轨迹和意图预测制造技术

提供了用于轨迹和意图预测的方法和系统。该方法和系统包括操作，所述操作包括：接收用户的观察轨迹和用户行为信息；通过机器学习技术处理观察轨迹以生成多个预测轨迹，该机器学习技术被训练成建立多个训练观察轨迹与训练预测轨迹之间的关系；基于用户行为信息调整多个预测轨迹以确定操作目标访问控制设备的用户意图；确定目标访问控制设备在多个预测轨迹中的给定预测轨迹的阈值范围内；以及响应于确定目标访问控制设备在多个预测轨迹中的给定预测轨迹的阈值范围内，执行与目标访问控制设备相关联的操作。备相关联的操作。备相关联的操作。

【技术实现步骤摘要】
【国外来华专利技术】轨迹和意图预测
[0001]优先权申请
[0002]本申请要求于2020年12月14日提交的序列号为63/125,044的美国临时专利申请的优先权，该美国临时专利申请的公开内容通过引用整体并入本文中。

技术介绍

[0003]轨迹预测在诸如智能访问控制系统的许多任务中扮演重要角色。轨迹预测通常被定义为基于在某个时段上观察到的局部轨迹来预测可移动代理(例如，人、车辆或移动设备)在预定义的未来时间间隔内的每个时间步长处的位置。

