способ идентификации объектов

Формула изобретения

1. СПОСОБ ИДЕНТИФИКАЦИИ ОБЪЕКТОВ, включающий в себя предъявление оператору информационного массива для идентификации объектов, выделение оператором признаков идентифицируемых объектов из предъявленного информационного массива и сопоставление оператором выделенных признаков с эталлонными признаками, отличающийся тем, что информационный массив предъявляют в виде заданного числа обучающих выборок и заданного числа проверочных выборок с примерами идентифицируемых объектов одного класса последовательно в порядке возрастания сложности идентифицируемых объектов данного класса, первую обучающую выборку предъявляют с указанием тех признаков идентифицируемых объектов данного класса, которые затем выделяются оператором в качестве эталонных признаков, каждую из остальных обучающих выборок предъявляют в течение времени, минимально необходимого для ее восприятия оператором, после предъявления заданного числа обучающих выборок предъявляют оператору каждую проверочную выборку в течение времени, минимально необходимого для ее восприятия и идентификации оператором, после чего проверяют правильность идентификации путем сравнения ее результата с заранее заданным эталоном.

2. Способ по п.1, отличающийся тем, что после предъявления всех проверочных выборок, относящихся к идентифицируемым объектам одного класса, в том же сеансе идентификации предъявляют оператору информационный массив из заданного числа обучающих выборок и заданного числа проверочных выборок, относящийся к классу идентифицируемых объектов меньшей сложности, чем в предыдущем информационном массиве.

3. Способ по п.1 или 2, отличающийся тем, что число обучающих выборок и число проверочных выборок по заданному классу идентифицируемых объектов в одном сеансе идентификации выбирают в зависимости от сложности этих идентифицируемых объектов.

4. Способ по любому из пп.1 3, отличающийся тем, что число последовательных сеансов идентификации, в которых повторяют предъявление обучающих и проверочных выборок, относящихся к одному и тому же классу идентифицируемых объектов, выбирают в зависимости от сложности этих объектов.

Описание изобретения к патенту

Изобретение относится к области распознавания (идентификации) объектов и может быть использовано при создании распознавающих систем, при моделировании процессов идентификации с использованием современных ЭВМ, при подготовке текстовых редакторов и т.п.

Известны способы опознавания (идентификации) объектов, включающие в себя предъявление оператору информационного массива для идентификации объектов, выделение оператором признаков идентифицируемых объектов из предъявленного массива и сопоставление оператором выделенных признаков с эталонными признаками. Под оператором в данном случае понимается как человек, так и соответствующее устройство идентификации, система искусственного интеллекта и т. п. Указанные выше признаки являются общими для всех известных способов опознавания объектов, а отличия между ними сводятся лишь к использованию различных правил классификации объектов. Так, в основе метрического подхода лежит формирование совокупности эталонов и осуществление дискретизации объектов, причем дискретизация, с одной стороны, не должна приводить к избыточному описанию, а с другой как можно точнее воспроизводить первоначальный образ при сравнении с эталоном. В основе структурного подхода к распознаванию объектов лежит построение некоторого языка, связанного с определенными правилами грамматиками, которые позволяют управлять процессом отыскания локальных свойств объектов, их взаимного расположения и т.д. В качестве элементарных признаков обычно используются такие признаки, как угол, перекрестие и т.п. Иными словами, при использовании структурного подхода каждому классу объектов может быть поставлена в соответствие некоторая порождающая грамматика, т. е. набор правил описания рассматриваемого класса на основе выбранных простейших признаков.

Недостаток этих способов заключается, во-первых, в том, что они имеют ограниченную область применения, т.к. в ряде случаев либо нет готовых правил классификации объектов, либо очень трудно сформулировать эти правила, например, при дифференциальной диагностике заболеваний. Во-вторых, эффективность обработки информации известными способами невысока, т.к. при опознавании каждого объекта необходимо осуществить перебор всех заданных правил и выбрать то, которое соответствует распознаваемому объекту.

В основу изобретения поставлена задача разработать способ идентификации объектов с такой последовательностью обработки информационных массивов, которая обеспечила бы формирование правил классификации объектов непосредственно в процессе этой обработки, что позволило бы повысить эффективность обработки больших информационных массивов с объектами различных классов.

