CN110908289A - 智能家居的控制方法及装置 - Google Patents
智能家居的控制方法及装置 Download PDFInfo
- Publication number
- CN110908289A CN110908289A CN201811081383.4A CN201811081383A CN110908289A CN 110908289 A CN110908289 A CN 110908289A CN 201811081383 A CN201811081383 A CN 201811081383A CN 110908289 A CN110908289 A CN 110908289A
- Authority
- CN
- China
- Prior art keywords
- user
- identity
- gait
- gait parameters
- identification
- 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 40
- 230000005021 gait Effects 0.000 claims abstract description 139
- 238000012549 training Methods 0.000 claims abstract description 36
- 238000010801 machine learning Methods 0.000 claims abstract description 11
- 238000005516 engineering process Methods 0.000 abstract description 11
- 230000000007 visual effect Effects 0.000 description 6
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 210000000554 iris Anatomy 0.000 description 1
- 210000001930 leg bone Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
Images
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
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种智能家居的控制方法及装置。其中,该方法包括:采集步态参数;根据步态参数,通过识别模型识别用户的身份,其中,识别模型为使用多组训练数据,通过机器学习训练得出的,多组训练数据中的每组数据均包括:步态参数和步态参数对应的用户身份;根据用户身份控制智能家居工作。本发明解决了相关技术中智能家居无法对使用者的身份进行有效识别,识别准确率低的技术问题。
Description
技术领域
本发明涉及智能家居控制领域,具体而言,涉及一种智能家居的控制方法及装置。
背景技术
随着人工智能技术的发展,智能家居的使用也越来越普遍,但大多数的智能家居是基于用户通过用户在手机上操控,或根据声音,图像之类进行控制,而上述控制是由智能识别控制指令来实现的,并不能对使用者的身份进行有效识别,也不能根据使用者的身份对应的使用权限对智能家居进行控制。现有技术中虽然存在身份识别技术,如指纹、人脸识别等,不仅容易受到光照等客观环境的影响,还容易受到人的躲藏、伪装等人为因素的影响,难以适应复杂的场景,一旦受到上述不利因素影响,就很难得到准确的身份识别结果。
步态识别是近年来新兴的一种新的生物认证技术,它是通过人的走路方式和人的体型来识别人的身份的方法。其工作原理是融合计算机视觉、模式识别与识别图像处理的一门技术。首先由监控摄像机采集人的步态,通过检测与跟踪获得步态的视频序列,经过与处理分析提取该人的步态特征;然后进一步处理,使其成为与已经存储在数据库的不太得同样的模式;最后将采集的步态特征与存储的步态特征进行比对识别。而且,步态特征不需要识别者特意配合就能采集,具有远距离、非受控的特点,相比指纹、人脸、虹膜等识别技术,步态识别可以在远距离的复杂场景下获取唯一的生物特征,适用于各种分辨率、光照、角度等较为复杂的场景。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种智能家居的控制方法及装置,以至少解决相关技术中智能家居无法对使用者的身份进行有效识别,识别准确率低的技术问题。
根据本发明实施例的一个方面,提供了一种智能家居的控制方法,包括:采集步态参数;根据所述步态参数,通过识别模型识别用户的身份,其中,所述识别模型为使用多组训练数据,通过机器学习训练得出的,所述多组训练数据中的每组数据均包括:步态参数和所述步态参数对应的用户身份;根据所述用户身份控制智能家居工作。
可选地,采集步态参数包括:通过采集装置对使用者的步态进行采集,确定所述步态参数;其中,所述采集装置包括多个不同采集角度的步态采集装置。
可选地,确定所述步态参数包括:通过所述步态采集装置采集使用者的步态图像;根据所述步态图像确定所述步态参数。
可选地,根据所述步态参数,通过识别模型识别使用者的身份包括:根据多组所述步态参数分别通过识别模型进行识别,得到多个识别结果;根据所述多个识别结果确定所述使用者的身份。
