基于人工智能的传感器信息分析方法及人工智能平台系统技术方案

本发明专利技术实施例提供的基于人工智能的传感器信息分析方法及人工智能平台系统，先获取待分析传感图像信息中的第一动态作业事件，将针对第一动态作业事件的细节约束牵涉描述子作为约束特征，与图像细节牵涉描述子进行聚合，因而目标图像细节描述子是一个涵盖约束特征的图像细节描述子，换言之，将确定出的第一动态作业事件作为约束，从而在给出第一动态作业事件的约束状态下，检测待分析传感图像信息中的第二动态作业事件以及第一动态作业事件具有作业依存事件所匹配的联系特征，因而本发明专利技术实施例能够提升第一动态作业事件以及第二动态作业事件之间的联系特征的挖掘精度和可信度。度。度。

【技术实现步骤摘要】
基于人工智能的传感器信息分析方法及人工智能平台系统


[0001]本专利技术涉及人工智能和图像传感
，具体而言，涉及基于人工智能的传感器信息分析方法及人工智能平台系统。

技术介绍

[0002]图像传感技术（Image sensing technology）是在光电技术基础上发展起来的，利用光电器件的光电转化功能，将其感光面上的光信号转换为与光信号成对应比例关系的电信号“图像”的一门技术，该技术将光学图像转换成一维时序信号，其关键器件是图像传感器。图像探测系统通常包括固态光图像传感系统、红外光成像系统、超声成像系统、微波影像系统等，已广泛应用于视频、测量、监控、医疗、人工智能等领域。目前，通过对传感图像进行一系列的分析处理成为绝大部分行业的需求之一。

