CN112866064A - 一种控制方法、控制系统及电子设备 - Google Patents
一种控制方法、控制系统及电子设备 Download PDFInfo
- Publication number
- CN112866064A CN112866064A CN202110001639.1A CN202110001639A CN112866064A CN 112866064 A CN112866064 A CN 112866064A CN 202110001639 A CN202110001639 A CN 202110001639A CN 112866064 A CN112866064 A CN 112866064A
- Authority
- CN
- China
- Prior art keywords
- instruction
- gesture
- voice
- user
- control method
- 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
- 238000012545 processing Methods 0.000 claims description 30
- 238000012549 training Methods 0.000 claims description 24
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 3
- 230000009471 action Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 11
- 240000007651 Rubus glaucus Species 0.000 description 3
- 235000011034 Rubus glaucus Nutrition 0.000 description 3
- 235000009122 Rubus idaeus Nutrition 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 230000036544 posture Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 102100025444 Gamma-butyrobetaine dioxygenase Human genes 0.000 description 1
- 101000934612 Homo sapiens Gamma-butyrobetaine dioxygenase Proteins 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/2803—Home automation networks
- H04L12/2816—Controlling appliance services of a home automation network by calling their functionalities
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/2803—Home automation networks
- H04L12/2816—Controlling appliance services of a home automation network by calling their functionalities
- H04L12/282—Controlling appliance services of a home automation network by calling their functionalities based on user interaction within the home
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/223—Execution procedure of a spoken command
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明提供一种控制方法、控制系统及电子设备,所述控制方法包括如下步骤:获取用户的手势指令和语音指令;根据所述手势指令生成第一指令,根据所述语音指令生成第二指令;以及,当所述第一指令与所述第二指令相同时,发布第一指令至一用电设备。本发明的有益效果在于,本发明无需用户手动调节用电设备的开关状态,减少用户操作,有效防止用户的非指令动作或非指令语音被误识别为有效指令,避免用电设备的开关状态被误改变。
Description
技术领域
本发明涉及智能家居技术领域,具体涉及一种控制方法、控制系统及电子设备。
背景技术
随着人工智能特别是机器学习技术的不断发展,将人工智能技术应用到家居技术领域中一直是智能家居领域的研究重点。
