CN112053505B - 移动电源租借方法、装置、系统、电子装置和存储介质 - Google Patents

Abstract

本申请涉及一种移动电源租借方法、装置、系统、电子装置和存储介质，其中，该移动电源租借方法包括：识别当前用户的特征信息；所述特征信息包括用户特征和行为特征；在所述用户特征与预存的用户特征匹配成功时，利用训练完备的行为意图模型对行为特征进行手势分析；在行为特征被判定为包括租借手势时，控制待租借的移动电源进行解锁。本申请只需通过对识别当前用户的特征信息进行分析，即可完成移动电源租借，从而简化移动电源，提高了用户租借移动电源的便捷性。

Description

移动电源租借方法、装置、系统、电子装置和存储介质

技术领域

本申请涉及物品租借领域，特别是涉及移动电源租借方法、装置、系统、电子装置和存储介质。

背景技术

随着人们生活水平的提高，电子产品越来越普及，特别是手机，已经成为人们会随身携带的电子产品。

目前为了方便用户随时对电子设备进行充电，出现了共享移动电源。共享移动电源收容于租借设备的电池仓，并且将租借设备放置于公共场合。当用户需要使用共享移动电源时，一般需要用户通过手机发起租借请求，比如通过手机扫描相应的二维码、关注各类公众号打开小程序或者安装软件应用等方式进行租借操作。这种移动电源租借的操作繁琐，而且在手机没电处于关机状态的情况下，用户将无法通过手机发起租借请求进行租借操作，导致使用的便捷性差。

目前针对相关技术中移动电源租借的操作繁琐，便捷性差的问题，尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种移动电源租借方法、装置、系统、电子装置和存储介质，以至少解决相关技术中移动电源租借的操作繁琐，便捷性差的问题。

第一方面，本申请实施例提供了一种移动电源租借方法，包括：

识别当前用户的特征信息；所述特征信息包括用户特征和行为特征；

在所述用户特征与预存的用户特征匹配成功时，利用训练完备的行为意图模型对行为特征进行手势分析；

在行为特征被判定为包括租借手势时，控制待租借的移动电源进行解锁。

在其中一些实施例中，还包括：

获取多个人体图像，对所述人体图像进行人体骨骼关键点检测，得到人体姿态图像；

基于深度学习方法将所述人体姿态图像作为样本数据进行训练，得到所述训练完备的行为意图模型。

在其中一些实施例中，在所述用户特征与预存的用户特征匹配成功时，利用训练完备的行为意图模型对行为特征进行手势分析，包括：

在所述用户特征与预存的用户特征匹配成功时，利用训练完备的行为意图模型对行为特征进行姿态分析；

在姿态分析结果为租借状态时，对行为特征中的手势区域进行截取，并对截取的手势区域图像进行手势分析。

在其中一些实施例中，对截取的手势区域图像进行手势分析，包括；

将截取的手势区域图像与预设的租借手势图像进行匹配，若所述手势区域图像与租借手势图像一致，则匹配成功，判定行为特征包括租借手势。

在其中一些实施例中，识别当前用户的特征信息，包括：

通过至少两个图像获取装置获取用户图像，识别所述用户图像中的用户的特征信息。

在其中一些实施例中，还包括：

通过图像获取装置或传感器获取用户的特征信息，对特征信息中的行为特征进行手势分析，并根据手势分析结果将行为特征存储为对应的手势图像；所述手势图像包括租借手势图像。

第二方面，本申请实施例提供了一种移动电源租借装置，包括：识别模块、分析模块以及租借模块；

所述识别模块，用于识别当前用户的特征信息；所述特征信息包括用户特征和行为特征；

所述分析模块，用于在所述用户特征与预存的用户特征匹配成功时，利用训练完备的行为意图模型对行为特征进行手势分析；

所述租借模块，用于在行为特征被判定为包括租借手势时，控制待租借的移动电源进行解锁。

第三方面，本申请实施例提供了一种移动电源租借系统，＝包括：终端设备、传输设备以及服务器设备；其中，所述终端设备通过传输设备连接服务器设备；

所述终端设备用于获取当前用户的特征信息；

所述传输设备用于传输当前用户的特征信息；

所述服务器设备用于执行如上述第一方面所述的移动电源租借方法。

第四方面，本申请实施例提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的移动电源租借方法。

第五方面，本申请实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的移动电源租借方法。

相比于相关技术，本申请实施例提供的移动电源租借方法、装置、系统、电子装置和存储介质，只需通过对识别当前用户的特征信息进行分析，即可完成移动电源租借，从而简化移动电源，提高了用户租借移动电源的便捷性。

