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技术方案

本发明专利技术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。本发明专利技术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。本发明专利技术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。

Object Recognition System Based on Data Fusion and Self-learning Method for Object Recognition

【技术实现步骤摘要】
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
本专利技术是涉及系统与方法，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。
技术介绍
目前已有一种基于数据融合(datafusion)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。
技术实现思路
本专利技术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。本专利技术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为本专利技术一实施例的物体辨识系统的架构图。图3为本专利技术一实施例的控制主机的架构图。图4为本专利技术一实施例的控制单元的架构图。图5为本专利技术第一实施例的自我学习方法的流程图。图6为本专利技术第二实施例的自我学习方法的部分流程图。图7为本专利技术第三实施例的自我学习方法的部分流程图。图8为本专利技术第四实施例的自我学习方法的部分流程图。图9为本专利技术第五实施例的自我学习方法的部分流程图。图10为本专利技术第六实施例的自我学习方法的部分流程图。图11为本专利技术第七实施例的自我学习方法的部分流程图。图12为本专利技术第八实施例的自我学习方法的部分流程图。图13为本专利技术一实施例的物体辨识系统的外观示意图。图14为本专利技术一实施例的物体辨识系统的使用示意图。图15为本专利技术一实施例的感测与关联数据的示意图。其中附图标记为：10…身份感测装置11…特征感测装置12…控制主机120…控制单元121…记忆单元122…计算机程序123…传输单元124…人机界面13…数据库14…功能装置2…网络30…分群模块31…距离计算模块32…时间差计算模块33…关联模块34…辨识模块35…操作模块36…清除模块37…更新模块40…身份感测装置41…特征感测装置42…控制主机424…人机界面50-53…身份感测装置60-64…特征感测装置70-73…功能装置80-81…身份数据90-94…特征数据S1-S4…监视区域t1-t8…时间点S10、S100-S102…现有配对步骤S11、S110-S111…现有辨识步骤S20、S200-S202…感测步骤S21、S210-S214…学习步骤S30-S32…第一特征数据感测步骤S40-S41…第二特征数据感测步骤S50-S54…分群步骤S60-S61…时间差判断步骤S70-S73…配对步骤S80-S83…清除步骤S90-S93…物体辨识步骤具体实施方式下面结合图示和具体实施例对本专利技术技术方案进行详细的描述，以更了解本专利技术的目的、方案及功效，但并非作为本专利技术的申请专利范围的限制。本专利技术公开一种基于数据融合的物体辨识系统(下称物体辨识系统)，所述物体辨识系统用来执行一种用于物体辨识的自我学习方法(下称自我学习方法)。本专利技术可于任一物体进入或意图进入监视区域时感测此物体的身份数据与特征数据，依据特征数据决定物体所属群组，并可对所感测的身份数据与所决定的群组进行配对，藉此取代管理员的手动配对操作。值得一提的是，本专利技术所指物体的身份与特征是具有独特性与识别性，而可据以产生独有的身份数据与特征数据。举例来说，若物体为员工，则身份数据可为员工编号，特征数据可为指纹数据。于另一例子中，若物体为宠物，则身份数据可为所植入芯片的标识符，特征数据可为其脸部影像数据。于另一例子中，若物体为艺术品，则身份数据可为自定义编号，特征数据可为其外观影像数据。请同时参阅图2及图3，图2为本专利技术一实施例的物体辨识系统的架构图，图3为本专利技术一实施例的控制主机的架构图。本专利技术的物体辨识系统主要包括身份感测装置10、特征感测装置11及连接上述装置(如经由网络2，网络2可为局域网络或因特网)的控制主机12。身份感测装置10用以感测进入监视区域的各物体的身份数据(如姓名、员工编号、身份标识符、芯片编号、财产编号或其他具有独特性与识别性的数据)。于一实施例中，身份感测装置10是RFID读取器，并可持续于监视区域中发出无线射频信号。各身份数据储存于各物体所包含的RFID标签(如物体所携带或所嵌入物体中的RFID标签)，各RFID标签于进入监视区域后会感测到身份感测装置10所发出的无线射频信号，而被致能以回传身份数据至身份感测装置10。特征感测装置11用以感测进入监视区域的各物体的特征数据(如脸部特征、外观特征、生物特征(如指纹数据、虹膜数据或掌静脉数据)、行为特征(如笔迹或移动轨迹)或其他具有识别性的数据)。于一实施例中，特征感测装置11是摄影机，并可对监视区域内的物体的外表进行拍摄以产生包括连续的多个影像数据的一组本文档来自技高网...

