数据筛选装置及数据筛选方法与流程

1.本发明是关于一种数据筛选装置以及数据筛选方法。更具体而言，本发明是关于一种通过六自由度虚拟空间中的轨迹筛选数据的数据筛选装置以及数据筛选方法。


背景技术：

2.为了建立适合的轨迹识别模型，使其有能力识别目标轨迹与标准轨迹是否相似，通常需要收集大量的轨迹数据来进行机器学习。然而，由于收集到的原始轨迹数据可能涵盖多种不同的轨迹类型，且不见得全都有益于目前所要建立的轨迹识别模型，而这些情况都可能导致在该机器学习的过程中参考了过多错误或不适合的轨迹数据，进而降低轨迹识别模型的效率与性能。有鉴于此，如何有效地针对收集到的原始轨迹数据进行筛选，正是本发明所属技术领域中亟需解决的问题。


技术实现要素：

3.为了至少解决上述问题，本发明提供一种数据筛选装置。该数据筛选装置可包含一存储器以及与该存储器电性连接的一处理器。该存储器可存储一标准轨迹数据以及一目标轨迹数据。该标准轨迹数据可对应到由多个虚拟空间单元所组成的一六自由度虚拟空间中的一标准轨迹。该目标轨迹数据可对应到该六自由度虚拟空间中的一目标轨迹。该处理器可判断该标准轨迹与该目标轨迹的一相似度是否低于一相似度临界值。当判断该相似度低于该相似度临界值，该处理器还可将该目标轨迹数据归类为一无效数据。
4.为了至少解决上述问题，本发明还提供一种数据筛选方法。该数据筛选方法可用于一计算装置。该计算装置可存储一标准轨迹数据以及一目标轨迹数据。该标准轨迹数据可对应到由多个虚拟空间单元所组成的一六自由度虚拟空间中的一标准轨迹。该目标轨迹数据可对应到该六自由度虚拟空间中的一目标轨迹。该数据筛选方法可包含：
5.由该计算装置判断该标准轨迹与该目标轨迹的一相似度是否低于一相似度临界值；以及
6.当判断该相似度低于该相似度临界值，由该计算装置将该目标轨迹数据归类为一无效数据。
7.综上所述，本发明提供的数据筛选装置以及数据筛选方法通过比对每一笔目标轨迹数据于一六自由度虚拟空间中所呈现的目标轨迹以及另一标准轨迹之间的相似度，来判断目标轨迹数据是否为一无效数据，藉以筛除掉相似度低于一相似度临界值的目标轨迹数据。通过这样的数据筛选，能够有效地避免在机器学习的过程中参考到过多错误或不适合的轨迹数据，进而提升轨迹识别模型的效率与性能。
8.发明内容整体地叙述了本发明的核心概念，并涵盖了本发明可解决的问题、可采用的手段以及可达到的功效，以提供本发明所属技术领域中的技术人员对本发明的基本理解。然而，应理解，发明内容并非有意概括本发明的所有实施例，而仅是以一简单形式来呈现本发明的核心概念，以作为随后详细描述的一个引言。
附图说明
9.图1例示了根据本发明的一或多个实施例的数据筛选装置。
10.图2a例示了根据本发明的一或多个实施例的六自由度虚拟空间。
11.图2b例示了根据本发明的一或多个实施例的标准轨迹。
12.图2c-图2e例示了根据本发明的一或多个实施例的目标轨迹。
13.图3例示了根据本发明的一或多个实施例的数据筛选方法。
14.附图标记说明
15.1：数据筛选装置
16.11：存储器
17.111：标准轨迹数据
18.112：目标轨迹数据
19.12：处理器
20.2：六自由度虚拟空间
21.21：虚拟空间单元
22.22：标准轨迹
23.231、232、233：目标轨迹
24.234：局部轨迹
25.3：数据筛选方法
26.301、302：步骤
27.x、y、z：坐标轴
具体实施方式
28.以下所述各种实施例并非用以限制本发明只能在所述的环境、应用、结构、流程或步骤方能实施。于附图中，与本发明非直接相关的元件皆已省略。于附图中，各元件的尺寸以及各元件之间的比例仅是范例，而非用以限制本发明。除了特别说明之外，在以下内容中，相同(或相近)的元件符号可对应至相同(或相近)的元件。
29.图1例示了根据本发明的一或多个实施例的数据筛选装置。图1所示内容仅是为了说明本发明的实施例，而非为了限制本发明。
