得したデータに基づいて、前記被検対象の現在時刻における認識結果を取得し、前記認識結果を出力する前記ステップに戻すステップと、を含むことを特徴とする対象認識方法。
2. 前記判定情報を収集する前に取得した前記データは、前記判定情報を収集する前に収集した前記被検対象に対する情報を含み、
   こうして、前記判定情報及び前記判定情報を収集する前に取得したデータに基づいて、前記被検対象の現在時刻における認識結果を取得する前記ステップは、
   前記判定情報及び前記判定情報を収集する前に収集した前記被検対象に対する情報の特徴を融合することと、
   融合された特徴に基づいて前記被検対象の現在時刻における認識結果を取得することと、を含むことを特徴とする請求項１に記載の対象認識方法。
3. 前記判定情報を収集する前に取得した前記データは、前記判定情報を収集する前に取得した認識結果を含み、
   こうして、前記判定情報及び前記判定情報を収集する前に取得したデータに基づいて、前記被検対象の現在時刻における認識結果を取得する前記ステップは、
   前記判定情報に対応する認識結果を取得することと、
   前記判定情報に対応する認識結果及び前記判定情報を収集する前に取得した認識結果から、属性種類の優先度が最も高い認識結果を前記被検対象の現在時刻における認識結果として選択することと、を含むことを特徴とする請求項１に記載の対象認識方法。
4. 前記認識結果は前記属性種類のいずれか１種に対応する判定結果であり、前記判定結果の信頼度はプリセット条件を満たし、且つ、前記認識結果に対応する属性種類は、信頼度がプリセット条件を満たす判定結果に対応する属性種類のうち、優先度が最も高いことを特徴とする請求項１から請求項３のいずれか一項に記載の対象認識方法。
5. 前記認識結果を出力する前記ステップの前に、
   前記被検対象の現在時刻における認識結果に対応する属性種類の優先度が前記被検対象の前の時刻における認識結果に対応する属性種類より高いか否かを判定し、
   そうであれば、前記認識結果を出力することをさらに含むことを特徴とする請求項１から請求項３のいずれか一項に記載の対象認識方法。
6. 前記認識結果を出力する前記ステップの後、
   前記認識結果に対応するインタラクション信号を送信することをさらに含むことを特徴とする請求項１から請求項３のいずれか一項に記載の対象認識方法。
7. インテリジェント端末に適用する対象認識装置であって、
   プリセット時間帯内に収集した属性間に優先度関係が設定される少なくとも２種類の属性を含む被検対象に対する情報を判定情報とするために用いられる情報収集ユニットと、
   前記判定情報及び判定情報を収集する前に取得したデータに基づいて前記被検対象の現在時刻における認識結果を取得するための認識モジュールと、前記認識結果を出力するための出力モジュールと、を含み、前記認識結果が前記属性種類のいずれか１種に対応する認識ユニットと、
   前記認識結果に対応する属性種類が、前記少なくとも２種類の属性のうち優先度の最も高い属性種類であるか否かを判定し、
   そうでなければ、情報収集ユニットが次のプリセット時間帯内に収集した前記被検対象に対する情報を前記判定情報として認識ユニットに出力するように制御するために用いられる判定ユニットと、を含むことを特徴とする対象認識装置。
8. 前記判定情報を収集する前に取得した前記データは、前記判定情報を収集する前に収集した前記被検対象に対する情報を含み、
   こうして、前記識モジュールは具体的に、
   前記判定情報及び前記判定情報を収集する前に収集した前記被検対象に対する情報の特徴を融合し、
   融合された特徴に基づいて前記被検対象の現在時刻における認識結果を取得するために用いられることを特徴とする請求項７に記載の対象認識装置。
9. 前記判定情報を収集する前に取得した前記データは、前記判定情報を収集する前に取得した認識結果を含み、
   こうして、前記認識モジュールは具体的に、
   前記判定情報に対応する認識結果を取得し、
   前記判定情報に対応する認識結果及び前記判定情報を収集する前に取得した認識結果から、属性種類の優先度が最も高い認識結果を前記被検対象の現在時刻における認識結果として選択するために用いられることを特徴とする請求項７に記載の対象認識装置。
10. 前記認識結果は前記属性種類のいずれか１種に対応する判定結果であり、前記判定結果の信頼度はプリセット条件を満たし、且つ、前記認識結果に対応する属性種類は、信頼度がプリセット条件を満たす判定結果に対応する属性種類のうち、優先度が最も高いことを特徴とする請求項７から請求項９のいずれか一項に記載の対象認識装置。
11. 前記認識ユニットは、
    前記被検対象の現在時刻における認識結果に対応する属性種類の優先度が前記被検対象の前の時刻における認識結果に対応する属性種類より高いか否かを判定し、
    そうであれば、前記認識結果を出力するために用いられる判定モジュールをさらに含むことを特徴とする請求項７から請求項９のいずれか一項に記載の対象認識装置。
12. 前記対象認識装置は、
    前記認識結果に対応するインタラクション信号を送信するために用いられるインタラクションユニットをさらに含むことを特徴とする請求項７から請求項９のいずれか一項に記載の対象認識装置。
13. インテリジェント端末であって、
    少なくとも１つのプロセッサと、
    前記少なくとも１つのプロセッサに通信接続されているメモリと、を含み、
    ここで、前記メモリに前記少なくとも１つのプロセッサによって実行可能なコマンドが記憶され、前記少なくとも１つのプロセッサが請求項１から請求項６のいずれか一項に記載の対象認識方法を実行することを可能にするように前記コマンドは前記少なくとも１つのプロセッサによって実行されることを特徴とするインテリジェント端末。
14. 非一時的コンピュータ可読記憶媒体であって、前記非一時的コンピュータ可読記憶媒体にはインテリジェント端末に請求項１から請求項６のいずれか一項に記載の対象認識方法を実行させるためのコンピュータ実行可能コマンドが記憶されていることを特徴とする非一時的コンピュータ可読記憶媒体。
15. コンピュータプログラム製品であって、前記コンピュータプログラム製品は非一時的コンピュータ可読記憶媒体に記憶されているコンピュータプログラムを含み、前記コンピュータプログラムはプログラムコマンドを含み、前記プログラムコマンドがインテリジェント端末によって実行されると、インテリジェント端末に請求項１から請求項６のいずれか一項に記載の対象認識方法を実行させることを特徴とするコンピュータプログラム製品。