可选地,根据所述多个识别结果确定所述使用者的身份包括:选取多个识别结果中,相似度最高的使用者身份为最终确定的使用者的身份;其中,所述识别结果包括,使用者的身份,以及输入的所述步态参数与所述使用者的身份的相似度。
可选地,根据所述用户身份控制智能家居工作之前包括:预设使用者列表,以及所述使用者列表中的使用者对所述智能家居的使用权限;根据所述使用权限,确定与使用者身份对应的工作模式。
可选地,根据所述用户身份控制智能家居工作包括:判断所述识别出的使用者的身份,是否属于预设使用者列表中的使用者之一;在所述识别出的使用者身份属于所述预设使用者列表的情况下,根据所述使用者对应的使用权限确定智能家居的工作模式;根据所述工作模式控制智能家居工作。
根据本发明实施例的另一方面,还提供了一种智能家居的控制装置,包括:采集模块,用于采集步态参数;识别模块,用于根据所述步态参数,通过识别模型识别用户的身份,其中,所述识别模型为使用多组训练数据,通过机器学习训练得出的,所述多组训练数据中的每组数据均包括:步态参数和所述步态参数对应的用户身份;控制模块,用于根据所述用户身份控制智能家居工作。
根据本发明实施例的另一方面,还提供了一种存储介质,所述存储介质存储有程序指令,其中,在所述程序指令运行时控制所述存储介质所在设备执行上述任意一项所述的方法。
根据本发明实施例的另一方面,还提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述任意一项所述的方法。
在本发明实施例中,采用采集步态参数;根据所述步态参数,通过识别模型识别用户的身份,其中,所述识别模型为使用多组训练数据,通过机器学习训练得出的,所述多组训练数据中的每组数据均包括:步态参数和所述步态参数对应的用户身份;根据所述用户身份控制智能家居工作的方式,通过识别模型对步态参数进行识别,达到了准确地识别出用户的身份的目的,从而实现了有效控制智能家居工作的方式的技术效果,进而解决了相关技术中智能家居无法对使用者的身份进行有效识别,识别准确率低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的智能家居的控制方法的流程图;
图2是根据本发明实施例的智能家居的控制装置的结构示意图。
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的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通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,都应当属于本发明保护的范围。
需要说明的是,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”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,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。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。
根据本发明实施例,提供了一种智能家居的控制方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的智能家居的控制方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,采集步态参数;
步骤S104,根据步态参数,通过识别模型识别用户的身份,其中,识别模型为使用多组训练数据,通过机器学习训练得出的,多组训练数据中的每组数据均包括:步态参数和步态参数对应的用户身份;
步骤S106,根据用户身份控制智能家居工作。
通过上述步骤,可以实现采用采集步态参数;根据步态参数,通过识别模型识别用户的身份,其中,识别模型为使用多组训练数据,通过机器学习训练得出的,多组训练数据中的每组数据均包括:步态参数和步态参数对应的用户身份;根据用户身份控制智能家居工作的方式,通过识别模型对步态参数进行识别,达到了准确地识别出用户的身份的目的,从而实现了有效控制智能家居工作的方式的技术效果,进而解决了相关技术中智能家居无法对使用者的身份进行有效识别,识别准确率低的技术问题。
上述采集步态参数是由采集装置来完成的,其中,采集装置可以是安装在室内的监控摄像机、智能家居的探测摄像头等,能够实时采集不同角度的用户的步态信息。例如,在室内安装步态采集装置,实时采集使用者的步态,该步态采集装置设置有多个,通过多个不同的视角对使用者的步态进行采集,将采集到的步态转化为一定的步态参数。需要说明的是,用户的步态信息可以是图像信息,从图像信息中获取用户的步态参数。通过上述步骤,可以从各角度、全方位地获取用户的步态参数。
构建基于卷积神经网络的识别模型,并对识别模型进行大量的训练,直至该模型收敛,再将采集的步态参数输入识别模型,可得到与该步态参数对应的识别结果。需要说明的是,上述训练包括:通过机器学习对多组训练数据进行训练,而且每组训练数据由步态参数和步态参数对应的用户身份组成。例如,根据采集到的不同视角情况下的步态参数对卷积神经网络的识别模型进行训练,直至该识别模型收敛,在对使用者进行身份识别时,通过多个不同视角的步态采集装置对使用者的步态进行采集,将单一视角下的步态采集装置所采集的步态转化为步态参数,将该步态参数带入上述识别模型,获得该单一视角下步态的相似度,结合所有视角的步态参数的相似度,根据相似度进行身份预测,确定使用者的身份。采用上述基于步态识别与深度学习结合的识别方法,可以将其应用于智能家居的使用者身份识别,有效提高了步态识别的精度和准确率,进而实现对使用者身份的有效识别。