在现有技术中,基于语音控制技术的智能家居与计算机视觉实现控制的智能家居也普遍出现在各个家庭中,但无论是基于语音控制技术的家居控制方案,还是基于计算机视觉技术的家居控制方案,都会出现系统误判断的情况。例如:在基于语音控制技术的家居控制方案中,用户谈话的时候若是说出的某个词与语音指令的发音类似,系统会将该词误识别为有效语音指令,从而会出现用电设备的开关状态被误改变的情况。而基于计算机视觉技术的家居控制方案中,若用户为了拿取东西而伸手,系统会有将此伸手动作误识别为有效手势指令的情况,从而误将用电设备切换至待机或开机状态。
因此,有必要提出一种新型的控制技术,以克服上述缺陷。
发明内容
本发明的目的是提供一种控制方法及控制系统,以解决现有技术中基于语音控制技术的控制方案及基于计算机视觉技术的家居控制方案都会出现系统误判断的情况。
为实现上述目的,本发明提供一种控制方法,包括如下步骤:获取用户的手势指令和语音指令;根据所述手势指令生成第一指令,根据所述语音指令生成第二指令;以及,当所述第一指令与所述第二指令相同时,发布第一指令至一用电设备。
进一步地,获取用户的手势指令的步骤,具体包括如下步骤:实时采集一目标空间内的空间图像;对比相邻两帧空间图像,记录差异像素点;以及,判断所述差异像素点的数量是否在一预设值范围内;若是,将所述差异像素点的集合形成的图像送入至手势识别模型,输出手势指令。
进一步地,在所述获取用户的手势指令的步骤之前,还包括:采集至少一组训练样本,每一训练样本包括手势的图像及其组别标签,同样的手势被标识成相同的组别标签;将所述至少一组训练样本送入至一机器学习模型进行训练,获得一手势识别模型。
进一步地,根据所述手势指令生成第一指令的步骤,具体包括如下步骤:将用户的手势指令转换为计算机可读信号;以及,将计算机可读的该手势指令与一预设数据库中至少一手势做对比,获取对应该手势指令的第一指令。
进一步地,根据所述语音指令生成第二指令的步骤,具体包括如下步骤:将用户的语音指令转换为数字信号;以及,将数字信号的该语音指令与一预设数据库中至少一数字格式的语音做对比,获取对应该语音指令的第二指令。
进一步地,所述第一指令包括启动指令、关停指令、待机指令;所述第二指令包括启动指令、关停指令、待机指令。
进一步地,获取用户的手势指令及语音指令的时间差小于一预设阈值。
进一步地,在所述获取用户的手势指令和语音指令之前,还包括如下步骤:在一目标空间内设置至少一深度传感器及语音输入装置。
进一步地,所述深度传感器水平设置;所述深度传感器的高度为0.6-1.2米。
进一步地,在所述获取用户的手势指令和语音指令之前,还包括如下步骤:将深度传感器及语音输入装置连接至数据处理设备。
为解决上述目的,本发明还提供一种控制系统,用于电子设备,包括数据处理单元,所述数据处理单元用于获取用户的手势指令和语音指令;用于根据所述手势指令生成第一指令,根据所述语音指令生成第二指令;以及,当所述第一指令与所述第二指令相同时,发送第一指令至一用电设备。
进一步地,所述控制系统还包括深度传感单元,用于采集空间图像以及输出手势指令至所述数据处理单元;语音识别单元,用于采集语音指令以及输出语音指令至所述数据处理单元。
进一步地,所述深度传感单元还包括:采集单元,用于实时采集一目标空间内的空间图像;对比单元,用于通过对比相邻两帧空间图像,记录差异像素点;以及,判断单元,用于判断所述差异像素点的数量是否在一预设阈值范围内。
所述手势识别模型包括:采集单元,用于采集至少一组训练样本,每一训练样本包括手势的图像及其组别标签;训练单元,用于将所述至少一组训练样本送入至一机器学习模型进行训练。
为解决上述问题,本发明还提供了一种电子设备,包括:处理器;人机界面,用于控制所述控制系统的状态;以及存储器,其存储有计算机程序,所述计算机程序被所述处理器运行时执行上述控制方法中至少一步骤。
本发明的有益效果在于,本发明提供了一种用电设备的控制方法、控制系统及电子设备,采用手势识别及语音识别的方案,同时获取用户的手势指令和语音指令,若两个指令一致,启动或关停用电设备。本发明无需用户手动调节用电设备的开关状态,减少用户操作,有效防止用户的非指令动作或非指令语音被误识别为有效指令,避免用电设备的开关状态被误改变。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域技术人员来讲,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的附图。
图1为本实施例所述控制方法的流程图;
图2为本实施例所述获取用户的手势指令和语音指令的步骤的流程图;
图3为本实施例所述控制系统的结构示意图。
具体实施方式
下面将结合附图,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,而不是全部。
图1为一种控制方法的流程示意图,如图1所示,本实施例提供一种用电设备的控制方法,包括步骤S10-S50。
