CN104268601B - 一种获取人体状态的方法及装置 - Google Patents

一种获取人体状态的方法及装置 Download PDF

Info

Publication number
CN104268601B
CN104268601B CN201410534659.5A CN201410534659A CN104268601B CN 104268601 B CN104268601 B CN 104268601B CN 201410534659 A CN201410534659 A CN 201410534659A CN 104268601 B CN104268601 B CN 104268601B
Authority
CN
China
Prior art keywords
human body
data
preset
data analysis
body state
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201410534659.5A
Other languages
English (en)
Other versions
CN104268601A (zh
Inventor
车全宏
仲崇亮
徐勇
林晓清
杨佳燕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Entropy Technology Co Ltd
Original Assignee
SHENZHEN ZHONGKONG BIOMETRICS TECHNOLOGY Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by SHENZHEN ZHONGKONG BIOMETRICS TECHNOLOGY Co Ltd filed Critical SHENZHEN ZHONGKONG BIOMETRICS TECHNOLOGY Co Ltd
Priority to CN201410534659.5A priority Critical patent/CN104268601B/zh
Publication of CN104268601A publication Critical patent/CN104268601A/zh
Application granted granted Critical
Publication of CN104268601B publication Critical patent/CN104268601B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/174—Facial expression recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例公开了一种获取人体状态的方法及装置，包括：数据分析设备利用DDPM和弹性束图匹配算法对获取的人体图像数据进行分析，并将得到的人体特征数据与预设的M近邻样本进行匹配，得到人体状态，然后根据预设的人体状态与终端设备的对应关系，确定人体状态对应的目标终端设备，并将人体状态输出至所述目标终端设备，以使目标终端设备根据人体状态执行与人体状态对应的预设操作，从而解决现有技术中只能将智能人体特征的识别技术应用到特定、单一功能的场景中，并且智能识别模块与智能设备无法分离使用，无法将自身或获取的人体特征数据输出并运用到其他功能的智能设备，使其他功能的智能设备利用该人体特征数据去完成相应的基本功能的问题。

