CN111047645B - 一种睡眠防干扰方法、装置、终端及计算机可读介质 - Google Patents

一种睡眠防干扰方法、装置、终端及计算机可读介质 Download PDF

Info

Publication number
CN111047645B
CN111047645B CN201911106996.3A CN201911106996A CN111047645B CN 111047645 B CN111047645 B CN 111047645B CN 201911106996 A CN201911106996 A CN 201911106996A CN 111047645 B CN111047645 B CN 111047645B
Authority
CN
China
Prior art keywords
animal
target frame
environment image
identification target
module
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
CN201911106996.3A
Other languages
English (en)
Other versions
CN111047645A (zh
Inventor
李绍斌
宋德超
黄智刚
陈翀
魏文应
陈向文
肖文轩
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.)
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun Technology Co Ltd
Original Assignee
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun 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 Gree Electric Appliances Inc of Zhuhai, Zhuhai Lianyun Technology Co Ltd filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN201911106996.3A priority Critical patent/CN111047645B/zh
Publication of CN111047645A publication Critical patent/CN111047645A/zh
Application granted granted Critical
Publication of CN111047645B publication Critical patent/CN111047645B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]

Landscapes

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

Abstract

本申请提供了一种睡眠防干扰方法，所述方法包括：接收拍摄模块发送的环境图像；通过预先训练的动物识别模型，识别所述环境图像中是否存在动物；若所述环境图像中存在动物，则输出所述环境图像中的动物的识别目标框；将所述环境图像和所述识别目标框输入目标跟踪模块，输出所述识别目标框在所述环境图像中的位置；通过控制引导模块指引所述动物向预设区域移动，以使所述动物远离免打扰区域。本申请通过引导模块指引动物向预设区域移动，以使动物远离用户的休息区，防止影响用户睡眠质量。

