[发明专利]一种基于概念学习的透彻感知与动态理解方法

摘要

本发明提出一种基于概念学习的透彻感知与动态理解方法，本发明以深度学习为基础的场景分析与信息挖掘是目前信息科学的前沿领域，已成功应用于各类场景的分割、分类及识别中，并取得了大量优秀成果；在特征提取的基础上，基于贝叶斯网络的静态推理已在图像诊断或理解中得到应用，这为自动提取场景多源多模态特征并在概念框架下进行推理提供了可行性。在此基础上，同时基于机器人协同动态推理与感知耦合，可有效解决大空间复杂场景的动态感知与深度理解问题，在准确性方面远高于使用单一深度神经网络及静态推理的性能。

主权项

1.一种基于概念学习的透彻感知与动态理解方法，其特征在于：所述方法包括以下步骤：步骤一：基于深度学习与时序贝叶斯迭代训练构建大范围“场景‑目标‑行为”的静‑动态概念关系模型，所述静‑动态概念关系模型能够透彻反映场景属性、人物行为和事件关联的抽象关系，全面掌控大范围复杂场景动态；步骤二：基于贝叶斯网络的概率图模型推理及场景深度理解技术，结合训练好的静‑动态概念关系模型和环境上下文，预测目标行为状态；步骤三：按照集群机器人任务为指引，以静‑动态概念关系模型推理置信度最高为原则，设计机器人分布式协同策略，通过优化传感器配置实现对场景目标与态势的透彻感知与深度理解；步骤四：按照任务执行指令为指引，驱动机器人对执行任务完成精准操控。