S10在一个特定空间内设置深度传感器及语音输入装置,均连接至数据处理设备。
所述深度传感器优选为景深摄像头,水平安装至所述特定空间的侧壁,其高度为0.6-1.2米。
所述语音输入装置优选一麦克风,水平安装至所述特定空间的侧壁,其高度为0.6-1.2米,优选地,设于用户休息区内。在本实施例中,特定空间为客厅,用户休息区为沙发。
所述数据处理设备优选树莓派,所述树莓派为尺寸仅有信用卡大小的小型计算机,普通计算机能做的大部分事情,在树莓派上都能做,而树莓派还拥有低能耗、移动便携性、通用型输入输出端口等特性。
S20数据处理设备通过深度传感器实时获取用户的手势指令,通过语音传感器实时获取用户的语音指令。
具体地,如图2所示,数据处理设备实时获取用户的手势指令的步骤,包括步骤S201-S205。
S201采集至少一组训练样本,每一训练样本包括手势的图像及其组别标签,同样的手势被识别成相同的组别标签。例如,手势为向上伸手为一组标签,手势为向右伸手为另一组标签。
S202将所述至少一组训练样本分组送入至Faster RCNN机器学习模型进行训练,获得一手势识别模型,该模型可以根据用户的实时图像判断用户的手势。若训练样本为一组用户向上伸手的大量图片,例如1000张用户向上伸手的图片,手势识别模型可以识别出用户的手势是否为向上伸手。若训练样本为一组用户向上伸手的大量图片以及一组用户向右伸手的大量图片,例如1000张用户向上伸手的图片及用户向右伸手的图片,手势识别模型可以识别出用户的手势是向上伸手或是向右伸手或二者皆非。
S203实时采集一目标空间内的空间图像,该目标空间为深度传感器的视野空间,当有用户位于目标空间内时,该用户的实时影像被深度传感器采集到的,因此用户的实时手势也会被采集到。
S204数据处理单元对比相邻两帧的空间图像,记录差异像素点。当用户做出某一动作时,相邻两帧空间图像会有差异,数据处理单元可以找出二者的差异像素点,包括每一像素点的坐标。
S205判断所述差异像素点的数量是否在一预设范围内,若是,判定差异像素点的集合形成的图像可能是用户的某一手势,将所述差异像素点的集合形成的图像送入至手势识别模型,输出手势类型,每一手势类型对应某一指令。若手势识别模型无法识别手势指令,判定差异像素点的集合形成的图像不是代表用户操作命令的手势。
建立所述手势识别模型的过程中,通过大量采集用户各种姿态的控制手势、坐姿,使用深度学习算法来建模各种姿势之间的关系。通过数学优化算法来确定分类边界,之后使用学习好的分类边界对新的数据进行处理。Faster RCNN已经将特征抽取,proposal提取,bounding box regression,classification都整合在了一个网络中,使得综合性能有较大提高,在检测速度方面尤为明显,损失函数定义为:
其中i是第i个anchor,pi是第i个anchor是目标的预测概率,该anchor是正pi*=1,负pi*=0;ti是4维向量,bbox的参数化坐标,ti*表示和正anchor相关联的真值bbox;Lcls表示二分类的log loss(是否是目标),Lreg表示robustloss(Fast RCNN中)。
BBOX的参数化坐标:
tx=(x-xa)/wa,ty=(y-ya)/ha,
tw=log(w/wa),th=log(h/ha),
其中,x,xa,x*分别表示预测值,anchor值,真值。y,w,t,h都是如此S30生成第一指令及第二指令。
所述数据处理设备将用户的手势转换为计算机可读信号,将该手势与一预设数据库中至少一手势做对比,获取对应该手势的手势指令,即为第一指令。所述第一指令包括启动指令、关停指令、换挡指令及待机指令;所述换挡指令包括加挡指令、减挡指令。由于通过机器学习模型训练了手势模型,因此,在本实施例中,用户可以根据需要自行定义每一手势对应的指令,例如,把用户向上伸手的手势定义为启动指令,向右伸手的手势定义为待机指令。
类似地,所述数据处理设备将用户的语音转换为数字信号,随后将数字格式的该语音与一预设数据库中至少一数字格式的语音做对比,获取对应该语音的语音指令,即为第二指令。所述第二指令包括启动指令、关停指令、换挡指令及待机指令,所述换挡指令包括加挡指令、减挡指令。
所述启动指令使用电设备切换为开启状态,待机指令是将用电设备切换为待机状态,关停指令则是将用电设备切换为关机状态。
所述换挡指令用于分挡调整用电设备中某一参数的状态。当用电设备为灯具时,换挡指令可用于调整灯光的亮度,加挡指令为亮度增加一挡的指令,减挡指令为亮度降低一挡的指令。当用电设备为多灯色灯具时,换挡指令也可用于切换灯色,不同挡位对应不同颜色的灯光,加挡指令、减挡指令为灯色切换至下一挡位的指令。
当用电设备为多媒体设备(如电视机或收音机等)时,换挡指令可用于调整多媒体设备输出音量的大小,加挡指令为音量增加一挡的指令,减挡指令为音量降低一挡的指令,换挡指令也可用于切换频道,加挡指令为切换至下一频道的指令,减挡指令为切换至上一频道的指令。
当用电设备为空调、地暖、电热毯时,换挡指令可用于调整温度的高低,加挡指令为温度增加一挡的指令,减挡指令为温度降低一挡的指令。