30.参照图1，一数据筛选装置1基本上可包含一存储器11以及一处理器12，且存储器11可与处理器12电性连接。存储器11与处理器12之间的电性连接可以是直接的(即没有通过其他元件而彼此连接)或是间接的(即通过其他元件而彼此连接)。数据筛选装置1可以是各种计算装置，例如台式电脑、可携式电脑、移动电话、可携式电子配件(例如：眼镜、手表等等)等等。
31.处理器12可以是具备信号处理功能的微处理器(microprocessor)或微控制器(microcontroller)等。微处理器或微控制器是一种可编程的特殊集成电路，其具有运算、存储、输出/输入等能力，且可接受并处理各种编码指令，藉以进行各种逻辑运算与算术运算，并输出相应的运算结果。处理器12可被编程以解释各种指令，以处理数据筛选装置1中的数据并执行各项运算程序。
32.存储器11可用以存储数据筛选装置1所产生的数据、外部装置传入的数据、或使用
者自行输入的数据。存储器11可包含第一级存储器(又称主存储器或内部存储器)，且处理器12可直接读取存储在第一级存储器内的指令集，并在需要时执行这些指令集。存储器11可选择性地包含第二级存储器(又称外部存储器或辅助存储器)，且此存储器可通过数据缓冲器将存储的数据传送至第一级存储器。举例而言，第二级存储器可以是但不限于：硬盘、光盘等。存储器11可选择性地包含第三级存储器，亦即，可直接插入或自电脑拔除的存储装置，例如随身硬盘。存储器11可用以存储一笔标准轨迹数据111以及一笔或多笔不同的目标轨迹数据112。
33.标准轨迹数据111与目标轨迹数据112可以是一目标物在一虚拟空间进行平移及/或旋转所产生的信息(也就是，「六自由度数据」)。举例而言，标准轨迹数据111可包含在一六自由度(six degrees-of-freedom，6dof)的虚拟空间中表示一标准轨迹的六自由度数据，而目标轨迹数据112可包含在该六自由度的虚拟空间中表示一目标轨迹的六自由度数据。六自由度是指该目标物可以在该六自由度的虚拟空间内的前后、上下、左右三个互相垂直的坐标轴上平移，也可以在这三个垂直轴上旋转其方向，这三种旋转方向称为俯仰(pitch)、偏摆(yaw)及翻滚(roll)。
34.每一笔六自由度数据可区分为三自由度平移数据与三自由度旋转数据。在某些实施例中，标准轨迹数据111与目标轨迹数据112各自可以是直接通过某种六自由度空间感测装置感测一目标物的平移与旋转来产生。在某些其他实施例中，标准轨迹数据111与目标轨迹数据112各自也可以是通过某种三自由度空间感测装置感测一目标物的平移所产生的三自由度平移数据以及通过别种三自由度空间感测装置感测该目标物的旋转所产生的三自由度旋转数据二者的组合而产生。又在某些其他实施例中，标准轨迹数据111与目标轨迹数据112各自也可以是通过某种三自由度空间感测装置感测一目标物的平移所产生的三自由度平移数据，然后对该三自由度平移数据进行各种已知用于三自由度至六自由度转换(three dof to six dof transformation)的算法或数学趋近式而产生。
35.在某些实施例中，一目标物的三自由度平移数据可以通过一惯性测量单元(inertial measurement unit，imu)来产生。举例而言，在一使用者移动装设有该惯性测量单元的一目标物后，设置在该惯性测量单元内的三轴的陀螺仪和三个方向的加速度计将测出该目标物在三维空间中的角速度和加速度，并以此解算出该目标物的姿态，进而产生该目标物的三自由度平移信息。在某些实施例中，可将该惯性测量单元设置在数据筛选装置1上，以使数据筛选装置1能够自行产生自身的三自由度平移数据，此时数据筛选装置1就是该目标物。
36.图2a例示了根据本发明的一或多个实施例的六自由度虚拟空间。图2a所示内容仅是为了说明本发明的实施例，而非为了限制本发明。
