CN112784478A - 一种智能门铃ai场景自学习训练建模方法及系统 - Google Patents
一种智能门铃ai场景自学习训练建模方法及系统 Download PDFInfo
- Publication number
- CN112784478A CN112784478A CN202110018413.2A CN202110018413A CN112784478A CN 112784478 A CN112784478 A CN 112784478A CN 202110018413 A CN202110018413 A CN 202110018413A CN 112784478 A CN112784478 A CN 112784478A
- Authority
- CN
- China
- Prior art keywords
- intelligent doorbell
- algorithm
- calibration
- learning training
- self
- 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 36
- 238000004891 communication Methods 0.000 claims description 9
- 230000009471 action Effects 0.000 claims description 6
- 239000000047 product Substances 0.000 description 6
- 239000013589 supplement Substances 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003707 image sharpening Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Multimedia (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及智能门铃AI场景自学习训练建模方法及系统,包括以下步骤:智能门铃根据设定的采集规则采集用户门口的画面数据信息;对采集的画面数据信息中物体根据选定的识别规则进行识别并标定;将标定数据上传至云端的算法训练服务器进行算法训练,将训练好的算法下发至智能门铃;应用本发明的方法,智能门铃能够自行的进行门口数据采集,经由标定画面内物体后,由云端算法训练服务器进行训练,在将训练好的算法发送给智能门铃运行,使得智能门铃能够具备适应不同用户门口场景的能力,大幅提升产品的智能化程度以及产品识别能力。
Description
技术领域
本发明涉及智能门铃技术领域,更具体地说,涉及一种智能门铃AI场景自学习训练建模方法及系统。
背景技术
智能门铃应用在不同的家庭门外时,由于门口的场景多样性以及场景的变化性,例如:有一梯多户、一梯两户,还有朝向的不同,堆放物品的不同,且场景会随时间出现变动,导致一套AI算法无法满足所有场景的识别需求,需要一种能够根据不同的场景对AI算法进行训练的智能门铃AI场景自学习训练建模方式方法。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种智能门铃AI场景自学习训练建模方法,还提供了一种智能门铃AI场景自学习训练建模系统。
本发明解决其技术问题所采用的技术方案是:
构造一种智能门铃AI场景自学习训练建模方法,其中,包括以下步骤:
第一步:智能门铃根据设定的采集规则采集用户门口的画面数据信息;
第二步:对采集的画面数据信息中物体根据选定的识别规则进行识别并标定;
第三步:将标定数据上传至云端的算法训练服务器进行算法训练,将训练好的算法下发至智能门铃。
本发明所述的智能门铃AI场景自学习训练建模方法,其中,所述第一步中,所述采集规则包括一组或多组采集起始时间。
本发明所述的智能门铃AI场景自学习训练建模方法,其中,所述第一步中,所述采集规则还包括镜头转向动作和/或镜头调整参数。
本发明所述的智能门铃AI场景自学习训练建模方法,其中,所述第二步中,所述识别规则包括由人工标定;选择由人工标定时,由用户自行对画面数据信息中物体进行标定类型。
本发明所述的智能门铃AI场景自学习训练建模方法,其中,所述第二步中,所述识别规则还包括由机器自行识别;选择由机器自行识别时,通过AI图像识别算法获取画面数据信息中物体轮廓数据,与轮廓数据库匹配后获得物体类型并进行标定。
本发明所述的智能门铃AI场景自学习训练建模方法,其中,所述第二步中,选择由机器自行识别时,还包括方法:由人工对标定信息进行复核。
