本發(fā)明涉及計算機領域，特別涉及一種對象之間關系智能認知的方法和設備。

背景技術(shù)：

現(xiàn)有技術(shù)中，機器人的核心軟件技術(shù)在于基于當前計算機技術(shù)的人工智能相關算法，包括基于某一種信息的采集，量化，傳輸，分析，解析和大數(shù)據(jù)處理；而最核心的在于數(shù)據(jù)的智能分析，智能解析和大數(shù)據(jù)挖掘(特征匹配，分類，并行處理等)；

隨著近幾年的深度識別技術(shù)的發(fā)展，行業(yè)把關鍵智能技術(shù)聚焦在各種智能算法(比如，CNN/RNN/GAN)，能很好的解決某一信息領域(圖形識別，語音識別等)的識別率問題，基于手機或者娛樂類機器人設備得到了很好的應用。或者基于某些用戶反饋機制進行一些流程和架構(gòu)說明，基于游戲或者軟件系統(tǒng)有比較多的應用。

對于目前智能算法在一定程度上實現(xiàn)了某一信息或者某一類信息的智能信息處理和反饋，但是都沒有從真正機器自身角度提供一個完善的系統(tǒng)性的智能架構(gòu)，體現(xiàn)在機器人系統(tǒng)對外界世界的系統(tǒng)性認知，以及對自我存在能能力的認知。簡單的說，具有局域性(不能綜合各種信息)，客觀性(不能從智能/機器人本身得出交互反饋)等問題。

技術(shù)實現(xiàn)要素：

針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明提出了一種對象之間關系智能認知的方法，用于克服現(xiàn)有技術(shù)中的缺陷。

具體的，本發(fā)明提出了以下具體的實施例：

本發(fā)明實施例提出了一種對象之間關系智能認知的方法，包括：

通過對象關系提取模型對輸入的信息進行對象識別；其中，所述對象關系提取模型是基于智能深度映射DeepMap架構(gòu)生成的；

提取識別出的對象的屬性；

基于各對象的屬性匹配各對象之間的關系。

在一個具體的實施例中，輸入的信息包括：文本信息、圖像信息、感知信息。

在一個具體的實施例中，所述對象具體為機器對于外界可識別或抽象出的認知單元；所述對象具有可匹配和可劃分的邊界；所述對象可以基于一特征進行分類；

所述對象包括以下一種或多種的任意組合：有邊界的實物設備，設備組件，邏輯對象,聚合對象。

在一個具體的實施例中，所述關系包括以下一種或多種的任意組合：擁有關系，組合關系，間接抽象關系，時間位移關系。

在一個具體的實施例中，該方法還包括：

基于新接收的輸入信息對原有的對象之間的關系進行關系調(diào)整；其中，所述關系調(diào)整包括對原有的關系進行刪除、對原有的關系進行修改、以及增加對象之間新的關系；

該方法還包括：根據(jù)反饋信息對原有的對象之間的關系進行動態(tài)平衡調(diào)整。

本發(fā)明實施例還提出了一種對象之間關系智能認知的設備，包括：

識別模塊，用于通過對象關系提取模型對輸入的信息進行對象識別；其中，所述對象關系提取模型是基于智能深度映射DeepMap架構(gòu)生成的；

提取模塊，用于提取識別出的對象的屬性；

匹配模塊，用于基于各對象的屬性匹配各對象之間的關系。

在一個具體的實施例中，輸入的信息包括：文本信息、圖像信息、感知信息。

在一個具體的實施例中，所述對象具體為機器對于外界可識別或抽象出的認知單元；所述對象具有可匹配和可劃分的邊界；所述對象可以基于一特征進行分類；

所述對象包括以下一種或多種的任意組合：有邊界的實物設備，設備組件，邏輯對象,聚合對象。

在一個具體的實施例中，所述關系包括以下一種或多種的任意組合：擁有關系，組合關系，間接抽象關系，時間位移關系。

在一個具體的實施例中，該設備還包括：調(diào)整模塊和反饋模塊；其中，

所述調(diào)整模塊用于：基于新接收的輸入信息對原有的對象之間的關系進行關系調(diào)整；其中，所述關系調(diào)整包括對原有的關系進行刪除、對原有的關系進行修改、以及增加對象之間新的關系；

