[发明专利]环境识别方法、电子设备、计算机可读存储介质有效

专利信息
申请号: 202310213046.0 申请日: 2023-03-08
公开(公告)号: CN115935278B 公开(公告)日: 2023-06-20
发明(设计)人: 焦响;文鼎柱;朱光旭;石远明;崔曙光 申请(专利权)人: 深圳市大数据研究院
主分类号: G06F18/2415 分类号: G06F18/2415;G01D21/02;G06F9/50;G06F18/2135
代理公司: 广州嘉权专利商标事务所有限公司 44205 代理人: 洪铭福
地址: 518172 广东省深圳市龙岗*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 环境 识别 方法 电子设备 计算机 可读 存储 介质
【权利要求书】:

1.一种环境识别方法,其特征在于,应用于边缘服务器,所述方法包括:

基于通感终端获取环境特征子集,所述环境特征子集由所述通感终端对环境信息进行特征提取而得到,所述环境信息由所述通感终端在目标环境中采集得到;

基于所述环境特征子集进行解析处理,得到所述环境特征子集在第一数目个环境类别中对应的第一数目个分类概率函数;

基于第一数目个所述分类概率函数构建分类判别增益;

基于所述分类判别增益对所述环境特征子集进行识别处理,得到识别结果数据。

2.根据权利要求1所述的方法,其特征在于,所述基于第一数目个所述分类概率函数构建分类判别增益,包括:

基于第一数目个所述环境类别构建第二数目个环境类对,每一所述环境类对包括两个类对元素,所述类对元素从所述环境类别中选取;

基于每一所述环境类对的两个所述类对元素,从第一数目个所述分类概率函数中匹配得到一一对应的元素分类函数并构建分类函数对;

基于第二数目个所述分类函数对,构建所述分类判别增益。

3.根据权利要求2所述的方法,其特征在于,所述基于第二数目个所述分类函数对,构建所述分类判别增益,包括:

将每一所述分类函数对进行整合,构建每一所述环境类对相应的类对判别增益;

基于第二数目个所述类对判别增益进行均值化处理,得到所述分类判别增益。

4.根据权利要求1所述的方法,其特征在于,所述基于所述分类判别增益对所述环境特征子集进行识别处理,得到识别结果数据,包括:

对所述分类判别增益进行增强处理,得到优化判别增益;

基于所述优化判别增益对所述环境特征子集进行识别处理,得到识别结果数据。

5.根据权利要求4所述的方法,其特征在于,所述对所述分类判别增益进行增强处理,得到优化判别增益,包括:

获取感知时间、通信时间与计算时间,并基于所述感知时间、所述通信时间与所述计算时间为所述分类判别增益配置延迟约束条件,所述感知时间为所述环境信息的采集时间,所述通信时间为所述环境特征子集的传输时间,所述计算时间为所述环境特征子集的特征提取时间;

获取所述边缘服务器与所述通感终端之间的通道容量,并基于所述通道容量,为所述分类判别增益配置传输约束条件;

获取所述通感终端的能耗阈值,并基于所述能耗阈值为所述分类判别增益配置能量约束条件;

基于所述延迟约束条件、所述传输约束条件与所述能量约束条件对所述分类判别增益进行增强处理,得到优化判别增益。

6.一种环境识别方法,其特征在于,应用于通感终端,所述方法包括:

采集环境信息,所述环境信息包括目标环境的可检测物理量;

对所述环境信息进行特征提取,得到环境特征子集;

将所述环境特征子集发送至边缘服务器,以使得所述边缘服务器基于所述环境特征子集进行解析处理,得到分类概率函数,并基于所述分类概率函数构建分类判别增益,基于所述分类判别增益对所述环境特征子集进行识别处理,得到识别结果数据。

7.根据权利要求6所述的方法,其特征在于,所述环境信息包括所述目标环境中的物体运动数据,所述对所述环境信息进行特征提取,得到环境特征子集,包括:

对所述物体运动数据进行采样,生成运动数据向量;

基于主分量分析从所述运动数据向量中提取主特征元素,得到运动特征向量;

对所述运动特征向量进行归一化处理,得到所述环境特征子集。

8.根据权利要求6所述的方法,其特征在于,所述基于主分量分析从所述运动数据向量中提取主特征元素,得到运动特征向量,包括:

对所述运动数据向量进行奇异值分解,得到中间数据向量;

基于主分量分析从所述中间数据向量中提取主特征元素,得到运动特征向量。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市大数据研究院,未经深圳市大数据研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310213046.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top