算法类专利技术方案怎么写才能减少限制

     技术方案概要这篇分享主要涉及权要写法上的问题，不需要深入的技术理解，因此这里就简单说下技术方案的发明点。技术方案主要想提供一种门锁与电子门铃联动的预警方法，从用户身份识别和异常行为识别两个角度综合判断来访者是否异常并进行预警，这也是方案主要的发明点。其中，识别的技术手段为机器学习模型，但非发明点。原始和修改权利要求对比对比看看原始权要和修改后的权要，你发现了哪些问题？

  原始权要1.一种基于门锁和电子门铃联动的预警方法，其特征在于，

  所述方法包括：

 S1：通过预先设置的门锁监控设备采来访者的目标信息，所述目标信息包括用户图像和用户行为信息;

 S2：利用训练好的身份识别模型中的图像识别层对所述用户图像进行处理，得到识别图像，利用训练好的身份识别模型中的身份识别层对所述识别图像进行处理，得到身份识别结果；

 S3：提取所述用户行为信息中的用户行为特征，利用训练好的异常行为模型中的行为判断层对所述用户行为特征进行异常识别，得到异常行为特征，利用训练好的异常行为模型中的异常判断层对所述异常行为特征进行异常动作识别，得到异常动作特征，通过对所述异常动作特征进行特征融合，得到行为识别结果；

 S4：根据所述身份识别结果和所述行为识别结果，分析所述来访者是否存在异常行为，响应于存在异常行为，启动预先设置的电子门铃预警指令，执行预警提示。

   修改后的权要1.一种访问异常预警方法，其特征在于，所述方法包括：基于来访者的用户图像，得到身份识别结果；基于所述来访者的用户行为信息，得到行为识别结果；其中，所述用户图像和所述用户行为信息基于门锁监控设备获取；根据所述身份识别结果和所述行为识别结果，确定所述来访者是否存在异常；响应于所述来访者存在异常，进行预警提示。左右滑动查看问题分析基于技术方案概要我们知道，机器学习模型的应用并非是本方案的发明点。那么在上述独权中，大篇幅描述机器学习模型，并且很细节，这无疑会导致独权的保护范围过窄。

    具体限制体现在：

  （1）模型结构上的限制在步骤S2和S3中，都非常细节的描述了通过机器学习模型的不同层分别依次对数据进行处理，得到处理结果。例如，身份识别模型包括图像识别层和身份识别层。

    在不涉及创造性的情况下，这限制了权1的保护范围，并且如果模型结构有其他可能的变化，就很容易被规避。比如，身份识别模型、或者异常行为模型中再增加一个特征预处理的层等。另外，即使涉及创造性，也不应该一开始就将模型结构的细节放独权中，可以在从权限定，需要时上提即可。

  （2）输入特征的限制在步骤S3中，先“提取所述用户行为信息中的用户行为特征”，再将用户行为特征作为模型的输入。但实际上，在机器学习模型领域，对输入模型的数据进行预处理（如提取特征、去噪、滤波）等都是很常规的操作，因此，不需要在权要特别是独权限定。若提取特征的方法存在改进但非主要发明点，在从权限定即可。修改后的权要基于上述问题做了优化。没有限定模型作为技术手段，也减少了很多不必要的限制特征，质量上有较大幅度提升。

原创 知研团队 免责声明：版权归原创所有仅供学习参考之用，禁止用于商业用途，部分文章推送时未能及时与原作者取得联系，若来源标错误侵犯到您的权益烦请告知我们将立即删除。