Этот результат достигается благодаря тому, что в способе идентификации объектов, включающем в себя предъявление оператору информационного массива для идентификации объектов, выделение оператором признаков идентифицируемых объектов из предъявленного информационного массива и сопоставление оператором выделенных признаков с эталонными признаками, информационный массив предъявляют в виде заданного числа обучающих выборок и заданного числа проверочных выборок с примерами идентифицируемых объектов одного класса последовательно в порядке возрастания сложности идентифицируемых объектов данного класса, первую обучающую выборку предъявляют с указанием тех признаков идентифицируемых объектов данного класса, которые затем выделяются оператором в качестве эталонных признаков, каждую из остальных обучающих выборок предъявляют в течение времени, минимально необходимого для ее восприятия оператором, после предъявления заданного числа обучающих выборок предъявляют оператору каждую проверочную выборку в течение времени, минимально необходимого для ее восприятия и идентификации оператором, после чего проверяют правильность идентификации путем сравнения ее результата с заранее заданным эталоном.

После предъявления всех проверочных выборок, относящихся к идентифицируемым объектам одного класса, в том же сеансе идентификации возможно предъявление оператору информационного массива из заданного числа обучающих выборок и заданного числа проверочных выборок, относящихся к классу идентифицируемых объектов меньшей сложности, чем в предыдущем информационном массиве.

Число обучающих и число проверочных выборок по заданному классу идентифицируемых объектов в одном сеансе идентификации, а также число последовательных сеансов идентификации, в которых повторяют предъявление обучающих и проверочных выборок, относящихся к одному и тому же классу идентифицируемых объектов, зависят от сложности этих идентифицируемых объектов.

В данном случае сложность объектов может, например, определяться количеством информационных признаков этих объектов, или зашумленностью этих объектов на носителе информации, либо задаваться заранее, исходя из специальных правил.

Преимущество предлагаемого способа идентификации объектов заключается в том, что в результате анализа конечной последовательности обучающих выборок, содержащих в себе примеры объектов, относящихся к одному классу, оператор (или операторы) сам сформирует свой вариант правил идентификации объектов, принадлежащих данному классу. При этом отсутствуют какие-либо ограничения как на число классов, включаемых в последовательность обучающих выборок конечной длины, так и на сами эти классы. Указанное обстоятельство позволяет использовать данный способ для идентификации объектов, признаки которых заранее не определены. С другой стороны, оператор, сформировавший самостоятельно свои варианты правил идентификации объектов, относящихся к различным классам, использует их с большой эффективностью при обработке больших информационных массивов, содержащих объекты, относящиеся к различным классам.

Реализация данного способа может осуществляться по-разному. Общим, однако, является предъявление оператору того или иного носителя с заданным числом обучающих и проверочных выборок с примерами объектов только одного класса, причем сложность этих объектов нарастает с увеличением номера соответствующей выборки. При предъявлении первой обучающей выборки оператору указывают некоторые признаки идентифицируемых объектов, которые и позволяют осуществить идентификацию таких объектов. Затем последующие обучающие выборки предъявляют в темпе их восприятия оператором, после чего в том же темпе предъявляют по одной проверочной выборке с проверкой правильности результата идентификации.

На чертеже приведена блок-схема системы идентификации, реализующей рассматриваемый способ. В этой системе на вход блока 1 считывания подают носитель информации. Выход блока 1 считывания подключен ко входу 2 анализатора 3, выход которого соединен с блоком 4 регистрации и логическим блоком 6, выход которого через программный блок 7 подключен ко входу 5 анализатора 3. Логический блок 6 шиной обмена связан с блоком 8 памяти.

Блок 1 может быть считывателем текстовой информации при предъявлении носителя с текстовыми выборками, либо устройством для считывания изображения типа телевизионной или видеокамеры в случае предъявления многоцветной графической информации (карт, фотографий и т.п.); в случае предъявления звуковой информации блок 1 может быть акустическим датчиком и т.д.

Остальные блоки системы могут быть реализованы с помощью соответственно запрограммированного компьютера.