在根据用户身份控制智能家居工作时,不同的用户身份,即不同的使用者,与其对应的智能家居的使用权限也是不同的。因此,可以有效避免仅通过控制指令就能实现对智能家居控制的带来的弊端,能够有效地根据识别使用者的身份,在进行身份验证确认后,使用与使用者身份相匹配的控制指令对智能家居进行控制。
可选地,采集步态参数包括:通过采集装置对使用者的步态进行采集,确定步态参数;其中,采集装置包括多个不同采集角度的步态采集装置。
上述采集装置为多个不同采集角度的步态采集装置,可以从不同的角度对使用者的步态进行采集,进而获取相应的步态参数。步态采集装置在分布位置上尽量选取不同的位置,这样就可以获取多个步态信息,能够有效避免由于采集点单一而导致的后续识别不准确。
可选地,确定步态参数包括:通过步态采集装置采集使用者的步态图像;根据步态图像确定步态参数。
上述步态采集装置采集使用者的步态图像,经过对步态图像预处理分析得到步态参数。例如,通过多个视角的步态采集装置,获取室内多个视角的使用者行走的视频,获取使用者涉及多个视角的步态视频序列,提取步态能量图序列,首先利用传统的基于混合高斯模型的前景分割方法从步态视频序列中提取出人的剪影,根据坚硬的中心定位并剪切出前景区域,通过缩放归一化至同一尺度,然后求出每个序列的平均剪影图,此即为步态能量图,进而得到步态参数。需要说明的是,步态采集装置采集使用者的步态图像,可以是连续时间的步态图像,也可以是间断时间的步态图像。
可选地,根据步态参数,通过识别模型识别使用者的身份包括:根据多组步态参数分别通过识别模型进行识别,得到多个识别结果;根据多个识别结果确定使用者的身份。
上述将采集的多组步态参数分别输入识别模型,得到与多个步态参数分别对应的识别结果。需要说明的是,采集的多组步态参数来自于同一使用者。根据多个识别结果,进一步确定使用者的身份。由于使用者的腿骨长度、肌肉强度、身体重心高度,以及运动神经灵敏度等生理特征存在差异性,而这些生理特征的差异性恰恰是步态唯一性的前提,因此,每个人的步态都是不同的,步态可以确定使用者的身份。为了进一步提高识别结果的准确性,采用对同一使用者的多个步态参数进行识别,再从多个识别结果中确定使用者的身份,大大提高了识别的准确率。
通过人物的身体特征和运动姿态进行身份识别,识别参数包括运动神经敏感度、肌肉力量特点、身体结构等,这些参数很难进行伪装。可以应对场景变化、着装变化、图像视频的角度、行走状态都有很强的适应性。
可选地,根据多个识别结果确定使用者的身份包括:选取多个识别结果中,相似度最高的使用者身份为最终确定的使用者的身份;其中,识别结果包括,使用者的身份,以及输入的步态参数与使用者的身份的相似度。
由于识别结果包括使用者的身份,以及输入的步态参数与使用者的身份的相似度,可以选取多个识别结果中,相似度最高的为最终确定的使用者的身份。使用者的身份的相似度是确定使用者的身份的重要依据,简言之,相似度越高,越接近真正的使用者,相似度越低,越偏离真正的使用者。经过识别模型后,由识别结果可以获得单一视角下步态的相似度,结合其他剩余视角的步态参数的相似度,根据相似度进行身份预测,确定使用者的身份。通过上述步骤后,能够得到与真正使用者相对应的最佳使用者的身份。
可选地,根据用户身份控制智能家居工作之前包括:预设使用者列表,以及使用者列表中的使用者对智能家居的使用权限;根据使用权限,确定与使用者身份对应的工作模式。
在根据用户身份控制智能家居工作之前,根据具体的智能家居工作情形,预设能够对智能家居实施控制的使用者列表,以及在该列表中的使用者对应的智能家居的使用权限。其中,预设使用者列表中的使用者可以对智能家居进行控制,其控制范围的大小受限于使用者对智能家居的使用的权限。例如,在家庭环境中的智能家居,预设使用者列表中可以包括家庭全部或者部分成员,还可以包括外来人员。而根据使用者的家庭地位、年龄等因素,对其智能家居的使用权限进行限制,在保证智能家居安全性的前提下,更加注重个人体验。
可选地,根据用户身份控制智能家居工作包括:判断识别出的使用者的身份,是否属于预设使用者列表中的使用者之一;在识别出的使用者身份属于预设使用者列表的情况下,根据使用者对应的使用权限确定智能家居的工作模式;根据工作模式控制智能家居工作。
在根据用户身份控制智能家居工作时,需要判断由识别模型识别出来的使用者的身份是否属于预设使用者列表,若该使用者身份属于预设使用者列表中的使用者,则根据使用者对应的使用权限确定智能家居的工作模式,进而控制智能家居工作。其中,使用权限还包括使用者的控制优先级,在识别出同一场景中多个使用者的情况下,可以根据每一个使用者的控制优先级,选择控制优先级高的使用者。例如,在使用者身份与设定的使用者不同时,可以询问预定的使用者是否是该身份使用者,若设定的使用者无回复或拒绝,则该身份的控制动作均不被智能家居所采用,也可以有预定使用者进行权限设置,即可以设置该身份使用者可以控制什么,不可以控制什么。
