CN108490832A - 用于发送信息的方法和装置 - Google Patents
用于发送信息的方法和装置 Download PDFInfo
- Publication number
- CN108490832A CN108490832A CN201810258775.7A CN201810258775A CN108490832A CN 108490832 A CN108490832 A CN 108490832A CN 201810258775 A CN201810258775 A CN 201810258775A CN 108490832 A CN108490832 A CN 108490832A
- Authority
- CN
- China
- Prior art keywords
- image
- face
- target
- recognition result
- target user
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 230000004044 response Effects 0.000 claims abstract description 28
- 238000012512 characterization method Methods 0.000 claims abstract description 20
- 230000001815 facial effect Effects 0.000 claims description 29
- 238000012549 training Methods 0.000 claims description 26
- 230000005540 biological transmission Effects 0.000 claims description 16
- 238000010801 machine learning Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 7
- 238000002360 preparation method Methods 0.000 claims description 2
- 210000003128 head Anatomy 0.000 description 81
- 210000000887 face Anatomy 0.000 description 21
- 238000013528 artificial neural network Methods 0.000 description 19
- 239000003795 chemical substances by application Substances 0.000 description 19
- 230000006854 communication Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000004378 air conditioning Methods 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
-
- 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
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant 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
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2642—Domotique, domestic, home control, automation, smart house
Abstract
本申请实施例公开了用于发送信息的方法和装置。该方法的一具体实施方式包括:获取由至少两个目标摄像头对目标用户拍摄的至少两个头部图像;对于至少两个头部图像中的每个头部图像,对该头部图像进行人脸姿态估计,确定该头部图像表征的目标用户的脸部朝向信息;获取目标设备的放置位置信息,以及基于所确定的至少一个脸部朝向信息和放置位置信息,确定目标用户是否面对目标设备;响应于确定目标用户面对目标设备,向目标设备发送预设的第一控制信号。该实施方式提高了对目标设备进行控制的灵活性。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及用于发送信息的方法和装置。
背景技术
随着社会的发展,科学的进步,人们对家居环境的安全性、舒适性、高效性提出了更高的要求。智能家居技术可以通过物联网技术将家中的各种设备(如音视频设备、照明系统、窗帘控制、空调控制、安防系统、数字影院系统、影音服务器、影柜系统、网络家电等)连接到一起,提供家电控制、照明控制、电话远程控制、室内外遥控、防盗报警、环境监测、暖通控制、红外转发以及可编程定时控制等多种功能和手段。与普通家居相比,智能家居不仅具有传统的居住功能,还兼备建筑、网络通信、信息家电、设备自动化,提供全方位的信息交互功能,甚至为各种能源费用节约资金。现有的智能家电控制系统,通常采用遥控器、语音等方式进行控制。
发明内容
本申请实施例提出了用于发送信息的方法和装置。
第一方面,本申请实施例提供了一种用于发送信息的方法,该方法包括:获取由至少两个目标摄像头对目标用户拍摄的至少两个头部图像;对于至少两个头部图像中的每个头部图像,对该头部图像进行人脸姿态估计,确定该头部图像表征的目标用户的脸部朝向信息;获取目标设备的放置位置信息,以及基于所确定的至少一个脸部朝向信息和放置位置信息,确定目标用户是否面对目标设备;响应于确定目标用户面对目标设备,向目标设备发送预设的第一控制信号。
在一些实施例中,对该头部图像进行人脸姿态估计,确定该头部图像表征的目标用户的脸部朝向信息,包括:将该头部图像输入预先训练的人脸朝向识别模型,得到该头部图像表征的目标用户的脸部朝向信息,其中,人脸朝向识别模型用于表征头部图像与头部图像所表征的脸部朝向信息的对应关系。