Description

一种睡眠防干扰方法、装置、终端及计算机可读介质
技术领域
本申请涉及神经网络技术领域，尤其涉及一种睡眠防干扰方法、装置、终端及计算机可读介质。
背景技术
很多家庭都喜欢养猫狗等宠物，这些宠物很喜欢和主人亲近，但是用户在休息时，尤其是晚上用户睡觉过程中，这些宠物可能会在屋内发出声响，甚至会跳到床上吵醒用户，给用户的休息带来不便，这时往往需要用户手动将宠物抱走，影响了睡眠质量。
发明内容
本申请实施例的目的在于提供一种睡眠防干扰方法、装置、终端及计算机可读介质，以解决宠物影响用户睡眠的问题。具体技术方案如下：
第一方面，一种睡眠防干扰方法，所述方法包括：
接收拍摄模块发送的环境图像；
通过预先训练的动物识别模型，识别所述环境图像中是否存在动物；
若所述环境图像中存在动物，则输出所述环境图像中的动物的识别目标框；
将所述环境图像和所述识别目标框输入目标跟踪模块，输出所述识别目标框在所述环境图像中的位置；
通过控制引导模块指引所述动物向预设区域移动，以使所述动物远离免打扰区域。
可选的，所述控制引导模块指引所述动物向预设区域移动，以使
所述动物远离免打扰区域之后，还包括：
接收所述识别目标框在所述环境图像中的位置；
根据所述识别目标框在所述环境图像中的位置和所述预设区域在所述环境图像中的位置，判断动物的所述识别目标框是否在所述预设区域内；
若所述识别目标框在所述预设区域内，判断所述识别目标框是否存在于所述环境图像中；
若所述识别目标框不存在于所述环境图像中，则停止所述指引动作。
可选的，所述判断动物的所述识别目标框是否在所述预设区域内包括：
以所述环境图像为平面建立坐标系；
计算所述识别目标框在所述坐标系中的坐标；
判断所述识别目标框的坐标是否在所述预设区域内。
可选的，所述通过控制引导模块指引所述动物向预设区域移动包括：
确定动物的所述识别目标框的坐标和所述预设区域的坐标范围；
根据动物的所述识别目标框的坐标和所述预设区域的坐标范围，建立所述动物至所述预设区域的路线；
通过控制引导模块指引所述动物按照所述路线向预设区域移动。
可选的，所述将所述环境图像输入神经网络，并输出所述环境图像中的动物的识别目标框包括：
将所述环境图像的数据输入Darknet卷积神经网络，输出卷积化后的特征图像；
将所述特征图像输入区域提议网络，输出超过置信度阈值的多个选择目标框；
将所述选择目标框分别进行分类和回归计算，根据分类结果和回归计算结果，从多个所述选择目标框中提取并输出识别目标框。
可选的，所述判断所述识别目标框是否存在于所述环境图像中包括：
若所述识别目标框的坐标在所述环境图像对应的坐标范围内，则确定所述识别目标框存在于所述环境图像中；
若所述识别目标框的坐标不在所述环境图像对应的坐标范围内，则确定所述识别目标框不存在于所述环境图像中。
第二方面，一种睡眠防干扰装置，其特征在于，所述装置包括：
第一接收模块，用于接收拍摄模块发送的环境图像；
识别模块，用于通过预先训练的动物识别模型，识别所述环境图像中是否存在动物；
输出模块，用于若所述环境图像中存在动物，则输出所述环境图像中的动物的识别目标框；
输入输出模块，用于将所述环境图像和所述识别目标框输入目标跟踪模块，输出所述识别目标框在所述环境图像中的位置；
指引模块，用于通过控制引导模块指引所述动物向预设区域移动，以使所述动物远离免打扰区域。
可选的，所述装置还包括：
第二接收模块，用于接收所述识别目标框在所述环境图像中的位置；
第一判断模块，用于根据所述识别目标框在所述环境图像中的位置和所述预设区域在所述环境图像中的位置，判断动物的所述识别目标框是否在所述预设区域内；
第二判断模块，用于若所述识别目标框在所述预设区域内，判断所述识别目标框是否存在于所述环境图像中；
停止模块，用于若所述识别目标框不存在于所述环境图像中，则停止所述指引动作。
第三方面，一种终端，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现任一所述的方法步骤。
第四方面，一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现任一所述的方法步骤。
本申请实施例有益效果：本申请实施例提供了一种睡眠防干扰方法，本申请通过动物识别模型输出动物的识别目标框，并通过目标跟踪模块输出动物的识别目标框在环境图像中的位置，通过引导模块指引动物向预设区域移动，即动物的识别目标框向预设区域运动，以使动物远离用户的休息区，防止影响用户睡眠质量。
当然，实施本申请的任一产品或方法并不一定需要同时达到以上的所有优点。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种睡眠防干扰方法的流程图；
图2为本申请实施例提供的一种判断动物是否离开的流程图；