需要说明的是,智能家居的工作模式可以是预设的默认设置,也可以是用户结合具体情况自行设置。用于进行贴心的人性化服务,提升用户体验。
图2是根据本发明实施例的智能家居的控制装置的结构示意图;如图2所示,该智能家居的控制装置,包括:采集模块22,识别模块24和控制模块26。下面对该智能家居的控制装置进行详细说明。
采集模块22,用于采集步态参数;识别模块24,与上述采集模块22连接,用于根据步态参数,通过识别模型识别用户的身份,其中,识别模型为使用多组训练数据,通过机器学习训练得出的,多组训练数据中的每组数据均包括:步态参数和步态参数对应的用户身份;控制模块26,与上述识别模块24连接,用于根据用户身份控制智能家居工作。
通过上述模块,该智能家居的控制装置可以实现采用采集步态参数;根据步态参数,通过识别模型识别用户的身份,其中,识别模型为使用多组训练数据,通过机器学习训练得出的,多组训练数据中的每组数据均包括:步态参数和步态参数对应的用户身份;根据用户身份控制智能家居工作的方式,通过识别模型对步态参数进行识别,达到了准确地识别出用户的身份的目的,从而实现了有效控制智能家居工作的方式的技术效果,进而解决了相关技术中智能家居无法对使用者的身份进行有效识别,识别准确率低的技术问题。
根据本发明实施例的另一方面,还提供了一种存储介质,存储介质存储有程序指令,其中,在程序指令运行时控制存储介质所在设备执行上述任意一项的方法。
根据本发明实施例的另一方面,还提供了一种处理器,处理器用于运行程序,其中,程序运行时执行上述任意一项的方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以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,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述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。
所述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(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种智能家居的控制方法,其特征在于,包括:
采集步态参数;
根据所述步态参数,通过识别模型识别用户的身份,其中,所述识别模型为使用多组训练数据,通过机器学习训练得出的,所述多组训练数据中的每组数据均包括:步态参数和所述步态参数对应的用户身份;
根据所述用户身份控制智能家居工作。
2.根据权利要求1所述的方法,其特征在于,采集步态参数包括:
通过采集装置对使用者的步态进行采集,确定所述步态参数;
其中,所述采集装置包括多个不同采集角度的步态采集装置。
3.根据权利要求2所述的方法,其特征在于,确定所述步态参数包括:
通过所述步态采集装置采集使用者的步态图像;
根据所述步态图像确定所述步态参数。
4.根据权利要求3所述的方法,其特征在于,根据所述步态参数,通过识别模型识别使用者的身份包括:
根据多组所述步态参数分别通过识别模型进行识别,得到多个识别结果;
根据所述多个识别结果确定所述使用者的身份。
5.根据权利要求4所述的方法,其特征在于,根据所述多个识别结果确定所述使用者的身份包括:
选取多个识别结果中,相似度最高的使用者身份为最终确定的使用者的身份;
其中,所述识别结果包括,使用者的身份,以及输入的所述步态参数与所述使用者的身份的相似度。
6.根据权利要求1所述的方法,其特征在于,根据所述用户身份控制智能家居工作之前包括:
预设使用者列表,以及所述使用者列表中的使用者对所述智能家居的使用权限;
根据所述使用权限,确定与使用者身份对应的工作模式。
7.根据权利要求6所述的方法,其特征在于,根据所述用户身份控制智能家居工作包括:
判断所述识别出的使用者的身份,是否属于预设使用者列表中的使用者之一;
在所述识别出的使用者身份属于所述预设使用者列表的情况下,根据所述使用者对应的使用权限确定智能家居的工作模式;
根据所述工作模式控制智能家居工作。
8.一种智能家居的控制装置,其特征在于,包括:
采集模块,用于采集步态参数;
识别模块,用于根据所述步态参数,通过识别模型识别用户的身份,其中,所述识别模型为使用多组训练数据,通过机器学习训练得出的,所述多组训练数据中的每组数据均包括:步态参数和所述步态参数对应的用户身份;
控制模块,用于根据所述用户身份控制智能家居工作。
9.一种存储介质,其特征在于,所述存储介质存储有程序指令,其中,在所述程序指令运行时控制所述存储介质所在设备执行权利要求1至7中任意一项所述的方法。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至7中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811081383.4A CN110908289A (zh) | 2018-09-17 | 2018-09-17 | 智能家居的控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811081383.4A CN110908289A (zh) | 2018-09-17 | 2018-09-17 | 智能家居的控制方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110908289A true CN110908289A (zh) | 2020-03-24 |