技术实现思路

[0003]本专利技术至少提供基于人工智能的传感器信息分析方法及人工智能平台系统。
[0004]本专利技术实施例提供了一种基于人工智能的传感器信息分析方法，应用于人工智能平台系统，所述方法包括：获取待分析传感图像信息以及所述待分析传感图像信息中的每个传感图像块各自对应的图像细节牵涉描述子；依据所述图像细节牵涉描述子，获取所述待分析传感图像信息中匹配第一行为状态的第一动态作业事件；在所述图像细节牵涉描述子中获取所述第一动态作业事件对应的细节约束牵涉描述子，对所述细节约束牵涉描述子以及所述图像细节牵涉描述子进行图像描述聚合，得到目标图像细节描述子；对所述目标图像细节描述子进行特征解析，得到包括所述第一动态作业事件、匹配第二行为状态的第二动态作业事件以及作业依存事件的联合解析结果；所述联合解析结果中的第二动态作业事件匹配所述待分析传感图像信息；所述联合解析结果中的作业依存事件用于反映所述第一动态作业事件以及所述联合解析结果中的第二动态作业事件之间的联系特征。
[0005]在一些可选的实施例中，所述方法还包括：获取传感图像分析网络，将所述待分析传感图像信息加载到所述传感图像分析网络；所述传感图像分析网络包括图像块拆解子网以及图像特征挖掘子网；依据所述图像块拆解子网对所述待分析传感图像信息进行拆解操作，得到最少两个传感图像块；所述最少两个传感图像块包括传感图像块B_u，u为正整数，且u不大于所述最少两个传感图像块对应的总数；获取所述传感图像块B_u在所述待分析传感图像信息中的分布数据，将针对所述传感图像块B_u的分布数据加载到所述图像特征挖掘子网；依据所述图像特征挖掘子网，对针对所述传感图像块B_u的分布数据进行特征挖掘，得到所述传感图像块B_u对应的分布牵涉特征；
所述在所述图像细节牵涉描述子中获取所述第一动态作业事件对应的细节约束牵涉描述子，包括：确定所述第一动态作业事件在所述待分析传感图像信息中的分布数据；所述第一动态作业事件在所述待分析传感图像信息中的分布数据匹配所述最少两个传感图像块分别在所述待分析传感图像信息中的分布数据；依据所述第一动态作业事件在所述待分析传感图像信息中的分布数据，在所述最少两个传感图像块各自对应的分布牵涉特征中，获取所述第一动态作业事件对应的分布牵涉特征；依据所述第一动态作业事件对应的分布牵涉特征，在所述图像细节牵涉描述子中获取所述第一动态作业事件对应的所述细节约束牵涉描述子。
[0006]在一些可选的实施例中，所述对所述细节约束牵涉描述子以及所述图像细节牵涉描述子进行图像描述聚合，得到目标图像细节描述子，包括：获取传感图像分析网络；所述传感图像分析网络包括第一可逆子网；所述第一可逆子网包括特征关注单元、第一区间数值映射单元、中间单元以及第二区间数值映射单元；将所述图像细节牵涉描述子加载到所述特征关注单元，依据所述特征关注单元对所述图像细节牵涉描述子进行特征挖掘，得到第一待映射图像细节描述子；将所述第一待映射图像细节描述子以及所述图像细节牵涉描述子分别加载到所述第一区间数值映射单元，依据所述第一区间数值映射单元对所述第一待映射图像细节描述子以及所述图像细节牵涉描述子进行基于权重的拼接处理，得到中间图像细节描述子；将所述中间图像细节描述子加载到所述中间单元，依据所述中间单元对所述中间图像细节描述子进行特征挖掘，得到第二待映射图像细节描述子；将所述细节约束牵涉描述子、所述第二待映射图像细节描述子以及所述中间图像细节描述子分别加载到所述第二区间数值映射单元，依据所述第二区间数值映射单元，对所述细节约束牵涉描述子、所述第二待映射图像细节描述子以及所述中间图像细节描述子，进行图像描述聚合，得到所述目标图像细节描述子。
[0007]在一些可选的实施例中，所述第二区间数值映射单元包括特征均值化节点、特征差异分析节点、特征调整节点、特征尺度变换节点、特征拼接节点以及特征聚合节点；所述依据所述第二区间数值映射单元，对所述细节约束牵涉描述子、所述第二待映射图像细节描述子以及所述中间图像细节描述子，进行图像描述聚合，得到所述目标图像细节描述子，包括：依据所述特征均值化节点，对所述第二待映射图像细节描述子以及所述中间图像细节描述子进行特征均值化，得到图像细节均值描述子；依据所述特征差异分析节点，获取所述第二待映射图像细节描述子以及所述图像细节均值描述子之间的特征差异，得到第一差异特征表示，获取所述中间图像细节描述子以及所述图像细节均值描述子之间的特征差异，得到第二差异特征表示；依据所述特征调整节点，对所述第二待映射图像细节描述子以及所述中间图像细节描述子进行特征调整，得到图像细节调整描述子；依据所述特征尺度变换节点，对所述第一差异特征表示以及所述图像细节调整描述子进行特征尺度变换，得到第一已变换图像细节描述子，对所述第二差异特征表示以及所述图像细节调整描述子进行特征尺度变换，得到第二已变换图像细节描述子；生成所述细节约束牵涉描述子对应的第一偏置项变量，以及所述细节约束牵涉描
述子对应的第二偏置项变量；依据所述特征拼接节点，对所述第一已变换图像细节描述子、所述第二已变换图像细节描述子以及所述第一偏置项变量进行基于权重的拼接处理，得到图像细节拼接描述子；依据所述特征聚合节点，对所述第二偏置项变量以及所述图像细节拼接描述子进行图像描述聚合，得到所述目标图像细节描述子。
[0008]在一些可选的实施例中，所述对所述目标图像细节描述子进行特征解析，得到包括所述第一动态作业事件、匹配第二行为状态的第二动态作业事件以及作业依存事件的联合解析结果，包括：获取传感图像分析网络；所述传感图像分析网络包括特征依存解析子网；将所述目标图像细节描述子加载到所述特征依存解析子网，依据所述特征依存解析子网，对所述目标图像细节描述子进行特征解析，得到图像细节解析描述子；依据所述图像细节解析描述子，生成包括所述第一动态作业事件、匹配第二行为状态的第二动态作业事件以及作业依存事件的联合解析结果。