Description

一种获取人体状态的方法及装置
技术领域
本发明涉及生物智能技术领域，尤其涉及一种获取人体状态的方法及装置。
背景技术
随着人们生活水平的提高和网络的普及，智能人体特征的识别应用越来越广泛，商家可以利用智能面部特征分析设备分析各种各样的人们对商品的感兴趣程度，然后根据分析得结果制定相应的商业规划，以获得更高的商业利益，同时，在安防中，将智能人体特征识别装置嵌入到安防产品中，通过对摄像头前面的人体的特征进行识别，从而对摄像头前的人体做出警告或者略过无操作等，另外，将智能人体识别应用到游戏机，通过对当前玩家的人体特征或动作进行识别，并将识别的结果输入到游戏，通过人体非接触式来控制游戏，提高对游戏的体验度，或者运用到广告机中，通过对当前广告受众的人体特征识别，播放与其特征相对应的广告，提高广告播放的效果，最终达到利益最大化。
目前，现有技术中采用的都是将人体特征识别技术直接应用到各种智能设备，例如将智能人体特征的识别技术应用到智能广告机时，智能广告机获取到人体特征后，只能根据获取的人体特征来完成智能广告机的基本功能，如根据不同性别提供不同的广告，但却无法将所获取的人体特征输出并运用到其它功能的智能设备，比如无法将获取的人体特征运用到游戏机，以使游戏机可以直接使用该智能广告机所获取的人体特征来完成游戏机通过识别玩家的特征来控制游戏等功能，相反，游戏机所获取到的玩家的特征也无法输出并运用到智能广告机，而使得智能广告机运用游戏机获取的玩家的特征来完成智能广告机的功能，因此，现有技术中，只能将智能人体特征识别技术应用到特定的、单一的场景中，并且智能识别模块与智能设备无法分离使用，也无法使应用了智能人体特征的识别技术的智能设备同时拥有多种功能。
发明内容
本发明实施例提供了一种获取人体状态的方法及装置，能够解决现有技术中只能将智能人体特征的识别技术应用到特定的、单一功能的场景中，并且智能识别模块与智能设备无法分离使用，无法将自身或获取的人体特征数据输出并运用到其他功能的智能设备，使其他功能的智能设备利用该人体特征数据去完成相应的基本功能的问题。
本发明第一方面提供一种获取人体状态的方法，包括：
数据分析设备获取人体图像数据；
所述数据分析设备根据预设离散方向概率方法DDPM和弹性束图匹配算法对所述人体图像数据进行分析，提取人体特征数据；
所述数据分析设备将所述人体特征数据与预设的M近邻样本进行匹配，得到人体状态；
所述数据分析设备根据预设的人体状态与终端设备的对应关系，确定所述人体状态对应的目标终端设备，并将所述人体状态输出至所述目标终端设备，以使所述目标终端设备根据所述人体状态执行与所述人体状态对应的预设操作。
结合第一方面，本发明实施例中第一方面的第一种实现方式中，所述数据分析设备根据预设离散方向概率方法DDPM和弹性束图匹配算法对所述人体图像数据进行分析，提取人体特征数据具体包括：
所述数据分析设备使用DDPM对所述人体图像数据进行检测，得到所述人体图像数据的landmark坐标值；
所述数据分析设备通过所述DDPM从所述人体图像数据中获取多个特征点；
所述数据分析设备计算所述多个特征点中每个特征点的Gabor小波变换系数，将所述多个特征点中任一特征点作为参考点，设定所述参考点的坐标为得到所述参考点的参考Gabor小波系数；
所述数据分析设备将所述参考Gabor小波系数设为所述人体图像数据中的节点；
所述数据分析设备从所述多个特征点中提取与所述参考点不同频率和不同方向的Cabor小波系数的多个目标点；
所述数据分析设备根据所述参考点和所述目标点得到人脸图；
所述数据分析设备根据所述人脸图和预设人脸束图模型通过预设第一公式计算得到所述人脸图与所述预设人脸束图模型的距离，所述预设第一公式为：
其中，GI表示待测样本的人脸图，B表示人脸束图，N表示人脸束图中人脸样本的个数，λ表示某一节点Jet相似度的权重，Jn表示某一节点处的jet，表示人脸图的边向量，根据预设第二公式计算得到任意两个jet之间的相似度所述预设第二公式为：
其中，aj表示小波系数中复系数的幅值，表示小波系数中复系数的相位，表示J′相对于J的位移，表示滤波器的中心频率；
所述数据分析设备根据所述相似度确定与所述人脸图相似度最高的人脸束图模型，将所述与所述人脸图相似度最高的人脸束图模型作为目标人脸束图模型；
所述数据分析设备根据目标人脸束图模型确定所述人脸图对应的人体特征数据。
结合第一方面及第一方面的第一种实现方式，本发明实施例中第一方面的第二种实现方式中，所述M近邻样本包含多个类的训练样本的集合，所述数据分析设备将所述人体特征数据与预设的M近邻样本进行匹配，得到人体状态具体包括：
所述数据分析设备将所述人体特征数据与预设的M近邻样本进行匹配；
所述数据分析设备利用匹配到的训练样本通过M近邻算法得到与所述人体特征数据对应的测试样本；
所述数据分析设备利用预设的第一误差判别式对所述测试样本进行误差判定，从所述M近邻样本中确定所述测试样本的目标M近邻样本，并得到所述测试样本的误差值；
所述数据分析设备根据所述误差值从所述目标M近邻样本得到新测试样本，并将所述新测试样本分别与所述M近邻样本中属于同一个类的训练样本，利用预设的第二误差判定公式进行判定；
当确定所述多个对应的误差值中最小的误差值小于预设误差值时，所述数据分析设备将所述新测试样本判定给误差值最小的类，所述误差值用于表示所述人体特征数据与特征数据库中的特征数据的相似度；
所述数据分析设备根据所述误差值最小的类确定所述测试样本所属的人体状态区间，所述类与所述人体状态区间对应，并根据所述最小的误差值确定所述人体状态。
结合第一方面及第一方面的第二种实现方式，本发明实施例中第一方面的第三种实现方式中，所述数据分析设备根据所述误差值从所述目标M近邻样本得到新测试样本，并将所述新测试样本分别与所述M近邻样本中属于同一个类的训练样本，利用预设的第二误差判定公式进行判定具体包括：
所述数据分析设备根据所述误差值从所述目标M近邻样本中得到相应的多个目标训练样本；
所述数据分析设备将所述多个目标训练样本通过M近邻算法得到新测试样本；
所述数据分析设备将M近邻样本中属于同一个类的训练样本通过M近邻算法累加得到多个对比样本；
所述数据分析设备根据所述多个对比样本和所述新测试样本通过预设的第二误差判定式分别进行判定，并得到多个对应的误差值。
结合第一方面及第一方面的第三种实现方式，本发明实施例中第一方面的第四种实现方式中，所述当确定所述多个对应的误差值中最小的误差值小于预设误差值时，将所述新测试样本判定给误差值最小的类之后还包括：
当所述数据分析设备确定所述最小的误差值大于预设误差区间的最大门限值时，确定特征数据库中不包含所述人体特征数据，确定所述人体特征数据对应的人体为新人体，将所述人体特征数据添加到所述特征数据库中，并生成与所述人体特征数据对应的第一类别信息，将所述第一类别信息输出；
当所述数据分析设备确定所述最小的误差值属于所述预设误差区间时，确定人体特征数据库中已包含所述人体特征数据，确定所述人体特征数据对应的人体，并生成与所述人体特征数据对应的第二类别信息，将所述第二类别信息输出；
当所述数据分析设备确定所述最小的误差值小于所述预设误差区间的最小门限值时，确定所述人体特征数据对应的人体为非法人体，并生成与所述人体特征数据对应的第三类别信息，将所述第三类别信息输出。
结合第一方面及第一方面的第一至第四种实现方式，本发明实施例中第一方面的第五种实现方式中，所述数据分析设备根据预设的人体状态与终端设备的对应关系，确定所述人体状态对应的目标终端设备，并将所述人体状态输出至所述目标终端设备具体包括：
所述数据分析设备根据所述人体状态确定所述人体状态所属的类；
所述数据分析设备根据所述类确定与所述类对应的设备标识；
所述数据分析设备根据所述目标终端设备的设备标识将所述人体状态发送至所述目标终端设备。
结合第一方面及第一方面的第一至第四种实现方式，本发明实施例中第一方面的第六种实现方式中，所述人体状态包括性别、年龄、种族、行为及人脸表情，所述将所述人体状态输出至所述目标终端设备具体包括：
当所述人体状态为性别或人脸表情或年龄中至少一个时，所述数据分析设备将所述人体状态输出至与所述性别或所述人脸表情或所述年龄对应的游戏设备，以使所述游戏设备根据所述性别或所述人脸表情或所述年龄为所述人体特征数据对应的人选取合适的角色；
当所述人体状态为所述年龄或种族或人脸表情中至少一个时，所述数据分析设备将所述人体状态输出至与所述人体状态对应的广告设备，以使所述广告设备根据确定所述人体状态对应的人的兴趣项集合，播放所述兴趣集合中的至少一个兴趣项；
当所述人体状态为行为时，所述数据分析设备将所述行为输出至与所述行为对应的安防设备，以使所述安防设备根据所述行为判断所述行为对应的人体是否与所述特征数据库中预设的人体特征数据相匹配，若是，则启动警报；
当所述人体状态为年龄或行为中至少一个时，所述数据分析设备将所述行为输出至与所述年龄或行为对应的家居监控设备，以使所述家居监控设备根据所述年龄或行为判断所述年龄或行为对应的人体是否处于预设安全区域，若否，则发出警告，并发送警告提示至控制终端。
结合第一方面及第一方面的第一至第四种实现方式，本发明实施例中第一方面的第七种实现方式中，所述当所述数据分析设备确定所述最小的误差值属于所述预设误差区间时，确定人体特征数据库中已包含所述人体特征数据之后还包括：
所述数据分析设备比较所述人体特征数据和所述人体特征数据库中已保存的原人体特征数据；
当所述人体特征数据与所述原人体特征数据不相同时，所述数据分析设备将所述人体特征数据更新到所述人体特征数据库；