37.同时参照图1与图2a，于一六自由度虚拟空间2中的轨迹皆可对应至一六自由度数据(即，包含上下、左右、前后三种方向的移动以及旋转)。标准轨迹数据111与目标轨迹数据112分别对应到六自由度虚拟空间2当中的一标准轨迹与一目标轨迹。该标准轨迹可作为一轨迹标准，并通过比较该标准轨迹与该目标轨迹的相似性，来判断该目标轨迹是否满足该轨迹标准。举例而言，可由一专家产生一标准轨迹(对应到标准轨迹数据111)，且由一普通人产生的一目标轨迹(对应到目标轨迹数据112)，然后判断该目标轨迹与该标准轨迹之间的相似性，并根据判断结果决定是否筛除目标轨迹数据112。
38.六自由度虚拟空间2基本上可为通过虚拟现实技术所建构的一虚拟空间。六自由度虚拟空间2可由多个虚拟空间单元21所组成，亦即，可将虚拟空间单元21的体积信息(例如：长度、宽度、高度等等)做为六自由度虚拟空间2中的坐标轴x、坐标轴y及/或坐标轴z的单位长度(例如：各为一公尺)。须说明的是，尽管虚拟空间单元21于本案附图中被绘示为立方体的形式，然而此态样并非限制。亦即，在某些实施例中，虚拟空间单元21可以是如球体、柱体、多方体或其他类型的立体虚拟空间单元。另外，虚拟空间单元21于本案附图中的尺寸只是举例，且虚拟空间单元21于图2a中的数量亦只是举例，虚拟空间单元21的大小及数量可依据使用者的需求而有不同的配置。举例而言，倘若使用者对于数据筛选的精准度有较高的要求，虚拟空间单元21的大小可被相应地缩小(例如，小于一立方公尺)，此时六自由度虚拟空间2当中虚拟空间单元21的密度将相应地提高。另一方面，倘若使用者对于数据筛选精准度的要求较低，虚拟空间单元21的大小可被相应地放大(例如：大于一立方公尺)，此时六自由度虚拟空间2当中虚拟空间单元21的密度将相应地降低。
39.在一目标物包含一惯性量测单元的情况下，六自由度虚拟空间2的原点可以设置为该惯性量测单元被启动时的位置。当不同使用者移动该目标物时，该惯性量测单元将会产生相应的三自由度平移数据。接着，处理器12可对该三自由度平移数据进行上述的自由度转换，以产生标准轨迹数据111与目标轨迹数据112。在某些实施例中，标准轨迹数据111可以表示为六自由度虚拟空间2中的一条标准轨迹所触及的多个虚拟空间单元21，而目标轨迹数据112可以表示为六自由度虚拟空间2中的一条目标轨迹所触及的虚拟空间单元21。
40.图2b例示了根据本发明的一或多个实施例的标准轨迹。图2c-2e例示了根据本发明的一或多个实施例的目标轨迹。图2b-2e所示内容仅是为了说明本发明的实施例，而非为了限制本发明。
41.同时参照图1与图2a-2e，在某些实施例中，标准轨迹数据111可对应至六自由度虚拟空间2中的标准轨迹22，且标准轨迹22涵盖了在虚拟空间单元21中呈现类圆形的十二个虚拟空间单元21。另外，如图2c-2e所示，目标轨迹数据112所对应的目标轨迹可以分别对应到六自由度虚拟空间2中的不同目标轨迹231、232、233。处理器12可针对标准轨迹22与不同的目标轨迹231、232、233各自进行比较，以判断标准轨迹22与各个目标轨迹231、232、233之间的一相似度是否低于一相似度临界值。在某些实施例中，除了相似度临界值之外，处理器12还同时判断标准轨迹22与各个目标轨迹231、232、233之间的一相异度是否低于一相异度临界值。标准轨迹22与各个目标轨迹231、232、233之间的相似度可以看成是被比较的该二条轨迹对应到相同的虚拟空间单元21(于图2c-2e中是以深灰色绘示)的一数量，而标准轨迹22与各个目标轨迹231、232、233之间的相异度可以看成被比较的该二条轨迹对应到不同的虚拟空间单元21的一数量。须说明，于图2c-2e中，对应至标准轨迹22但未对应至目标轨迹231、232或233的虚拟空间单元21是以虚线的形式绘示。
42.因标准轨迹数据111与目标轨迹数据112可能是在不同的环境空间内所产生，故为了消弥环境空间的差异，于判断标准轨迹22与各个目标轨迹231、232、233之间的相似度及/或相异度之前，处理器12可先计算出标准轨迹22的中心点以及各个目标轨迹231、232、233的中心点，并将该二个中心点于六自由度虚拟空间2中对齐。另外，于判断标准轨迹22与各个目标轨迹231、232、233之间的相似度及/或相异度之前，除了中心点对齐之外，处理器12还可先计算出标准轨迹22的一法向量与各个目标轨迹231、232、233的一法向量，并将该二