技术实现思路

[0004]在一些方面，提供了一种方法，包括：由一个或更多个处理器接收用户的观察轨迹和用户的用户行为信息；通过机器学习技术处理观察轨迹以生成多个预测轨迹，机器学习技术被训练成建立多个训练观察轨迹与训练预测轨迹之间的关系；基于用户行为信息来调整多个预测轨迹以确定操作目标访问控制设备的用户意图；确定目标访问控制设备在多个预测轨迹中的给定预测轨迹的阈值范围内；以及响应于确定目标访问控制设备在多个预测轨迹中的给定预测轨迹的阈值范围内，执行与目标访问控制设备相关联的操作。
[0005]在一些方面，目标访问控制设备包括与门相关联的锁，并且执行操作包括解锁门。
[0006]在一些方面，该方法包括在用户的移动设备与目标访问控制设备之间建立无线通信链路；通过无线通信链路交换授权信息；以及在基于授权信息确定用户被授权访问目标访问控制设备之后执行操作。
[0007]在一些方面，该方法包括在执行操作之前基于授权信息确定用户被授权访问目标访问控制设备；以及在确定用户被授权之后延迟执行操作，直到目标访问控制设备被确定成在多个预测轨迹中的给定预测轨迹的阈值范围内。
[0008]在一些方面，该方法包括在执行操作之前基于授权信息确定用户被授权访问目标访问控制设备；以及在确定用户被授权之后，响应于确定目标访问控制设备在多个预测轨迹中的给定预测轨迹的阈值范围之外，阻止执行操作。
[0009]在一些方面，机器学习技术包括条件变分自动编码器。
[0010]在一些方面，基于用户行为信息来调整多个预测轨迹包括由条件变分自动编码器处理观察到的轨迹和用户行为信息以生成多个预测轨迹，多个预测轨迹中的每个预测轨迹与指示用户将沿着对应的预测轨迹行进的可能性的相应概率相关联。
[0011]在一些方面，机器学习技术包括变分自动编码器。
[0012]在一些方面，基于用户行为信息来调整多个预测轨迹包括将用户行为信息与由变分自动编码器输出的多个预测轨迹连接，多个预测轨迹中的每个预测轨迹与指示用户将沿着对应的预测轨迹行进的可能性的相应概率相关联。
[0013]在一些方面，该方法包括利用第二机器学习技术处理所连接的用户行为信息和多个预测轨迹，第二机器学习技术被训练成建立多个训练用户行为信息与操作访问控制设备
的预测意图之间的关系。
[0014]在一些方面，该方法包括对用户的观察轨迹进行编码，其中，机器学习技术被应用于经编码的用户的观察轨迹。
[0015]在一些方面，该方法包括确定接收的用户行为信息是否满足用户行为信息的最小参数。
[0016]在一些方面，该方法包括响应于确定接收的用户行为信息满足用户行为信息的最小参数，允许目标访问控制设备执行操作。
[0017]在一些方面，该方法包括响应于确定接收的用户行为信息未能满足用户行为信息的最小参数，阻止目标访问控制设备执行操作。
[0018]在一些方面，最小参数包括指定类型的用户行为信息的阈值量。
[0019]在一些方面，该方法包括通过对特征向量进行编码来生成用户行为信息，该特征向量包括以下中的至少一个：监测用户的身体运动；监测用户的步幅；识别用户操作不同类型的访问控制设备的时间和位置；当给定访问控制设备正被用户操作时，识别在用户范围内的其他客户端设备和其他类型的访问控制设备；或者识别通常在他/她的社交网络中的其他用户。
[0020]在一些方面，机器学习技术包括第一机器学习技术，还包括：通过第二机器学习技术生成用户行为信息，第二机器学习技术被训练成建立训练用户行为信息与预测用户行为信息之间的关系；以及通过第三机器学习技术生成操作目标访问控制设备的用户意图，第三机器学习技术被训练成建立训练同一组轨迹相连接的用户行为信息与操作访问控制设备的预测用户意图之间的关系。
[0021]在一些方面，第一机器学习技术、第二机器学习技术和第三机器学习技术中的每一个被端对端地训练。
[0022]在一些方面，提供了一种系统，包括：耦接至存储器的一个或更多个处理器，存储器包括非暂态计算机指令，非暂态计算机指令在由一个或更多个处理器执行时执行操作，操作包括：接收用户的观察轨迹和用户的用户行为信息；通过机器学习技术处理观察轨迹以生成多个预测轨迹，机器学习技术被训练成建立多个训练观察到的轨迹与训练预测轨迹之间的关系；基于用户行为信息来调整多个预测轨迹以确定操作目标访问控制设备的用户意图；确定目标访问控制设备在多个预测轨迹中的给定预测轨迹的阈值范围内；以及响应于确定目标访问控制设备在多个预测轨迹中的给定预测轨迹的阈值范围内，执行与目标访问控制设备相关联的操作。
[0023]在一些方面，提供了一种非暂态计算机可读介质，其包括用于执行操作的非暂态计算机可读指令，操作包括：接收用户的观察轨迹和用户的用户行为信息；通过机器学习技术处理观察轨迹以生成多个预测轨迹，机器学习技术被训练成建立多个训练观察轨迹与训练预测轨迹之间的关系；基于用户行为信息来调整多个预测轨迹以确定操作目标访问控制设备的用户意图；确定目标访问控制设备在多个预测轨迹中的给定预测轨迹的阈值范围内；以及响应于确定目标访问控制设备在多个预测轨迹中的给定预测轨迹的阈值范围内，执行与目标访问控制设备相关联的操作。