当所述人体特征数据与所述原人体特征数据相同时，结束操作。
结合第一方面及第一方面的第一至第四种实现方式，本发明实施例中第一方面的第八种实现方式中，所述数据分析设备获取人体图像数据具体包括：
所述数据分析设备通过USB接口或网络节点中任一个获取已有的人体图像数据；
和/或，
所述数据分析设备通过与所述数据分析设备连接的摄像模块获取所述人体图像数据。
本发明第二方面提供一种数据分析设备，包括：
获取单元，用于获取人体图像数据；
分析单元，用于根据预设离散方向概率方法DDPM和弹性束图匹配算法对所述人体图像数据进行分析，提取人体特征数据；
匹配单元，用于将所述人体特征数据与预设的M近邻样本进行匹配，得到人体状态；
确定单元，用于根据预设的人体状态与终端设备的对应关系，确定所述人体状态对应的目标终端设备；
输出单元，用于将所述人体状态输出至所述目标终端设备，以使所述目标终端设备根据所述人体状态执行与所述人体状态对应的预设操作。
结合第二方面，本发明实施例中第二方面的第一种实现方式中，所述分析单元包括：
检测模块，用于使用DDPM对所述人体图像数据进行检测，得到所述人体图像数据的landmark坐标值；
第一计算模块，用于通过所述DDPM从所述人体图像数据中获取多个特征点，并计算所述多个特征点中每个特征点的Gabor小波变换系数，将所述多个特征点中任一特征点作为参考点，设定所述参考点的坐标为得到所述参考点的参考Gabor小波系数，并将所述参考Gabor小波系数设为所述人体图像数据中的节点，并从所述多个特征点中提取与所述参考点不同频率和不同方向的Cabor小波系数的多个目标点；
第一构建模块，用于根据所述参考点和所述目标点得到人脸图；
第二计算模块，用于根据所述人脸图和预设人脸束图模型通过预设第一公式计算得到所述人脸图与所述预设人脸束图模型的距离，所述预设第一公式为：
其中，GI表示待测样本的人脸图，B表示人脸束图，N表示人脸束图中人脸样本的个数，λ表示某一节点Jet相似度的权重，Jn表示某一节点处的jet，表示人脸图的边向量，根据预设第二公式计算得到任意两个jet之间的相似度所述预设第二公式为：其中，aj表示小波系数中复系数的幅值，表示小波系数中复系数的相位，表示J′相对于J的位移，表示滤波器的中心频率；
第二构建模块，用于根据所述相似度确定与所述人脸图相似度最高的人脸束图模型，将所述与所述人脸图相似度最高的人脸束图模型作为目标人脸束图模型；
第一获取模块，用于根据目标人脸束图模型确定所述人脸图对应的人体特征数据。
结合第二方面及第二方面的第一种实现方式，本发明实施例中第二方面的第二种实现方式中，所述M近邻样本包含多个类的训练样本的集合，所述匹配单元包括：
第一匹配模块，用于将所述人体特征数据与预设的M近邻样本进行匹配；
第三计算模块，用于利用匹配到的训练样本通过M近邻算法得到与所述人体特征数据对应的测试样本，并利用预设的第一误差判别式对所述测试样本进行误差判定，从所述M近邻样本中确定所述测试样本的目标M近邻样本，并得到所述测试样本的误差值；
第二获取模块，用于根据所述误差值从所述目标M近邻样本得到新测试样本；
第一判定模块，用于将所述新测试样本分别与所述M近邻样本中属于同一个类的训练样本，利用预设的第二误差判定公式进行判定，当确定所述多个对应的误差值中最小的误差值小于预设误差值时，并将所述新测试样本判定给误差值最小的类，所述误差值用于表示所述人体特征数据与特征数据库中的特征数据的相似度；
第一确定模块，用于根据所述误差值最小的类确定所述测试样本所属的人体状态区间，所述类与所述人体状态区间对应，并根据所述最小的误差值确定所述人体状态。
结合第二方面及第二方面的第二种实现方式，本发明实施例中第二方面的第三种实现方式中，所述第二获取模块包括：
第一获取子模块，用于根据所述误差值从所述目标M近邻样本中得到相应的多个目标训练样本；
第一计算子模块，用于将所述多个目标训练样本通过M近邻算法得到新测试样本；
第二计算子模块，用于将M近邻样本中属于同一个类的训练样本通过M近邻算法累加得到多个对比样本；
进一步，所述第一判定模块具体用于根据所述多个对比样本和所述新测试样本通过预设的第二误差判定式分别进行判定，并得到多个对应的误差值。
结合第二方面及第二方面的第二种实现方式，本发明实施例中第二方面的第三种实现方式中，所述匹配单元还包括：
第一更新模块，用于当确定所述最小的误差值大于预设误差区间的最大门限值时，确定特征数据库中不包含所述人体特征数据，确定所述人体特征数据对应的人体为新人体，将所述人体特征数据添加到所述特征数据库中；
第一输出模块，用于当所述第一更新模块将所述人体特征数据添加到所述特征数据库中时，生成与所述人体特征数据对应的第一类别信息，并将所述第一类别信息输出；
第一确定模块，用于当确定所述最小的误差值属于所述预设误差区间时，确定人体特征数据库中已包含所述人体特征数据，确定所述人体特征数据对应的人体；
第二输出模块，用于当所述第一确定模块确定所述人体特征数据对应的人体时，生成与所述人体特征数据对应的第二类别信息，并将所述第二类别信息输出；
第二确定模块，用于当所述数据分析设备确定所述最小的误差值小于所述预设误差区间的最小门限值时，确定所述人体特征数据对应的人体为非法人体；
第三输出模块，用于当所述第二确定模块确定所述人体特征数据对应的人体为非法人体时，生成与所述人体特征数据对应的第三类别信息，将所述第三类别信息输出。
结合第二方面及第二方面的第一至第三种实现方式，本发明实施例中第二方面的第四种实现方式中，所述确定单元具体用于根据所述人体状态确定所述人体状态所属的类，并根据所述类确定与所述类对应的设备标识；
进一步，所述输出单元具体用于根据所述目标终端设备的设备标识将所述人体状态发送至所述目标终端设备。
结合第二方面及第二方面的第一至第四种实现方式，本发明实施例中第二方面的第五种实现方式中，所述人体状态包括性别、年龄、种族、行为及人脸表情，所述输出单元包括：
第四输出模块，用于当所述人体状态为性别或人脸表情或年龄中至少一个时，所述数据分析设备将所述人体状态输出至与所述性别或所述人脸表情或所述年龄对应的游戏设备，以使所述游戏设备根据所述性别或所述人脸表情或所述年龄为所述人体特征数据对应的人选取合适的角色；
第五输出模块，用于当所述人体状态为所述年龄或种族或人脸表情中至少一个时，所述数据分析设备将所述人体状态输出至与所述人体状态对应的广告设备，以使所述广告设备根据确定所述人体状态对应的人的兴趣项集合，播放所述兴趣集合中的至少一个兴趣项；
第六输出模块，用于当所述人体状态为行为时，将所述行为输出至与所述行为对应的安防设备，以使所述安防设备根据所述行为判断所述行为对应的人体是否与所述特征数据库中预设的人体特征数据相匹配，若是，则启动警报；
第七输出模块，用于当所述人体状态为年龄或行为中至少一个时，将所述行为输出至与所述年龄或行为对应的家居监控设备，以使所述家居监控设备根据所述年龄或行为判断所述年龄或行为对应的人体是否处于预设安全区域，若否，则发出警告，并发送警告提示至控制终端。
结合第二方面及第二方面的第一至第五种实现方式，本发明实施例中第二方面的第六种实现方式中，所述第一确定模块包括：
比较子模块，用于比较所述人体特征数据和所述人体特征数据库中已保存的原人体特征数据；
更新子模块，用于当所述比较子模块确定所述人体特征数据与所述原人体特征数据不相同时，将所述人体特征数据更新到所述人体特征数据库；
执行子模块，用于当所述比较子模块确定所述人体特征数据与所述原人体特征数据相同时，结束操作。
从以上技术方案可以看出，本发明实施例中数据分析设备利用DDPM对获取的人体图像数据进行分析，并将分析得到的人体特征数据与预设的M近邻样本进行匹配，得到人体状态，数据分析设备根据预设的人体状态与终端设备的对应关系，确定所述人体状态对应的目标终端设备，并将所述人体状态输出至所述目标终端设备，以使所述目标终端设备根据所述人体状态执行与所述人体状态对应的预设操作，从而解决现有技术中只能将智能人体特征的识别技术应用到特定的、单一功能的场景中，并且智能识别模块与智能设备无法分离使用，无法将自身或获取的人体特征数据输出并运用到其他功能的智能设备，使其他功能的智能设备利用该人体特征数据去完成相应的基本功能的问题。
附图说明
图1为本发明实施例中一种获取人体状态的方法一实施例示意图；
图2为本发明实施例中一种数据分析设备一结构示意图；
图3为本发明实施例中一种数据分析设备中分析单元一结构示意图；
图4为本发明实施例中一种数据分析设备中匹配单元一结构示意图；
图5为本发明实施例中匹配单元中第二获取模块一结构示意图；
图6为本发明实施例中一种数据分析设备中匹配单元另一结构示意图；
图7为本发明实施例中一种数据分析设备中输出单元一结构示意图；
图8为本发明实施例中匹配单元中第一确定模块一结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例提供了一种获取人体状态的方法及装置，用于解决现有技术中只能将智能人体特征的识别技术应用到特定的、单一功能的场景中，并且智能识别模块与智能设备无法分离使用，无法将自身或获取的人体特征数据输出并运用到其他功能的智能设备，使其他功能的智能设备利用该人体特征数据去完成相应的基本功能的问题。
下面对本发明实施例中一种获取人体状态的方法，请参阅图1，本发明实施例中一种获取人体状态的方法一实施例包括：
101、数据分析设备获取人体图像数据；
其中，数据分析设备获取人体图像数据具体实现方式如下：
数据分析设备通过USB接口或网络节点中任一个获取已有的人体图像数据；
和/或，