本发明所述的智能门铃AI场景自学习训练建模方法,其中,所述第三步中,标定数据上传时附带智能门铃的唯一标识信息,将训练好的算法下发至智能门铃时根据所述唯一标识信息进行识别区分。
一种智能门铃AI场景自学习训练建模系统,根据上述的智能门铃AI场景自学习训练建模方法,其中,包括智能门铃和云端服务器;
所述智能门铃包括画面采集模块、物体标定模块和通讯模块;所述云端服务器包括算法训练服务器和收发模块;
所述画面采集模块,用于根据设定的采集规则采集用户门口的画面数据信息;
所述物体标定模块,用于对所述画面采集模块采集的画面数据信息中物体根据选定的识别规则进行识别并标定;
所述通讯模块,用于与所述云端服务器数据通讯;
所述算法训练服务器,用于将接收到的标定数据进行算法训练生成算法;
所述收发模块,用于接收标定数据以及将将训练好的算法下发至智能门铃。
本发明所述的智能门铃AI场景自学习训练建模系统,其中,所述采集规则包括一组或多组采集起始时间,所述采集规则还包括镜头转向动作和/或镜头调整参数。
本发明所述的智能门铃AI场景自学习训练建模系统,其中,所述识别规则包括由人工标定和由机器自行识别;
选择由人工标定时,由用户自行对画面数据信息中物体进行标定类型;
选择由机器自行识别时,通过AI图像识别算法获取画面数据信息中物体轮廓数据,与轮廓数据库匹配后获得物体类型并进行标定。
本发明的有益效果在于:应用本发明的方法,智能门铃能够自行的进行门口数据采集,经由标定画面内物体后,由云端算法训练服务器进行训练,在将训练好的算法发送给智能门铃运行,使得智能门铃能够具备适应不同用户门口场景的能力,大幅提升产品的智能化程度以及产品识别能力。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将结合附图及实施例对本发明作进一步说明,下面描述中的附图仅仅是本发明的部分实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图:
图1是本发明较佳实施例的智能门铃AI场景自学习训练建模方法流程图;
图2是本发明较佳实施例的智能门铃AI场景自学习训练建模系统原理框图。
具体实施方式
为了使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例是本发明的部分实施例,而不是全部实施例。基于本发明的实施例,本领域普通技术人员在没有付出创造性劳动的前提下所获得的所有其他实施例,都属于本发明的保护范围。
本发明较佳实施例的智能门铃AI场景自学习训练建模方法,如图1所示,包括以下步骤:
S01:智能门铃根据设定的采集规则采集用户门口的画面数据信息;
S02:对采集的画面数据信息中物体根据选定的识别规则进行识别并标定;
S03:将标定数据上传至云端的算法训练服务器进行算法训练,将训练好的算法下发至智能门铃;
应用本发明的方法,智能门铃能够自行的进行门口数据采集,经由标定画面内物体后,由云端算法训练服务器进行训练,在将训练好的算法发送给智能门铃运行,使得智能门铃能够具备适应不同用户门口场景的能力,大幅提升产品的智能化程度以及产品识别能力;
需要说明的是,算法训练服务器采用现有的服务器即可。
优选的,第一步中,采集规则包括一组或多组采集起始时间;可以是在一个时间,例如初始化时进行一次的采集训练,也可以在后续使用过程中按设定的时间节点进行再次采集训练,训练后算法可以选择覆盖原先算法的方式,也可以是作为补充加入到原先算法。
优选的,第一步中,采集规则还包括镜头转向动作和/或镜头调整参数;可以根据设定,控制采集画面的镜头进行转向采集,以获取更多角度和/或更大范围的画面;而镜头调整参数,是为了进行例如:曝光、补光、像素调节、图像明暗度调整、图像锐化等等,提升采集画面的质量。
优选的,第二步中,识别规则包括由人工标定;选择由人工标定时,由用户自行对画面数据信息中物体进行标定类型;在该种情况下,可以是人工直接在智能门铃上进行操作标定的方式,还可以是将画面数据发送到用户移动端或电脑等设备,进行交互式的标定。
优选的,第二步中,识别规则还包括由机器自行识别;选择由机器自行识别时,通过AI图像识别算法获取画面数据信息中物体轮廓数据,与轮廓数据库匹配后获得物体类型并进行标定;该种方式,能够识别绝大部分场景物体,虽然没有人体识别的准确度高,但是胜在智能识别,无需人为干预,在不需要超高精度情况下,也能够满足使用的需求,较为便捷。
优选的,第二步中,选择由机器自行识别时,还包括方法:由人工对标定信息进行复核;便于补充机器识别时准确度不足的缺陷,人工标定工作量也不会很多,是一种较为适中的方式。