附图说明
[0024]图1是根据一些实施方式的示例访问控制系统的框图。
[0025]图2示出了根据示例性实施方式的基于轨迹预测的示例访问控制系统。
[0026]图3A至图3C是根据一些实施方式的可以部署在图1的访问控制系统内的示例轨迹和意图预测系统的框图。
[0027]图4是根据一些实施方式的可以部署在图1、图2以及图3A至图3C的系统内的示例数据库。
[0028]图5是示出根据示例实施方式的访问控制系统的示例操作的流程图。
[0029]图6是示出示例软件架构的框图，该示例软件架构可以与本文中描述的各种硬件架构结合使用。
[0030]图7是示出根据一些示例实施方式的机器的部件的框图。
具体实施方式
[0031]描述了用于基于轨迹和意图预测的访问控制系统(例如，物理或逻辑访问控制系统)的示例方法和系统。在下面的描述中，出于说明的目的，阐述了许多具体细节以提供对示例实施方式的透彻理解。然而，对于本领域的普通技术人员来说明显的是，可以在没有这些具体细节的情况下实践本专利技术的实施方式。
[0032]在典型的访问控制系统中，用户携带包含一组凭证(例如，授权信息)的物理卡或设备。当本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种方法，包括：由一个或更多个处理器接收用户的观察轨迹和所述用户的用户行为信息；通过机器学习技术处理所述观察轨迹以生成多个预测轨迹，所述机器学习技术被训练成建立多个训练观察轨迹与训练预测轨迹之间的关系；基于所述用户行为信息来调整所述多个预测轨迹以确定操作目标访问控制设备的用户意图；确定所述目标访问控制设备在所述多个预测轨迹中的给定预测轨迹的阈值范围内；以及响应于确定所述目标访问控制设备在所述多个预测轨迹中的给定预测轨迹的阈值范围内，执行与所述目标访问控制设备相关联的操作。2.根据权利要求1所述的方法，其中，所述目标访问控制设备包括与门相关联的锁，并且其中，执行所述操作包括解锁所述门。3.根据权利要求2所述的方法，还包括：在用户的移动设备与所述目标访问控制设备之间建立无线通信链路；通过所述无线通信链路交换授权信息；以及在基于所述授权信息确定所述用户被授权访问所述目标访问控制设备之后执行所述操作。4.根据权利要求3所述的方法，还包括：在执行所述操作之前，基于所述授权信息确定所述用户被授权访问所述目标访问控制设备；以及在确定所述用户被授权之后延迟执行所述操作，直到所述目标访问控制设备被确定成在所述多个预测轨迹中的给定预测轨迹的阈值范围内。5.根据权利要求3至4中任一项所述的方法，还包括：在执行所述操作之前，基于所述授权信息确定所述用户被授权访问所述目标访问控制设备；以及在确定所述用户被授权之后，响应于确定所述目标访问控制设备在所述多个预测轨迹中的给定预测轨迹的阈值范围之外，阻止执行所述操作。6.根据权利要求1至5中任一项所述的方法，其中，所述机器学习技术包括条件变分自动编码器。7.根据权利要求6所述的方法，其中，基于所述用户行为信息来调整所述多个预测轨迹包括由所述条件变分自动编码器处理所述观察轨迹和所述用户行为信息以生成所述多个预测轨迹，其中，所述多个预测轨迹中的每个预测轨迹与指示所述用户将沿着对应的预测轨迹行进的可能性的相应概率相关联。8.根据权利要求1至7中任一项所述的方法，其中，所述机器学习技术包括变分自动编码器。9.根据权利要求8所述的方法，其中，基于所述用户行为信息来调整所述多个预测轨迹包括将所述用户行为信息与由所述变分自动编码器输出的所述多个预测轨迹连接，其中，所述多个预测轨迹中的每个预测轨迹与指示所述用户将沿着对应的预测轨迹行进的可能性的相应概率相关联。
10.根据权利要求8至9中任一项所述的方法，还包括利用第二机器学习技术来处理所连接的用户行为信息和所述多个预测轨迹，所述第二机器学习技术被训练成建立多个训练用户行为信息与操作访问控制设备的预测意图之间的关系。11.根据权利要求1至10中任一项所述的方法，还包括对所述用户的观察轨迹进行编码，其中，所述机器学习技术被应用于经编码的所述用户的观察轨迹。12.根据权利要求1至11中任一项所述的方法，还包括：确定接收的用户行为信息是否满足用户行为信息的最小参数。13.根据权利要求12所述的方法，还包括：响应于确定接收的用户行为信息满足所述用户行为信息的最小参数，允许所述目标访问控制设备执行所述操作。14.根据权利要求12至13中任一项所述的方法，还包括：响应于确定接收的用户行为信息未能满足所述用户行为信息的最小参数，阻止所述目标访问控制设备执行所述操作。15.根据权利要求12至14中任一项所述的方法，其中，所述最小参数包括指定类型的用户行为信息的阈值量。16.根据权利要求1至15中任一项所述的方法，还包括通过对特征向量进行编码来生成所述用户行为信息，所述特征向量包括以下中的至少一个：监测所述用户的身体运动；监测所述用户的步幅；识别所述用户操作不同类型的访问控制设备的时间和位置；...

【专利技术属性】
技术研发人员：卡皮尔，
申请(专利权)人：亚萨合莱有限公司，
类型：发明
国别省市：