个法向量于六自由度虚拟空间2中对齐。在某些实施例中，处理器12于判断该相似度及该相异度时，还可针对标准轨迹22与各个目标轨迹231、232、233进行各种常见的平移、旋转、等比例缩放等处理，以尽可能地找出该二个轨迹之间相似度最高的情形，进而避免误判。在某些实施例中，于前述各种处理中获得该二个轨迹之间的不同程度的相似度时，选择相似度最高的态样作为后续判断无效数据或有效数据的相似度依据。在某些实施例中，当处理器12于针对标准轨迹22与各目标轨迹231、232、233进行旋转时，倘若针对标准轨迹22与各目标轨迹231、232、233所做的旋转的角度间的差异超过一角度差异临界值(例如：正、负45度)而标准轨迹22与各目标轨迹231、232、233之间的相似度却仍未符合要求，则处理器12可相应地汰除该目标轨迹。在某些实施例中，倘若使用者对于数据筛选精准度有较高的要求，则该角度差异临界值可被相应地减少(例如：正、负30度)，表示可容许的旋转角度差异较小。另一方面，倘若使用者对于数据筛选精准度的要求较低，则该角度差异临界值也可被相应地增加(例如：正、负90度)，表示可容许的旋转角度差异较大。
43.为便于叙述，于以下的叙述中，除非另有说明，否则标准轨迹22与各个目标轨迹231、232、233之间的相似度临界值与相异度临界值皆分别被假设为「8」与「4」。惟本发明所属技术领域中的技术人员应可理解，该相似度临界值与该相异度临界值可视使用者对于数据筛选精准度的需求而被变更为其他的数值。举例而言，倘若使用者对于数据筛选精准度的要求较高，则该相似度临界值可被相应地增加(例如：增加为「12」)，且/或该相异度临界值也可被相应地减少(例如：减少为「2」)，以更严谨地筛选轨迹数据。另一方面，倘若使用者对于数据筛选精准度的要求较低，则该相似度临界值可被相应地减少(例如：减少为「6」)，且/或该相异度临界值也可被相应地增加(例如：增加为「6」)，以更宽松地筛选轨迹数据。
44.在某些实施例中，如图2c所示，目标轨迹数据112可对应到目标轨迹231，且目标轨迹231涵盖了在虚拟空间单元21中呈现反c形状的十三个虚拟空间单元21。通过比对标准轨迹22与目标轨迹231的重叠程度，处理器12可确定标准轨迹22与目标轨迹231的相似度为「11」，其间的相异度则为「2」。
45.接着，处理器12将确定标准轨迹22与目标轨迹231的该相似度不低于(即，高于或等于)该相似度临界值，并据以将目标轨迹231所对应的目标轨迹数据112归类为可用于训练一轨迹辨识模型的一有效数据。换言之，目标轨迹数据112将不会被数据筛选装置1所汰除。在某些实施例中，除了判断该相似度是否不低于该相似度临界值之外，处理器12还可进一步判断该相异度是否低于该相异度临界值，并根据此二个判断结果来决定是否将目标轨迹数据112归类为有效数据。
46.在某些实施例中，如图2d所示，目标轨迹数据112可对应到目标轨迹232，且目标轨迹232涵盖了在虚拟空间单元21中呈现s形状的十九个虚拟空间单元21。通过比对标准轨迹22与目标轨迹232的重叠程度，处理器12可确定标准轨迹22与目标轨迹232的相似度为「6」，其间的相异度则为「16」。
47.接着，处理器12将确定标准轨迹22与目标轨迹232的该相似度低于该相似度临界值，并据以将目标轨迹232所对应的目标轨迹数据112归类为一无效数据。换言之，目标轨迹数据112将被数据筛选装置1所汰除。
48.在某些实施例中，如图2e所示，目标轨迹数据112可对应到目标轨迹233，且目标轨迹232涵盖了在虚拟空间单元21中呈现2形状的二十个虚拟空间单元21。通过比对标准轨迹