В этом случае предварительно формируют несколько обучающих выборок, каждая из которых содержит примеры идентифицируемого объекта (объектов одного класса). В каждом примере, включенном в обучающие выборки, распознаваемый объект должен быть каким-либо образом выделен. Метод выделения идентифицируемого объекта зависит от конструктивных особенностей блока 1 считывания и, в принципе, может быть использован любой из числа известных методов выделения требуемого объема информации. Кроме того, формируют несколько проверочных выборок, каждая из которых содержит примеры того же идентифицируемого объекта, однако в этих примерах относящаяся к идентифицируемому объекту информация специально никак не выделяется. Относящаяся к каждой выборке информация заносится на соответствующий носитель. Затем носители обучающих выборок и отдельно носители проверочных выборок располагают в порядке возрастания сложности записанной на них информации. На этом подготовительный этап для осуществления данного способа заканчивается.

Затем на вход блока 1 считывания подают носитель, на котором записана первая обучающая выборка. В процессе ее считывания блоком 1 специально выделяются те признаки идентифицируемого объекта, которые ассоциируются с его эталонными признаками. Это может осуществляться как с помощью дополнительного выделения указанных признаков на самом носителе, так и с помощью указаний извне, вводимых в блок 1.

С выхода блока 1 считывания информация первой обучающей выборки подается на вход 2 анализатора 3, например, в виде последовательности электрических сигналов. Анализатор обрабатывает эту информацию, причем обработка в анализаторе 3 в зависимости от его технических возможностей осуществляется либо в последовательном, либо в параллельном виде. В каждом примере идентифицируемого объекта, содержащемся в обучающей выборке, анализатор 3 выделяет характерные признаки, их взаимное расположение, а также расположение идентифицируемого объекта относительно других объектов, включенных в пример. С помощью логического блока 6 выделенные признаки сравниваются между собой и разделяются на группы похожих или одинаковых. Такое выделение, сравнение и формирование групп признаков осуществляется и при считывании блоком 1 следующих обучающих выборок, в которых характерные признаки этих объектов дополнительно (как в первой обучающей выборке) не выделяются.

Таким образом, анализатор 3 с помощью логического блока 6 выделяет подмножество признаков идентифицируемых объектов одного класса, которое в первом приближении соответствует идентифицируемому объекту. Программный блок 7 настраивает анализатор 3 на классификацию объектов в соответствии с этой системой признаков, которая одновременно вводится в блок 8 памяти в качестве эталонных признаков.

Проверочные выборки, как следует из их названия, подают на блок 1 для проверки правильности идентификации объектов данного класса рассматриваемой системой. После считывания каждой проверочной выборки, признаки объектов в которой никак не выделены, анализатор 3 выделяет некоторые признаки объектов на основании своей настройки, после чего эти выделенные признаки сравниваются с теми признаками, которые были запомнены в блоке 8 памяти. На основании сопоставления признаков выделяют тот объект, который обладает сформированной системой признаков, и регистрируют результат идентификации в блоке 4. Если полученный при обработке каждой проверочной выборки показатель правильности идентифицируемого объекта будет не ниже наперед заданной величины, то формирование системы признаков для объектов этого класса считается завершенным, и на вход блока 1 считывания можно подавать носитель с обучающими выборками, относящимися к объектам другого класса. При этом выходы логического блока 6, соединенные с программным блоком 7, обнуляются и анализатор переводится в режим обработки первой обучающей выборки.

Если же при обработке очередной проверочной выборки будет получен показатель правильности идентифицируемого объекта ниже, чем наперед заданная величина, то на вход блока 1 вновь подают носитель с обучающими выборками, содержащими примеры объектов того же класса, после чего снова подают носитель с проверочными выборками. В результате такой обработки получают уточненное подмножество признаков, соответствующих идентифицируемому объекту, настраивают по нему анализатор 3 с помощью программного блока 7 и записывают его в блок 8 памяти вместо ранее записанного подмножества. Такая обработка повторяется до тех пор, пока показатель правильности не превысит заранее заданный порог.

При идентификации сложных объектов каждая обучающая выборка может содержать лишь часть признаков таких объектов. В этом случае после выделения подмножества признаков с помощью первой совокупности обучающих и соответствующих проверочных выборок на вход блока 1 считывания подают носитель с обучающими (а затем и с проверочными) выборками другой их совокупности с примерами других признаков объектов того же класса, что и в первой совокупности. В результате выделения другого подмножества признаков для идентифицируемых объектов этого класса формируется общая их совокупность, которая может быть проверена точно так же с помощью проверочных выборок, содержащих примеры объектов этого класса с признаками из обоих подмножеств.