S40判断第一指令与第二指令是否相同,若是,执行下一步骤,若否,则回到步骤S20。
S50发送第一指令至用电设备。
在本实施例中,若要成功发布指令至一用电设备,则需要第一指令及第二指令相同,例如第一指令为启动指令,而第二指令为关停指令,如此一来数据处理设备判定两个指令相冲突,则不会把指令发送至用电设备,而是返回至步骤S20,只有在第一指令与第二指令相同的情况下,数据处理设备才会把指令发送至用电设备。
数据处理设备将判断获取用户的手势指令及语音指令的时间差是否小于一预设值(优选2秒),若是,才会将指令发送至用电设备,若否,则判定为指令超时,并且不做应答。
图3为本实施例所述控制系统的结构示意图,如图3所示,本实施例还提供一种控制系统,包括数据处理单元10、深度传感单元20以及语音识别单元30,数据处理单元10用于获取用户的手势指令和语音指令;用于根据所述手势指令生成第一指令,根据所述语音指令生成第二指令;以及,当所述第一指令与所述第二指令相同时,发送第一指令至一用电设备;深度传感单元20用于采集空间图像以及输出手势指令至所述数据处理单元10;语音识别单元30用于采集语音指令以及输出语音指令至所述数据处理单元10。
深度传感单元20包括图像采集单元21,用于实时采集一目标空间内的空间图像;对比单元22,用于通过对比相邻两帧空间图像,记录差异像素点;以及,判断单元23,用于判断所述差异像素点的数量是否在一预设阈值范围内。
语音识别单元30包括语音采集单元31,用于实时采集用户语音。
本实施例还提供了一种电子设备,包括处理器;以及,存储器,其存储有计算机程序,计算机程序被处理器运行时执行上述控制方法中至少一步骤。
本实施例在工作中,当用户进入到深度传感器的视野空间内时,深度传感器将实时采集用户的图像,通过对比相邻两帧的图像进行对比,记录差异像素点,通过差异像素点的数量是否在一预设范围内判断该差异像素点是否为用户的手势,如果是,则输出手势指令至数据处理设备中。同时语音输入装置实时采集用户的语音,将用户的语音转换为数字信号与一预设数据库中的数字格式语音做对比,获取对应的指令输出至数据处理设备中。当数据处理设备在一预设时间内(优选2秒)获取到手势指令和语音指令后,将会判断所述手势指令和语音指令是否一致,若一致,则会生成一指令发送至用电设备。在本实施例中所述用电设备为灯具。
本发明的有益效果在于,本发明提供了一种用电设备的控制方法、控制系统及电子设备,采用手势识别及语音识别的方案,同时获取用户的手势指令和语音指令,若两个指令一致,启动或关停用电设备。本发明无需用户手动调节用电设备的开关状态,减少用户操作,有效防止用户的非指令动作或非指令语音被误识别为有效指令,避免用电设备的开关状态被误改变。
虽然在本文中参照了特定的实施方式来描述本发明,但是应该理解的是,这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是,可以对示例性的实施例进行许多修改,并且可以设计出其他的布置,只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是,可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是,结合单独实施例所描述的特征可以使用在其他所述实施例中。
Claims (16)
1.一种控制方法,其特征在于,包括以下步骤:
获取用户的手势指令和语音指令;
根据所述手势指令生成第一指令,根据所述语音指令生成第二指令;以及
当所述第一指令与所述第二指令相同时,发布第一指令至一用电设备。
2.如权利要求1所述的控制方法,其特征在于,
获取用户的手势指令的步骤,具体包括如下步骤:
实时采集一目标空间内的空间图像;
对比相邻两帧空间图像,记录差异像素点;以及
判断所述差异像素点的数量是否在一预设值范围内;若是,将所述差异像素点的集合形成的图像送入至手势识别模型,输出手势指令。
3.如权利要求1所述的控制方法,其特征在于,
在所述获取用户的手势指令的步骤之前,还包括:
采集至少一组训练样本,每一训练样本包括手势的图像及其组别标签,同样的手势被标识成相同的组别标签;
将所述至少一组训练样本送入至一机器学习模型进行训练,获得一手势识别模型。
4.如权利要求1所述的控制方法,其特征在于,
根据所述手势指令生成第一指令的步骤,具体包括如下步骤:
将用户的手势转换为计算机可读信号;以及
将该手势与一预设数据库中至少一手势做对比,获取对应该手势的第一指令。
5.如权利要求1所述的控制方法,其特征在于,
根据所述语音指令生成第二指令的步骤,具体包括如下步骤:
将用户的语音指令转换为数字信号;以及
将数字格式的该语音与一预设数据库中至少一数字格式的语音做对比,获取对应该语音的第二指令。
6.如权利要求1所述的控制方法,其特征在于,
所述第一指令至少包括启动指令、关停指令、换挡指令及待机指令;
所述第二指令至少包括启动指令、关停指令、换挡指令及待机指令;