图3为本申请实施例提供的一种判断动物的识别目标框是否在预设区域内的流程图；
图4为本申请实施例提供的平面坐标系示意图；
图5为本申请实施例提供的YOLO神经网络的示意图；
图6为本申请实施例提供的一种睡眠防干扰方法的处理流程图；
图7为本申请实施例提供的一种睡眠防干扰装置的流程图；
图8为本申请实施例提供的一种终端的结构示意图。
1-预设区域，2-识别目标框，3-环境图像。
具体实施方式
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，都属于本发明保护的范围。
本申请实施例提供了一种睡眠防干扰方法，可以应用于终端，具体的，该终端可以是睡眠防干扰设备，该设备包括拍摄模块、引导模块和数据处理模块，该睡眠防干扰设备可以检测宠物的位置，并引导宠物远离用户休息区。
下面将结合具体实施方式，对本申请实施例提供的睡眠防干扰设备进行详细的说明，如图1所示，具体步骤如下：
步骤101：接收拍摄模块发送的环境图像。
本申请实施例中，用户的房间内设有拍摄模块，该拍摄模块可以拍摄到房间中的房门区域等出口区域图像，以及房间的地面图像，具体的，该拍摄模块设置于卧室或客厅中。睡眠防干扰设备可以通过拍摄模块实时拍摄房间内的环境图像，并获取该环境图像。
步骤102：通过预先训练的动物识别模型，识别环境图像中是否存在动物。
本申请实施例中，睡眠防干扰设备可以存储有预先训练的动物识别模型。睡眠防干扰设备获取环境图像后，将环境图像输入预先训练的动物识别模型，动物识别模型可以通过神经卷积网络判断该环境图像中是否存在动物，若环境图像中不存在动物，则动物识别模型输出反馈信号至拍摄模块，并继续接收拍摄模块发送的环境图像。
步骤103：若环境图像中存在动物，则输出环境图像中的动物的识别目标框。
本申请实施例中，若动物识别模型识别到环境图像中存在动物，则动物识别模型会输出环境图像中的动物的识别目标框。具体的，在本发明实施例中，动物识别模型为YLOL神经网络，YLOL神经网络对接收到的图像数据进行区域提取和目标分类，从而输出环境图像中的识别目标框，本发明实施例中，采用YLOL神经网络可以提高目标检测精度。
步骤104：将环境图像和识别目标框输入目标跟踪模块，输出识别目标框在环境图像中的位置。
本申请实施例中，睡眠防干扰设备将拍摄模块输出的环境图像，和动物识别模型输出的识别目标框一同输入数据处理模块中的目标跟踪模块中，目标跟踪模块根据识别目标框对环境图像的每一帧图片都进行核相关滤波跟踪，并输出识别目标框在环境图像中的位置。具体的，在本发明实施例中，目标跟踪模块输出识别目标框在环境图像中的坐标信息。
步骤105：通过控制引导模块指引动物向预设区域移动，以使动物远离免打扰区域。
本申请实施例中，睡眠防干扰设备通过控制引导模块指引动物向预设区域移动，在本发明实施例中，预设区域为可以使动物从房间内离开的出口区域，如房门区域，能够容纳动物的出口区域等。引导模块包括但不限于：激光模块，投射模块等，睡眠防干扰设备通过控制引导模块的角度从而调节激光或投影在地面上的位置变化，激光或投影可以吸引动物跟随。引导模块指引动物向预设区域移动，以使动物远离用户的免打扰区域，在本申请实施例中，免打扰区域为用户预设的区域，如沙发、床等休息区。
本申请实施例中，睡眠防干扰设备还可以控制引导模块指引动物向远离免打扰区域的方向移动，如采用激光模块发出激光，激光模块引导动物向远离用户的床的方向移动，减少对用户休息的影响。
可选的，如图2所示，控制引导模块指引动物向预设区域移动，以使动物远离免打扰区域之后，还包括：
步骤201：接收识别目标框在环境图像中的位置。
本申请实施例中，控制引导模块指引动物向预设区域移动后，继续通过目标跟踪模块检测识别目标框在环境图像中的位置，目标跟踪模块检测识别目标框在环境图像中的位置后，睡眠防干扰设备获取识别目标框在环境图像中的位置，具体来说，睡眠防干扰设备接收识别目标框在环境图像中的方位信息。
步骤202：根据识别目标框在环境图像中的位置和预设区域在环境图像中的位置，判断动物的识别目标框是否在预设区域内。
本申请实施例中，由于拍摄模块的位置固定，因此拍摄模块拍摄到的预设区域在环境图像中的位置也是固定的，睡眠防干扰设备接收拍摄模块发送的环境信息，确定预设区域在环境图像中的位置，另外，睡眠防干扰设备还接收目标跟踪模块输出的识别目标框在环境图像中的位置。睡眠防干扰设备根据识别目标框在环境图像中的位置和预设区域在环境图像中的位置，判断动物的识别目标框是否在预设区域内。举例来说，预设区域为房门区域，睡眠防干扰设备判断动物的识别目标框是否在房门区域范围内。
步骤203：若识别目标框在预设区域内，判断识别目标框是否存在于环境图像中。
