[发明专利]一种软件设计宠物行为语言的人工智能翻译系统在审

专利信息
申请号: 202010190580.0 申请日: 2020-03-18
公开(公告)号: CN111428769A 公开(公告)日: 2020-07-17
发明(设计)人: 周升志;邓海英;邓海琳;黄解珠;段凯文;廖健慧;江振东 申请(专利权)人: 周升志
主分类号: G06K9/62 分类号: G06K9/62;G06N3/04;G06N3/08;G10L17/26;G10L25/30;G10L25/63
代理公司: 南昌大牛知识产权代理事务所(普通合伙) 36135 代理人: 喻莎
地址: 330200 江西*** 国省代码: 江西;36
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 软件设计 宠物 行为 语言 人工智能 翻译 系统
【权利要求书】:

1.一种软件设计宠物行为语言的人工智能翻译系统,其特征在于,由以下部分组成:用户端、数据处理端、分类处理端、信息汇总端和结果表达端。

2.根据权利要求1所述的用户端,其特征在于:以手机APP、微信公众号、电脑软件形式设置在手机、平板电脑、电脑等智能终端,使用者根据软件注册操作提示,相应提供宠物的种类、年龄、性别生活环境和生活习惯相关信息;用户根据软件操作提示,用手机等智能终端对犬、猫的动作行为拍一段限定时间的视频或从相册选择已拍好的犬、猫行为视频,提交上传作为提供视频信息。

3.根据权利要求1所述的数据处理端,其特征在于:通过卷积神经网络的人工智能技术、主成成分分析法、深度信念神经网络和SoftMax函数进行分类处理,提取器官、声音和行为的变化表征,建立生成分析对象,具体体现在:对上传视频首先按已设定的各个器官特异点,提取头部、眼睛、鼻子、耳朵、舌头、牙齿、嘴唇和尾巴的器官变化表征;对上传视频按已设定的运动特异点,提取坐、站立、卧倒、匍匐和跳跃变化的表征;对上传视频按已设定的声音特异点,提取音高、音调、时间长短和时间频率变化的表征。

4.根据权利要求1所述的分类处理端,其特征在于:分类处理端为固化模型数据库,包含器官固化模型数据库、运动模型数据库和声音模型数据库三个数据库,由数据处理端采集的器官、行为和声音表征作为处理对象,按已设定的特异点分析方法,匹配分类处理端的固化模型数据库,得到固化模型数据库运算结果。

5.根据权利要求1所述的信息汇总端,其特征在于:信息汇总端是语言处理模块,对分类处理端的固化模型数据库运算结果进行再处理,建立逻辑关系通过造句表达,固化模型数据库运算的结果为片段式信息,信息汇总端对上述大量的片段式信息做信息汇总,删除突兀、矛盾的词汇,建立词汇逻辑来造句表达,得到处理结果。

6.根据权利要求1所述的结果表达端,其特征在于:结果表达端是语言匹配模块,根据用户端注册提供的宠物种类、年龄和性别信息,相应匹配男声、女生和童声模式,对信息汇总端的处理结果进行声音表达。

7.根据权利要求4所述器官固化模型数据库、运动模型数据库的建立是通过卷积神经网络的人工智能技术实现;所述声音模型数据库过使用主成成分分析法(PCA)、深度信念神经网络(DBN)和SoftMax函数进行分类处理技术来实现。

8.根据权利要求3或权利要求7所述的卷积神经网络的人工智能技术,其特征在于,具体为以下步骤:

(1)首先,卷积神经网络的卷积层通过选择连续三个帧的图像进行卷积图像识别,保证每一个特征map上都能够与前一帧图像进行相连,来捕捉运动信息;

(2)再将大小为60*40的视频连续帧图像作为输入层元素,同时使用大小为7*7*3的3D卷积和进行卷积操作,其中7*7标识空间维度,7*7*3表示使用三个空间维度的卷积核;

(3)再采用23*2max pooling操作对数据进行降采样;

(4)最后,再通过7*6*3的卷积核进行卷积操作,通过卷积操作值已经很小,故采用7*4大小的降采样层对数据进行操作,最终识别出动物的各个已设定的器官行为和动作行为。

9.根据权利要求3或权利要求7所述的主成成分分析法、深度信念神经网络和SoftMax函数其特征在于,具体由以下步骤组成(1)通过短时平均能量算法进行音频识别;

(2)再次,通过主成成分分析法(PCA)对音频数据的冗余噪音,进行进行降维处理;

(3)处理后的音频数据输入到深度信念神经网络(DBN)中进行训练;

(4)最后通过SoftMax函数分类处理技术,对音频数据进行运算,从而完成音频情绪识别。

10.一种如权利要求1所述的软件设计宠物行为语言的人工智能翻译系统的应用,其特征在于:所述可分析的宠物种类包括犬类和猫。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于周升志,未经周升志许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010190580.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top