优选的,第三步中,标定数据上传时附带智能门铃的唯一标识信息,将训练好的算法下发至智能门铃时根据唯一标识信息进行识别区分;标识信息可以是出厂标号或是网络地址或是云服务器接收信息后赋予的唯一临时标识。
一种智能门铃AI场景自学习训练建模系统,根据上述的智能门铃AI场景自学习训练建模方法,如图2所示,包括智能门铃1和云端服务器2;
智能门铃1包括画面采集模块10、物体标定模块11和通讯模块12;云端服务器2包括算法训练服务器20和收发模块21;
画面采集模块10,用于根据设定的采集规则采集用户门口的画面数据信息;
物体标定模块11,用于对画面采集模块采集的画面数据信息中物体根据选定的识别规则进行识别并标定;
通讯模块12,用于与云端服务器数据通讯;
算法训练服务器20,用于将接收到的标定数据进行算法训练生成算法;
收发模块21,用于接收标定数据以及将将训练好的算法下发至智能门铃;
应用本发明的系统,智能门铃能够自行的进行门口数据采集,经由标定画面内物体后,由云端算法训练服务器进行训练,在将训练好的算法发送给智能门铃运行,使得智能门铃能够具备适应不同用户门口场景的能力,大幅提升产品的智能化程度以及产品识别能力。
优选的,采集规则包括一组或多组采集起始时间,采集规则还包括镜头转向动作和/或镜头调整参数。
优选的,识别规则包括由人工标定和由机器自行识别;
选择由人工标定时,由用户自行对画面数据信息中物体进行标定类型;
选择由机器自行识别时,通过AI图像识别算法获取画面数据信息中物体轮廓数据,与轮廓数据库匹配后获得物体类型并进行标定。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种智能门铃AI场景自学习训练建模方法,其特征在于,包括以下步骤:
第一步:智能门铃根据设定的采集规则采集用户门口的画面数据信息;
第二步:对采集的画面数据信息中物体根据选定的识别规则进行识别并标定;
第三步:将标定数据上传至云端的算法训练服务器进行算法训练,将训练好的算法下发至智能门铃。
2.根据权利要求1所述的智能门铃AI场景自学习训练建模方法,其特征在于,所述第一步中,所述采集规则包括一组或多组采集起始时间。
3.根据权利要求1所述的智能门铃AI场景自学习训练建模方法,其特征在于,所述第一步中,所述采集规则还包括镜头转向动作和/或镜头调整参数。
4.根据权利要求1-3任一所述的智能门铃AI场景自学习训练建模方法,其特征在于,所述第二步中,所述识别规则包括由人工标定;选择由人工标定时,由用户自行对画面数据信息中物体进行标定类型。
5.根据权利要求4所述的智能门铃AI场景自学习训练建模方法,其特征在于,所述第二步中,所述识别规则还包括由机器自行识别;选择由机器自行识别时,通过AI图像识别算法获取画面数据信息中物体轮廓数据,与轮廓数据库匹配后获得物体类型并进行标定。
6.根据权利要求5所述的智能门铃AI场景自学习训练建模方法,其特征在于,所述第二步中,选择由机器自行识别时,还包括方法:由人工对标定信息进行复核。
7.根据权利要求1-3任一所述的智能门铃AI场景自学习训练建模方法,其特征在于,所述第三步中,标定数据上传时附带智能门铃的唯一标识信息,将训练好的算法下发至智能门铃时根据所述唯一标识信息进行识别区分。
8.一种智能门铃AI场景自学习训练建模系统,根据权利要求1-7任一所述的智能门铃AI场景自学习训练建模方法,其特征在于,包括智能门铃和云端服务器;
所述智能门铃包括画面采集模块、物体标定模块和通讯模块;所述云端服务器包括算法训练服务器和收发模块;
所述画面采集模块,用于根据设定的采集规则采集用户门口的画面数据信息;
所述物体标定模块,用于对所述画面采集模块采集的画面数据信息中物体根据选定的识别规则进行识别并标定;
所述通讯模块,用于与所述云端服务器数据通讯;
所述算法训练服务器,用于将接收到的标定数据进行算法训练生成算法;
所述收发模块,用于接收标定数据以及将将训练好的算法下发至智能门铃。
9.根据权利要求8所述的智能门铃AI场景自学习训练建模系统,其特征在于,所述采集规则包括一组或多组采集起始时间,所述采集规则还包括镜头转向动作和/或镜头调整参数。
10.根据权利要求8所述的智能门铃AI场景自学习训练建模系统,其特征在于,所述识别规则包括由人工标定和由机器自行识别;
选择由人工标定时,由用户自行对画面数据信息中物体进行标定类型;