本申请实施例中，若睡眠防干扰设备检测到识别目标框在预设区域内，则表明动物已经远离了用户休息区域，到达了房门区域，为了防止动物在房间内发出声响，或者动物看到用户又继续折返回用户休息区域，本发明实施例需要确定动物离开用户休息的房间，则睡眠防干扰设备继续判断识别目标框是否存在于环境图像中，若识别目标框依旧存在于环境图像中，则睡眠防干扰设备继续通过引导模块继续指引动物从预设区域离开房间，即指引动物从房门区域离开房间，直至动物的所示识别目标框不存在于环境图像中。
步骤204：若识别目标框不存在于环境图像中，则停止指引动作。
本申请实施例中，若睡眠防干扰设备检测到识别目标框不存在于环境图像中，则表示动物已离开该房间，则睡眠防干扰设备停止指引动作，减少引导模块的用电消耗。
可选的，如图3所示，判断动物的识别目标框是否在预设区域内包括：
步骤301：以环境图像为平面建立坐标系；
本申请实施例中，由于拍摄模块位置是固定的，因此拍摄模块拍摄到的环境图像的位置是固定的，睡眠防干扰设备以环境图像为平面建立平面坐标系，本发明实施例中，以环境图像的左上角为原点，环境图像的顶边为x轴，环境图像的左侧边为y轴，建立平面直角坐标系，如图4所示，预设区域1在环境图像3中的右下方，识别目标框2在环境图像3中的中间。本发明实施例对坐标系的原点位置不做具体限制。
步骤302：计算识别目标框在坐标系中的坐标；
本申请实施例中，由于识别目标框存在于环境图像中，以环境图像为平面建立平面坐标系，那么识别目标框在环境图像的坐标系中占据一个坐标区域。
步骤303：判断识别目标框的坐标是否在预设区域内。
本申请实施例中，预设区域在环境图像中占据一个区域范围，以环境图像为平面建立平面坐标系，那么预设区域在环境图像的坐标系中占据一个坐标区域范围，睡眠防干扰设备判断识别目标框的坐标区域是否在预设区域的坐标区域范围内。
若识别目标框的坐标区域部分或全部在预设区域的坐标区域范围内，则表示识别目标框在预设区域内，则睡眠防干扰设备继续通过引导模块继续指引动物从预设区域离开房间，即指引动物从房门区域离开房间，直至动物的所示识别目标框不存在于环境图像中。
若识别目标框的坐标区域均不在预设区域的坐标区域范围内，则表示识别目标框不在预设区域内，那么需要睡眠防干扰设备确定动物的识别目标框的坐标和预设区域的坐标范围，并根据动物的识别目标框的坐标区域和预设区域的坐标范围，建立动物至预设区域的路线，其中，建立路线规则为，从一个区域至另一个区域建立一条路线。路线建立后，睡眠防干扰设备通过控制引导模块指引动物按照路线向预设区域移动，即睡眠防干扰设备控制引导模块的角度，使得引导模块在地面上的激光点或投影始终落在动物前方，睡眠防干扰设备引导动物沿着路线移动至预设区域。
可选的，如图5所示，将环境图像输入神经网络，并输出环境图像中的动物的识别目标框包括：
本申请实施例中，睡眠防干扰设备将环境图像的数据输入Darknet(黑暗网络)卷积神经网络进行卷积计算，Darknet卷积神经网络将环境图像卷积化后得到卷积特征图像，并输出卷积化后的特征图像；睡眠防干扰设备将Darknet卷积神经网络输出的特征图像输入区域提议网络，区域提议网络按区域对特征图像的卷积特征进行筛选，并输出置信度阈值以上的若干选择目标框，睡眠防干扰设备将区域提议网络输出的若干选择目标框分别输入分类器和回归计算模块，分类器将若干选择目标框进行分类，提取出概率最大的类别作为该特征的预测类别；回归计算模块将若干选择目标框进行目标框回归计算，提取卷积特征最明显的选择目标框，睡眠防干扰设备结合分类后的选择目标框和回归计算后的选择目标框，输出识别目标框。
可选的，判断识别目标框是否存在于环境图像中包括：
若识别目标框的坐标在环境图像对应的坐标范围内，则确定识别目标框存在于环境图像中；若识别目标框的坐标不在环境图像对应的坐标范围，则确定识别目标框不存在于环境图像中。
本申请实施例中，由于环境图像的尺寸是有限的，以环境图像为平面建立的坐标系是有范围的，如图4所示，坐标系的横轴终点为10，纵轴终点为-8。因此，若识别目标框2的坐标在环境图像3的坐标系内，则确定识别目标框2存在于环境图3像中；若识别目标框2的坐标不在环境图像3的坐标系内，则确定识别目标框2不存在于环境图像3中。
可选的，本申请实施例还提供一种睡眠防干扰方法的处理流程，如图6所示，具体步骤如下。
步骤601：将环境图像分别输入至YOLO神经网络和目标跟踪模块。
本申请实施例中，拍摄模块拍摄房间中的环境图像，并将环境图像分别输入至YOLO神经网络和目标跟踪模块。
步骤602:YOLO神经网络输出识别目标框至目标跟踪模块中。
本申请实施例中，YOLO神经网络判断接收到的环境图像中是否存在动物，若环境图像中不存在动物，则动物识别模型输出反馈信号至拍摄模块，并继续接收拍摄模块发送的环境图像；若识别到环境图像中存在动物，则输出环境图像中的动物的识别目标框。
步骤603:目标跟踪模块输出识别目标框在环境图像中的位置。