在一些实施例中,人脸朝向识别模型通过如下步骤训练得到:获取多个样本头部图像和多个样本头部图像中的每个样本头部图像对应的样本脸部朝向信息;利用机器学习方法,将多个样本头部图像中的每个样本头部图像作为输入,将输入的样本头部图像对应的样本脸部朝向信息作为输出,训练得到人脸朝向识别模型。
在一些实施例中,在响应于确定目标用户面对目标设备,向目标设备发送预设的第一控制信号之后,方法还包括:获取由至少两个目标摄像头对目标用户拍摄的身体图像;将身体图像输入预先训练的身体姿态识别模型,得到身体姿态识别结果,其中,身体姿态识别模型用于表征身体图像与身体姿态识别结果的对应关系;响应于确定身体姿态识别结果符合第一预设条件,向目标设备发送预设的、与身体姿态识别结果对应的第二控制信号。
在一些实施例中,身体姿态识别模型通过如下步骤训练得到:获取多个样本身体图像和多个样本身体图像中的每个样本身体图像对应的身体姿态识别结果;利用机器学习方法,将多个样本身体图像中的每个样本身体图像作为输入,将输入的样本身体图像对应的身体姿态识别结果作为输出,训练得到身体姿态识别模型。
在一些实施例中,在响应于确定目标用户面对目标设备,向目标设备发送预设的第一控制信号之后,方法还包括:获取目标用户的语音信息,以及对语音信息进行识别,得到语音识别结果;响应于确定语音识别结果符合第二预设条件,向目标设备发送预设的第二控制信号。
第二方面,本申请实施例提供了一种用于发送信息的装置,该装置包括:第一获取单元,配置用于获取由至少两个目标摄像头对目标用户拍摄的至少两个头部图像;估计单元,配置用于对于至少两个头部图像中的每个头部图像,对该头部图像进行人脸姿态估计,确定该头部图像表征的目标用户的脸部朝向信息;确定单元,配置用于获取目标设备的放置位置信息,以及基于所确定的至少一个脸部朝向信息和放置位置信息,确定目标用户是否面对目标设备;第一发送单元,配置用于响应于确定目标用户面对目标设备,向目标设备发送预设的第一控制信号。
在一些实施例中,估计单元进一步配置用于:将该头部图像输入预先训练的人脸朝向识别模型,得到该头部图像表征的目标用户的脸部朝向信息,其中,人脸朝向识别模型用于表征头部图像与头部图像所表征的脸部朝向信息的对应关系。
在一些实施例中,人脸朝向识别模型通过如下步骤训练得到:获取多个样本头部图像和多个样本头部图像中的每个样本头部图像对应的样本脸部朝向信息;利用机器学习方法,将多个样本头部图像中的每个样本头部图像作为输入,将输入的样本头部图像对应的样本脸部朝向信息作为输出,训练得到人脸朝向识别模型。
在一些实施例中,装置还包括:第二获取单元,配置用于获取由至少两个目标摄像头对目标用户拍摄的身体图像;第一识别单元,配置用于将身体图像输入预先训练的身体姿态识别模型,得到身体姿态识别结果,其中,身体姿态识别模型用于表征身体图像与身体姿态识别结果的对应关系;第二发送单元,配置用于响应于确定身体姿态识别结果符合第一预设条件,向目标设备发送预设的、与身体姿态识别结果对应的第二控制信号。
在一些实施例中,身体姿态识别模型通过如下步骤训练得到:获取多个样本身体图像和多个样本身体图像中的每个样本身体图像对应的身体姿态识别结果;利用机器学习方法,将多个样本身体图像中的每个样本身体图像作为输入,将输入的样本身体图像对应的身体姿态识别结果作为输出,训练得到身体姿态识别模型。
在一些实施例中,装置还包括:第二识别单元,配置用于获取目标用户的语音信息,以及对语音信息进行识别,得到语音识别结果;第三发送单元,配置用于响应于确定语音识别结果符合第二预设条件,向目标设备发送预设的第二控制信号。
第三方面,本申请实施例提供了一种电子设备,该电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的用于发送信息的方法和装置,通过首先获取目标用户的至少两个头部图像,再对头部图像进行人脸姿态估计,确定目标用户的脸部朝向,然后结合获取的目标设备的放置位置信息,确定目标用户是否面对目标设备,如果面对目标设备,则向目标设备发送控制信号,从而提高了对目标设备进行控制的灵活性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的用于发送信息的方法的一个实施例的流程图;
图3是根据本申请的用于发送信息的方法的人脸姿态角的示例性示意图;
图4是根据本申请的用于发送信息的方法的一个应用场景的示意图;
图5是根据本申请的用于发送信息的方法的又一个实施例的流程图;
图6是根据本申请的用于发送信息的装置的一个实施例的结构示意图;
图7是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请实施例的用于发送信息的方法或用于发送信息的装置的示例性系统架构100。
如图1所示,系统架构100可以包括控制设备101、目标设备102、至少两个摄像头103。其中,控制设备101分别与目标设备102和摄像头103通信连接。上述通信连接可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以通过控制设备101对目标设备102进行控制。控制设备101可以是硬件,也可以是软件。当控制设备101为硬件时,可以是具有数据处理能力的各种电子设备,包括但不限于微处理芯片、智能手机、平板电脑、电子书阅读器、MP3播放器(Moving PictureExperts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(MovingPicture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当控制设备101为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
目标设备102可以是根据接收的控制信号进行相应操作的各种电子设备,例如家用电器、机器人等。