22与目标轨迹233的重叠程度，处理器12可确定标准轨迹22与目标轨迹233的相似度为「11」，其间的相异度则为「9」。
49.接着，处理器12将确定标准轨迹22与目标轨迹233的该相似度不低于该相似度临界值。然而，尽管该等轨迹之间的相似度达到该相似度临界值所规范，惟其间的该相异度却亦已超出该相异度临界值所容忍的范围。因此，处理器12可将目标轨迹233中与标准轨迹22相符的一局部轨迹234(即，图2e中的深灰色区块的集合)视为仍可用于训练该轨迹识别模型的有效轨迹，并将局部轨迹234所对应到目标轨迹数据112的部份归类为一有效数据。亦即，目标轨迹数据112的该部份将被数据筛选装置1保留，而剩余的其他部份则将被数据筛选装置1汰除。
50.完成有效数据与无效数据的区分后，目标轨迹数据112中被归类为有效数据的部份可用于训练该轨迹识别模型。具体而言，若目标轨迹数据112的整体被归类为有效数据，则其可用以增强该轨迹识别模型对于轨迹整体的识别能力。若是目标轨迹数据112的一部份被归类为有效数据，则该部份可用以增强该轨迹识别模型针对与该标准轨迹相符的一局部轨迹(例如：上述的局部轨迹234)的识别能力(例如：增加该轨迹识别模型中相关参数的权重)。更进一步而言，该轨迹识别模型可应用于动作识别的技术领域，此时本发明的数据筛选方法则可用以筛选相关的动作数据。
51.图3例示了根据本发明的一或多个实施例的数据筛选方法。图3所示内容仅是为了说明本发明的实施例，而非为了限制本发明。
52.图3呈现了一种数据筛选方法3，数据筛选方法3可用于一计算装置，且该计算装置可存储一标准轨迹数据以及一目标轨迹数据。该标准轨迹数据可对应到由多个虚拟空间单元所组成的一六自由度虚拟空间中的一标准轨迹。该目标轨迹数据可对应到该六自由度虚拟空间中的一目标轨迹。数据筛选方法3可包含以下步骤：
53.由该计算装置判断该标准轨迹与该目标轨迹的相似度是否低于相似度临界值(标示为301)；以及
54.当判断该相似度低于该相似度临界值，由该计算装置将该目标轨迹数据归类为无效数据(标示为302)。
55.在某些实施例中，数据筛选方法3还可包含以下步骤：当判断该相似度不低于该相似度临界值，由该计算装置将该目标轨迹数据归类为一有效数据。
56.在某些实施例中，数据筛选方法3还可包含以下步骤：当判断该相似度不低于该相似度临界值，由该计算装置将该目标轨迹中与该标准轨迹相符的一局部轨迹所对应到该目标轨迹数据的一部份归类为一有效数据。
57.在某些实施例中，数据筛选方法3还可包含以下步骤：
58.由该计算装置判断该标准轨迹与该目标轨迹的一相异度是否低于一相异度临界值；
59.其中，当判断该相似度不低于该相似度临界值且该相异度低于该相异度临界值时，才由该计算装置将该目标轨迹数据归类为一有效数据。
60.在某些实施例中，关于数据筛选方法3，该相似度可以是该标准轨迹与该目标轨迹在该六自由度虚拟空间中对应至相同的虚拟空间单元的一数量。
61.在某些实施例中，关于数据筛选方法3，该六自由度虚拟空间的原点可对应到一惯
性测量单元的一位置。
62.在某些实施例中，数据筛选方法3还可包含以下步骤：由该计算装置分别针对一惯性测量单元所产生的一三自由度数据进行一自由度转换，以产生该标准轨迹数据与该目标轨迹数据。
63.在某些实施例中，数据筛选方法3还可包含以下步骤：在判断该相似度是否低于该相似度临界值之前，由该计算装置针对该目标轨迹与该标准轨迹进行一中心点对齐以及一法向量对齐。
64.数据筛选方法3的每一个实施例基本上都会与数据筛选装置1的某一个实施例相对应。因此，仅根据上文针对数据筛选装置1的说明，本发明所属技术领域中的技术人员即已能充分了解且实现数据筛选方法3的所有相应的实施例，即使上文未针对数据筛选方法3的每一个实施例进行详述。
65.以上所公开的实施例并非为了限制本发明。针对以上所公开的实施例的改变或调整，只要是本发明所属技术领域中的技术人员可容易想到的，也都落于本发明的范围内。本发明的范围以权利要求书所载内容为准。