机器智能决策的方法
【专利摘要】本发明公开了一种机器智能决策的方法，采用特征项表达的方式将用户意图表示成因素集，根据因素集设计用户手势语义，并进行机器训练，然后把手势保存在手势知识库，以便对机器捕捉的手势进行理解，然后根据因素集与手势集的映射关系，结合用户交互偏好信息分析，判断用户意图并进行决策，相比依靠上下文判断等方法，本方法具有较高的响应速度以及较高的精确度，还解决了机器识别的经典问题?“Midas Touch”难题。
【专利说明】
机器智能决策的方法
技术领域
[0001 ]本发明涉及人机交互领域具体涉及一种机器智能决策的方法。
【背景技术】
[0002]人机交互是一门研究系统与用户之间的交互关系的学问。系统可以是各种各样的机器，也可以是计算机化的系统和软件。人机交互界面通常是指用户可见的部分。用户通过人机交互界面与系统交流，并进行操作。小如收音机的播放按键，大至飞机上的仪表板、或是发电厂的控制室。人机交互界面的设计要包含用户对系统的理解(即心智模型)，那是为了系统的可用性或者用户友好性。作为一个科学学科，人机交互研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统，所述信息可以是例如用户认知与意图等信息。
[0003]用户意图具有主观性，模糊性以及进化性的特点，难以编码与度量，如果用户意图不能被机器所理解，机器就无法做出决策，人机交互就存在障碍。人机交互的障碍主要体现在两个方面，一个是机器界面是否易于用户理解与操作，从一开始的dos界面到现在的窗口界面再到基于计算机视觉的自然界面。由于机器是人类创造出来的，所以这一方面除了学习成本的不同外，不会存在太大难题。困难的是另外一个层面，机器如何理解用户意图。在鼠标和键盘的年代，用户通过非自然操作传达有限的操作意图，人机交互还算顺畅，但随着自然手势界面发展，脑机通讯等技术的发展，用户逐渐通过更加自然更多维度的方式传达意图，迄今为止，这种方式的意图感知效果相当有限，其根本原因在于用户意图的感知无法精确，尤其难以用计算机语言表达。
【发明内容】
[0004]针对现有技术的不足，本发明的目的在于提供一种机器智能决策的方法，以提高机器对用户意图感知和智能决策的精确度。
[0005]为了实现上述目的，本发明采取的技术方案是:
[0006]—种机器智能决策的方法，包括步骤:
[0007]在人机交互系统中，预先确定用户交互对象，并收集该交互对象所有可能的用户认知与用户意图的集合，形成因素集，将因素集中的因素映射成手势，对映射成的各种手势进行手势语义设计及机器训练，形成手势知识库；
[0008]在人机交互环境下探测用户的手势，得到用户手势操作行为流；
[0009]通过探测到的用户手势操作行为流，根据手势与因素的映射关系，识别用户意图并进行机器决策。
[0010]本发明机器智能决策的方法，采用特征项表达的方式将用户交互对象表示成因素集，再将因素集中的因素映射成手势，对各种手势进行训练形成手势知识库，根据手势知识库对计算机捕捉的手势进行理解，然后根据因素集与手势集的映射关系这种系统逻辑判断用户意图，同时结合用户交互偏好信息辅助判断用户意图并进行决策，相比依靠上下文判断等方法，本方法具有较高的响应速度以及较高的精确度，还解决了机器识别的经典问题-uMidas Touch” 难题。
【附图说明】
[0011]图1为本发明机器智能决策的方法的流程示意图；
[0012]图2为本发明机器智能决策的方法的模型示意图。
【具体实施方式】
[0013]下面结合【具体实施方式】对本发明作进一步的说明。
[0014]本发明机器智能决策的方法，如图1所示，包括步骤:
[0015]步骤slOl、在人机交互系统中，确定用户手势的交互对象，例如一台阿迪锅，用户希望通过手势对阿迪锅进行搬运、煮食与清洗等操作，则此时，阿迪锅即为用户手势的交互对象。
[0016]比如说是一个阿迪锅，前期收集关于阿迪锅所有可能的用户认知与用户意图的集合，这个集合定义为因素集，根据认知科学，用户认知与用户行为具有映射关系，将因素集中的因素映射成用户行为，即用户手势操作，根据因素集设定用户手势语义，对手势进行手势训练。
[0017]步骤sl02、采用文本挖掘的方式求解交互对象的因素集。
[0018]继续以阿迪锅为例，所谓文本挖掘即将阿迪锅作为关键词进行检索，获取阿迪锅的各种特征，各种特征的集合形成了因素集，其中的每个因素都代表了某个具体的用户认知与意图。
[0019]步骤sl03、将因素集中的因素映射成手势操作。
[0020]认知科学把人的大脑机制分成认知模型以及行为模型，因素集表达的是人的认知模型，手势操作表达的是人的行为模型，因素与手势是一一映射的关系。
[0021]步骤sl04、对各种手势进行手势语义设计及机器训练，形成手势知识库。
[0022]手势知识库中保存了各种与交互对象有关的手势，可以对每个手势进行ID编号。
[0023]步骤sl05、分析用户交互的偏好信息，如用户场景、手势幅度和手势起止点等作为机器决策的辅助方法。
[0024]相同的手势可能代表了不同的意图，如挥挥手这个手势，可能代表了用户“再见”的意图，也可能代表“不要”的意思，甚至还可以是“上一页”和“下一页”的意思。
[0025]步骤sl06、在人机交互环境下探测用户的手势。