需要说明的是,本申请实施例所提供的用于发送信息的方法一般由控制设备101执行,相应地,用于发送信息的装置一般设置于控制设备101中。
应该理解,图1中的控制设备、目标设备和摄像头的数目仅仅是示意性的。根据实现需要,可以具有任意数目的控制设备、目标设备和摄像头。
继续参考图2,示出了根据本申请的用于发送信息的方法的一个实施例的流程200。该用于发送信息的方法,包括以下步骤:
步骤201,获取由至少两个目标摄像头对目标用户拍摄的至少两个头部图像。
在本实施例中,用于发送信息的方法的执行主体(例如图1所示的控制设备101)可以通过有线连接方式或者无线连接方式从远程或本地获取至少两个头部图像。其中,上述至少两个头部图像可以是由至少两个目标摄像头(例如图1所示的摄像头103)对目标用户的头部拍摄得到的图像。目标摄像头可以是预先与上述执行主体建立通信连接的摄像头,且目标摄像头可以设置于如图所示的目标设备上,也可以设置于其他预设位置(例如某房间的房顶、墙角)。上述目标用户可以是上述至少两个目标摄像头的拍摄范围内出现的人员。
步骤202,对于至少两个头部图像中的每个头部图像,对该头部图像进行人脸姿态估计,确定该头部图像表征的目标用户的脸部朝向信息。
在本实施例中,基于步骤201中获取的至少两个头部图像,对于至少两个头部图像中的每个头部图像,上述执行主体可以对该头部图像进行人脸姿态估计,确定该头部图像表征的目标用户的脸部朝向信息。其中,脸部朝向信息用于表征人脸的正面朝向。脸部朝向信息可以为目标用户的脸部的正面姿态角。具体地,正面姿态角可以用于表征目标用户的脸部的正面朝向相对于拍摄得到目标用户的头部图像的目标摄像头的偏转程度。正面姿态角可以包括俯仰角(pitch)、偏航角(yaw)、翻滚角(roll)三种角度,分别代表上下翻转,左右翻转,平面内旋转的角度。如图3所示,x轴、y轴、z轴是直角坐标系的三个轴。其中,z轴可以为目标摄像头301的光轴,y轴可以为在人的头部不发生侧转的状态下、通过人的头顶轮廓的中心点且与水平面垂直的直线。俯仰角可以为人脸绕x轴旋转的角度,偏航角可以为人脸绕y轴旋转的角度,翻滚角可以为人脸绕z轴旋转的角度。在图3中的直角坐标系中,当人的头部转动时,确定以该直角坐标系的原点为端点、且通过人的两个眼球中心点的连线的中点的射线,该射线分别与x轴、y轴、z轴的角度可以确定为正面姿态角。
可选地,上述脸部朝向信息还可以为以上述正面姿态角为基准的、预设的角度范围。
需要说明的是,上述执行主体可以按照各种现有的人脸姿态估计的方法对二维人脸图像进行人脸姿态估计。其中,人脸姿态估计的方法可以包括但不限于以下至少一种:基于模型的方法,基于人脸特征点的方法,基于分类的方法等。
在本实施例的一些可选的实现方式中,上述执行主体可以按照如下步骤进行人脸姿态估计:
将该头部图像输入预先训练的人脸朝向识别模型,得到该头部图像表征的目标用户的脸部朝向信息。其中,人脸朝向识别模型用于表征头部图像与头部图像所表征的脸部朝向信息的对应关系。上述人脸朝向识别模型可以是技术人员基于对大量的头部图像和脸部朝向信息的统计而预先制定的、存储有多个头部图像与脸部朝向信息的对应关系的对应关系表,也可以是基于现有的人工神经网络(例如卷积神经网络)进行有监督地训练而得到的人脸朝向识别模型。
在本实施例的一些可选的实现方式中,上述执行主体或其他电子设备可以通过如下步骤训练得到上述人脸朝向识别模型:首先,获取多个样本头部图像和多个样本头部图像中的每个样本头部图像对应的样本脸部朝向信息。然后,利用机器学习方法,将多个样本头部图像中的每个样本头部图像作为输入,将输入的样本头部图像对应的样本脸部朝向信息作为输出,训练得到人脸朝向识别模型。
上述人脸朝向识别模型可以是对初始化的人工神经网络进行训练得到的模型。初始化的人工神经网络可以是未经训练的人工神经网络或未训练完成的人工神经网络。初始化的人工神经网络的各层可以设置有初始参数,参数在人工神经网络的训练过程中可以被不断地调整。初始化的人工神经网络可以是各种类型的未经训练或未训练完成的人工神经网络。例如,初始化的人工神经网络可以是未经训练的卷积神经网络(例如可以包括卷积层、池化层、预设大小的卷积核等),也可以是未经训练的循环神经网络。这样,头部图像可以被输入至人脸朝向识别模型的输入侧,然后依次经过人脸朝向识别模型中的各层的处理,从人脸朝向识别模型的输出侧输出身体特征信息。
步骤203,获取目标设备的放置位置信息,以及基于所确定的至少一个脸部朝向信息和放置位置信息,确定目标用户是否面对目标设备。
在本实施例中,上述执行主体可以获取目标设备的放置位置信息,以及基于步骤202中所确定的至少一个脸部朝向信息和放置位置信息,确定目标用户是否面对目标设备。其中,目标设备可以是与上述执行主体预先建立通信连接的各种电子设备,例如家用电器、工业电器等。上述放置位置信息可以用于表征目标设备所占据的三维空间的位置和大小。例如,放置位置信息可以为在以图3所示的直角坐标系中的三维坐标信息(例如当目标设备为立方体时,三维坐标信息可以包括立方体的各个角点的坐标)。
具体地,对于所确定的至少一个脸部朝向信息中的每个脸部朝向信息,上述执行主体可以确定用于指示该脸部朝向的射线是否通过上述放置位置信息表征的三维空间。当上述执行主体确定用于指示每个脸部朝向信息的射线均通过放置位置信息表征的三维空间时,则确定目标用户面对目标设备。
可选地,当上述执行主体确定通过放置位置信息表征的三维空间的射线的数量大于等于预设数值时,确定目标用户面对目标设备。例如当目标摄像头的数量为5个时,可以确定5条用于指示脸部朝向信息的射线,如果其中的4条射线通过放置位置信息表征的三维空间,则确定目标用户面对目标设备。
本步骤中,通过对上述至少一个脸部朝向信息的分析,可以增加判断目标用户是否面对目标设备的准确性。
步骤204,响应于确定目标用户面对目标设备,向目标设备发送预设的第一控制信号。
在本实施例中,上述执行主体可以响应于确定目标用户面对目标设备,向目标设备发送预设的第一控制信号。其中,第一控制信号可以是预先设定的、使目标设备执行相应操作的信号。例如,第一控制信号可以为接通电源信号,当目标设备接收到该接通电源信号时,目标设备可以接通电源并处于待机状态。