选择由机器自行识别时,通过AI图像识别算法获取画面数据信息中物体轮廓数据,与轮廓数据库匹配后获得物体类型并进行标定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110018413.2A CN112784478A (zh) | 2021-01-07 | 2021-01-07 | 一种智能门铃ai场景自学习训练建模方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110018413.2A CN112784478A (zh) | 2021-01-07 | 2021-01-07 | 一种智能门铃ai场景自学习训练建模方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112784478A true CN112784478A (zh) | 2021-05-11 |
Family
ID=75756703
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110018413.2A Pending CN112784478A (zh) | 2021-01-07 | 2021-01-07 | 一种智能门铃ai场景自学习训练建模方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112784478A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108230526A (zh) * | 2018-04-17 | 2018-06-29 | 济南浪潮高新科技投资发展有限公司 | 一种基于深度学习的智能门禁方法 |
CN109446783A (zh) * | 2018-11-16 | 2019-03-08 | 济南浪潮高新科技投资发展有限公司 | 一种基于机器众包的图像识别高效样本采集方法及系统 |
CN109829512A (zh) * | 2019-03-01 | 2019-05-31 | 华东师范大学 | 一种基于深度神经网络的图像识别模组 |
CN109934931A (zh) * | 2017-12-19 | 2019-06-25 | 阿里巴巴集团控股有限公司 | 采集图像、建立目标物体识别模型的方法及装置 |
CN110164006A (zh) * | 2019-05-17 | 2019-08-23 | 珠海格力电器股份有限公司 | 基于智能门锁的用户行为监控方法及装置、智能门锁 |
CN110378092A (zh) * | 2019-07-26 | 2019-10-25 | 北京积加科技有限公司 | 身份识别系统及客户端、服务器和方法 |
CN110895838A (zh) * | 2018-09-12 | 2020-03-20 | 格力电器(武汉)有限公司 | 一种智能门锁控制方法、装置及智能门锁 |
CN111311809A (zh) * | 2020-02-21 | 2020-06-19 | 南京理工大学 | 基于多生物特征融合的智能化门禁系统 |
CN111325273A (zh) * | 2020-02-19 | 2020-06-23 | 杭州涂鸦信息技术有限公司 | 一种基于用户自主标定的深度学习模型的建立方法及系统 |
CN111723598A (zh) * | 2019-03-18 | 2020-09-29 | 北京邦天信息技术有限公司 | 机器视觉系统及其实现方法 |
-
2021
- 2021-01-07 CN CN202110018413.2A patent/CN112784478A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109934931A (zh) * | 2017-12-19 | 2019-06-25 | 阿里巴巴集团控股有限公司 | 采集图像、建立目标物体识别模型的方法及装置 |
CN108230526A (zh) * | 2018-04-17 | 2018-06-29 | 济南浪潮高新科技投资发展有限公司 | 一种基于深度学习的智能门禁方法 |
CN110895838A (zh) * | 2018-09-12 | 2020-03-20 | 格力电器(武汉)有限公司 | 一种智能门锁控制方法、装置及智能门锁 |
CN109446783A (zh) * | 2018-11-16 | 2019-03-08 | 济南浪潮高新科技投资发展有限公司 | 一种基于机器众包的图像识别高效样本采集方法及系统 |
CN109829512A (zh) * | 2019-03-01 | 2019-05-31 | 华东师范大学 | 一种基于深度神经网络的图像识别模组 |
CN111723598A (zh) * | 2019-03-18 | 2020-09-29 | 北京邦天信息技术有限公司 | 机器视觉系统及其实现方法 |
CN110164006A (zh) * | 2019-05-17 | 2019-08-23 | 珠海格力电器股份有限公司 | 基于智能门锁的用户行为监控方法及装置、智能门锁 |