本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是本申请一实施例提供的移动电源租借方法的终端设备的硬件结构框图；

图2是本申请一实施例提供的移动电源租借方法的流程图；

图3是本申请一实施例匹配中标准图转换后的灰度图；

图4是本申请一实施例与灰度图对应的DCT(Discrete Cosine Transform，离散余弦变换)矩阵示意图；

图5是本申请另一实施例提供的移动电源租借方法的流程图；

图6是本申请一实施例提供的手势分析的流程示意图；

图7是本申请一实施例提供的租借手势示意图；

图8是本申请另一实施例提供的手势分析的流程示意图；

图9是本申请一实施例提供的移动电源租借装置的结构框图；

图10是本申请另一实施例提供的移动电源租借设备的结构框图。

附图说明：210、识别模块；220、分析模块；230、租借模块。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。

在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。

除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指大于或者等于两个。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。

本实施例提供的方法实施例可以在终端设备、计算机或者类似的运算装置中执行。以运行在终端设备上为例，图1是本发明实施例的移动电源租借方法的终端设备的硬件结构框图。如图1所示，终端设备10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，可选地，上述终端设备还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述终端设备的结构造成限定。例如，终端设备10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。

存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的移动电源租借方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至终端设备10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括终端设备10的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。

在一个实施例中，终端设备可以为移动电源租赁设备，移动电源租赁设备在上述部件的基础上还包括图像获取装置，图像获取装置用于获取用户图像，识别用户图像中的用户的特征信息。移动电源租赁设备只需通过对识别当前用户的特征信息进行分析，即可完成移动电源租借，从而简化移动电源，提高了用户租借移动电源的便捷性。

本实施例提供了一种移动电源租借方法，图2是本申请一实施例提供的移动电源租借方法的流程图，如图2所示，该流程包括如下步骤：

步骤S210，识别当前用户的特征信息；特征信息包括用户特征和行为特征；

步骤S220，在用户特征与预存的用户特征匹配成功时，利用训练完备的行为意图模型对行为特征进行手势分析；

步骤S230，在行为特征被判定为包括租借手势时，控制待租借的移动电源进行解锁。

通过上述步骤，只需通过对识别当前用户的特征信息进行分析，满足用户特征与预存的用户特征匹配成功和行为特征被判定为包括租借手势，即可控制待租借的移动电源进行解锁，将移动电源租借给对应的用户。当用户位于移动电源租借设备的有效区域内时，移动电源租借设备获取当前用户的特征信息的用户特征信息进行分析，可以是先分析用户的租借权限，比如是否为会员，是否进行充值会员等，以判断用户租借的权限，再通过用户的特征信息的行为特征信息进行分析当前用户是否具有租借意愿。当然，在另外一种情况下，也可以是先通过用户的特征信息的行为特征进行分析当前用户是否具有租借意愿。当确认用户具有租借意愿时，再通过特征信息的用户特征进行判断用户的租借权限。用户权限判断和用户租借意愿可以使移动电源租借设备的服务器进行处理，也可以是云服务进行处理，也可以是多个服务器集群进行处理，对此并不进行限制。

下面在一个实施例中对租借流程进行说明:

具体地，当用户位于移动电源租借设备的摄像头附近时，采集用户特征信息，移动电源租借设备发起租借指令给云服务器，云服务器将采集用户特征信息与数据库中的预设用户特征信息进行匹配，该匹配方法可以是通过哈希算法计算得到。当上述用户特征信息匹配成功后，云服务器进一步分析用户行为特征是否为用户租借意愿，当云服务器分析后确认用户具有租借意愿时，云服务器发送给移动电源租借设备可租借的指令，移动电源租借设备接收上述可租借指令后，进行最优移动电源的排序筛选，确定待租借移动电源为最优时，通过移动电源租借设备的控制器发送解锁租借指令给最优移动电源相对应的电磁锁进行通电解锁。

于本实施例中，匹配方法可以采用平均哈希算法(aHash)、感知哈希算法你(pHash)和差异哈希算法(dHash)中的一种来实现。比如，采用感知哈希算法你(pHash)。那么结合标准图的感知哈希算法步骤为：