数据分析设备通过与数据分析设备连接的摄像模块获取人体图像数据。
需要说明的是，本文中获取的人体图像数据的具体实现方式本文中均不作限定，只要数据分析设备可以获得人体图像数据即可。
102、数据分析设备根据预设离散方向概率方法DDPM和弹性束图匹配算法对人体图像数据进行分析，提取人体特征数据；
其中，数据分析设备根据预设离散方向概率方法DDPM和弹性束图匹配算法对人体图像数据进行分析，提取人体特征数据具体实现方式如下：
数据分析设备使用DDPM对人体图像数据进行检测，得到人体图像数据的landmark坐标值；
数据分析设备通过DDPM从人体图像数据中获取多个特征点；数据分析设备计算多个特征点中每个特征点的Gabor小波变换系数，将多个特征点中任一特征点作为参考点，设定参考点的坐标为得到参考点的参考Gabor小波系数：
其中，表示某一特征点处的小波变换系数，
表示图像，
表示特征点的坐标，为Gabor滤波器的核函数：其中，表示滤波器的中心频率，σ/k决定了高斯窗口的大小，此处
其中，φμ表示滤波器的方向，
v表示频率系数，v＝0,1,…,4，
μ表示方向系数，μ＝0,1,…,7；
数据分析设备将参考Gabor小波系数设为人体图像数据中的节点；
数据分析设备从多个特征点中提取与参考点不同频率和不同方向的Cabor小波系数的多个目标点；
数据分析设备根据参考点和目标点得到人脸图；
数据分析设备根据人脸图和预设人脸束图模型通过预设第一公式计算得到人脸图与预设人脸束图模型的距离，预设第一公式为：
其中，GI表示待测样本的人脸图，B表示人脸束图，N表示人脸束图中人脸样本的个数，λ表示某一节点Jet相似度的权重，Jn表示某一节点处的jet，表示人脸图的边向量，根据预设第二公式计算得到任意两个jet之间的相似度预设第二公式为：其中，aj表示小波系数中复系数的幅值，表示小波系数中复系数的相位，表示J′相对于J的位移，表示滤波器的中心频率；
数据分析设备根据相似度确定与人脸图相似度最高的人脸束图模型，将与人脸图相似度最高的人脸束图模型作为目标人脸束图模型；
数据分析设备根据目标人脸束图模型确定人脸图对应的人体特征数据。
需要说明的是，本文中对人体图像数据进行分析的方式可以是DDPM，也可以是弹性束图算法或其他类似的计算方式，只要可以分析得到人体特征数据即可，具体实现方式本文中均不作限定性说明。
103、数据分析设备将人体特征数据与预设的M近邻样本进行匹配，得到人体状态；
其中，M近邻样本为包含多个类的训练样本的集合，该集合为(X1、X2、X3、……、Xn)，每个类包含多个训练样本，数据分析设备将人体特征数据与预设的M近邻样本进行匹配，得到人体状态具体实现方式如下：
使用PCA将训练样本降维；
数据分析设备将人体特征数据与预设的M近邻样本进行匹配；数据分析设备利用匹配到的训练样本通过M近邻算法得到与人体特征数据对应的测试样本Y，得到YO＝a1X1+a2X2+a3X3+……+anXn，Xi表示一个训练样本，ai表示第i个训练样本所对应的系数组成的向量，i＝1,2,…,n；
数据分析设备利用预设的第一误差判别式ei＝丨丨Y-aiXi丨丨2对测试样本进行误差判定，从M近邻样本中确定测试样本的目标M近邻样本(x1、x2、x3、……、xn)，并得到测试样本的误差值，其中，ei表示每一个训练样本与测试样本的误差；
数据分析设备根据误差值从目标M近邻样本得到新测试样本Y，Y＝b1x1+b2x2+b3x3+……+bnxn，xi表示M个近邻中的第i个训练样本，bj表示M个近邻中第j个训练样本所对应的系数组成的向量，j＝1,2,…,M，
数据分析设备将新测试样本分别与M近邻样本中属于同一个类的训练样本，利用预设的第二误差判定公式Dr＝丨丨Y-gr丨丨2进行判定,并得到对应的误差值，其中，在利用预设的第二误差判定公式判定之前需要利用公式gr＝bexe+……+btxt将属于同一个类的训练样本累加起来，xe表示M个近邻中属于第r类的训练样本，共有t个，gr表示M个近邻中属于第r类的训练样本所表示的新的测试样本，r∈C，另外，Dr表示第r类表示的测试样本与测试样本之间的误差，C表示M个近邻中共有C类；
例如，假设M个近邻中1，3，5，6个样本属于第一类，那么再分别与新测试样本进行判定；
当确定多个对应的误差值中最小的误差值小于预设误差值时，数据分析设备将新测试样本判定给误差值最小的类，误差值用于表示人体特征数据与特征数据库中的特征数据的相似度；
数据分析设备根据误差值最小的类确定测试样本所属的人体状态区间，类与人体状态区间对应，并根据最小的误差值确定人体状态。
优选的，数据分析设备根据误差值从目标M近邻样本得到新测试样本，并将新测试样本分别与M近邻样本中属于同一个类的训练样本，利用预设的第二误差判定公式进行判定具体包括：
数据分析设备根据误差值从目标M近邻样本中得到相应的多个目标训练样本；
数据分析设备将多个目标训练样本通过M近邻算法得到新测试样本；
数据分析设备将M近邻样本中属于同一个类的训练样本通过M近邻算法累加得到多个对比样本；
数据分析设备根据多个对比样本和新测试样本通过预设的第二误差判定式分别进行判定，并得到多个对应的误差值。
优选的，当确定多个对应的误差值中最小的误差值小于预设误差值时，将新测试样本判定给误差值最小的类之后还包括：
当数据分析设备确定最小的误差值大于预设误差区间的最大门限值时，确定特征数据库中不包含人体特征数据，确定人体特征数据对应的人体为新人体，将人体特征数据添加到特征数据库中，并生成与人体特征数据对应的第一类别信息，将第一类别信息输出；
当数据分析设备确定最小的误差值属于预设误差区间时，确定人体特征数据库中已包含人体特征数据，确定人体特征数据对应的人体，并生成与人体特征数据对应的第二类别信息，将第二类别信息输出；
当数据分析设备确定最小的误差值小于预设误差区间的最小门限值时，确定人体特征数据对应的人体为非法人体，并生成与人体特征数据对应的第三类别信息，将第三类别信息输出；
需要说明的是，这里的第一类别信息是指关于为新人体、人体不在特征数据库中等提示，第二类别信息指该人体已存在特征数据库中，第三类别信息指警报类的信息，比如该人体对应的人体状态为预设的犯罪嫌疑人或行为诡异等特征时，输出相关警报信息以供警方或公共场所保安人员做出及时的措施，实际应用中可能会有很多类别的信息，本发明实施例中的类别信息不限于第一、第二、及第三种类别信息。
可选的，当数据分析设备确定最小的误差值属于预设误差区间时，确定人体特征数据库中已包含人体特征数据之后还包括：
数据分析设备比较人体特征数据和人体特征数据库中已保存的原人体特征数据；
当人体特征数据与原人体特征数据不相同时，数据分析设备将人体特征数据更新到人体特征数据库；
当人体特征数据与原人体特征数据相同时，结束操作。
104、数据分析设备根据预设的人体状态与终端设备的对应关系，确定人体状态对应的目标终端设备；
其中，数据分析设备根据预设对应关系，确定人体状态对应的目标终端设备具体实现方式如下：
数据分析设备根据人体状态确定人体状态所属的类；
数据分析设备根据类确定与类对应的设备标识。
105、数据分析设备将人体状态输出至目标终端设备，以使目标终端设备根据人体状态执行与人体状态对应的预设操作；
其中，数据分析设备根据目标终端设备的设备标识将人体状态发送至目标终端设备。
优选的，人体状态包括性别、年龄、种族、行为及人脸表情等类似的人体状态，从而，将人体状态输出至目标终端设备具体实现方式如下：
当人体状态为性别或人脸表情或年龄中至少一个时，数据分析设备将人体状态输出至与性别或人脸表情或年龄对应的游戏设备，以使游戏设备根据性别或人脸表情或年龄为人体特征数据对应的人选取合适的角色，例如，数据分析设备获取玩家的特征后，将玩家的特征输出至游戏机，使得玩家可以通过人体非接触式来控制游戏，从而提高玩家体验。
当人体状态为年龄或种族或人脸表情中至少一个时，数据分析设备将人体状态输出至与人体状态对应的广告设备，以使广告设备根据确定人体状态对应的人的兴趣项集合，播放兴趣集合中的至少一个兴趣项，例如，数据分析设备可以根据获取的人体状态，大致确定人体状态所对应的人的兴趣，有针对性的对这些人进行相应的操作，例如在女性面前播放化妆品、衣服等广告，在男性面前播放剃须刀或汽车等广告，对老人播放保健品等等，同时也可以通知商家，哪些人是VIP顾客，是商家提前做好应对措施，提高顾客体验以及商家口碑，并且也可以对商场过往的顾客进行统计分析，利用统计分析总结特定人群的需求或喜好，从而可以有针对性的制定商业规划或调整营业方案，以达到利益最大化。
当人体状态为行为时，数据分析设备将行为输出至与行为对应的安防设备，以使安防设备根据行为判断行为对应的人体是否与特征数据库中预设的人体特征数据相匹配，若是，则启动警报，例如，当警方需要抓捕犯罪嫌疑人时，首先会联网上传犯罪嫌疑人的相关特征至特征数据库，当数据分析设备对出现在镜头前的人体进行分析过程中，获取到的人体状态与特征数据库中的相关数据相匹配时，数据分析设备就会启动警报，方便抓捕犯罪嫌疑人，再如，数据分析设备在对商场的顾客们进行分析过程中，获取的人体状态与特征数据库中预设的小偷或恐怖分子等的特征数据相匹配时，会输出警报，提示保安人员做好安防准备，保障商场安全。
当人体状态为年龄或行为中至少一个时，数据分析设备将行为输出至与年龄或行为对应的家居监控设备，以使家居监控设备根据年龄或行为判断年龄或行为对应的人体是否处于预设安全区域，若否，则发出警告，并发送警告提示至控制终端，例如人体状态对应的人体为幼儿或老人或病人中任一时，智能终端会对他们中任一进行定位、跟踪等，判断她们中任一是否处于非安全区域或者发生异常状态，若是，则会执行预先设置的操作，并将警告发送给控制终端，使得人们在外出或工作期间也能对家中幼儿或老人或病人的情况了如指掌。