Family
ID=69813374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811081383.4A Pending CN110908289A (zh) | 2018-09-17 | 2018-09-17 | 智能家居的控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110908289A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115950068A (zh) * | 2022-12-20 | 2023-04-11 | 珠海格力电器股份有限公司 | 一种空调的控制方法、装置、空调和存储介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101833653A (zh) * | 2010-04-02 | 2010-09-15 | 上海交通大学 | 低分辨率视频中的人物识别方法 |
CN104517104A (zh) * | 2015-01-09 | 2015-04-15 | 苏州科达科技股份有限公司 | 一种基于监控场景下的人脸识别方法及系统 |
CN105376124A (zh) * | 2015-12-08 | 2016-03-02 | 普天智能照明研究院有限公司 | 一种远程安全识别方法,设备与系统 |
CN105429969A (zh) * | 2015-11-09 | 2016-03-23 | 普天智能照明研究院有限公司 | 一种用户身份验证方法与设备 |
CN106251572A (zh) * | 2016-08-26 | 2016-12-21 | 深圳大学 | 基于振动检测的智能家居监控方法及系统 |
CN106250858A (zh) * | 2016-08-05 | 2016-12-21 | 重庆中科云丛科技有限公司 | 一种融合多种人脸识别算法的识别方法及系统 |
US20170337791A1 (en) * | 2016-05-20 | 2017-11-23 | Vivint, Inc. | Drone enabled street watch |
CN107702290A (zh) * | 2017-10-17 | 2018-02-16 | 珠海格力电器股份有限公司 | 空调器的控制方法及装置、终端 |
CN108107743A (zh) * | 2017-11-28 | 2018-06-01 | 珠海格力电器股份有限公司 | 控制权限的分配方法、装置、存储介质和处理器 |
CN207457976U (zh) * | 2017-12-25 | 2018-06-05 | 邱亮南 | 基于视频装置的交互系统 |
CN108224691A (zh) * | 2017-12-22 | 2018-06-29 | 银河水滴科技(北京)有限公司 | 一种空调系统控制方法和装置 |
CN108256459A (zh) * | 2018-01-10 | 2018-07-06 | 北京博睿视科技有限责任公司 | 基于多摄像机融合的安检门人脸识别和人脸自动建库算法 |
US20180231653A1 (en) * | 2017-02-14 | 2018-08-16 | Microsoft Technology Licensing, Llc | Entity-tracking computing system |
-
2018
- 2018-09-17 CN CN201811081383.4A patent/CN110908289A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101833653A (zh) * | 2010-04-02 | 2010-09-15 | 上海交通大学 | 低分辨率视频中的人物识别方法 |
CN104517104A (zh) * | 2015-01-09 | 2015-04-15 | 苏州科达科技股份有限公司 | 一种基于监控场景下的人脸识别方法及系统 |
CN105429969A (zh) * | 2015-11-09 | 2016-03-23 | 普天智能照明研究院有限公司 | 一种用户身份验证方法与设备 |
CN105376124A (zh) * | 2015-12-08 | 2016-03-02 | 普天智能照明研究院有限公司 | 一种远程安全识别方法,设备与系统 |
US20170337791A1 (en) * | 2016-05-20 | 2017-11-23 | Vivint, Inc. | Drone enabled street watch |
CN106250858A (zh) * | 2016-08-05 | 2016-12-21 | 重庆中科云丛科技有限公司 | 一种融合多种人脸识别算法的识别方法及系统 |
CN106251572A (zh) * | 2016-08-26 | 2016-12-21 | 深圳大学 | 基于振动检测的智能家居监控方法及系统 |
