[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

说明书

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，包括：对第一对象进行识别得到第一结果；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。上述方法和机器人系统，通过根据所述第一结果来判断所述第一对象的类别，若所述第一对象不属于第一已知类别的集合，则得到所述第一对象所属的第一新类别，从而可以实现对新类别的识别。

技术领域

本发明涉及信息技术领域，特别是涉及一种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。

背景技术

已有对象的识别技术可以通过已知类别的特征来实现对对象的识别，例如深度学习对对象进行识别的办法。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：1、现有识别技术只能识别已知类别，无法识别新类别；2、一旦新类别出现，现有识别系统就会失效。

因此，现有技术还有待于改进和发展。

发明内容

基于此，有必要针对现有技术的缺陷或不足，提供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，以解决现有技术无法对新类别进行识别的缺点。

第一方面，本发明实施例提供一种识别方法，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；

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。

优选地，

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。

优选地，所述方法还包括：

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。

优选地，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。

优选地，

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。