本发明实施例中，数据分析设备利用DDPM对获取的人体图像数据进行分析，并将分析得到的人体特征数据与预设的M近邻样本进行匹配，得到人体状态，数据分析设备根据预设的人体状态与终端设备的对应关系，确定人体状态对应的目标终端设备，并将人体状态输出至目标终端设备，以使目标终端设备根据人体状态执行与人体状态对应的预设操作，从而解决现有技术中只能将智能人体特征的识别技术应用到特定的、单一功能的场景中，并且智能识别模块与智能设备无法分离使用，无法将自身或获取的人体特征数据输出并运用到其他功能的智能设备，使其他功能的智能设备利用该人体特征数据去完成相应的基本功能的问题。
上面对本发明实施例中一种获取人体状态的方法进行了描述，下面从装置角度对本发明实施例中一种数据分析设备进行详细的说明，请参阅图2至图8，本发明实施例中一种数据分析设备一实施例包括：
获取单元201，用于获取人体图像数据；
分析单元202，用于根据预设离散方向概率方法DDPM和弹性束图匹配算法对人体图像数据进行分析，提取人体特征数据；
匹配单元203，用于将人体特征数据与预设的M近邻样本进行匹配，得到人体状态；
确定单元204，用于根据预设的人体状态与终端设备的对应关系，确定人体状态对应的目标终端设备；
输出单元205，用于将人体状态输出至目标终端设备，以使目标终端设备根据人体状态执行与人体状态对应的预设操作。
本发明实施例中，分析单元202包括：
检测模块2021，用于使用DDPM对人体图像数据进行检测，得到人体图像数据的landmark坐标值；
第一计算模块2022，用于通过DDPM从人体图像数据中获取多个特征点，并计算多个特征点中每个特征点的Gabor小波变换系数，将多个特征点中任一特征点作为参考点，设定参考点的坐标为得到参考点的参考Gabor小波系数，并将参考Gabor小波系数设为人体图像数据中的节点，并从多个特征点中提取与参考点不同频率和不同方向的Cabor小波系数的多个目标点，
其中，参考Gabor小波系数为：
其中，表示某一特征点处的小波变换系数，
表示图像，
表示特征点的坐标，
为Gabor滤波器的核函数：其中，表示滤波器的中心频率，σ/k决定了高斯窗口的大小，此处
其中，φμ表示滤波器的方向，
v表示频率系数，v＝0,1,…,4，
μ表示方向系数，μ＝0,1,…,7；
第一构建模块2023，用于根据参考点和目标点得到人脸图；
第二计算模块2024，用于根据人脸图和预设人脸束图模型通过预设第一公式计算得到人脸图与预设人脸束图模型的距离，预设第一公式为：
其中，GI表示待测样本的人脸图，B表示人脸束图，N表示人脸束图中人脸样本的个数，λ表示某一节点Jet相似度的权重，Jn表示某一节点处的jet，表示人脸图的边向量，根据预设第二公式计算得到任意两个jet之间的相似度预设第二公式为：其中，aj表示小波系数中复系数的幅值，表示小波系数中复系数的相位，表示J′相对于J的位移，表示滤波器的中心频率；
第二构建模块2025，用于根据相似度确定与人脸图相似度最高的人脸束图模型，将与人脸图相似度最高的人脸束图模型作为目标人脸束图模型；
第一获取模块2026，用于根据目标人脸束图模型确定人脸图对应的人体特征数据。
本发明实施例中，M近邻样本包含多个类的训练样本的集合，匹配单元203包括：
第一匹配模块2031，用于将人体特征数据与预设的M近邻样本进行匹配；
第三计算模块2032，用于利用匹配到的训练样本通过M近邻算法得到与人体特征数据对应的测试样本，并利用预设的第一误差判别式ei＝丨丨Y-aiXi丨丨2对测试样本进行误差判定，从M近邻样本中确定测试样本的目标M近邻样本(x1、x2、x3、……、xn)，并得到测试样本的误差值；
第二获取模块2033，用于根据误差值从目标M近邻样本得到新测试样本Y，Y＝b1x1+b2x2+b3x3+……+bnxn，xi表示M个近邻中的第i个训练样本，bj表示M个近邻中第j个训练样本所对应的系数组成的向量，j＝1,2,…,M；
第一判定模块2034，用于将新测试样本分别与M近邻样本中属于同一个类的训练样本，利用预设的第二误差判定公式Dr＝丨丨Y-gr丨丨2进行判定，并得到对应的误差值，其中，在利用预设的第二误差判定公式判定之前需要利用公式gr＝bexe+……+btxt将属于同一个类的训练样本累加起来，xe表示M个近邻中属于第r类的训练样本，共有t个，gr表示M个近邻中属于第r类的训练样本所表示的新的测试样本，r∈C，另外，Dr表示第r类表示的测试样本与测试样本之间的误差，C表示M个近邻中共有C类；
例如，假设M个近邻中1，3，5，6个样本属于第一类，那么再分别与新测试样本进行判定；
当确定多个对应的误差值中最小的误差值小于预设误差值时，并将新测试样本判定给误差值最小的类，误差值用于表示人体特征数据与特征数据库中的特征数据的相似度；
第一确定模块2035，用于根据误差值最小的类确定测试样本所属的人体状态区间，类与人体状态区间对应，并根据最小的误差值确定人体状态。
优选的，第二获取模块2033包括：
第一获取子模块20331，用于根据误差值从目标M近邻样本中得到相应的多个目标训练样本；
第一计算子模块20332，用于将多个目标训练样本通过M近邻算法得到新测试样本；
第二计算子模块20333，用于将M近邻样本中属于同一个类的训练样本通过M近邻算法累加得到多个对比样本；
进一步，第一判定模块2034具体用于根据多个对比样本和新测试样本通过预设的第二误差判定式分别进行判定，并得到多个对应的误差值。
优选的，匹配单元203还包括：
第一更新模块2036，用于当确定最小的误差值大于预设误差区间的最大门限值时，确定特征数据库中不包含人体特征数据，确定人体特征数据对应的人体为新人体，将人体特征数据添加到特征数据库中；
第一输出模块2037，用于当第一更新模块将人体特征数据添加到特征数据库中时，生成与人体特征数据对应的第一类别信息，并将第一类别信息输出；
第二确定模块2038，用于当确定最小的误差值属于预设误差区间时，确定人体特征数据库中已包含人体特征数据，确定人体特征数据对应的人体；
第二输出模块2039，用于当第一确定模块确定人体特征数据对应的人体时，生成与人体特征数据对应的第二类别信息，并将第二类别信息输出；
第三确定模块2130，用于当数据分析设备确定最小的误差值小于预设误差区间的最小门限值时，确定人体特征数据对应的人体为非法人体；
第三输出模块2041，用于当第二确定模块确定人体特征数据对应的人体为非法人体时，生成与人体特征数据对应的第三类别信息，将第三类别信息输出。
本发明实施例中，确定单元204具体用于根据人体状态确定人体状态所属的类，并根据类确定与类对应的设备标识；
进一步，输出单元205具体用于根据目标终端设备的设备标识将人体状态发送至目标终端设备。
优选的，人体状态包括性别、年龄、种族、行为及人脸表情，输出单元205包括：
第四输出模块2051，用于当人体状态为性别或人脸表情或年龄中至少一个时，数据分析设备将人体状态输出至与性别或人脸表情或年龄对应的游戏设备，以使游戏设备根据性别或人脸表情或年龄为人体特征数据对应的人选取合适的角色；
第五输出模块2052，用于当人体状态为年龄或种族或人脸表情中至少一个时，数据分析设备将人体状态输出至与人体状态对应的广告设备，以使广告设备根据确定人体状态对应的人的兴趣项集合，播放兴趣集合中的至少一个兴趣项；
第六输出模块2053，用于当人体状态为行为时，将行为输出至与行为对应的安防设备，以使安防设备根据行为判断行为对应的人体是否与特征数据库中预设的人体特征数据相匹配，若是，则启动警报；
第七输出模块2054，用于当人体状态为年龄或行为中至少一个时，将行为输出至与年龄或行为对应的家居监控设备，以使家居监控设备根据年龄或行为判断年龄或行为对应的人体是否处于预设安全区域，若否，则发出警告，并发送警告提示至控制终端。
优选的，第一确定模块2038包括：
比较子模块20381，用于比较人体特征数据和人体特征数据库中已保存的原人体特征数据；
更新子模块20382，用于当比较子模块确定人体特征数据与原人体特征数据不相同时，将人体特征数据更新到人体特征数据库；
执行子模块20383，用于当比较子模块确定人体特征数据与原人体特征数据相同时，结束操作。
本发明实施例中，分析单元202利用DDPM对获取单元201获取的人体图像数据进行分析，匹配单元203将分析单元202分析得到的人体特征数据与预设的M近邻样本进行匹配，得到人体状态，确定单元204根据预设的人体状态与终端设备的对应关系，确定人体状态对应的目标终端设备，输出单元205将人体状态输出至目标终端设备，以使目标终端设备根据人体状态执行与人体状态对应的预设操作，从而解决现有技术中只能将智能人体特征的识别技术应用到特定的、单一功能的场景中，并且智能识别模块与智能设备无法分离使用，无法将自身或获取的人体特征数据输出并运用到其他功能的智能设备，使其他功能的智能设备利用该人体特征数据去完成相应的基本功能的问题。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法及装置，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上对本发明所提供的一种供电故障处理的方法及装置进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本发明的限制。