1、缩放图片：统一将图片尺寸缩放为32*32，一共得到了1024个像素点。

2、转灰度图：统一下一步输入标准，将非单通道图片都转为单通道灰度图(如图3所示为标准图转换后的灰度图)。

3、计算DCT：计算32x32数据矩阵的离散余弦变换后对应的32x32数据矩阵(如图4所示为对应的DCT矩阵示意图)。

4、缩小DCT：取上一步得到32x32数据矩阵左上角8x8子区域；通过计算可得灰度32x32图对应的DCT矩阵左上角8x8区域子矩阵如下表1。

表1

5、计算平均值：通过上一步可得一个8x8的整数矩阵G,计算这个矩阵中所有元素的平均值；表1的矩阵所有元素的均值a＝77.35,将上述矩阵中大于或等于a的元素置为1,小于a的元素置为0，可得表2。

表2

1	0	0	1	1	0	0	1
								1	1	0	0	0	1	0	0
0	1	0	1	0	1	0	0
								0	0	1	0	0	1	0	1
0	1	1	0	0	0	0	0
								0	0	1	0	0	0	1	1
1	0	0	0	0	0	1	0
								1	0	0	0	0	0	0	0

6、计算指纹：初始化输入图片的phash＝""；从左到右一行一行地遍历矩阵G每一个像素；如果第i行j列元素G(i,j)>＝a，则phash+＝"1"；如果第i行j列元素G(i,j)<a，则phash+＝"0"。那么灰度图所得的phash为:1001100111000100010101000010010101100000001000111000001010000000；将二进制形式phash转十六进制hash为:99c4542560238280。

在得到图片的phash值后，比较两张图片phash值的汉明距离，通常认为汉明距离小于10的一组图片为相似图片。

通过上述过程只需要用户做出带有租借手势的动作即可，不需要用户通过手机扫描相应的二维码、关注各类公众号打开小程序或者安装软件应用等方式进行租借操作，从而简化用户租借移动电源的操作过程；而且本发明的移动电源租借方法不涉及移动端的操作，那么在手机没电处于关机状态的情况下也完全可以完成移动电源租借，提高了用户租借移动电源的便捷性。

下面通过优选实施例对本申请实施例进行描述和说明。

图5是本申请另一实施例提供的移动电源租借方法的流程图。如图5所示，该流程包括如下步骤：

步骤S200，通过图像获取装置或传感器获取用户的特征信息，对特征信息中的行为特征进行手势分析，并根据手势分析结果将行为特征存储为对应的手势图像；手势图像包括租借手势图像；

步骤S210，识别当前用户的特征信息；特征信息包括用户特征和行为特征；

步骤S220，在用户特征与预存的用户特征匹配成功时，利用训练完备的行为意图模型对行为特征进行手势分析；

步骤S230，在行为特征被判定为包括租借手势时，控制待租借的移动电源进行解锁。

在一个实施例中，用户的行为特征可以通过设置在终端设备上的图像获取装置获取。比如，在终端设备上设置两个鱼眼摄像头，利用这两个鱼眼摄像头获取当前用户的特征信息。特征信息包括用户特征和行为特征，其中用户特征是可以表征用户身份的特征，比如，人脸图像，那么该用户特征可以采用人脸识别算法识别。每个用户对应有唯一的身份ID，每个用户可以预先存储各类手势图像，手势图像包括不限于租借手势图像、拒绝或忽略提示手势图像等。

这些手势图像均可以通过对特征信息中的行为特征进行手势分析获得。比如，可以利用训练完备的行为意图模型对行为特征进行手势分析，在用户图像的行为特征中被判定为包括租借手势时，将行为特征作为租借手势图像进行存储。这里的租借手势可以是用户特定的任意手势。也可以是常规表征带有租借意图的手势。比如，用户手势为前、后摆动，则表明有租借意图。

具体的，采用人脸识别算法识别可以是采用传统的基于点云数据的三维人脸识别。这种方法通常不考虑3D空间中的面部特征，而是直接使用3D点云进行匹配。ICP使用面部表面采样的法向矢量进行匹配。ICP是一种迭代最近点的方法，可以实现两个云的匹配。确切地说，这种类型与2D面的关键点对齐。假设有两组点云：P＝{p₁,...,p_n},P'＝{p'₁,...,p'_n},通过迭代的方法找到一组R和t，满足

即求解

Hausdorff距离通过计算两个面的三维点云之间的最近点对之间的最大值来评估空间中不同真实子集之间的距离。当然，为了提高识别的精确度，可以采用基于人脸特征的三维人脸识别，基于RGB-D的人脸识别，基于深度/RGB-3DMM的人脸识别等，对此并不进行限制。