本申请实施例中，目标跟踪模块接收环境图像和识别目标框，根据识别目标框对环境图像的每一帧图片都进行核相关滤波跟踪，并输出识别目标框在环境图像中的位置。
步骤604:判断识别目标框是否在预设区域内，若否，则进入步骤605；若是，则进入步骤606。
本申请实施例中，睡眠防干扰设备判断识别目标框是否在预设区域内，若是，判断识别目标框是否存在于环境图像中；若否，则通过控制引导模块指引动物向预设区域移动。
步骤605:通过控制引导模块指引动物向预设区域移动。
本申请实施例中，睡眠防干扰设备通过控制引导模块的角度，使得引导模块在地面上的引导点向预设区域移动，从而引导动物向预设区域移动。
步骤606:判断识别目标框是否存在于环境图像中，若是，返回步骤605；若否，则进入步骤607。
步骤607：停止指引动作。
本申请实施例中，睡眠防干扰设备关闭所示引导模块，以使所示引导模块停止指引工作。
基于相同的技术构思，本申请实施例还提供了一种睡眠防干扰装置，如图7所示，该装置包括：
第一接收模块701，用于接收拍摄模块发送的环境图像；
识别模块702，用于通过预先训练的动物识别模型，识别所述环境图像中是否存在动物；
输出模块703，用于若所述环境图像中存在动物，则输出所述环境图像中的动物的识别目标框；
输入输出模块704，用于将所述环境图像和所述识别目标框输入目标跟踪模块，输出所述识别目标框在所述环境图像中的位置；
指引模块705，用于通过控制引导模块指引所述动物向预设区域移动，以使所述动物远离免打扰区域。
可选的，所述装置还包括：
第二接收模块，用于接收所述识别目标框在所述环境图像中的位置；
第一判断模块，用于根据所述识别目标框在所述环境图像中的位置和所述预设区域在所述环境图像中的位置，判断动物的所述识别目标框是否在所述预设区域内；
第二判断模块，用于若所述识别目标框在所述预设区域内，判断所述识别目标框是否存在于所述环境图像中；
停止模块，用于若所述识别目标框不存在于所述环境图像中，则停止所述指引动作。
可选的，第一判断模块包括：
坐标系单元，用于以所述环境图像为平面建立坐标系；
计算单元，用于计算所述识别目标框在所述坐标系中的坐标；
判断单元，用于判断所述识别目标框的坐标是否在所述预设区域内。
可选的，指引模块705包括：
第一确定单元，用于确定动物的所述识别目标框的坐标和所述预设区域的坐标范围；
建立单元，用于根据动物的所述识别目标框的坐标和所述预设区域的坐标范围，建立所述动物至所述预设区域的路线；
指引单元，用于通过控制引导模块指引所述动物按照所述路线向预设区域移动。
可选的，输入输出模块704包括：
第一输入输出单元，用于将所述环境图像的数据输入Darknet卷积神经网络，输出卷积化后的特征图像；
第二输入输出单元，用于将所述特征图像输入区域提议网络，输出超过置信度阈值的多个选择目标框；
第三输入输出单元，用于将所述选择目标框分别进行分类和回归计算，根据分类结果和回归计算结果，从多个所述选择目标框中提取并输出识别目标框。
可选的，第二判断模块包括：
第二确定单元，用于若所述识别目标框的坐标在所述环境图像对应的坐标范围内，则确定所述识别目标框存在于所述环境图像中；
第三确定单元，用于若所述识别目标框的坐标不在所述环境图像对应的坐标范围内，则确定所述识别目标框不存在于所述环境图像中。
本申请实施例提供了一种睡眠防干扰方法，本申请通过动物识别模型输出动物的识别目标框，并通过目标跟踪模块输出动物的识别目标框在环境图像中的位置，通过引导模块指引动物向预设区域移动，即动物的识别目标框向预设区域运动，以使动物远离用户的休息区，防止影响用户睡眠质量。
基于相同的技术构思，本发明实施例还提供了一种终端，如图8所示，包括处理器801、通信接口802、存储器803和通信总线804，其中，处理器801，通信接口802，存储器803通过通信总线804完成相互间的通信，
存储器803，用于存放计算机程序；
处理器801，用于执行存储器803上所存放的程序时，实现上述步骤。
上述终端提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述终端与其他装置之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一一种睡眠防干扰方法的步骤。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一一种睡眠防干扰方法方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储装置。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者装置中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (7)