Claims (15)

1.一种获取人体状态的方法，其特征在于，所述方法包括：
数据分析设备获取人体图像数据；
所述数据分析设备根据预设离散方向概率方法DDPM和弹性束图匹配算法对所述人体图像数据进行分析，提取人体特征数据；
所述数据分析设备将所述人体特征数据与预设的M近邻样本进行匹配，得到人体状态；
所述数据分析设备根据预设的人体状态与终端设备的对应关系，确定所述人体状态对应的目标终端设备，并将所述人体状态输出至所述目标终端设备，以使所述目标终端设备根据所述人体状态执行与所述人体状态对应的预设操作；
所述数据分析设备根据预设离散方向概率方法DDPM和弹性束图匹配算法对所述人体图像数据进行分析，提取人体特征数据具体包括：
所述数据分析设备使用DDPM对所述人体图像数据进行检测，得到所述人体图像数据的landmark坐标值；
所述数据分析设备通过所述DDPM从所述人体图像数据中获取多个特征点；
所述数据分析设备计算所述多个特征点中每个特征点的Gabor小波变换系数，将所述多个特征点中任一特征点作为参考点，设定所述参考点的坐标为得到所述参考点的参考Gabor小波系数；
所述数据分析设备将所述参考Gabor小波系数设为所述人体图像数据中的节点；
所述数据分析设备从所述多个特征点中提取与所述参考点不同频率和不同方向的Cabor小波系数的多个目标点；
所述数据分析设备根据所述参考点和所述目标点得到人脸图；
所述数据分析设备根据所述人脸图和预设人脸束图模型通过预设第一公式计算得到所述人脸图与所述预设人脸束图模型的距离，所述预设第一公式为：
<mrow> <msub> <mi>S</mi> <mi>B</mi> </msub> <mrow> <mo>(</mo> <msup> <mi>G</mi> <mi>I</mi> </msup> <mo>,</mo> <mi>B</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mn>1</mn> <mi>N</mi> </mfrac> <msub> <mi>&amp;Sigma;</mi> <mi>n</mi> </msub> <msub> <mi>max</mi> <mi>m</mi> </msub> <mrow> <mo>(</mo> <mi>S</mi> <mo>(</mo> <mrow> <msubsup> <mi>J</mi> <mi>n</mi> <mi>I</mi> </msubsup> <mo>,</mo> <msubsup> <mi>J</mi> <mi>n</mi> <msub> <mi>B</mi> <mi>m</mi> </msub> </msubsup> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <mo>-</mo> <mfrac> <mi>&amp;lambda;</mi> <mi>E</mi> </mfrac> <msub> <mi>&amp;Sigma;</mi> <mi>e</mi> </msub> <mfrac> <msup> <mrow> <mo>(</mo> <mi>&amp;Delta;</mi> <msubsup> <mover> <mi>x</mi> <mo>&amp;RightArrow;</mo> </mover> <mi>e</mi> <mi>I</mi> </msubsup> <mo>-</mo> <mi>&amp;Delta;</mi> <msubsup> <mover> <mi>x</mi> <mo>&amp;RightArrow;</mo> </mover> <mi>e</mi> <mi>B</mi> </msubsup> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mrow> <mi>&amp;Delta;</mi> <msubsup> <mover> <mi>x</mi> <mo>&amp;RightArrow;</mo> </mover> <mi>e</mi> <msup> <mi>B</mi> <mn>2</mn> </msup> </msubsup> </mrow> </mfrac> <mo>,</mo> </mrow>
其中，GI表示待测样本的人脸图，B表示人脸束图，N表示人脸束图中人脸样本的个数，λ表示某一节点Jet相似度的权重，Jn表示某一节点处的jet，表示人脸图的边向量，根据预设第二公式计算得到任意两个jet之间的相似度所述预设第二公式为：
其中，aj表示小波系数中复系数的幅值，表示小波系数中复系数的相位，表示J′相对于J的位移，表示滤波器的中心频率；
所述数据分析设备根据所述相似度确定与所述人脸图相似度最高的人脸束图模型，将所述与所述人脸图相似度最高的人脸束图模型作为目标人脸束图模型；
所述数据分析设备根据目标人脸束图模型确定所述人脸图对应的人体特征数据。
2.根据权利要求1所述的方法，其特征在于，所述M近邻样本包含多个类的训练样本的集合，所述数据分析设备将所述人体特征数据与预设的M近邻样本进行匹配，得到人体状态具体包括：
所述数据分析设备将所述人体特征数据与预设的M近邻样本进行匹配；
所述数据分析设备利用匹配到的训练样本通过M近邻算法得到与所述人体特征数据对应的测试样本；
所述数据分析设备利用预设的第一误差判别式对所述测试样本进行误差判定，从所述M近邻样本中确定所述测试样本的目标M近邻样本，并得到所述测试样本的误差值；
所述数据分析设备根据所述误差值从所述目标M近邻样本得到新测试样本，并将所述新测试样本分别与所述M近邻样本中属于同一个类的训练样本，利用预设的第二误差判定公式进行判定；
当确定所述多个对应的误差值中最小的误差值小于预设误差值时，所述数据分析设备将所述新测试样本判定给误差值最小的类，所述误差值用于表示所述人体特征数据与特征数据库中的特征数据的相似度；
所述数据分析设备根据所述误差值最小的类确定所述测试样本所属的人体状态区间，所述类与所述人体状态区间对应，并根据所述最小的误差值确定所述人体状态。
3.根据权利要求2所述的方法，其特征在于，所述数据分析设备根据所述误差值从所述目标M近邻样本得到新测试样本，并将所述新测试样本分别与所述M近邻样本中属于同一个类的训练样本，利用预设的第二误差判定公式进行判定具体包括：
所述数据分析设备根据所述误差值从所述目标M近邻样本中得到相应的多个目标训练样本；
所述数据分析设备将所述多个目标训练样本通过M近邻算法得到新测试样本；
所述数据分析设备将M近邻样本中属于同一个类的训练样本通过M近邻算法累加得到多个对比样本；
所述数据分析设备根据所述多个对比样本和所述新测试样本通过预设的第二误差判定式分别进行判定，并得到多个对应的误差值。
4.根据权利要求3所述的方法，其特征在于，所述当确定所述多个对应的误差值中最小的误差值小于预设误差值时，将所述新测试样本判定给误差值最小的类之后还包括：
当所述数据分析设备确定所述最小的误差值大于预设误差区间的最大门限值时，确定特征数据库中不包含所述人体特征数据，确定所述人体特征数据对应的人体为新人体，将所述人体特征数据添加到所述特征数据库中，并生成与所述人体特征数据对应的第一类别信息，将所述第一类别信息输出；
当所述数据分析设备确定所述最小的误差值属于所述预设误差区间时，确定人体特征数据库中已包含所述人体特征数据，确定所述人体特征数据对应的人体，并生成与所述人体特征数据对应的第二类别信息，将所述第二类别信息输出；
当所述数据分析设备确定所述最小的误差值小于所述预设误差区间的最小门限值时，确定所述人体特征数据对应的人体为非法人体，并生成与所述人体特征数据对应的第三类别信息，将所述第三类别信息输出。
5.根据权利要求1至4任一所述的方法，其特征在于，所述数据分析设备根据预设的人体状态与终端设备的对应关系，确定所述人体状态对应的目标终端设备，并将所述人体状态输出至所述目标终端设备具体包括：
所述数据分析设备根据所述人体状态确定所述人体状态所属的类；
所述数据分析设备根据所述类确定与所述类对应的设备标识；
所述数据分析设备根据所述目标终端设备的设备标识将所述人体状态发送至所述目标终端设备。
6.根据权利要求1至4任一所述的方法，其特征在于，所述人体状态包括性别、年龄、种族、行为及人脸表情，所述将所述人体状态输出至所述目标终端设备具体包括：
当所述人体状态为性别或人脸表情或年龄中至少一个时，所述数据分析设备将所述人体状态输出至与所述性别或所述人脸表情或所述年龄对应的游戏设备，以使所述游戏设备根据所述性别或所述人脸表情或所述年龄为所述人体特征数据对应的人选取合适的角色；
当所述人体状态为所述年龄或种族或人脸表情中至少一个时，所述数据分析设备将所述人体状态输出至与所述人体状态对应的广告设备，以使所述广告设备根据确定所述人体状态对应的人的兴趣项集合，播放所述兴趣集合中的至少一个兴趣项；
当所述人体状态为行为时，所述数据分析设备将所述行为输出至与所述行为对应的安防设备，以使所述安防设备根据所述行为判断所述行为对应的人体是否与所述特征数据库中预设的人体特征数据相匹配，若是，则启动警报；
当所述人体状态为年龄或行为中至少一个时，所述数据分析设备将所述行为输出至与所述年龄或行为对应的家居监控设备，以使所述家居监控设备根据所述年龄或行为判断所述年龄或行为对应的人体是否处于预设安全区域，若否，则发出警告，并发送警告提示至控制终端。
7.根据权利要求4所述的方法，其特征在于，所述当所述数据分析设备确定所述最小的误差值属于所述预设误差区间时，确定人体特征数据库中已包含所述人体特征数据之后还包括：
所述数据分析设备比较所述人体特征数据和所述人体特征数据库中已保存的原人体特征数据；
当所述人体特征数据与所述原人体特征数据不相同时，所述数据分析设备将所述人体特征数据更新到所述人体特征数据库；
当所述人体特征数据与所述原人体特征数据相同时，结束操作。
8.根据权利要求1至4任一所述的方法，其特征在于，所述数据分析设备获取人体图像数据具体包括：
所述数据分析设备通过USB接口或网络节点中任一个获取已有的人体图像数据；
和/或，
所述数据分析设备通过与所述数据分析设备连接的摄像模块获取所述人体图像数据。