US20180231653A1 (en) * | 2017-02-14 | 2018-08-16 | Microsoft Technology Licensing, Llc | Entity-tracking computing system |
CN107702290A (zh) * | 2017-10-17 | 2018-02-16 | 珠海格力电器股份有限公司 | 空调器的控制方法及装置、终端 |
CN108107743A (zh) * | 2017-11-28 | 2018-06-01 | 珠海格力电器股份有限公司 | 控制权限的分配方法、装置、存储介质和处理器 |
CN108224691A (zh) * | 2017-12-22 | 2018-06-29 | 银河水滴科技(北京)有限公司 | 一种空调系统控制方法和装置 |
CN207457976U (zh) * | 2017-12-25 | 2018-06-05 | 邱亮南 | 基于视频装置的交互系统 |
CN108256459A (zh) * | 2018-01-10 | 2018-07-06 | 北京博睿视科技有限责任公司 | 基于多摄像机融合的安检门人脸识别和人脸自动建库算法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115950068A (zh) * | 2022-12-20 | 2023-04-11 | 珠海格力电器股份有限公司 | 一种空调的控制方法、装置、空调和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sun et al. | Improving iris recognition accuracy via cascaded classifiers | |
CN106250810B (zh) | 通过虹膜辨识对个体进行识别和/或认证的方法 | |
Raghavendra et al. | Scaling-robust fingerprint verification with smartphone camera in real-life scenarios | |
CN105138980A (zh) | 基于身份证件信息和人脸识别的身份验证方法及系统 | |
CN103593598A (zh) | 基于活体检测和人脸识别的用户在线认证方法及系统 | |
CN105426827A (zh) | 活体验证方法、装置和系统 | |
CN104680128B (zh) | 一种基于四维分析的生物特征识别方法和系统 | |
CN105450407A (zh) | 身份认证方法和装置 | |
CN110268419A (zh) | 一种人脸识别方法、人脸识别装置和计算机可读存储介质 | |
CN105022999A (zh) | 一种人码伴随实时采集系统 | |
US10915739B2 (en) | Face recognition device, face recognition method, and computer readable storage medium | |
CN106529436A (zh) | 一种身份一致性认证方法、装置和移动终端 | |
Deng et al. | Gait recognition under different clothing conditions via deterministic learning | |
CN103123690A (zh) | 信息采集装置和方法以及身份识别系统和方法 | |
CN113657195A (zh) | 人脸图像识别方法、设备、电子装置和存储介质 | |
Zhao et al. | Trustworthy authorization method for security in Industrial Internet of Things | |
CN111382601A (zh) | 生成对抗网络模型的光照人脸图像识别预处理系统及方法 | |
CN109522782A (zh) | 家居成员识别系统 | |
Maček et al. | Multimodal biometric authentication in IoT: Single camera case study | |
CN110909612A (zh) | 一种基于深度神经网络与机器视觉的步态识别方法及系统 | |
CN110197098A (zh) | 基于人脸和虹膜特征的身份认证方法 | |
Bastias et al. | A method for 3D iris reconstruction from multiple 2D near-infrared images | |
CN110908289A (zh) | 智能家居的控制方法及装置 | |
CN113378691A (zh) | 基于实时用户行为分析的智能家居管理系统及方法 | |
CN115035608A (zh) | 活体检测方法、装置、设备及系统 |
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: 20200324 |
|
RJ01 | Rejection of invention patent application after publication |