RU2017100249A - Классификация касаний - Google Patents

Claims (26)

1. Реализуемый компьютером способ, содержащий:

получение кадровых данных, представляющих множество кадров, захваченных устройством, чувствительным к касанию;

анализ кадровых данных для определения соответствующего блоба в каждом кадре из множества кадров, причем блобы указывают на событие касания;

вычисление множества наборов признаков для события касания, причем каждый набор признаков задает характеристики соответствующего блоба в каждом кадре из множества кадров; и

определение типа события касания посредством классификации машинного самообучения, выполненной с возможностью обеспечения множественных не-двухрежимных оценок классификации на основе множества наборов признаков для множества кадров, причем каждая не-двухрежимная оценка классификации указывает на уровень неопределенности в классификации машинного самообучения.

2. Реализуемый компьютером способ по п. 1, в котором классификация машинного самообучения выполнена с возможностью генерации не-двухрежимных оценок классификации таким образом, чтобы каждая не-двухрежимная оценка классификации представляла собой вероятность того, что событие касания является событием касания соответствующего типа.

3. Реализуемый компьютером способ по п. 2, в котором каждая из не-двухрежимных оценок классификации генерируется классификатором машинного самообучения, выполненным с возможностью приема множества наборов признаков в качестве входных данных.

4. Реализуемый компьютером способ по п. 3, в котором классификатор машинного самообучения содержит классификатор на основе леса произвольных решений.

5. Реализуемый компьютером способ по п. 1, дополнительно содержащий:

определение следа блобов по множеству кадров для события касания; и

вычисление набора признаков следа для следа,

причем определение упомянутого типа содержит применение набора признаков следа в классификаторе машинного самообучения.

6. Реализуемый компьютером способ по п. 1, в котором вычисление множества наборов признаков содержит агрегирование данных, указывающих на множество наборов признаков, перед применением множества наборов признаков в классификаторе машинного самообучения в определении типа события касания.

7. Реализуемый компьютером способ по п. 1, в котором классификация машинного самообучения содержит классификацию на основе справочных таблиц.

8. Реализуемый компьютером способ по п. 1, в котором определение упомянутого типа содержит применение набора признаков для соответствующего кадра из множества кадров к множественным справочным таблицам, причем каждая справочная таблица обеспечивает соответствующую отдельную не-двухрежимную оценку классификации из множественных не-двухрежимных оценок классификации.

9. Реализуемый компьютером способ по п. 8, в котором определение упомянутого типа содержит объединение каждой из отдельных не-двухрежимных оценок классификации для соответствующего кадра для генерации оценки-характеристики классификации блоба для соответствующего кадра.

10. Реализуемый компьютером способ по п. 9, в котором:

множественные справочные таблицы содержат первую справочную таблицу, выполненную с возможностью обеспечения первой характеристики того, что событие касания является преднамеренным касанием, и дополнительно содержат вторую справочную таблицу для определения второй характеристики того, что событие касания является непреднамеренным касанием; и

определение упомянутого типа содержит вычитание второй характеристики из первой характеристики для определения оценки-характеристики классификации блоба для соответствующего кадра.

11. Реализуемый компьютером способ по п. 9, в котором определение упомянутого типа содержит агрегирование оценок-характеристик классификации блобов по множеству кадров для определения совокупной, многокадровой оценки классификации для события касания.

12. Реализуемый компьютером способ по п. 11, в котором определение упомянутого типа содержит:

определение, удовлетворяет ли совокупная, многокадровая оценка классификации одному из множественных порогов классификации; и,

если нет, то итерирование действий применения набора признаков, объединения оценок классификации, и агрегирования оценок-характеристик, в связи с дополнительным набором признаков из множества наборов признаков.

13. Реализуемый компьютером способ по п. 1, в котором каждый набор признаков содержит данные, указывающие на появление участка изображения, расположенного у соответствующего блоба в каждом кадре.

14. Реализуемый компьютером способ по п. 1, в котором каждый набор признаков содержит данные, указывающие на градиент интенсивности в кадровых данных, для соответствующего блоба в каждом кадре.

15. Реализуемый компьютером способ по п. 1, в котором каждый набор признаков содержит данные, указывающие на изопериметрическое частное или другую метрику округленности соответствующего блоба в каждом кадре.