9.一种数据分析设备，其特征在于，所述设备包括：
获取单元，用于获取人体图像数据；
分析单元，用于根据预设离散方向概率方法DDPM和弹性束图匹配算法对所述人体图像数据进行分析，提取人体特征数据；
匹配单元，用于将所述人体特征数据与预设的M近邻样本进行匹配，得到人体状态；
确定单元，用于根据预设的人体状态与终端设备的对应关系，确定所述人体状态对应的目标终端设备；
输出单元，用于将所述人体状态输出至所述目标终端设备，以使所述目标终端设备根据所述人体状态执行与所述人体状态对应的预设操作；
所述分析单元包括：
检测模块，用于使用DDPM对所述人体图像数据进行检测，得到所述人体图像数据的landmark坐标值；
第一计算模块，用于通过所述DDPM从所述人体图像数据中获取多个特征点，并计算所述多个特征点中每个特征点的Gabor小波变换系数，将所述多个特征点中任一特征点作为参考点，设定所述参考点的坐标为得到所述参考点的参考Gabor小波系数，并将所述参考Gabor小波系数设为所述人体图像数据中的节点，并从所述多个特征点中提取与所述参考点不同频率和不同方向的Cabor小波系数的多个目标点；
第一构建模块，用于根据所述参考点和所述目标点得到人脸图；
第二计算模块，用于根据所述人脸图和预设人脸束图模型通过预设第一公式计算得到所述人脸图与所述预设人脸束图模型的距离，所述预设第一公式为：
<mrow> <msub> <mi>S</mi> <mi>B</mi> </msub> <mrow> <mo>(</mo> <msup> <mi>G</mi> <mi>I</mi> </msup> <mo>,</mo> <mi>B</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mn>1</mn> <mi>N</mi> </mfrac> <msub> <mi>&amp;Sigma;</mi> <mi>n</mi> </msub> <msub> <mi>max</mi> <mi>m</mi> </msub> <mrow> <mo>(</mo> <mi>S</mi> <mo>(</mo> <mrow> <msubsup> <mi>J</mi> <mi>n</mi> <mi>I</mi> </msubsup> <mo>,</mo> <msubsup> <mi>J</mi> <mi>n</mi> <msub> <mi>B</mi> <mi>m</mi> </msub> </msubsup> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <mo>-</mo> <mfrac> <mi>&amp;lambda;</mi> <mi>E</mi> </mfrac> <msub> <mi>&amp;Sigma;</mi> <mi>e</mi> </msub> <mfrac> <msup> <mrow> <mo>(</mo> <mi>&amp;Delta;</mi> <msubsup> <mover> <mi>x</mi> <mo>&amp;RightArrow;</mo> </mover> <mi>e</mi> <mi>I</mi> </msubsup> <mo>-</mo> <mi>&amp;Delta;</mi> <msubsup> <mover> <mi>x</mi> <mo>&amp;RightArrow;</mo> </mover> <mi>e</mi> <mi>B</mi> </msubsup> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mrow> <mi>&amp;Delta;</mi> <msubsup> <mover> <mi>x</mi> <mo>&amp;RightArrow;</mo> </mover> <mi>e</mi> <msup> <mi>B</mi> <mn>2</mn> </msup> </msubsup> </mrow> </mfrac> <mo>,</mo> </mrow>
其中，GI表示待测样本的人脸图，B表示人脸束图，N表示人脸束图中人脸样本的个数，λ表示某一节点Jet相似度的权重，Jn表示某一节点处的jet，表示人脸图的边向量，根据预设第二公式计算得到任意两个jet之间的相似度所述预设第二公式为：
其中，aj表示小波系数中复系数的幅值，表示小波系数中复系数的相位，表示J′相对于J的位移，表示滤波器的中心频率；
第二构建模块，用于根据所述相似度确定与所述人脸图相似度最高的人脸束图模型，将所述与所述人脸图相似度最高的人脸束图模型作为目标人脸束图模型；
第一获取模块，用于根据目标人脸束图模型确定所述人脸图对应的人体特征数据。
10.根据权利要求9所述的设备，其特征在于，所述M近邻样本包含多个类的训练样本的集合，所述匹配单元包括：
第一匹配模块，用于将所述人体特征数据与预设的M近邻样本进行匹配；
第三计算模块，用于利用匹配到的训练样本通过M近邻算法得到与所述人体特征数据对应的测试样本，并利用预设的第一误差判别式对所述测试样本进行误差判定，从所述M近邻样本中确定所述测试样本的目标M近邻样本，并得到所述测试样本的误差值；
第二获取模块，用于根据所述误差值从所述目标M近邻样本得到新测试样本；
第一判定模块，用于将所述新测试样本分别与所述M近邻样本中属于同一个类的训练样本，利用预设的第二误差判定公式进行判定，当确定所述多个对应的误差值中最小的误差值小于预设误差值时，并将所述新测试样本判定给误差值最小的类，所述误差值用于表示所述人体特征数据与特征数据库中的特征数据的相似度；
第一确定模块，用于根据所述误差值最小的类确定所述测试样本所属的人体状态区间，所述类与所述人体状态区间对应，并根据所述最小的误差值确定所述人体状态。
11.根据权利要求10所述的设备，其特征在于，所述第二获取模块包括：
第一获取子模块，用于根据所述误差值从所述目标M近邻样本中得到相应的多个目标训练样本；
第一计算子模块，用于将所述多个目标训练样本通过M近邻算法得到新测试样本；
第二计算子模块，用于将M近邻样本中属于同一个类的训练样本通过M近邻算法累加得到多个对比样本；
进一步，所述第一判定模块具体用于根据所述多个对比样本和所述新测试样本通过预设的第二误差判定式分别进行判定，并得到多个对应的误差值。
12.根据权利要求11所述的设备，其特征在于，所述匹配单元还包括：
第一更新模块，用于当确定所述最小的误差值大于预设误差区间的最大门限值时，确定特征数据库中不包含所述人体特征数据，确定所述人体特征数据对应的人体为新人体，将所述人体特征数据添加到所述特征数据库中；
第一输出模块，用于当所述第一更新模块将所述人体特征数据添加到所述特征数据库中时，生成与所述人体特征数据对应的第一类别信息，并将所述第一类别信息输出；
第二确定模块，用于当确定所述最小的误差值属于所述预设误差区间时，确定人体特征数据库中已包含所述人体特征数据，确定所述人体特征数据对应的人体；
第二输出模块，用于当所述第一确定模块确定所述人体特征数据对应的人体时，生成与所述人体特征数据对应的第二类别信息，并将所述第二类别信息输出；
第三确定模块，用于当所述数据分析设备确定所述最小的误差值小于所述预设误差区间的最小门限值时，确定所述人体特征数据对应的人体为非法人体；
第三输出模块，用于当所述第二确定模块确定所述人体特征数据对应的人体为非法人体时，生成与所述人体特征数据对应的第三类别信息，将所述第三类别信息输出。
13.根据权利要求9至12任一所述的设备，其特征在于，所述确定单元具体用于根据所述人体状态确定所述人体状态所属的类，并根据所述类确定与所述类对应的设备标识；
进一步，所述输出单元具体用于根据所述目标终端设备的设备标识将所述人体状态发送至所述目标终端设备。
14.根据权利要求9至12任一所述的设备，其特征在于，所述人体状态包括性别、年龄、种族、行为及人脸表情，所述输出单元包括：
第四输出模块，用于当所述人体状态为性别或人脸表情或年龄中至少一个时，所述数据分析设备将所述人体状态输出至与所述性别或所述人脸表情或所述年龄对应的游戏设备，以使所述游戏设备根据所述性别或所述人脸表情或所述年龄为所述人体特征数据对应的人选取合适的角色；
第五输出模块，用于当所述人体状态为所述年龄或种族或人脸表情中至少一个时，所述数据分析设备将所述人体状态输出至与所述人体状态对应的广告设备，以使所述广告设备根据确定所述人体状态对应的人的兴趣项集合，播放所述兴趣集合中的至少一个兴趣项；
第六输出模块，用于当所述人体状态为行为时，将所述行为输出至与所述行为对应的安防设备，以使所述安防设备根据所述行为判断所述行为对应的人体是否与所述特征数据库中预设的人体特征数据相匹配，若是，则启动警报；
第七输出模块，用于当所述人体状态为年龄或行为中至少一个时，将所述行为输出至与所述年龄或行为对应的家居监控设备，以使所述家居监控设备根据所述年龄或行为判断所述年龄或行为对应的人体是否处于预设安全区域，若否，则发出警告，并发送警告提示至控制终端。
15.根据权利要求10至12任一所述的设备，其特征在于，所述第一确定模块包括：
比较子模块，用于比较所述人体特征数据和所述人体特征数据库中已保存的原人体特征数据；
更新子模块，用于当所述比较子模块确定所述人体特征数据与所述原人体特征数据不相同时，将所述人体特征数据更新到所述人体特征数据库；
执行子模块，用于当所述比较子模块确定所述人体特征数据与所述原人体特征数据相同时，结束操作。
CN201410534659.5A 2014-10-11 2014-10-11 一种获取人体状态的方法及装置 Active CN104268601B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410534659.5A CN104268601B (zh) 2014-10-11 2014-10-11 一种获取人体状态的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410534659.5A CN104268601B (zh) 2014-10-11 2014-10-11 一种获取人体状态的方法及装置