[0026]人机交互中，带有摄像头或其他手势感知设备的机器，识别跟踪用户手势。
[0027]步骤sl07、将探测到的手势与手势知识库中的手势对比，理解用户手势。
[0028]由探测到的手势可知对应的因素，从而理解用户认知与意图。计算机探测到的手势，有些手势是有意义的，有些则是没有意义的，将探测到的手势与手势知识库中的手势进行比较，理解用户的手势，感知用户意图。
[0029]步骤sl08、根据因素集与手势集的映射关系这种系统逻辑，同时结合用户交互偏好信息辅助判断用户意图并进行决策，这是机器决策的主要逻辑
[0030]当捕捉的手势与手势逻辑相吻合时，则认定用户当前想执行的是与该条逻辑对应的任务，即用户意图是执行该任务。根据所确定的用户意图并响应命令，完成用户手势的反馈操作。
[0031]举个简单的例子，当用户手势向右一滑动时，这个手势的意义是“下一页”，但是手势回来的时候，我们往往是一个自然的手势收回，但是收回动作有可能会触发“上一页”的命令，这个时候就需要用户交互偏好信息的辅助判断，在此辅助判断下，用户意图的误判得以降低。
[0032]上述方法在模糊数学理论的基础上提出一种模糊集表达来描述隐藏的用户意图。首先，用户意图特征项表示，把对用户意图的求解转换成对求解代表该用户意图的特征项集合，也叫因素集合，用户意图这个复杂对象称之为论域。其次，通过数据挖掘技术寻找因素集并处理，求解得到的每个因素都代表了某个具体的用户认知与意图，然后根据因素集设计相对应的手势语义，并以ID编号的方式保存在手势知识库里。
[0033]作为一个优选的实施例，对于探测到的同一个手势，当所确定的用户意图有两个及两个以上时，基于用户交互偏好信息，对用户意图进行最终确定。这是由于不同的使用场景下，同样的手势可能意味着不同的用户意图，比如挥手有可能是“再见”的意思，也可能是“否定”的意思，另外，手势幅度的大小，手势的起始点和终止点等都有可能引起歧义，引入使用场景等用户交互偏好信息有利于更精确的识别与决策。偏好信息决策是手势逻辑设计的一个重要补充。
[0034]另外，还可以采用机器学习的方式提高用户手势捕捉精确度。
[0035]图2所示为本发明所采用的基于特征项表示的用户意图的“探测-理解-决策-输出”模型。
[0036]^“用户意图—因素集”-用户意图加勺模糊集表达…二^^^…’如丨’通过数据挖掘技术求解Ui。
[0037]2) “因素集—逻辑设计—手势知识库”:对每一个U1进行系统逻辑设计，提取基本单元即手势，对其进行训练，形成手势知识库。
[0038]3)“用户意图—偏好信息—多准则矩阵”:用户意图的表示是非逻辑化的，用户对于某一个对象的意图有可能是以功能的方式存在，也有可能是一个操作行为流，或者是一个使用场景等。主观性和模糊性都非常明显，通过偏好分析能够解决有歧义的决策。
[0039]4) “手势探测—理解”:手势知识库帮助理解用户手势。
[0040]5) “理解—决策”:由系统的逻辑设计以及偏好分析共同决定。
[0041]6)其中，第4点体现了用户的行为模型，第2点体现了用户的认知模型，它们的一一映射关系决定了手势的理解和决策具有非常高的准确性。而偏好分析，让这个决策模型具有更大的容错率。
[0042]除了用户意图，上述模型还能够用于其它复杂对象。所述复杂对象譬如在军事场合:当检测到地方出动轰炸机，歼击机，这些武器时，一般是用来摧毁什么目标的，达到什么目的的，这些是可以通过武器的特点以及平时的行为进行训练的，而逻辑设计，一般对于某种武器需要用对应克制的武器迎敌，这种是逻辑设计的。但是，具体在不同的战场，不同的天气可能会有影响，所以需要进行偏好分析。当然，上述模型还可以用于商业以及其他的复杂系统，在此不一一例举。
[0043]上列详细说明是针对本发明可行实施例的具体说明，该实施例并非用以限制本发明的专利范围，凡未脱离本发明所为的等效实施或变更，均应包含于本案的专利范围中。
【主权项】
1.一种机器智能决策的方法，其特征在于，包括步骤: 在人机交互系统中，预先确定用户交互对象，并收集该交互对象所有可能的用户认知与用户意图的集合，形成因素集，将因素集中的因素映射成手势，对映射成的各种手势进行手势语义设计及机器训练，形成手势知识库； 在人机交互环境下探测用户的手势，得到用户手势操作行为流； 通过探测到的用户手势操作行为流，根据手势与因素的映射关系，识别用户意图并进行机器决策。2.根据权利要求1所述的机器智能决策的方法，其特征在于， 对于探测到的同一个手势，当所确定的用户意图有两个或两个以上时，采用基于偏好信息分析的多属性矩阵协助判断最终的用户意图。3.根据权利要求2所述的机器智能决策的方法，其特征在于， 所述基于偏好信息分析的多属性矩阵中的维度包括使用场景、手势幅度和手势起止点。4.根据权利要求3所述的机器智能决策的方法，其特征在于， 以因素与手势的映射关系作为判断用户意图的主要依据，以偏好信息分析作为决策的辅助方法。5.根据权利要求1或2或3所述的机器智能决策的方法，其特征在于， 采用机器学习的方式对手势进行训练。
【文档编号】G06F3/01GK105892661SQ201610200880
【公开日】2016年8月24日
【申请日】2016年3月31日
【发明人】杨贤, 何汉武, 吴悦明, 陈和恩, 梁剑斌
【申请人】广东工业大学