所述反饋模塊用于：根據(jù)反饋信息對原有的對象之間的關系進行動態(tài)平衡調(diào)整。

以此，本發(fā)明公開了一種對象之間關系智能認知的方法和設備，其中，該方法包括：通過對象關系提取模型對輸入的信息進行對象識別；其中，所述對象關系提取模型是基于智能深度映射DeepMap架構(gòu)生成的；提取識別出的對象的屬性；基于各對象的屬性匹配各對象之間的關系。以此實現(xiàn)了對象之間關系的智能化認知。

附圖說明

為了更清楚地說明本發(fā)明實施例的技術(shù)方案，下面將對實施例中所需要使用的附圖作簡單地介紹，應當理解，以下附圖僅示出了本發(fā)明的某些實施例，因此不應被看作是對范圍的限定，對于本領域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他相關的附圖。

圖1為本發(fā)明實施例提出的一種對象之間關系智能認知的方法的流程示意圖；

圖2為本發(fā)明實施例提出的一種對象之間關系智能認知的方法中進行對象識別的方法的流程示意圖；

圖3為本發(fā)明實施例提出的一種對象之間關系智能認知的方法中進行關系調(diào)整的方法流程示意圖；

圖4為本發(fā)明實施例提出的一種對象之間關系智能認知的設備的結(jié)構(gòu)示意圖；

圖5為本發(fā)明實施例提出的一種對象之間關系智能認知的設備的結(jié)構(gòu)示意圖；

圖6為本發(fā)明實施例提出的一種對象之間關系智能認知的設備的結(jié)構(gòu)示意圖。

具體實施方式

在下文中，將更全面地描述本公開的各種實施例。本公開可具有各種實施例，并且可在其中做出調(diào)整和改變。然而，應理解：不存在將本公開的各種實施例限于在此公開的特定實施例的意圖，而是應將本公開理解為涵蓋落入本公開的各種實施例的精神和范圍內(nèi)的所有調(diào)整、等同物和/或可選方案。

在下文中，可在本公開的各種實施例中使用的術(shù)語“包括”或“可包括”指示所公開的功能、操作或元件的存在，并且不限制一個或更多個功能、操作或元件的增加。此外，如在本公開的各種實施例中所使用，術(shù)語“包括”、“具有”及其同源詞僅意在表示特定特征、數(shù)字、步驟、操作、元件、組件或前述項的組合，并且不應被理解為首先排除一個或更多個其它特征、數(shù)字、步驟、操作、元件、組件或前述項的組合的存在或增加一個或更多個特征、數(shù)字、步驟、操作、元件、組件或前述項的組合的可能性。

在本公開的各種實施例中，表述“或”或“A或/和B中的至少一個”包括同時列出的文字的任何組合或所有組合。例如，表述“A或B”或“A或/和B中的至少一個”可包括A、可包括B或可包括A和B二者。

在本公開的各種實施例中使用的表述(諸如“第一”、“第二”等)可修飾在各種實施例中的各種組成元件，不過可不限制相應組成元件。例如，以上表述并不限制所述元件的順序和/或重要性。以上表述僅用于將一個元件與其它元件區(qū)別開的目的。例如，第一用戶裝置和第二用戶裝置指示不同用戶裝置，盡管二者都是用戶裝置。例如，在不脫離本公開的各種實施例的范圍的情況下，第一元件可被稱為第二元件，同樣地，第二元件也可被稱為第一元件。

應注意到：如果描述將一個組成元件“連接”到另一組成元件，則可將第一組成元件直接連接到第二組成元件，并且可在第一組成元件和第二組成元件之間“連接”第三組成元件。相反地，當將一個組成元件“直接連接”到另一組成元件時，可理解為在第一組成元件和第二組成元件之間不存在第三組成元件。