Publications (2)

Publication Number Publication Date
CN104268601A CN104268601A (zh) 2015-01-07
CN104268601B true CN104268601B (zh) 2018-01-26

Family

ID=52160121

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410534659.5A Active CN104268601B (zh) 2014-10-11 2014-10-11 一种获取人体状态的方法及装置

Country Status (1)

Country Link
CN (1) CN104268601B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104933336A (zh) * 2015-05-06 2015-09-23 丰唐物联技术（深圳）有限公司 一种智能家居设备的控制方法及系统
CN106407916A (zh) * 2016-08-31 2017-02-15 北京维盛视通科技有限公司 分布式人脸识别方法、装置及系统
CN108762500A (zh) * 2018-05-23 2018-11-06 深圳市创艺工业技术有限公司 一种智能机器人
CN109034061B (zh) * 2018-07-26 2019-04-19 上海极链网络科技有限公司 大数据处理式体形识别系统
CN110428617A (zh) * 2019-07-23 2019-11-08 重庆邮电大学 一种基于5g便携式智能终端及mec的交通对象识别方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001282847A (ja) * 2000-04-03 2001-10-12 Nec Corp 感性適応型情報提示装置及びプログラムを記録した機械読み取り可能な記録媒体
CN1925443A (zh) * 2006-09-22 2007-03-07 中山大学 一种数字家庭设备智能控制系统
CN102929660A (zh) * 2012-10-09 2013-02-13 广东欧珀移动通信有限公司 一种终端设备心情主题的控制方法及其终端设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001282847A (ja) * 2000-04-03 2001-10-12 Nec Corp 感性適応型情報提示装置及びプログラムを記録した機械読み取り可能な記録媒体
CN1925443A (zh) * 2006-09-22 2007-03-07 中山大学 一种数字家庭设备智能控制系统
CN102929660A (zh) * 2012-10-09 2013-02-13 广东欧珀移动通信有限公司 一种终端设备心情主题的控制方法及其终端设备

Also Published As

Publication number Publication date
CN104268601A (zh) 2015-01-07

Similar Documents

Publication Publication Date Title
CN104268601B (zh) 一种获取人体状态的方法及装置
CN107437074B (zh) 一种身份认证方法和装置
CN108876526B (zh) 商品推荐方法、装置和计算机可读存储介质
CN109993595B (zh) 个性化推荐商品及服务的方法、系统及设备
CN102945366B (zh) 一种人脸识别的方法及装置
CN106776619B (zh) 用于确定目标对象的属性信息的方法和装置
JP2018116681A5 (zh)
CN106055710A (zh) 基于视频的商品推荐方法及装置
Zhang et al. Emotion detection using Kinect 3D facial points
CN106557723A (zh) 一种带交互式活体检测的人脸身份认证系统及其方法
CN110503082B (zh) 一种基于深度学习的模型训练方法以及相关装置
CN112669187B (zh) 身份识别方法、装置、电子设备及相关产品
KR20130049099A (ko) 얼굴 영상을 이용하여 나이 또는 성별을 추정하는 방법 및 장치
Nanni et al. Advanced methods for two-class problem formulation for on-line signature verification
Sen et al. Accommodating user diversity for in-store shopping behavior recognition
CN105212949A (zh) 一种使用皮肤电信号进行文化体验情感识别的方法
CN108614987A (zh) 数据处理的方法、装置和机器人
Sahoo et al. 3D Features for human action recognition with semi‐supervised learning
Sharma et al. An efficient partial occluded face recognition system
CN108985839A (zh) 无人超市中基于人脸识别的导购方法及装置
Whytock et al. On covariate factor detection and removal for robust gait recognition
KR20110100008A (ko) 연령 및 성별을 이용한 사용자 인식 장치 및 방법
CN112685533A (zh) 销售员推荐方法和装置、电子设备、存储介质
Merritt et al. Detecting friendship within dynamic online interaction networks
CN111080307A (zh) 基于量子ai遥感视觉的智能交易和社交方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20180831

Address after: The 523710 Tangxia Town, Dongguan City, Guangdong Province Pingshan Mountain, 188 Industrial Avenue 26

Patentee after: Central Intelligence Polytron Technologies Inc

Address before: The 518129 Shenzhen City, Guangdong Province Longgang District sakata Wuhe Avenue Xinhua industrial area mansions Zhong Kong 1 one to nine floor of workshop

Patentee before: Shenzhen Zhongkong Biometrics Technology Co., Ltd.

CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 523710, 26, 188 Industrial Road, Pingshan Town, Guangdong, Dongguan, Tangxia

Patentee after: Entropy Technology Co., Ltd

Address before: 523710, 26, 188 Industrial Road, Pingshan Town, Guangdong, Dongguan, Tangxia

Patentee before: Zhongkong Smart Technology Co.,Ltd.

CP02 Change in the address of a patent holder
CP02 Change in the address of a patent holder

Address after: No.32, Pingshan Industrial Road, Tangxia Town, Dongguan City, Guangdong Province, 523710

Patentee after: Entropy Technology Co., Ltd

Address before: 523710 26 Pingshan 188 Industrial Avenue, Tangxia Town, Dongguan, Guangdong

Patentee before: Entropy Technology Co., Ltd