1.一种睡眠防干扰方法，其特征在于，所述方法包括：
接收拍摄模块发送的环境图像；
通过预先训练的动物识别模型，识别所述环境图像中是否存在动物；
若所述环境图像中存在动物，则输出所述环境图像中的动物的识别目标框；
将所述环境图像和所述识别目标框输入目标跟踪模块，输出所述识别目标框在所述环境图像中的位置；
通过控制引导模块指引所述动物向预设区域移动，以使所述动物远离免打扰区域，其中，所述预设区域为房门区域；
其中，所述通过控制引导模块指引所述动物向预设区域移动包括：
确定动物的所述识别目标框的坐标和所述预设区域的坐标范围；
根据动物的所述识别目标框的坐标和所述预设区域的坐标范围，建立所述动物至所述预设区域的路线；
通过控制引导模块指引所述动物按照所述路线向预设区域移动；
其中，所述控制引导模块指引所述动物向预设区域移动，以使所述动物远离免打扰区域之后，还包括：
接收所述识别目标框在所述环境图像中的位置；
根据所述识别目标框在所述环境图像中的位置和所述预设区域在所述环境图像中的位置，判断动物的所述识别目标框是否在所述预设区域内；
若所述识别目标框在所述预设区域内，判断所述识别目标框是否存在于所述环境图像中；
若所述识别目标框不存在于所述环境图像中，则停止所述指引动作。
2.根据权利要求1所述的方法，其特征在于，所述判断动物的所述识别目标框是否在所述预设区域内包括：
以所述环境图像为平面建立坐标系；
计算所述识别目标框在所述坐标系中的坐标；
判断所述识别目标框的坐标是否在所述预设区域内。
3.根据权利要求1所述的方法，其特征在于，所述将所述环境图像输入神经网络，并输出所述环境图像中的动物的识别目标框包括：
将所述环境图像的数据输入Darknet卷积神经网络，输出卷积化后的特征图像；
将所述特征图像输入区域提议网络，输出超过置信度阈值的多个选择目标框；
将所述选择目标框分别进行分类和回归计算，根据分类结果和回归计算结果，从多个所述选择目标框中提取并输出识别目标框。
4.根据权利要求1所述的方法，其特征在于，所述判断所述识别目标框是否存在于所述环境图像中包括：
若所述识别目标框的坐标在所述环境图像对应的坐标范围内，则确定所述识别目标框存在于所述环境图像中；
若所述识别目标框的坐标不在所述环境图像对应的坐标范围内，则确定所述识别目标框不存在于所述环境图像中。
5.一种睡眠防干扰装置，其特征在于，所述装置包括：
第一接收模块，用于接收拍摄模块发送的环境图像；
识别模块，用于通过预先训练的动物识别模型，识别所述环境图像中是否存在动物；
输出模块，用于若所述环境图像中存在动物，则输出所述环境图像中的动物的识别目标框；
输入输出模块，用于将所述环境图像和所述识别目标框输入目标跟踪模块，输出所述识别目标框在所述环境图像中的位置；
指引模块，用于通过控制引导模块指引所述动物向预设区域移动，以使所述动物远离免打扰区域；
其中，所述指引模块用于：
确定动物的所述识别目标框的坐标和所述预设区域的坐标范围；
根据动物的所述识别目标框的坐标和所述预设区域的坐标范围，建立所述动物至所述预设区域的路线；
通过控制引导模块指引所述动物按照所述路线向预设区域移动；
其中，所述装置还包括：
第二接收模块，用于接收所述识别目标框在所述环境图像中的位置；
第一判断模块，用于根据所述识别目标框在所述环境图像中的位置和所述预设区域在所述环境图像中的位置，判断动物的所述识别目标框是否在所述预设区域内；
第二判断模块，用于若所述识别目标框在所述预设区域内，判断所述识别目标框是否存在于所述环境图像中；
停止模块，用于若所述识别目标框不存在于所述环境图像中，则停止所述指引动作。
6.一种终端，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-4任一所述的方法步骤。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-4任一所述的方法步骤。
CN201911106996.3A 2019-11-13 2019-11-13 一种睡眠防干扰方法、装置、终端及计算机可读介质 Active CN111047645B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911106996.3A CN111047645B (zh) 2019-11-13 2019-11-13 一种睡眠防干扰方法、装置、终端及计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911106996.3A CN111047645B (zh) 2019-11-13 2019-11-13 一种睡眠防干扰方法、装置、终端及计算机可读介质