CN110378092A (zh) * | 2019-07-26 | 2019-10-25 | 北京积加科技有限公司 | 身份识别系统及客户端、服务器和方法 |
CN111325273A (zh) * | 2020-02-19 | 2020-06-23 | 杭州涂鸦信息技术有限公司 | 一种基于用户自主标定的深度学习模型的建立方法及系统 |
CN111311809A (zh) * | 2020-02-21 | 2020-06-19 | 南京理工大学 | 基于多生物特征融合的智能化门禁系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE69635101T2 (de) | Verfahren zur Extraktion von Gegenständen und dieses Verfahren verwendendes Bildaufnahmegerät | |
CN108447159B (zh) | 人脸图像采集方法、装置和出入口管理系统 | |
CN108885698A (zh) | 人脸识别方法、装置和服务器 | |
CN111179223A (zh) | 基于深度学习的工业自动化缺陷检测方法 | |
CN104902180B (zh) | 一种移动终端相机参数调整方法及移动终端 | |
US11678180B2 (en) | Iris recognition workflow | |
JP2021531571A (ja) | 証明書画像抽出方法及び端末機器 | |
CN111666800A (zh) | 一种行人重识别模型训练方法及行人重识别方法 | |
CN108566513A (zh) | 一种无人机对运动目标的拍摄方法 | |
CN110278415A (zh) | 一种网络摄像机视频质量提升方法 | |
CN109587466A (zh) | 颜色阴影校正的方法和装置 | |
CN105701496B (zh) | 一种基于人工智能技术的围棋盘面识别方法 | |
CN109558913A (zh) | 一种基于雷达的作物病虫害监测系统 | |
US20220006960A1 (en) | Camera analyzing images on basis of artificial intelligence, and operating method therefor | |
CN112784478A (zh) | 一种智能门铃ai场景自学习训练建模方法及系统 | |
CN108197563B (zh) | 用于获取信息的方法及装置 | |
CN112235602A (zh) | 智能电视的个性化屏保系统、方法和智能电视 | |
CN108960849A (zh) | 用于纸质制品的防伪方法及装置、防伪溯源系统 | |
CN114257730A (zh) | 图像数据的处理方法、装置、存储介质及计算机设备 | |
US20230270593A1 (en) | Assistive smart glasses for visual impairment, and system and control method thereof | |
US7519237B2 (en) | Method for characterizing stored information | |
CN110113575A (zh) | 一种基于NB-IoT的农情信息实时监测平台 | |
CN108876402A (zh) | 用于皮革制品的防伪方法及装置、防伪溯源系统 | |
CN108153568A (zh) | 一种信息处理方法及电子设备 | |
CN113837106A (zh) | 人脸识别方法、系统、电子设备及存储介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220608 Address after: Room 1209, floor 11, building 1, yard 6, Futong East Street, Chaoyang District, Beijing 100020 Applicant after: Beijing Qiren Technology Co.,Ltd. Address before: No. 300, gouya village, Tonghe sub district office, Pingdu City, Qingdao City, Shandong Province Applicant before: Li Linlin |