在本实施例的一些可选的实现方式中,上述执行主体可以在向目标设备发送第一控制信号之后,执行如下步骤:
首先,获取目标用户的语音信息,以及对语音信息进行识别,得到语音识别结果。其中,语音识别结果可以是包含至少一个关键词的文本信息。
然后,上述执行主体响应于确定语音识别结果符合第二预设条件,向目标设备发送预设的、与身体姿态识别结果对应的第二控制信号。其中,第二预设条件可以是上述至少一个关键词中的关键词与预设的关键词集合中的关键词相同。第二预设条件还可以是语音识别结果与预设的关键词集合中的关键词的相似度大于预设的相似度阈值。上述执行主体可以基于现有的计算文本相似度的方法(例如计算余弦相似度的方法、计算皮尔森相关系数的方法),得到所提取的至少一个关键词中的关键词与预设的关键词集合中的关键词的相似度大于预设的相似度。
上述关键词集合中的每个关键词可以对应预设的第二控制信号,因此当确定语音识别结果符合第二预设条件时,该第二控制信号即与语音识别结果对应。作为示例,目标设备为空调,预设的关键词集合包括{“升温”、“高温”、“提高温度”},该关键词集合中的每个关键词对应的第二控制信号为使空调执行升温的信号,则当语音识别结果包括关键词“升温”时,确定语音识别结果符合第二预设条件,向目标设备发送使第二控制信号。
继续参见图4,图4是根据本实施例的用于发送信息的方法的应用场景的一个示意图。在图4的应用场景中,两个摄像头402首先对目标用户404拍照,然后将拍摄的目标用户404的头部图像405和406发送至计算机401,计算机401对头部图像405和406分别进行人脸姿态估计,得到脸部朝向信息(即第一人脸姿态角407和第二人脸姿态角408)。接着,计算机401获取目标设备403的放置位置信息409,并基于第一人脸姿态角407、第二人脸姿态角408和放置位置信息409,确定此时目标用户404面对目标设备403(例如空调)。最后,计算机401生成第一控制信号410(例如接通电源信号)并将第一控制信号410发送至目标设备403,目标设备403随后按照第一控制信号410执行接通电源的操作。
本申请的上述实施例提供的方法,通过首先获取目标用户的至少两个头部图像,再对头部图像进行人脸姿态估计,确定目标用户的脸部朝向,然后结合获取的目标设备的放置位置信息,确定目标用户是否面对目标设备,如果面对目标设备,则向目标设备发送控制信号,从而提高了向目标设备发送控制信息的灵活性和准确性。
进一步参考图5,其示出了用于发送信息的方法的又一个实施例的流程500。该用于发送信息的方法的流程500,包括以下步骤:
步骤501,获取由至少两个目标摄像头对目标用户拍摄的至少两个头部图像。
在本实施例中,步骤501与图2对应实施例中的步骤201基本一致,这里不再赘述。
步骤502,对于至少两个头部图像中的每个头部图像,对该头部图像进行人脸姿态估计,确定该头部图像表征的目标用户的脸部朝向信息。
在本实施例中,步骤502与图2对应实施例中的步骤202基本一致,这里不再赘述。
步骤503,获取目标设备的放置位置信息,以及基于所确定的至少一个脸部朝向信息和放置位置信息,确定目标用户是否面对目标设备。
在本实施例中,步骤503与图2对应实施例中的步骤203基本一致,这里不再赘述。
步骤504,响应于确定目标用户面对目标设备,向目标设备发送预设的第一控制信号。
在本实施例中,步骤504与图2对应实施例中的步骤204基本一致,这里不再赘述。
步骤505,获取由至少两个目标摄像头对目标用户拍摄的身体图像。
在本实施例中,用于发送信息的方法的执行主体(例如图1所示的控制设备101)可以获取上述至少两个目标摄像头对目标用户拍摄的身体图像。需要说明的是,身体图像可以是单幅的静态图像,也可以是由多幅图像组成的图像序列。对图像序列进行分析,可以得到目标用户的身体动作(例如手势动作、头部动作等)相关的信息。
步骤506,将身体图像输入预先训练的身体姿态识别模型,得到身体姿态识别结果。
在本实施例中,基于步骤505获取的身体图像,上述执行主体可以将身体图像输入预先训练的身体姿态识别模型,得到身体姿态识别结果。其中,身体姿态识别模型用于表征身体图像与身体姿态识别结果的对应关系。上述身体姿态识别结果可以用于表征目标用户的身体姿态,例如手臂的姿态、头部的姿态、面部的姿态等。身体姿态识别结果的形式可以是特征向量(例如表征手臂摆放位置的特征向量)或类别信息(例如“手臂抬高”、“手臂压低”等)。身体姿态可以是静态的身体姿态(例如手臂的摆放位置),也可以是动态的身体姿态(例如手臂的动作)。
作为示例,上述身体姿态识别模可以是技术人员基于对大量的身体图像和身体姿态识别结果的统计而预先制定的、存储有多个身体图像与身体姿态识别结果的对应关系的对应关系表,也可以是基于现有的人工神经网络(例如卷积神经网络)进行有监督地训练而得到的身体姿态识别模型。
在本实施例的一些可选的实现方式中,上述执行主体或其他电子设备可以通过如下步骤训练得到上述身体姿态识别模型:首先,获取多个样本身体图像和多个样本身体图像中的每个样本身体图像对应的身体姿态识别结果。然后,利用机器学习方法,将多个样本身体图像中的每个样本身体图像作为输入,将输入的样本身体图像对应的身体姿态识别结果作为输出,训练得到身体姿态识别模型。
上述身体姿态识别模型可以是对初始化的人工神经网络进行训练得到的模型。初始化的人工神经网络可以是未经训练的人工神经网络或未训练完成的人工神经网络。初始化的人工神经网络的各层可以设置有初始参数,参数在人工神经网络的训练过程中可以被不断地调整。初始化的人工神经网络可以是各种类型的未经训练或未训练完成的人工神经网络。例如,初始化的人工神经网络可以是未经训练的卷积神经网络,卷积神经网络可以包括卷积层、池化层、预设大小的卷积核、全连接层等。其中,全连接层可以对卷积神经网络其他层所输出的身体图像的特征(如轮廓特征、颜色特征、动作特征等)数据进行分类,得到特征数据对应的类别(例如手势动作的类别、头部动作的类别、面部动作的类别等)。这样,身体图像可以被输入至身体姿态识别模型的输入侧,然后依次经过身体姿态识别模型中的各层的处理,从身体姿态识别模型的输出侧输出身体姿态识别结果。
