[发明专利]一种基于人工智能技术的多模婴儿语言生活管理车

权利要求书

1.一种基于人工智能技术的多模婴儿语言生活管理车，包括车体，其特征在于，所述车体包括：

检测装置，包括控制器及与其连接的检测模块，所述检测模块用于采集基础信息，所述基础信息包括婴儿的人体特征信息、车体受到的压力、车体的平衡度及纸尿裤的湿度，所述人体特征信息包括面部表情、哭声和体温；

移动终端，用于接收所述基础信息；

服务器，与所述移动终端建立双向通讯连接；

运算终端，与所述服务器建立双向通讯连接，用于通过所述服务器接收所述移动终端发送的所述基础信息，并用于使用预设的训练模型对转化为适于进行深度学习的格式的基础信息进行运算，并将获得的运算结果通过所述服务器返回至所述移动终端；

其中，所述训练模型包括面部表情训练模型和哭声训练模型，其中，

形成所述面部表情训练模型包括：

采集婴儿不止一个表情状态的视频文件，形成表情视频包；

对所述表情视频包中的视频文件逐帧提取，对婴儿的表情状态进行多步骤处理形成第一数据集，所述多步骤处理包括筛选、像素处理、图片剪裁、灰度转化、重命名及分类打标；

将所述第一数据集发送至所述服务器，通过Tensor flow机器学习框架对所述第一数据集进行训练，获得训练后的第一数据集；

对训练后的第一数据集进行若干次调试、调优，以获得面部表情训练模型；

形成所述哭声训练模型包括：

采集婴儿不止一种状态下的哭声，形成哭声音频包；

对所述哭声音频包中的哭声进行采样，记录各所述哭声的声波和振幅，将所述哭声进行分类形成第二数据集；

将所述第二数据集发送至所述服务器，通过Tensor flow机器学习框架对所述第二数据集进行训练，获得训练后的第二数据集；

对训练后的第二数据集进行若干次调试、调优，以获得哭声训练模型；

所述运算终端还包括：

深度学习数据库：深度学习数据库中包含有P条不同婴儿在不同情况的记录的指标数值化后的值，其中每条记录中的指标都包括在该情况下的婴儿的n1种人体特征信息指标和n2种外界环境指标，共n个指标数值化后的值，形成一个相应的学习矩阵A，同时对于每条记录都在记录的最后标注该记录所对应的婴儿的表现形式，所述表现形式则为该条记录所对应的婴儿的需求，形成表现向量B,所述向量B拥有P个值，每个值都表示为所述记录对应的婴儿的表现形式，则所述值均为一段文字叙述，并不是一个数字；

训练中心：所述训练中心用于对深度学习数据库中的矩阵A进行机器学习，其中机器学习的具体步骤如下101-102所述：

101、将矩阵A中的数据利用公式(1)进行数据的归一化

其中为a_t归一化后的值，a_t表示需要归一化的数据为第t个指标的值，A_t为矩阵A中的第t个指标所有的值组成的集合，e为自然常数，t＝1、2、3……n,将矩阵A中的所有数据都利用公式(1)归一化后，可以得到新矩阵A^*；

102将矩阵A^*带入公式(2)求解出每个指标的权重系数，

|A^*-λE|＝0   (2)

其中E为单位矩阵，所求解出来的λ则为所需的权重系数，且λ为包含有n个值的一个向量集合；

运算中心：利用所述检测装置中的检测模块，采集婴儿所述深度学习数据库中的n个指标的值，并将该所述指标的值数值化，然后利用公式(1)将所述指标的值归一化，形成向量C，将归一化后的向量带入公式(3)，求解出向量C与所述深度学习数据库中的每条记录的匹配度

其中，ρ_t为向量C与深度学习数据库中第t条记录之间的匹配度，C_i为向量C中的第i个值，λ_i利用公式(2)计算所得的权重系数中的第i个值，为矩阵A^*第t行第i列的值，i＝1、2、3……n,t＝1、2、3……p,计算出所有的ρ_t，寻找ρ_t中的最大值ρ_j，j小于等于P，则所述最大值所对应的B_j则为所述检测模块所采集的基础信息所获得的运算结果，其中B_j为深度学习数据库中所述标注该记录形成的向量B的第j个值。