用户需要租借移动电源时，只需要在做出的特征信息包含了租借手势，那么就可以控制待租借的移动电源进行解锁，用户取出解锁的移动电源以完成租借。具体的，识别当前用户的特征信息，将特征信息中的用户特征与数据库中预存的用户特征进行匹配，若特征信息中的用户特征与预存的用户特征一致，则匹配成功。那么利用训练完备的行为意图模型对行为特征进行手势分析。在行为特征被判定为包括租借手势时，控制待租借的移动电源进行解锁。提高用户租借移动电源的便捷性。

具体的手势分析步骤可以为：

步骤S221，在用户特征与预存的用户特征匹配成功时，利用训练完备的行为意图模型对行为特征进行姿态分析；

步骤S222，在姿态分析结果为租借状态时，对行为特征中的手势区域进行截取，并对截取的手势区域图像进行手势分析。

行为意图模型可以基于深度学习的方法进行训练，可以利用Open Pose及DeepPose等算法实现。具体的训练过程可以是：获取多个人体图像，对人体图像进行人体骨骼关键点检测，得到人体姿态图像；基于深度学习方法将人体姿态图像作为样本数据进行训练，得到训练完备的行为意图模型。在进行训练前，可以对获取的多个人体图像进行反畸变矫正，再对矫正后的图像进行训练。

对截取的手势区域图像进行手势分析包括了两种情况，其中一种为用户预设有特定的租借手势，那么将截取的手势区域图像与预设的租借手势图像进行匹配，若手势区域图像与租借手势图像一致，则匹配成功，判定行为特征包括租借手势。另外一种是用户没有预设特定的租借手势。那么将截取的手势区域图像进行手势分析，如果分析结果存在与预设标准租借手势类似的手势，即可以认为行为特征被判定为包括租借手势。这里的标准租借手势指的是特定一个或多个租借手势图像。比如，竖起大拇指的手势图像、用户手势为前、后摆动的手势图像等，对此并不进行限制。

下面举例对手势分析的过程进行说明：如图6所示，先将当前帧的手势区域图像输入到行为意图模型中，判断输出类别是否为静态手势；若为静态手势，则输出手势的类别，是否包含租借手势，并清空历史缓存数据；若为动态手势，则提取目标手势区域，再存储对应用户的历史数据至缓存(保存当前帧前的n帧图像)，针对目前积累的多帧视频图片进行序列分类，再判断是否输出动态手势；若输出动态手势，则输出手势的类别，是否包含租借手势，并清空历史缓存数据；若不输出动态手势，则重新输入到行为意图模型中。

需要知道的是，对于手势的分析也可以不单单只针对租借手势，还可以利用行为意图模型分析用户手势的其他意图，比如，拒绝或忽略提示手势(张开手掌向有挥动)、选择手势(双指不动)、确认手势(单指前后移动)；当然上述的各类手势均可以由用户自己定义。

在另一个实施例中，也可以通过用户佩戴有智能手环、智能手表、智能戒指等自带的传感器实时获取用户的特征信息；再对特征信息进行手势分析。比如，佩戴传感器的用户，当用户手势为前、后摆动时(包括但不限于如图7所示手势)，表示用户向共享充电租赁设备发出租借手势的指令，挥动方向无法判断这里不做要求。对于传感器，这里的传感器最低可以为6轴：所谓的6轴惯性传感器(也称为IMU传感器)包括3轴加速传感器和3轴陀螺仪。加速度计检测物体在载体坐标系统独立三轴的加速度信号，而陀螺检测载体相对于导航坐标系的角速度信号，测量物体在三维空间中的角速度和加速度，并以此解算出物体的姿态。陀螺仪和加速计具体的用途如下：陀螺仪：用于测量自身的旋转情况；加速计：用于测量受力情况。这种结合传感器的方式使得实用性更加鲁棒，使用更加方便。

手势识别原理：手势识别主要使用3轴陀螺仪，具体的实现方法有很多种，有基于深度学习的方法和基于机器学习的方法，这里考虑到智能手表的计算量比较小，使用基于机器学习的方法来实现如图8所示，具体为：先使用陀螺仪检测俯仰角，再判断旋转角度是否大于预设角度阈值，若旋转角度大于预设角度阈值，则将陀螺仪信息做FFT(FastFourier Transformation，离散傅氏变换的快速算法)获得频域信息，然后可以使用规则或者机器学习的方法根据频域信息判断手势类型。比如做手挥动的手势时，挥动频率会在一定范围内，可以根据FFT后的值是否在这个范围内来判断挥动的手势，并根据FFT后值的大小来判断挥动的快慢。即可以判定行为特征是否包括租借手势。