步骤507,响应于确定身体姿态识别结果符合第一预设条件,向目标设备发送预设的、与身体姿态识别结果对应的第二控制信号。
在本实施例中,上述执行主体可以响应于确定身体姿态识别结果符合第一预设条件,向目标设备发送预设的、与身体姿态识别结果对应的第二控制信号。其中,当身体姿态识别结果为类别信息时,上述第一预设条件可以是身体姿态识别结果与预设的身体姿态信息集合中的身体姿态信息相同。当身体姿态识别结果为特征向量时,上述第一预设条件可以是身体姿态识别结果与预设的身体姿态信息集合中的身体姿态信息之间的相似度大于预设的相似度阈值。具体地,上述执行主体可以利用现有的相似度计算方法(例如计算余弦相似度的方法、计算皮尔森相关系数的方法等)计算人脸特征信息之间的相似度。
上述第二控制信号可以是预先与身体姿态信息集合中的身体姿态信息建立对应关系的、使目标设备执行相应操作的信号,因此当确定身体姿态识别结果符合第一预设条件时,该第二控制信号即与身体姿态识别结果对应。例如,假设目标设备为空调,身体姿态识别结果对应的第二控制信号可以为风速调整信号,当空调接收到该第二控制信号时,空调可以根据第二控制信号,调整到相应的风速。
从图5中可以看出,与图2对应的实施例相比,本实施例中的用于发送信息的方法的流程500突出了识别目标用户的身体姿态以及向目标设备发送第二控制信息的步骤。由此可以引入更多的向目标设备发送控制信息的方法,可以进一步提高对目标设备进行控制的灵活性。
进一步参考图6,作为对上述各图所示方法的实现,本申请提供了一种用于发送信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图6所示,本实施例的用于发送信息的装置600包括:第一获取单元601,配置用于获取由至少两个目标摄像头对目标用户拍摄的至少两个头部图像;估计单元602,配置用于对于至少两个头部图像中的每个头部图像,对该头部图像进行人脸姿态估计,确定该头部图像表征的目标用户的脸部朝向信息;确定单元603,配置用于获取目标设备的放置位置信息,以及基于所确定的至少一个脸部朝向信息和放置位置信息,确定目标用户是否面对目标设备;第一发送单元604,配置用于响应于确定目标用户面对目标设备,向目标设备发送预设的第一控制信号。
在本实施例中,上述第一获取单元601可以通过有线连接方式或者无线连接方式从远程或本地获取至少两个头部图像。其中,上述至少两个头部图像可以是由至少两个目标摄像头(例如图1所示的摄像头103)对目标用户的头部拍摄得到的图像。目标摄像头可以是预先与上述用于发送信息的装置600建立通信连接的摄像头,且目标摄像头可以设置于如图所示的目标设备上,也可以设置于其他预设位置(例如某房间的房顶、墙角)。上述目标用户可以是上述至少两个目标摄像头的拍摄范围内出现的人员。
在本实施例中,基于第一获取单元601获取的至少两个头部图像,对于至少两个头部图像中的每个头部图像,上述估计单元602可以对该头部图像进行人脸姿态估计,确定该头部图像表征的目标用户的脸部朝向信息。其中,脸部朝向信息用于表征人脸的正面朝向。脸部朝向信息可以为目标用户的脸部的正面姿态角。具体地,正面姿态角可以用于表征目标用户的脸部的正面朝向相对于拍摄得到目标用户的头部图像的目标摄像头的偏转程度。正面姿态角可以包括俯仰角(pitch)、偏航角(yaw)、翻滚角(roll)三种角度,分别代表上下翻转,左右翻转,平面内旋转的角度。
在本实施例中,确定单元603可以首先获取目标设备的放置位置信息,然后基于估计单元602所确定的至少一个脸部朝向信息和放置位置信息,确定目标用户是否面对目标设备。其中,目标设备可以是与上述用于发送信息的装置600预先建立通信连接的各种电子设备,例如家用电器、工业电器等。上述放置位置信息可以用于表征目标设备所占据的三维空间的位置和大小。
在本实施例中,第一发送单元604可以响应于确定目标用户面对目标设备,向目标设备发送预设的第一控制信号。其中,第一控制信号可以是预先设定的、使目标设备执行相应操作的信号。例如,第一控制信号可以为接通电源信号,当目标设备接收到该接通电源信号时,目标设备可以接通电源并处于待机状态。
在本实施例的一些可选的实现方式中,估计单元602可以进一步配置用于:将该头部图像输入预先训练的人脸朝向识别模型,得到该头部图像表征的目标用户的脸部朝向信息,其中,人脸朝向识别模型用于表征头部图像与头部图像所表征的脸部朝向信息的对应关系。
在本实施例的一些可选的实现方式中,人脸朝向识别模型可以通过如下步骤训练得到:获取多个样本头部图像和多个样本头部图像中的每个样本头部图像对应的样本脸部朝向信息;利用机器学习方法,将多个样本头部图像中的每个样本头部图像作为输入,将输入的样本头部图像对应的样本脸部朝向信息作为输出,训练得到人脸朝向识别模型。
在本实施例的一些可选的实现方式中,用于发送信息的装置600还可以包括:第二获取单元(图中未示出),配置用于获取由至少两个目标摄像头对目标用户拍摄的身体图像;第一识别单元(图中未示出),配置用于将身体图像输入预先训练的身体姿态识别模型,得到身体姿态识别结果,其中,身体姿态识别模型用于表征身体图像与身体姿态识别结果的对应关系;第二发送单元(图中未示出),配置用于响应于确定身体姿态识别结果符合第一预设条件,向目标设备发送预设的、与身体姿态识别结果对应的第二控制信号。
在本实施例的一些可选的实现方式中,身体姿态识别模型可以通过如下步骤训练得到:获取多个样本身体图像和多个样本身体图像中的每个样本身体图像对应的身体姿态识别结果;利用机器学习方法,将多个样本身体图像中的每个样本身体图像作为输入,将输入的样本身体图像对应的身体姿态识别结果作为输出,训练得到身体姿态识别模型。
在本实施例的一些可选的实现方式中,用于发送信息的装置600还可以包括:第二识别单元(图中未示出),配置用于获取目标用户的语音信息,以及对语音信息进行识别,得到语音识别结果;第三发送单元(图中未示出),配置用于响应于确定语音识别结果符合第二预设条件,向目标设备发送预设的第二控制信号。