所述换挡指令包括加挡指令、减挡指令。
7.如权利要求1所述的控制方法,其特征在于,
获取用户的手势指令及语音指令的时间差小于一预设阈值。
8.如权利要求1所述的控制方法,其特征在于,
在所述获取用户的手势指令和语音指令之前,还包括如下步骤:
在一目标空间内设置至少一深度传感器及语音输入装置。
9.如权利要求1所述的控制方法,其特征在于,
所述深度传感器水平设置;
所述深度传感器的高度为0.6-1.2米。
10.如权利要求1所述的控制方法,其特征在于,
在所述获取用户的手势指令和语音指令之前,还包括如下步骤:
将深度传感器及语音输入装置连接至数据处理设备。
11.一种控制系统,用于电子设备,其特征在于,包括:
数据处理单元,
用于获取用户的手势指令和语音指令;
用于根据所述手势指令生成第一指令,根据所述语音指令生成第二指令;以及,
当所述第一指令与所述第二指令相同时,用于发送第一指令至一用电设备。
12.如权利要求11所述的控制系统,其特征在于,还包括:
深度传感器,用于采集空间图像以及输出手势指令至所述数据处理单元;
语音识别单元,用于采集语音指令以及输出语音指令至所述数据处理单元。
13.如权利要求12所述的控制系统,其特征在于,
所述深度传感单元包括:
图像采集单元,用于实时采集一目标空间内的空间图像;
对比单元,用于通过对比相邻两帧空间图像,记录差异像素点;以及
判断单元,用于判断所述差异像素点的数量是否在一预设阈值范围内。
14.如权利要求13所述的控制系统,其特征在于,
所述手势识别模型包括:
样本采集单元,用于采集至少一组训练样本,每一训练样本包括手势的图像及其组别标签;以及
训练单元,用于将所述至少一组训练样本送入至一机器学习模型进行训练。
15.如权利要求12所述的控制系统,其特征在于,
所述语音识别单元包括
语音采集单元,用于实时采集用户语音。
16.一种电子设备,其特征在于,包括:
处理器;以及
存储器,其存储有计算机程序,所述计算机程序被所述处理器运行时执行如权利要求1-10中任一项所述至少一步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110001639.1A CN112866064A (zh) | 2021-01-04 | 2021-01-04 | 一种控制方法、控制系统及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110001639.1A CN112866064A (zh) | 2021-01-04 | 2021-01-04 | 一种控制方法、控制系统及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112866064A true CN112866064A (zh) | 2021-05-28 |
Family
ID=76001155
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110001639.1A Pending CN112866064A (zh) | 2021-01-04 | 2021-01-04 | 一种控制方法、控制系统及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112866064A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116564005A (zh) * | 2023-07-11 | 2023-08-08 | 深圳市瑞凯诺科技有限公司 | 智能充电桩的无线启动方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102824092A (zh) * | 2012-08-31 | 2012-12-19 | 华南理工大学 | 一种窗帘的智能手势和语音控制系统及其控制方法 |
CN103422764A (zh) * | 2013-08-20 | 2013-12-04 | 华南理工大学 | 一种门控制系统及其控制方法 |
CN105468145A (zh) * | 2015-11-18 | 2016-04-06 | 北京航空航天大学 | 一种基于手势和语音识别的机器人人机交互方法和装置 |
CN107239731A (zh) * | 2017-04-17 | 2017-10-10 | 浙江工业大学 | 一种基于Faster R‑CNN的手势检测和识别方法 |
CN107390714A (zh) * | 2017-06-13 | 2017-11-24 | 深圳市易成自动驾驶技术有限公司 | 无人机的控制方法、装置及计算机可读存储介质 |
CN109359538A (zh) * | 2018-09-14 | 2019-02-19 | 广州杰赛科技股份有限公司 | 卷积神经网络的训练方法、手势识别方法、装置及设备 |