在一个实施例中，本发明提供的移动电源租借方法，还包括以下步骤：

在识别当前用户的特征信息之后，将特征信息中的用户特征与数据库中预存的用户特征进行匹配，若特征信息中的用户特征与预存的用户特征不一致，则以当前的用户特征重新生成身份ID，用户在该身份ID下充值后，则匹配成功。从而方便用户使用。

在一个实施例中，应用于终端设备租借设备的在行为特征被判定为包括租借手势时，控制待租借的移动电源进行解锁的过程可以为：在行为特征被判定为包括租借手势时，获取已经检测到的所有带租借移动电源的设备参数信息，然后开始判断租赁设备中是哪个移动电源的电量更充足，根据判断结果产生解锁指令反馈至终端设备租借设备，终端设备租借设备根据解锁指令控制待租借的移动电源进行解锁，这样用户就可以自行取出移动电源，而相应的身份ID下回自动扣款。也可以语音提示用户到终端设备租借设备交互界面的操作界面上进行手动选择。

需要说明的是，在上述流程中或者附图的流程图中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。例如，步骤S200和步骤S210的步骤可以互换。

本实施例还提供了一种移动电源租借装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图9是根据本申请实施例的移动电源租借装置的结构框图，如图9所示，该装置包括：识别模块210、分析模块220以及租借模块230；识别模块210，用于识别当前用户的特征信息；特征信息包括用户特征和行为特征；分析模块220，用于在用户特征与预存的用户特征匹配成功时，利用训练完备的行为意图模型对行为特征进行手势分析；租借模块230，用于在行为特征被判定为包括租借手势时，控制待租借的移动电源进行解锁。

本发明只需通过对识别当前用户的特征信息进行分析，即可完成移动电源租借，从而简化移动电源，提高了用户租借移动电源的便捷性。

在一个实施例中，在图9所示的所有模块的基础上，此外还包括：训练模块；训练模块，用于获取多个人体图像，对人体图像进行人体骨骼关键点检测，得到人体姿态图像；基于深度学习方法将人体姿态图像作为样本数据进行训练，得到训练完备的行为意图模型。

在一个实施例中，分析模块220还用于在用户特征与预存的用户特征匹配成功时，利用训练完备的行为意图模型对行为特征进行姿态分析；在姿态分析结果为租借状态时，对行为特征中的手势区域进行截取，并对截取的手势区域图像进行手势分析。

在一个实施例中，识别模块210还用于通过至少两个图像获取装置获取用户图像，识别用户图像中的用户的特征信息。

在一个实施例中，在图9所示的所有模块的基础上，此外还包括：手势预存模块；手势预存模块用于通过图像获取装置或传感器获取用户的特征信息，对特征信息中的行为特征进行手势分析，并根据手势分析结果将行为特征存储为对应的手势图像；手势图像包括租借手势图像。

需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。

在一个实施例中，一种情况是，S210至S230的步骤均可以由终端设备(装置)、计算机或者类似的运算装置中执行；另外一种S210的步骤可以由终端设备(装置)、计算机或者类似的运算装置中执行，而S220和S230的步骤可以由云服务器执行，对此并不进行限制。

本实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。

可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：

步骤S201，识别当前用户的特征信息；特征信息包括用户特征和行为特征；

步骤S202，在用户特征与预存的用户特征匹配成功时，利用训练完备的行为意图模型对行为特征进行手势分析；

步骤S203，在行为特征被判定为包括租借手势时，控制待租借的移动电源进行解锁。

需要说明的是，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。

另外，结合上述实施例中的移动电源租借方法，本申请实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意一种移动电源租借方法。

参见图10，本申请另一实施例提供一种移动电源租借设备的结构示意图。具体地，包括机箱、箱体包括主体框架，第一面板12，第一面板12开设有多个电源进出口121，还设有摄像头组件122；以及设有控制板，控制板上设有处理器和存储器。可选地，上述设备还可以设有用于通信功能的传输设备以及输入输出设备。