本申请的上述实施例提供的装置,通过获取单元首先获取目标用户的至少两个头部图像,再估计单元对头部图像进行人脸姿态估计,确定目标用户的脸部朝向,然后确定单元结合获取的目标设备的放置位置信息,确定目标用户是否面对目标设备,如果面对目标设备,则发送单元向目标设备发送控制信号,从而提高了向目标设备发送控制信息的灵活性和准确性。
下面参考图7,其示出了适于用来实现本申请实施例的电子设备(例如控制设备)的计算机系统700的结构示意图。图7示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图7所示,计算机系统700包括中央处理单元(CPU)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705:包括键盘、鼠标等的输入部分706;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707;包括硬盘等的存储部分708;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器710上,以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分709从网络上被下载和安装,和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括第一获取单元、估计单元、确定单元和第一发送单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还可以被描述为“获取由至少两个目标摄像头对目标用户拍摄的至少两个头部图像的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取由至少两个目标摄像头对目标用户拍摄的至少两个头部图像;对于至少两个头部图像中的每个头部图像,对该头部图像进行人脸姿态估计,确定该头部图像表征的目标用户的脸部朝向信息;获取目标设备的放置位置信息,以及基于所确定的至少一个脸部朝向信息和放置位置信息,确定目标用户是否面对目标设备;响应于确定目标用户面对目标设备,向目标设备发送预设的第一控制信号。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (14)
1.一种用于发送信息的方法,包括:
获取由至少两个目标摄像头对目标用户拍摄的至少两个头部图像;
对于所述至少两个头部图像中的每个头部图像,对该头部图像进行人脸姿态估计,确定该头部图像表征的所述目标用户的脸部朝向信息;
获取目标设备的放置位置信息,以及基于所确定的至少一个脸部朝向信息和所述放置位置信息,确定所述目标用户是否面对所述目标设备;
响应于确定所述目标用户面对所述目标设备,向所述目标设备发送预设的第一控制信号。
2.根据权利要求1所述的方法,其中,所述对该头部图像进行人脸姿态估计,确定该头部图像表征的所述目标用户的脸部朝向信息,包括:
将该头部图像输入预先训练的人脸朝向识别模型,得到该头部图像表征的所述目标用户的脸部朝向信息,其中,所述人脸朝向识别模型用于表征头部图像与头部图像所表征的脸部朝向信息的对应关系。
3.根据权利要求2所述的方法,其中,所述人脸朝向识别模型通过如下步骤训练得到:
获取多个样本头部图像和所述多个样本头部图像中的每个样本头部图像对应的样本脸部朝向信息;
利用机器学习方法,将所述多个样本头部图像中的每个样本头部图像作为输入,将输入的样本头部图像对应的样本脸部朝向信息作为输出,训练得到人脸朝向识别模型。
4.根据权利要求1-3之一所述的方法,其中,在所述响应于确定所述目标用户面对所述目标设备,向所述目标设备发送预设的第一控制信号之后,所述方法还包括:
获取由所述至少两个目标摄像头对所述目标用户拍摄的身体图像;
将所述身体图像输入预先训练的身体姿态识别模型,得到身体姿态识别结果,其中,所述身体姿态识别模型用于表征身体图像与身体姿态识别结果的对应关系;
响应于确定所述身体姿态识别结果符合第一预设条件,向所述目标设备发送预设的、与所述身体姿态识别结果对应的第二控制信号。
5.根据权利要求4所述的方法,其中,所述身体姿态识别模型通过如下步骤训练得到:
获取多个样本身体图像和所述多个样本身体图像中的每个样本身体图像对应的身体姿态识别结果;
利用机器学习方法,将所述多个样本身体图像中的每个样本身体图像作为输入,将输入的样本身体图像对应的身体姿态识别结果作为输出,训练得到身体姿态识别模型。
6.根据权利要求1-3之一所述的方法,其中,在所述响应于确定所述目标用户面对所述目标设备,向所述目标设备发送预设的第一控制信号之后,所述方法还包括:
获取所述目标用户的语音信息,以及对所述语音信息进行识别,得到语音识别结果;
响应于确定所述语音识别结果符合第二预设条件,向所述目标设备发送预设的第二控制信号。
7.一种用于发送信息的装置,包括:
第一获取单元,配置用于获取由至少两个目标摄像头对目标用户拍摄的至少两个头部图像;
估计单元,配置用于对于所述至少两个头部图像中的每个头部图像,对该头部图像进行人脸姿态估计,确定该头部图像表征的所述目标用户的脸部朝向信息;
确定单元,配置用于获取目标设备的放置位置信息,以及基于所确定的至少一个脸部朝向信息和所述放置位置信息,确定所述目标用户是否面对所述目标设备;
第一发送单元,配置用于响应于确定所述目标用户面对所述目标设备,向所述目标设备发送预设的第一控制信号。
8.根据权利要求7所述的装置,其中,所述估计单元进一步配置用于:
将该头部图像输入预先训练的人脸朝向识别模型,得到该头部图像表征的所述目标用户的脸部朝向信息,其中,所述人脸朝向识别模型用于表征头部图像与头部图像所表征的脸部朝向信息的对应关系。
9.根据权利要求8所述的装置,其中,所述人脸朝向识别模型通过如下步骤训练得到:
获取多个样本头部图像和所述多个样本头部图像中的每个样本头部图像对应的样本脸部朝向信息;
利用机器学习方法,将所述多个样本头部图像中的每个样本头部图像作为输入,将输入的样本头部图像对应的样本脸部朝向信息作为输出,训练得到人脸朝向识别模型。
10.根据权利要求7-9之一所述的装置,其中,所述装置还包括:
第二获取单元,配置用于获取由所述至少两个目标摄像头对所述目标用户拍摄的身体图像;
第一识别单元,配置用于将所述身体图像输入预先训练的身体姿态识别模型,得到身体姿态识别结果,其中,所述身体姿态识别模型用于表征身体图像与身体姿态识别结果的对应关系;
第二发送单元,配置用于响应于确定所述身体姿态识别结果符合第一预设条件,向所述目标设备发送预设的、与所述身体姿态识别结果对应的第二控制信号。
11.根据权利要求10所述的方法,其中,所述身体姿态识别模型通过如下步骤训练得到:
获取多个样本身体图像和所述多个样本身体图像中的每个样本身体图像对应的身体姿态识别结果;
利用机器学习方法,将所述多个样本身体图像中的每个样本身体图像作为输入,将输入的样本身体图像对应的身体姿态识别结果作为输出,训练得到身体姿态识别模型。
12.根据权利要求7-9之一所述的方法,其中,所述装置还包括:
第二识别单元,配置用于获取所述目标用户的语音信息,以及对所述语音信息进行识别,得到语音识别结果;
第三发送单元,配置用于响应于确定所述语音识别结果符合第二预设条件,向所述目标设备发送预设的第二控制信号。
13.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
14.一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810258775.7A CN108490832A (zh) | 2018-03-27 | 2018-03-27 | 用于发送信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810258775.7A CN108490832A (zh) | 2018-03-27 | 2018-03-27 | 用于发送信息的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108490832A true CN108490832A (zh) | 2018-09-04 |
Family
ID=63337846
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810258775.7A Pending CN108490832A (zh) | 2018-03-27 | 2018-03-27 | 用于发送信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108490832A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109032039A (zh) * | 2018-09-05 | 2018-12-18 | 北京羽扇智信息科技有限公司 | 一种语音控制的方法及装置 |
CN109636956A (zh) * | 2018-10-26 | 2019-04-16 | 深圳云天励飞技术有限公司 | 一种门禁系统控制方法、装置以及电子设备 |
CN111209050A (zh) * | 2020-01-10 | 2020-05-29 | 北京百度网讯科技有限公司 | 用于切换电子设备的工作模式的方法和装置 |
CN111288956A (zh) * | 2018-12-07 | 2020-06-16 | 顺丰科技有限公司 | 一种目标姿态确定方法、装置、设备和存储介质 |
CN112987580A (zh) * | 2019-12-12 | 2021-06-18 | 华为技术有限公司 | 一种设备的控制方法、装置、服务器以及存储介质 |
CN113141464A (zh) * | 2021-04-20 | 2021-07-20 | 北京安博盛赢教育科技有限责任公司 | 摄像头的控制方法、装置、介质和电子设备 |
WO2022188552A1 (zh) * | 2021-03-10 | 2022-09-15 | Oppo广东移动通信有限公司 | 设备控制方法及相关装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010098421A (ja) * | 2008-10-15 | 2010-04-30 | Nippon Telegr & Teleph Corp <Ntt> | 表示制御装置、表示制御方法、プログラム、および記録媒体 |
JP2010133790A (ja) * | 2008-12-03 | 2010-06-17 | Calsonic Kansei Corp | 顔向き検知装置 |
CN105787478A (zh) * | 2016-04-14 | 2016-07-20 | 中南大学 | 基于神经网络和灵敏度参数的人脸转向识别方法 |
CN107070754A (zh) * | 2016-12-30 | 2017-08-18 | 深圳智乐信息科技有限公司 | 一种自动调节智能家居的方法及系统 |
CN107728482A (zh) * | 2016-08-11 | 2018-02-23 | 阿里巴巴集团控股有限公司 | 控制系统、控制处理方法及装置 |
CN107767416A (zh) * | 2017-09-05 | 2018-03-06 | 华南理工大学 | 一种低分辨率图像中行人朝向的识别方法 |
-
2018
- 2018-03-27 CN CN201810258775.7A patent/CN108490832A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010098421A (ja) * | 2008-10-15 | 2010-04-30 | Nippon Telegr & Teleph Corp <Ntt> | 表示制御装置、表示制御方法、プログラム、および記録媒体 |