Неочевидным преимуществом данного способа является возможность его использования также и при подготовке операторов, например, текстовых редакторов, а кроме того, при обучении языкам. В частности, при подготовке текстовых редакторов данный способ реализован следующим образом.

Сначала сформировали группу из 7-10 операторов, обладающих примерно одинаковыми способностями. Такая группа может формироваться, например, по возрастному принципу. Следует, однако, отметить, что данный способ пригоден и для индивидуальной подготовки операторов. После формирования группы операторы приступают к выделению систем признаков, соответствующих объектам первого класса, которые являются самыми сложными в данном сеансе идентификации. Для этого операторам группы предъявляют первую обучающую выборку в зpительной форме, специально обращая их внимание на признаки идентифицируемых объектов данного класса. Это может быть сделано в речевой форме и/или с помощью выделения этих признаков на самом носителе (цветом, подчеркиванием и т. п. ), причем указанное дополнительное выделение признаков на носителе может осуществляться и самими операторами группы по словесному указанию арбитра. Затем операторам предъявляют уже только в зрительной форме следующие обучающие выборки, причем каждую обучающую выборку предъявляют в течение времени, минимально необходимого для ее считывания всеми операторами (не задумываясь). Объем обучающих выборок при этом выбирается так, чтобы это время не превышало, например, трех минут. После считывания операторами всей первой серии обучающих выборок (заданного числа обучающих выборок), относящихся к объектам одного класса, им последовательно предъявляют проверочные выборки в порядке возрастания их сложности, причем время предъявления каждой проверочной выборки минимально необходимо для считывания этой выборки и идентификации представленных в ней объектов. Обычно это время примерно в 1,5-3 раза больше, чем время просто считывания такой выборки всеми операторами группы, а объем проверочной выборки таков, чтобы указанное время ее обработки операторами не превышало, например, четырех минут. После обработки каждой проверочной выборки производится проверка правильности идентификации путем опроса всех операторов.

После обработки операторами группы всех обучающих и проверочных выборок, содержащих примеры идентифицируемых объектов одного класса, им предъявляют обучающие и проверочные выборки с примерами идентифицируемых объектов другого класса, сложность которого меньше, чем у предыдущего класса, но выше, чем у следующих за ним. В одном сеансе идентификации операторам могут быть предъявлены выборки с примерами объектов нескольких классов. С другой стороны, выборки с примерами объектов, относящихся к сложным классам, могут предъявляться операторам в нескольких последовательных сеансах идентификации. Число таких сеансов, а также число выборок в каждой серии зависит от сложности идентифицируемых объектов.

Примерами обучающих (А) и проверочных (Б) выборок для вышерассмотренного случая подготовки текстовых редакторов служат нижеследующие наборы предложений русского языка с примерами причастных оборотов в качестве идентифицируемых объектов.

А-1. 1. Ваза, стоящая на столе, была полна роз.

2. Стоящая на столе ваза была полна роз.

3. Стоящая на столе, она была полна роз.

А-2. 1. Солнце, показавшееся из-за туч, ярко осветило лес и поляну. 2. Росшие у ручья незабудки уже зацвели. 3. Почки, появившиеся на деревьях, говорили о наступившей весне. 4. На пристани стояли пассажиры, ожидавшие посадки на катер. 5. Молчаливо стоят одетые листвой березы и клены 6. Широко разливаются реки, наполняемые талой водой. 7. Изумленный, он не сразу нашел подходящий ответ.

Б-1. 1. Освещенный солнцем лес все-таки казался темным. 2. Маша одетая в дешевое ситцевое платье все же казалась самой изящной девушкой. 3. Степь охваченная долгожданной весенней теплотой густо курилась. 4. Кругом расстилаются покрытые снегом поля. 5. Усталая она замолчала. 6. Ребяческий крик повторяемый эхом до ночи гремит по лесам.

Данный способ не ограничивается приведенным примером подготовки текстовых редакторов. Он может использоваться также и для решения задач идентификации, прогнозирования и управления в условиях сложных, плохо формализуемых систем, при наличии плохо определенных зависимостей, малой изученности некоторых закономерностей и т.п.