Publications (2)

Publication Number Publication Date
CN111047645A CN111047645A (zh) 2020-04-21
CN111047645B true CN111047645B (zh) 2024-01-12

Family

ID=70231881

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911106996.3A Active CN111047645B (zh) 2019-11-13 2019-11-13 一种睡眠防干扰方法、装置、终端及计算机可读介质

Country Status (1)

Country Link
CN (1) CN111047645B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111753757B (zh) * 2020-06-28 2021-06-18 浙江大华技术股份有限公司 一种图像识别处理方法及装置
CN116158370A (zh) * 2021-11-25 2023-05-26 佛山市顺德区美的电子科技有限公司 移动装置的控制方法、智能家居设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105303583A (zh) * 2015-09-11 2016-02-03 中山大学 一种基于图像变化的宠物行为检测系统
CN205717771U (zh) * 2016-04-20 2016-11-23 珠海格力电器股份有限公司 空调控制装置、空调控制系统及空调器
CN110399808A (zh) * 2019-07-05 2019-11-01 桂林安维科技有限公司 一种基于多目标跟踪的人体行为识别方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2851154A1 (en) * 2011-10-05 2013-04-11 Radio Systems Corporation Image-based animal control systems and methods

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105303583A (zh) * 2015-09-11 2016-02-03 中山大学 一种基于图像变化的宠物行为检测系统
CN205717771U (zh) * 2016-04-20 2016-11-23 珠海格力电器股份有限公司 空调控制装置、空调控制系统及空调器
CN110399808A (zh) * 2019-07-05 2019-11-01 桂林安维科技有限公司 一种基于多目标跟踪的人体行为识别方法及系统

Also Published As

Publication number Publication date
CN111047645A (zh) 2020-04-21

Similar Documents

Publication Publication Date Title
WO2021087985A1 (zh) 模型训练方法、装置、存储介质及电子设备
Sen-Ching et al. Robust techniques for background subtraction in urban traffic video
CN111047645B (zh) 一种睡眠防干扰方法、装置、终端及计算机可读介质
US11152001B2 (en) Vision-based presence-aware voice-enabled device
KR101825045B1 (ko) 경보 방법 및 장치
CN110796043B (zh) 容器检测、饲喂检测方法、装置及饲喂系统
US20200226360A1 (en) System and method for automatically detecting and classifying an animal in an image
US20140064626A1 (en) Adaptive image processing apparatus and method based in image pyramid
JP6704979B1 (ja) 無人飛行装置、無人飛行システム及び無人飛行装置制御システム
CN111161265A (zh) 一种动物计数、图像处理方法和装置
CN110296660B (zh) 牲畜体尺检测方法与装置
CN109963072B (zh) 对焦方法、装置、存储介质及电子设备
KR101694946B1 (ko) 동물 발정 감지 방법 및 이를 수행하기 위한 장치
JP6625786B2 (ja) 異常検知システム、異常検知方法及びプログラム
KR102584357B1 (ko) 반문 이미지를 기반으로 한 축산 동물의 개체 식별 장치 및 영상을 기반으로 한 가축 행동 패턴 분류 시스템 및 가축 행동 패턴 분류 방법
CN112906810B (zh) 目标检测方法、电子设备和存储介质
US20230098829A1 (en) Image Processing System for Extending a Range for Image Analytics
US11948362B2 (en) Object detection using a combination of deep learning and non-deep learning techniques
US11930332B2 (en) Method for recognizing at least one naturally emitted sound produced by a real-life sound source in an environment comprising at least one artificial sound source, corresponding apparatus, computer program product and computer-readable carrier medium
CN111627060A (zh) 一种用于动物运动信息统计的数据处理方法及系统
KR102228350B1 (ko) 반려 동물 모니터링을 위한 장치 및 방법
CN112989892A (zh) 一种动物监控方法及装置
CN113780399A (zh) 目标分类方法、装置、设备及存储介质
CN110991235A (zh) 一种状态监测方法、装置、电子设备及存储介质
CN111444757A (zh) 无人超市的行人重识别方法、装置、设备及存储介质

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
GR01 Patent grant
GR01 Patent grant