本案是一件分案申请,母案是申请日为2020年4月24日,申请号为202010333138.9的中国发明专利申请。本发明是有关一种用于触控装置的控制系统及方法,特别是关于一种具有卷积神经网络(convolutional neural network;cnn)的控制系统及方法。
背景技术:
1、在触控装置中,需要有一判断机制来辨识触碰触控装置的对象种类或触控装置的状态。图1至图4显示触控装置对应不同对象或状态而产生的感应图像,该感应图像包括多个感应量对应该触控装置的不同位置。图1显示对象为水滴时的感应图像,图2显示对象为一近距离无线通信(near-field communication;nfc)卡片时的感应图像,图3显示对象为浮接(floating)金属物体时的感应图像,图4显示对象为手指且触控装置处于具有噪声的异常状态时的感应图像。触控装置需要根据所感测到的感应图像来判断触碰触控装置的对象的种类或触控装置的状态,以进行对应的操作,例如判断触控装置上的对象为非操作对象时,忽略该对象的操作,又或者判断触控装置处于异常的状态时,重新执行校正程序。
技术实现思路
1、本发明的目的,在于提出一种用于触控装置且使用卷积神经网络的控制系统及方法。
2、在本发明一实施例中,其公开一种用于触控装置的控制系统包括:一感测电路,用以感测该触控装置的触控传感器以产生多个感应量;一处理器,连接该感测电路,根据该多个感应量产生一感应图像,并对该感应图像进行对象分割处理以决定一子图像;以及一卷积神经网络,用以处理该子图像以产生一特征信息,以及根据该特征信息产生一识别信息;其中该处理器根据该识别信息判断一对象种类。
3、在本发明一实施例中,其公开一种用于触控装置的控制系统包括:一感测电路,用以感测该触控装置的触控传感器以产生多个感应量;一处理器,连接该感测电路,根据该多个感应量产生一感应图像;一卷积神经网络,用以处理一子图像以产生一特征信息,以及根据该特征信息产生一识别信息;以及一主机,连接该处理器并且根据该识别信息判断该对象种类;其中该主机或该处理器对该感应图像进行对象分割处理后产生该子图像。
4、在本发明一实施例中,其公开一种用于触控装置的方法包括下列步骤:获得该触控装置的触控传感器的一感应图像,该感应图像包括多个感应量;对该感应图像进行对象分割处理以决定一子图像;通过一卷积神经网络处理该子图像以产生一特征信息,根据该特征信息产生一识别信息;以及根据该识别信息判断一对象种类。
5、本发明是通过卷积神经网络辨识接触对象的种类,具有效率快速、方便以及正确率高的优点。
1.一种用于触控装置的控制系统,该触控装置包含一触控传感器,其特征在于,该控制系统包括:
2.如权利要求1所述的控制系统,其特征在于,该神经网络包括卷积神经网络。
3.如权利要求2所述的控制系统,其特征在于,该卷积神经网络以该处理器的固件实现。
4.如权利要求2所述的控制系统,其特征在于,该卷积神经网络以硬件电路实现。
5.如权利要求3所述的控制系统,其特征在于,还包括一内存连接该处理器,用以储存该卷积神经网络的运作所需的参数。
6.如权利要求4所述的控制系统,其特征在于,还包括一内存连接该卷积神经网络,用以储存该卷积神经网络的运作所需的参数。
7.如权利要求1所述的控制系统,其特征在于,该处理器进行该对象分割处理之前,先对该感应图像进行预处理,该预处理包括处理噪声或补偿异常数值。
8.一种用于触控装置的控制系统,该触控装置包含一触控传感器,其特征在于,该控制系统包括:
9.如权利要求8所述的控制系统,其特征在于,该神经网络包括卷积神经网络。
10.如权利要求8所述的控制系统,其特征在于,该主机是中央处理器、嵌入式控制器或键盘控制器。
11.如权利要求9所述的控制系统,其特征在于,该卷积神经网络以该主机的固件实现。
12.如权利要求9所述的控制系统,其特征在于,该卷积神经网络以硬件电路实现。
13.如权利要求12所述的控制系统,其特征在于,该卷积神经网络整合在该主机中。
14.如权利要求11所述的控制系统,其特征在于,还包括一内存连接该主机,用以储存该卷积神经网络的运作所需的参数。
15.如权利要求12所述的控制系统,其特征在于,还包括一内存连接该卷积神经网络,用以储存该卷积神经网络的运作所需的参数。
16.如权利要求8所述的控制系统,其特征在于,在该感应图像进行该对象分割处理之前,该处理器先对该感应图像进行预处理,该预处理包括处理噪声或补偿异常数值。
17.一种用于触控装置的方法,其特征在于,包括下列步骤:
18.如权利要求17所述的方法,其特征在于,该神经网络包括卷积神经网络。
19.如权利要求17所述的方法,其特征在于,还包括在该步骤b之前,对该感应图像进行预处理,该预处理包括处理噪声或补偿异常数值。