[发明专利]基于数据融合的物体辨识系统及物体辨识的自我学习方法

说明书

本发明公开一种基于数据融合的物体辨识系统及用于物体辨识的自我学习方法。本发明是经由身份感测装置与特征感测装置分别感测进入监视区域的各物体的身份数据与特征数据，决定各特征数据所属的群组，于身份数据的感测时间与特征数据的感测时间相符时关联身份数据及特征数据所属的群组，并于判断任一群组被关联至同一身份数据的关联次数大于关联临界值时，配对群组与身份数据。本发明可自动对同一物体的身份数据与特征数据进行配对，而可有效节省手动配对所需的时间与人力。

技术领域

本发明是涉及系统与方法，特别涉及基于数据融合的物体辨识系统及用于物体辨识的自我学习方法。

背景技术

目前已有一种基于数据融合(data fusion)技术的人员辨识系统被提出。前述物体辨识系统可使用不同类型的传感器来对人员进行感测以获得不同类型的感测数据，并依据不同类型的感测数据来进行人员辨识。

请参阅图1，为现有的学习与辨识方法的流程图。举例来说，人员辨识系统可包括RFID读取器(第一种传感器)及摄影机(第二种传感器)。

人员辨识系统可经由执行学习步骤S10来对同一人员的身份数据与脸部影像进行配对。具体而言，管理员可操作物体辨识系统来经由RFID读取器对所有人员所持有的RFID标签(如员工证)进行感测以取得所有人员的身份数据(步骤S100，前述身份数据可例如为员工标识符)，并经由摄影机逐一对所有人员进行拍摄以取得所有人员的脸部影像(步骤S101)。最后，管理员必须操作人员辨识系统来手动配对同一人员的身份数据与脸部影像以产生对应的配对数据(步骤S102)。

于所有身份数据与脸部影像配对完成后，人员辨识系统可执行步骤S11来依据所建立的配对关系自动进行人员辨识。具体而言，当人员辨识系统经由摄影机拍摄到任一人员的脸部影像(步骤S110)时，人员辨识系统可依据所拍摄到的脸部影像与前述配对数据来决定所拍摄到的人员的身份数据(步骤S111)。藉此，即便人员未携带RFID标签，人员辨识系统也可经由所拍摄到的脸部影像来辨识人员身份。

然而，于现有的学习与辨识方法的学习步骤中，管理员必须手动对不同类型的感测数据(即身份数据与脸部影像)进行配对，这使得现有的学习与辨识方法的学习步骤必须耗费大量时间与人力来产生配对数据。

有鉴于此，目前极需一种辨识系统与自我学习方法，可自动对不同类型的感测数据进行配对。

发明内容

本发明提供一种基于数据融合的物体辨识系统及用于物体辨识的自我学习方法，可基于感测时间来自动对同一物体的身份与特征进行配对。

于一实施例中，一种基于数据融合的物体辨识系统，包括身份感测装置、特征感测装置及控制主机。身份感测装置用以感测进入监视区域的至少一物体各别的身份数据。特征感测装置用以感测进入监视区域的物体各别的特征数据。控制主机连接身份感测装置及特征感测装置，用以于多个群组中决定至少其中之一作为特征数据所属的群组，于身份数据的第一感测时间与特征数据的第二感测时间相符时对身份数据及特征数据所属的群组进行关联，并于判断任一群组被关联至同一身份数据的关联次数大于关联临界值时，对群组与身份数据进行配对。

于一实施例中，一种用于物体辨识的自我学习方法，包括：经由身份感测装置感测进入监视区域的至少一物体各别的身份数据；经由特征感测装置感测进入监视区域的物体各别的特征数据；于多个群组中决定至少其中之一作为特征数据所属的群组；于身份数据的第一感测时间与特征数据的第二感测时间相符时对身份数据及特征数据所属的群组进行关联；及，于判断任一群组被关联至同一身份数据的关联次数大于关联临界值时配对群组与身份数据。

本发明可自动对同一物体的身份数据与特征数据进行配对，而可有效节省手动配对所需的时间与人力。

附图说明

图1为现有的学习与辨识方法的流程图。

图2为本发明一实施例的物体辨识系统的架构图。