在本公開的各種實施例中使用的術(shù)語“用戶”可指示使用電子裝置的人或使用電子裝置的裝置(例如，人工智能電子裝置)。

在本公開的各種實施例中使用的術(shù)語僅用于描述特定實施例的目的并且并非意在限制本公開的各種實施例。如在此所使用，單數(shù)形式意在也包括復數(shù)形式，除非上下文清楚地另有指示。除非另有限定，否則在這里使用的所有術(shù)語(包括技術(shù)術(shù)語和科學術(shù)語)具有與本公開的各種實施例所屬領域普通技術(shù)人員通常理解的含義相同的含義。所述術(shù)語(諸如在一般使用的詞典中限定的術(shù)語)將被解釋為具有與在相關技術(shù)領域中的語境含義相同的含義并且將不被解釋為具有理想化的含義或過于正式的含義，除非在本公開的各種實施例中被清楚地限定。

實施例1

本發(fā)明實施例1公開了一種對象之間關系智能認知的方法，如圖1所示，包括：

步驟101、通過對象關系提取模型對輸入的信息進行對象識別；其中，所述對象關系提取模型是基于智能深度映射DeepMap架構(gòu)生成的；

步驟102、取識別出的對象的屬性；

步驟103、基于各對象的屬性匹配各對象之間的關系。

在一個具體的實施例中，輸入的信息包括：文本信息、圖像信息、感知信息。

具體的，感知信息具體為機器感知得到的信息，例如溫度信息，濕度信息，氣候數(shù)據(jù)，亮度數(shù)據(jù)，灰度數(shù)據(jù)等等各種機器感知可以得到的信息；而文本信息可以有各種格式的文本中的文本信息，例如可以有PDF格式的文本中的文本信息，還可以有TXT格式的文本中的文本信息，還可以為各種電子文檔中的文本信息。

至于圖像信息，也可以是各種格式圖像中的圖像信息，例如為jpg格式的圖像中的圖像信息，還可以為BMP格式的圖像中的圖像信息等等。

具體的，如圖2所示，對象識別以一個具體的例子來進行說明：

例如輸入的信息是語音信息，則基于自然語言理解的算法對輸入的語音信息進行處理，以提取對象以及對象的屬性，例如提取的語音信息中的目標作為對象，或者所涉及到的人，物來作為對象，而目標的屬性，例如體積，重量，范圍等等，則是屬性信息。后續(xù)可以提取對象的信息和匹配；以及關系和場景的匹配。

相應的圖形信息的處理過程，與此類似，在此不再進行贅敘。

在一個具體的實施例中，所述對象具體為機器對于外界可識別或抽象出的認知單元；所述對象具有可匹配和可劃分的邊界；所述對象可以基于一特征進行分類；

所述對象包括以下一種或多種的任意組合：有邊界的實物設備，設備組件，邏輯對象,聚合對象。

在一個具體的實施例中，所述關系包括以下一種或多種的任意組合：擁有關系，組合關系，間接抽象關系，時間位移關系。

具體的，在現(xiàn)實世界，對象和關系是萬物的基本屬性，人機界面主要在于單人對應多個設備(對象)的場景，人與設備或者設備與設備之間的關系眾多但簡單。對象可以包括：有邊界的實物設備，設備組件，邏輯對象(人為定義),聚合對象(人為抽象)，我們可以給不同對象用以不同屬性(也是對象)和關系進行匹配；而關系可以包括：擁有關系，組合關系，間接抽象關系，時間位移關系等，在DeepMap架構(gòu)中，本方案基于DeepMap架構(gòu)為設備或者設備自己動態(tài)的建立和維護對象與關系的自適應系統(tǒng)，從而系統(tǒng)化滿足用戶交付，提供一個簡單明了智能的交互架構(gòu)，也即對象關系提取模型。