用户通过摄像头预先拍摄图像并发送至服务器的数据库，也可以是将图像发送至云服务器；当用户位于移动电源租借设备的摄像头附近时，采集用户特征信息，移动电源租借设备发起租借指令给云服务器，云服务器将采集用户特征信息与数据库中的预设用户特征信息进行匹配。当上述用户特征信息匹配成功后，云服务器进一步分析用户行为特征是否为用户租借意愿，当云服务器分析后确认用户具有租借意愿时，云服务器发送给移动电源租借设备可租借的指令至控制板，移动电源租借设备接收上述可租借指令后，进行最优移动电源的排序筛选，确定待租借移动电源为最优时，通过移动电源租借设备的控制器发送解锁租借指令给最优移动电源相对应的电磁锁进行通电解锁，并推出移动电源(其判断计算过程可以是由云端服务器完成，也可以是由租借设备的安卓板完成)。

本领域的技术人员应该明白，以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (9)

1.一种移动电源租借方法，其特征在于，包括：

识别当前用户的特征信息；所述特征信息包括用户特征和行为特征；所述用户特征包括用户的租借权限；

在所述用户特征与预存的用户特征匹配成功时，利用训练完备的行为意图模型对行为特征进行姿态分析；

在姿态分析结果为租借状态时，对行为特征中的手势区域进行截取，并对截取的手势区域图像进行手势分析；其中：将当前帧的手势区域图像输入到行为意图模型中，判断输出类别是否为静态手势；若为静态手势，则输出手势的类别，判断是否包含租借手势，并清空历史缓存数据；若为动态手势，则提取目标手势区域，再存储所述用户的历史数据至缓存，针对当前积累的多帧视频图片进行序列分类，并判断是否输出动态手势；若输出动态手势，则输出手势的类别，判断是否包含租借手势，并清空历史缓存数据；若不输出动态手势，则重新输入到行为意图模型中；

在行为特征被判定为包括租借手势时，控制待租借的移动电源进行解锁。

2.根据权利要求1所述的移动电源租借方法，其特征在于，还包括：

获取多个人体图像，对所述人体图像进行人体骨骼关键点检测，得到人体姿态图像；

基于深度学习方法将所述人体姿态图像作为样本数据进行训练，得到所述训练完备的行为意图模型。

3.根据权利要求1所述的移动电源租借方法，其特征在于，对截取的手势区域图像进行手势分析，包括；

将截取的手势区域图像与预设的租借手势图像进行匹配，若所述手势区域图像与租借手势图像一致，则匹配成功，判定行为特征包括租借手势。

4.根据权利要求1所述的移动电源租借方法，其特征在于，识别当前用户的特征信息，包括：

通过至少两个图像获取装置获取用户图像，识别所述用户图像中的用户的特征信息。

5.根据权利要求1所述的移动电源租借方法，其特征在于，还包括：

通过图像获取装置或传感器获取用户的特征信息，对特征信息中的行为特征进行手势分析，并根据手势分析结果将行为特征存储为对应的手势图像；所述手势图像包括租借手势图像。

6.一种移动电源租借装置，其特征在于，包括：识别模块、分析模块以及租借模块；

所述识别模块，用于识别当前用户的特征信息；所述特征信息包括用户特征和行为特征；所述用户特征包括用户的租借权限；

所述分析模块，用于在所述用户特征与预存的用户特征匹配成功时，利用训练完备的行为意图模型对行为特征进行姿态分析，并在姿态分析结果为租借状态时，对行为特征中的手势区域进行截取，并对截取的手势区域图像进行手势分析；其中：将当前帧的手势区域图像输入到行为意图模型中，判断输出类别是否为静态手势；若为静态手势，则输出手势的类别，判断是否包含租借手势，并清空历史缓存数据；若为动态手势，则提取目标手势区域，再存储所述用户的历史数据至缓存，针对当前积累的多帧视频图片进行序列分类，并判断是否输出动态手势；若输出动态手势，则输出手势的类别，判断是否包含租借手势，并清空历史缓存数据；若不输出动态手势，则重新输入到行为意图模型中；

所述租借模块，用于在行为特征被判定为包括租借手势时，控制待租借的移动电源进行解锁。

7.一种移动电源租借系统，其特征在于，包括：终端设备、传输设备以及服务器设备；其中，所述终端设备通过传输设备连接服务器设备；

所述终端设备用于获取当前用户的特征信息；

所述传输设备用于传输当前用户的特征信息；

所述服务器设备用于执行如权利要求1至5中任一项所述的移动电源租借方法。

8.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至5中任一项所述的移动电源租借方法。

9.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1至5中任一项所述的移动电源租借方法。

Images