[发明专利]新类别识别方法和基于模糊理论和深度学习的机器人系统

权利要求书

1.一种识别方法，其特征在于，第一对象包括人、物、场景、事件的图像、视频或文本，所述方法包括：

识别步骤：对第一对象进行识别得到第一结果；第一结果包括从第一对象中识别出的人或物或场景或事件；

新类别判断步骤：根据所述第一结果判断所述第一对象的类别是否属于第一已知类别的集合：否，则将所述第一对象的类别作为第一新类别；是，则所述第一对象的类别为已知类别；第一已知类别包括已知的人或物或场景或事件的类别；

所述第一结果包括所述第一对象所属的至少一个已知类别以及所述第一对象属于所述至少一个已知类别中每一个已知类别的隶属度；

所述新类别判断步骤具体包括：取所述第一对象属于所述至少一个已知类别中每一个已知类别的隶属度中的最大隶属度；若所述最大隶属度小于或等于预设第一隶属度，则所述第一对象的类别为第一新类别；若所述最大隶属度大于预设第一隶属度，则所述第一对象的已知类别为所述最大隶属度对应的已知类别；

新类别集合判断步骤：根据所述第一结果判断所述第一新类别是否属于第二新类别的集合：是，则将所述第一新类别对应的所述第二新类别的集合中的新类别作为所述第一新类别；否，则将所述第一新类别加入所述第二新类别的集合；

所述新类别集合判断步骤包括：

新类别集合隶属度计算步骤:计算所述第一新类别属于所述第二新类别的集合中每一个新类别的隶属度；

新类别集合加入判断步骤:获取所述隶属度中最大的隶属度，判断所述最大的隶属度是否大于预设第二隶属度：是，则将所述最大隶属度对应的所述第二新类别的集合中的新类别作为所述第一新类别；否，则将所述第一新类别加入所述第二新类别的集合。

2.根据权利要求1所述的识别方法，其特征在于，

所述新类别集合加入判断步骤还包括:

若所述最大的隶属度大于预设第二隶属度，则判断所述第一对象是否有类别标签：是，则将所述类别标签作为所述第一新类别的标签，并将所述第一新类别的标签作为所述最大隶属度对应的所述第二新类别的集合中的所述新类别的标签；否，则获取所述最大隶属度对应的所述第二新类别的集合中的所述新类别的标签作为所述第一新类别的标签；

若所述最大的隶属度不大于预设第二隶属度，则判断所述第一对象是否有类别标签：是，则将所述类别标签作为所述第一新类别的标签，并将所述第一新类别的标签作为所述第二新类别的集合中所述第一新类别的标签；否，则生成所述第一新类别的标签，将所述第一新类别的标签作为所述第二新类别的集合中所述第一新类别的标签。

3.根据权利要求1所述的识别方法，其特征在于，

所述新类别集合隶属度计算步骤还包括：

将所述第一结果作为所述第一新类别的第一画像；计算所述第一新类别的所述第一画像与所述第二新类别的集合中每一个新类别的第二画像的相似度；将所述相似度作为所述第一新类别属于所述第二新类别的集合中所述每一个新类别的隶属度；

所述新类别集合加入判断步骤还包括:

若所述最大的隶属度大于预设第二隶属度，则将所述第一结果作为所述第一新类别的第一画像，融合所述第一新类别的第一画像与所述最大隶属度对应的所述第二新类别的集合中的新类别的第二画像得到第三画像；将所述第三画像作为所述最大的隶属度对应的所述第二新类别的集合中的所述新类别的第二画像；

若所述最大的隶属度不大于预设第二隶属度，则将所述第一新类别的第一画像作为所述第二新类别的集合中的所述第一新类别的第二画像。