具體的，通過對象和關系層次系統(tǒng)的建立，可以定位出設備的對于外界世界和行為的基礎知識，包括嘗試和感覺裂解。

在一個具體的實施例中，還包括：

基于新接收的輸入信息對原有的對象之間的關系進行關系調(diào)整；其中，所述關系調(diào)整包括對原有的關系進行刪除、對原有的關系進行修改、以及增加對象之間新的關系；

還包括：根據(jù)反饋信息對原有的對象之間的關系進行動態(tài)平衡調(diào)整。

具體的，如圖所示，調(diào)整的過程對于對象關系網(wǎng)絡，根據(jù)信息的輸入，動態(tài)進行增加，刪除和調(diào)整；同時針對上層的利益反饋，也可以進行動態(tài)平衡調(diào)整

以此，本發(fā)明公開了一種對象之間關系智能認知的方法和設備，其中，該方法包括：通過對象關系提取模型對輸入的信息進行對象識別；其中，所述對象關系提取模型是基于智能深度映射DeepMap架構(gòu)生成的；提取識別出的對象的屬性；基于各對象的屬性匹配各對象之間的關系。以此實現(xiàn)了對象之間關系的智能化認知。

實施例2

本發(fā)明實施例2還提出了一種對象之間關系智能認知的設備，如圖4所示，包括：

識別模塊201，用于通過對象關系提取模型對輸入的信息進行對象識別；其中，所述對象關系提取模型是基于智能深度映射DeepMap架構(gòu)生成的；

提取模塊202，用于提取識別出的對象的屬性；

匹配模塊203，用于基于各對象的屬性匹配各對象之間的關系。

在一個具體的實施例中，輸入的信息包括：文本信息、圖像信息、感知信息。

在一個具體的實施例中，所述對象具體為機器對于外界可識別或抽象出的認知單元；所述對象具有可匹配和可劃分的邊界；所述對象可以基于一特征進行分類；

所述對象包括以下一種或多種的任意組合：有邊界的實物設備，設備組件，邏輯對象,聚合對象。

在一個具體的實施例中，所述關系包括以下一種或多種的任意組合：擁有關系，組合關系，間接抽象關系，時間位移關系。

在一個具體的實施例中，如圖5以及圖6所示，該設備還包括：調(diào)整模塊204和反饋模塊205；其中，

所述調(diào)整模塊204用于：基于新接收的輸入信息對原有的對象之間的關系進行關系調(diào)整；其中，所述關系調(diào)整包括對原有的關系進行刪除、對原有的關系進行修改、以及增加對象之間新的關系；

所述反饋模塊205用于：根據(jù)反饋信息對原有的對象之間的關系進行動態(tài)平衡調(diào)整。

以此，本發(fā)明公開了一種對象之間關系智能認知的方法和設備，其中，該方法包括：通過對象關系提取模型對輸入的信息進行對象識別；其中，所述對象關系提取模型是基于智能深度映射DeepMap架構(gòu)生成的；提取識別出的對象的屬性；基于各對象的屬性匹配各對象之間的關系。以此實現(xiàn)了對象之間關系的智能化認知。

本領域技術(shù)人員可以理解附圖只是一個優(yōu)選實施場景的示意圖，附圖中的模塊或流程并不一定是實施本發(fā)明所必須的。

本領域技術(shù)人員可以理解實施場景中的裝置中的模塊可以按照實施場景描述進行分布于實施場景的裝置中，也可以進行相應變化位于不同于本實施場景的一個或多個裝置中。上述實施場景的模塊可以合并為一個模塊，也可以進一步拆分成多個子模塊。

上述本發(fā)明序號僅僅為了描述，不代表實施場景的優(yōu)劣。

以上公開的僅為本發(fā)明的幾個具體實施場景，但是，本發(fā)明并非局限于此，任何本領域的技術(shù)人員能思之的變化都應落入本發(fā)明的保護范圍。