[0009]在一些可选的实施例中，所述获取所述待分析传感图像信息中的每个传感图像块各自对应的图像细节牵涉描述子，包括：获取传感图像分析网络，将所述待分析传感图像信息加载到所述传感图像分析网络；所述传感图像分析网络包括图像块拆解子网以及图像特征挖掘子网；依据所述图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的传感器信息分析方法，其特征在于，应用于人工智能平台系统，所述方法包括：获取待分析传感图像信息以及所述待分析传感图像信息中的每个传感图像块各自对应的图像细节牵涉描述子；依据所述图像细节牵涉描述子，获取所述待分析传感图像信息中匹配第一行为状态的第一动态作业事件；在所述图像细节牵涉描述子中获取所述第一动态作业事件对应的细节约束牵涉描述子，对所述细节约束牵涉描述子以及所述图像细节牵涉描述子进行图像描述聚合，得到目标图像细节描述子；对所述目标图像细节描述子进行特征解析，得到包括所述第一动态作业事件、匹配第二行为状态的第二动态作业事件以及作业依存事件的联合解析结果；所述联合解析结果中的第二动态作业事件匹配所述待分析传感图像信息；所述联合解析结果中的作业依存事件用于反映所述第一动态作业事件以及所述联合解析结果中的第二动态作业事件之间的联系特征。2.如权利要求1所述的方法，其特征在于，所述方法还包括：获取传感图像分析网络，将所述待分析传感图像信息加载到所述传感图像分析网络；所述传感图像分析网络包括图像块拆解子网以及图像特征挖掘子网；依据所述图像块拆解子网对所述待分析传感图像信息进行拆解操作，得到最少两个传感图像块；所述最少两个传感图像块包括传感图像块B_u，u为正整数，且u不大于所述最少两个传感图像块对应的总数；获取所述传感图像块B_u在所述待分析传感图像信息中的分布数据，将针对所述传感图像块B_u的分布数据加载到所述图像特征挖掘子网；依据所述图像特征挖掘子网，对针对所述传感图像块B_u的分布数据进行特征挖掘，得到所述传感图像块B_u对应的分布牵涉特征；所述在所述图像细节牵涉描述子中获取所述第一动态作业事件对应的细节约束牵涉描述子，包括：确定所述第一动态作业事件在所述待分析传感图像信息中的分布数据；所述第一动态作业事件在所述待分析传感图像信息中的分布数据匹配所述最少两个传感图像块分别在所述待分析传感图像信息中的分布数据；依据所述第一动态作业事件在所述待分析传感图像信息中的分布数据，在所述最少两个传感图像块各自对应的分布牵涉特征中，获取所述第一动态作业事件对应的分布牵涉特征；依据所述第一动态作业事件对应的分布牵涉特征，在所述图像细节牵涉描述子中获取所述第一动态作业事件对应的所述细节约束牵涉描述子。3.如权利要求1所述的方法，其特征在于，所述对所述细节约束牵涉描述子以及所述图像细节牵涉描述子进行图像描述聚合，得到目标图像细节描述子，包括：获取传感图像分析网络；所述传感图像分析网络包括第一可逆子网；所述第一可逆子网包括特征关注单元、第一区间数值映射单元、中间单元以及第二区间数值映射单元；将所述图像细节牵涉描述子加载到所述特征关注单元，依据所述特征关注单元对所述图像细节牵涉描述子进行特征挖掘，得到第一待映射图像细节描述子；将所述第一待映射图像细节描述子以及所述图像细节牵涉描述子分别加载到所述第一区间数值映射单元，依据所述第一区间数值映射单元对所述第一待映射图像细节描述子以及所述图像细节牵涉描述子进行基于权重的拼接处理，得到中间图像细节描述子；
将所述中间图像细节描述子加载到所述中间单元，依据所述中间单元对所述中间图像细节描述子进行特征挖掘，得到第二待映射图像细节描述子；将所述细节约束牵涉描述子、所述第二待映射图像细节描述子以及所述中间图像细节描述子分别加载到所述第二区间数值映射单元，依据所述第二区间数值映射单元，对所述细节约束牵涉描述子、所述第二待映射图像细节描述子以及所述中间图像细节描述子，进行图像描述聚合，得到所述目标图像细节描述子。4.如权利要求3所述的方法，其特征在于，所述第二区间数值映射单元包括特征均值化节点、特征差异分析节点、特征调整节点、特征尺度变换节点、特征拼接节点以及特征聚合节点；所述依据所述第二区间数值映射单元，对所述细节约束牵涉描述子、所述第二待映射图像细节描述子以及所述中间图像细节描述子，进行图像描述聚合，得到所述目标图像细节描述子，包括：依据所述特征均值化节点，对所述第二待映射图像细节描述子以及所述中间图像细节描述子进行特征均值化，得到图像细节均值描述子；依据所述特征差异分析节点，获取所述第二待映射图像细节描述子以及所述图像细节均值描述子之间的特征差异，得到第一差异特征表示，获取所述中间图像细节描述子以及所述图像细节均值描述子之间的特征差异，得到第二差异特征表示；依据所述特征调整节点，对所述第二待映射图像细节描述子以及所述中间图像细节描述子进行特征调整，得到图像细节调整描述子；依据所述特征尺度变换节点，对所述第一差异特征表示以及所述图像细节调整描述子进行特征尺度变换，得到第一已变换图像细节描述子，对所述第二差异特征表示以及所述图像细节调整描述子进行特征尺度变换，得到第二已变换图像细节描述子；生成所述细节约束牵涉描述子对应的第一偏置项变量，以及所述细节约束牵涉描述子对应的第二偏置项变量；依据所述特征拼接节点，对所述第一已变换图像细节描述子、所述第二已变换图像细节描述子以及所述第一偏置项变量进行基于权重的拼接处理，得到图像细节拼接描述子；依据所述特征聚合节点，对所述第二偏置项变量以及所述图像细节拼接描述子进行图像描述聚合，得到所述目标图像细节描述子。5.如权利要求1所述的方法，其特征在于，所述对所述目标图像细节描述子进行特征解析，得到包括...

【专利技术属性】
技术研发人员：高春亚，赵正军，张菊，杨建国，
申请(专利权)人：创域智能常熟网联科技有限公司，
类型：发明
国别省市：