JP2010133790A (ja) * | 2008-12-03 | 2010-06-17 | Calsonic Kansei Corp | 顔向き検知装置 |
CN105787478A (zh) * | 2016-04-14 | 2016-07-20 | 中南大学 | 基于神经网络和灵敏度参数的人脸转向识别方法 |
CN107728482A (zh) * | 2016-08-11 | 2018-02-23 | 阿里巴巴集团控股有限公司 | 控制系统、控制处理方法及装置 |
CN107070754A (zh) * | 2016-12-30 | 2017-08-18 | 深圳智乐信息科技有限公司 | 一种自动调节智能家居的方法及系统 |
CN107767416A (zh) * | 2017-09-05 | 2018-03-06 | 华南理工大学 | 一种低分辨率图像中行人朝向的识别方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109032039A (zh) * | 2018-09-05 | 2018-12-18 | 北京羽扇智信息科技有限公司 | 一种语音控制的方法及装置 |
CN109032039B (zh) * | 2018-09-05 | 2021-05-11 | 出门问问创新科技有限公司 | 一种语音控制的方法及装置 |
CN109636956A (zh) * | 2018-10-26 | 2019-04-16 | 深圳云天励飞技术有限公司 | 一种门禁系统控制方法、装置以及电子设备 |
CN111288956A (zh) * | 2018-12-07 | 2020-06-16 | 顺丰科技有限公司 | 一种目标姿态确定方法、装置、设备和存储介质 |
CN111288956B (zh) * | 2018-12-07 | 2022-04-22 | 顺丰科技有限公司 | 一种目标姿态确定方法、装置、设备和存储介质 |
CN112987580A (zh) * | 2019-12-12 | 2021-06-18 | 华为技术有限公司 | 一种设备的控制方法、装置、服务器以及存储介质 |
CN111209050A (zh) * | 2020-01-10 | 2020-05-29 | 北京百度网讯科技有限公司 | 用于切换电子设备的工作模式的方法和装置 |
WO2022188552A1 (zh) * | 2021-03-10 | 2022-09-15 | Oppo广东移动通信有限公司 | 设备控制方法及相关装置 |
CN115086095A (zh) * | 2021-03-10 | 2022-09-20 | Oppo广东移动通信有限公司 | 设备控制方法及相关装置 |
CN113141464A (zh) * | 2021-04-20 | 2021-07-20 | 北京安博盛赢教育科技有限责任公司 | 摄像头的控制方法、装置、介质和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108490832A (zh) | 用于发送信息的方法和装置 | |
CN108388142A (zh) | 用于控制家居设备的方法、装置和系统 | |
CN105446162B (zh) | 一种智能家居系统以及机器人的智能家居控制方法 | |
CN107612968B (zh) | 通过智能终端控制其所连接设备的方法、设备与系统 | |
CN110910503B (zh) | 一种空调环境的仿真方法及装置 | |
CN107728482A (zh) | 控制系统、控制处理方法及装置 | |
US20170185276A1 (en) | Method for electronic device to control object and electronic device | |
CN109255830A (zh) | 三维人脸重建方法和装置 | |
CN109188928A (zh) | 用于控制智能家居设备的方法和装置 | |
CN108509890A (zh) | 用于提取信息的方法和装置 | |
CN108447159A (zh) | 人脸图像采集方法、装置和出入口管理系统 | |
CN108375168B (zh) | 一种调节空气调节设备的方法 | |
CN108920046A (zh) | 一种智能家居设备的控制方法、装置计算机存储介质 | |
CN110235132A (zh) | 基于情境感知来提供连续验证的移动装置 | |
CN112303848B (zh) | 一种空调调控方法、装置及系统 | |
CN109218145A (zh) | Iot设备控制界面的显示方法、系统、设备及存储介质 | |
CN108989162A (zh) | 一种家用智能机器人管家系统 | |
CN106569409A (zh) | 一种基于图形捕获的家居设备控制系统、家居控制设备及控制方法 | |
US10444852B2 (en) | Method and apparatus for monitoring in a monitoring space | |
CN109243448A (zh) | 一种语音控制方法及装置 | |
CN111079588B (zh) | 一种图像处理方法、装置及存储介质 | |
CN109240096A (zh) | 设备控制方法及装置、存储介质、音量控制方法及装置 | |
CN110401793A (zh) | 用于控制智能终端的方法和装置 | |
CN111023399A (zh) | Vr系统、基于vr的空调控制方法及空调模拟方法 | |
CN106774010B (zh) | 一种移动式智能管家系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180904 |