[发明专利]信号段的自动叙述

说明书

对信号段(实时或录制)中发生的内容的叙述的自动生成。要叙述的信号段是从物理图访问。在物理图中，信号段证明物理实体的状态，并且因此具有对信号段中描绘的内容的语义理解。然后，系统基于该语义理解自动确定物理实体在信号段内如何动作，并且基于所确定的动作构建活动的叙述。系统可以基于各种标准来确定叙述什么是有趣的。系统可以使用机器学习来确定叙述什么将会是有趣的。

背景技术

计算系统和相关联的网络极大地改变了我们的世界。起初，计算系统只能执行简单的任务。然而，随着处理能力的增加并且变得越来越可用，由计算系统执行的任务的复杂性已经大大增加。同样，计算系统的硬件复杂性和能力也大大增加，例如由大型数据中心支持的云计算。

长期以来，计算系统基本上完成了他们的指令或软件所告知的内容。然而，软件和硬件的使用变得如此先进，以至于计算系统现在比以往任何时候都能够在更高层次上进行某种程度的决策。目前，在某些方面，决策水平可以接近，竞争或甚至超过人类大脑做出决策的能力。换言之，计算系统现在能够采用某种程度的人工智能。

人工智能的一个示例是识别来自物理世界的外部刺激。例如，语音识别技术已经大大改进，以允许高度准确地检测正在说出的单词，甚至是正在讲话的人的身份。同样地，计算机视觉允许计算系统自动标识特定图片或视频帧内的对象，或者识别跨一系列视频帧的人类活动。作为示例，面部识别技术允许计算系统识别面部，并且活动识别技术允许计算系统知道两个邻近的人是否在一起工作。

这些技术中的每个技术都可以采用深度学习(基于深度神经网络和基于强化的学习机制)和机器学习算法来从经验中学习产生声音的是什么、以及图像内的对象或人物，从而随时间提高识别的准确性。在识别具有大量视觉干扰的更复杂的成像场景内的对象的领域中，先进的计算机视觉技术现在超出了人类快速且准确地识别该场景内的感兴趣对象的能力。诸如传统图形处理单元(GPU)中的矩阵变换硬件等硬件也可以有助于在深度神经网络的背景中进行快速对象识别。

本文中要求保护的主题不限于解决任何缺点或仅在诸如上述那些环境中操作的实施例。而是，提供该背景技术仅用于说明可以实践本文中描述的一些实施例的一个示例性技术领域。

发明内容

本文中描述的至少一些实施例涉及对信号段(实时或录制)中发生的内容的叙述的自动生成。要叙述的信号段是从物理图访问。在物理图中，信号段证明一个或多个物理实体的状态，并且因此具有对信号段中描绘的内容的语义理解。然后，系统基于该语义理解自动确定一个或多个物理实体在信号段内如何动作，并且基于所确定的动作构建活动的叙述。系统可以基于各种各样的标准来确定叙述什么是有趣的，诸如动作是否重复发生，信号段中未改变的内容，信号中不断发生的内容，以及信号段的哪个(多个)部分已经在过去(或当前)被共享，用户指令等。系统可以使用机器学习来确定什么会是有趣的。

提供本“发明内容”是为了以简化的形式介绍一些概念，这些概念将在下面的“具体实施方式”中进一步描述。本“发明内容”不旨在标识所要求保护的主题的关键特征或必要特征，也不旨在用于帮助确定所要求保护的主题的范围。

附图说明

为了描述可以获取本发明的上述和其他优点和特征的方式，将通过参考附图中所示的具体实施例来呈现上面简要描述的本发明的更具体的描述。应当理解，这些附图仅描绘了本发明的典型实施例，因此不应当被认为是对其范围的限制，本发明将通过使用附图的附加特征和细节进行描述和解释，在附图中：

图1示出了可以采用本文中描述的原理的示例计算机系统；

图2示出了可以在其中操作本文中描述的原理的环境，该环境包括具有多个物理实体和多个传感器的物理空间、感测物理空间内的物理实体的特征的识别组件、和特征存储器，特征存储器存储这样的物理实体的感测特征，使得可以针对这些特征执行计算和查询；

图3示出了用于跟踪位置内的物理实体并且可以在图2的环境中执行的方法的流程图；