【技术保护点】
1.一种基于数据融合的物体辨识系统，其特征在于，包括：一身份感测装置，用以感测进入一监视区域的至少一物体各别的一身份数据；一特征感测装置，用以感测进入该监视区域的该物体各别的一特征数据；及一控制主机，连接该身份感测装置及该特征感测装置，该控制主机于多个群组中决定至少其中之一作为该特征数据所属的该群组，于该身份数据的一第一感测时间与该特征数据的一第二感测时间相符时对该身份数据及该特征数据所属的该群组进行关联，并于判断任一该群组被关联至同一该身份数据的一关联次数大于一关联临界值时，对该群组与该身份数据进行配对。

【技术特征摘要】
1.一种基于数据融合的物体辨识系统，其特征在于，包括：一身份感测装置，用以感测进入一监视区域的至少一物体各别的一身份数据；一特征感测装置，用以感测进入该监视区域的该物体各别的一特征数据；及一控制主机，连接该身份感测装置及该特征感测装置，该控制主机于多个群组中决定至少其中之一作为该特征数据所属的该群组，于该身份数据的一第一感测时间与该特征数据的一第二感测时间相符时对该身份数据及该特征数据所属的该群组进行关联，并于判断任一该群组被关联至同一该身份数据的一关联次数大于一关联临界值时，对该群组与该身份数据进行配对。2.如权利要求1所述的基于数据融合的物体辨识系统，其特征在于，该身份感测装置是一RFID读取器，该身份数据储存于该物体所包含的一RFID标签，该RFID标签于收到该身份感测装置所发出的一无线射频信号后回传该身份数据至该身份感测装置。3.如权利要求1所述的基于数据融合的物体辨识系统，其特征在于，该特征感测装置是一摄影机，并用以对该监视区域内的该物体进行拍摄以产生一视讯数据，于该视讯数据中辨识该物体的一影像数据，并依据该物体的该影像数据分析该特征数据。4.如权利要求1所述的基于数据融合的物体辨识系统，其特征在于，该特征感测装置是一生物辨识器，并用以感测该监视区域内的该物体的一生物数据，并依据该生物数据分析该特征数据。5.如权利要求1所述的基于数据融合的物体辨识系统，其特征在于，该控制主机包括一分群模块，该分群模块用以比较该特征数据与分别对应该等群组的多个模板数据，于该特征数据符合该等模板数据之一者时将该特征数据分群至符合的该模板数据所对应的该群组，并于该特征数据不符合该等模板数据时，依据该特征数据建立新的该群组，并将该特征数据分群至新的该群组。6.如权利要求5所述的基于数据融合的物体辨识系统，其特征在于，该控制主机更包括一距离计算模块，该距离计算模块用以计算该特征数据与该等模板数据之间各别的一距离值，该分群模块是于任一该距离值小于一距离临界值时判定该特征数据符合该模板数据，并于所有该距离值不小于该距离临界值时判定该特征数据不符合所有该模板数据。7.如权利要求1所述的基于数据融合的物体辨识系统，其特征在于，该控制主机包括：一时间差计算模块，计算该身份数据的该第一感测时间与每一该特征数据的该第二感测时间之间的一时间差；及一关联模块，于该时间差小于一时间临界值时增加该身份数据及该特征数据所属的该群组之间的该关联次数。8.如权利要求1所述的基于数据融合的物体辨识系统，其特征在于，该控制主机包括一清除模块，该清除模块用以判断满足一清除条件时，清除符合该清除条件的该关联次数所对应的该身份数据与该群组之间的关联。9.如权利要求8所述的基于数据融合的物体辨识系统，其特征在于，该清除条件是任一该关联次数小于一清除临界值。10.如权利要求8所述的基于数据融合的物体辨识系统，其特征在于，该清除条件是任一该关联次数持续一清除时间未被更新。11.如权利要求1所述的基于数据融合的物体辨识系统，其特征在于，该控制主机包括一更新模块，该更新模块用以于判断另一该群组与该身份数据之间的该关联次数大于该关联临界值且大于已配对至该身份数据的该群组的该关联次数时，...

【专利技术属性】
技术研发人员：林庚毅，蔡志伟，郑嘉仁，
申请(专利权)人：台达电子工业股份有限公司，
类型：发明
国别省市：中国台湾,71