CN110895934A (zh) * | 2018-09-12 | 2020-03-20 | 格力电器(武汉)有限公司 | 家电控制方法及装置 |
CN111062312A (zh) * | 2019-12-13 | 2020-04-24 | RealMe重庆移动通信有限公司 | 手势识别方法、手势控制方法、装置、介质与终端设备 |
-
2021
- 2021-01-04 CN CN202110001639.1A patent/CN112866064A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102824092A (zh) * | 2012-08-31 | 2012-12-19 | 华南理工大学 | 一种窗帘的智能手势和语音控制系统及其控制方法 |
CN103422764A (zh) * | 2013-08-20 | 2013-12-04 | 华南理工大学 | 一种门控制系统及其控制方法 |
CN105468145A (zh) * | 2015-11-18 | 2016-04-06 | 北京航空航天大学 | 一种基于手势和语音识别的机器人人机交互方法和装置 |
CN107239731A (zh) * | 2017-04-17 | 2017-10-10 | 浙江工业大学 | 一种基于Faster R‑CNN的手势检测和识别方法 |
CN107390714A (zh) * | 2017-06-13 | 2017-11-24 | 深圳市易成自动驾驶技术有限公司 | 无人机的控制方法、装置及计算机可读存储介质 |
CN110895934A (zh) * | 2018-09-12 | 2020-03-20 | 格力电器(武汉)有限公司 | 家电控制方法及装置 |
CN109359538A (zh) * | 2018-09-14 | 2019-02-19 | 广州杰赛科技股份有限公司 | 卷积神经网络的训练方法、手势识别方法、装置及设备 |
CN111062312A (zh) * | 2019-12-13 | 2020-04-24 | RealMe重庆移动通信有限公司 | 手势识别方法、手势控制方法、装置、介质与终端设备 |
Non-Patent Citations (4)
Title |
---|
刘光有等: "影响家电手势交互体验的因素分析", 《日用电器》 * |
张金 等: "基于改进的Faster RCNN的手势识别", 《信息通信》 * |
赵天驰等: "一种联合语音与手势识别的增强现实人机交互系统", 《河北工程技术高等专科学校学报》 * |
郭庆等: "基于Faster RCNN的手势识别", 《桂林电子科技大学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116564005A (zh) * | 2023-07-11 | 2023-08-08 | 深圳市瑞凯诺科技有限公司 | 智能充电桩的无线启动方法及系统 |
CN116564005B (zh) * | 2023-07-11 | 2023-09-08 | 深圳市瑞凯诺科技有限公司 | 智能充电桩的无线启动方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018177379A1 (zh) | 手势识别、控制及神经网络训练方法、装置及电子设备 | |
WO2016106383A2 (en) | First-person camera based visual context aware system | |
CN111128157B (zh) | 一种智能家电的免唤醒语音识别控制方法、计算机可读存储介质及空调 | |
CN110796018A (zh) | 一种基于深度图像和彩色图像的手部运动识别方法 | |
CN103105924B (zh) | 人机交互方法和装置 | |
CN105204351A (zh) | 空调机组的控制方法及装置 | |
CN114693661A (zh) | 一种基于深度学习的快速分拣方法 | |
CN103092332A (zh) | 电视数字图像交互方法及系统 | |
CN110895934A (zh) | 家电控制方法及装置 | |
CN115480923B (zh) | 一种多模态的智慧教室边缘计算控制系统 | |
CN112949689A (zh) | 图像识别方法、装置、电子设备及存储介质 | |
CN114445853A (zh) | 一种视觉手势识别系统识别方法 | |
CN115328319A (zh) | 一种基于轻量型手势识别的智能控制方法及装置 | |
CN112866064A (zh) | 一种控制方法、控制系统及电子设备 | |
CN109740527B (zh) | 一种视频帧中图像处理方法 | |
CN103135746A (zh) | 基于静态姿势和动态姿势的非接触控制方法、系统和设备 | |
CN107147786B (zh) | 智能终端的图像采集控制方法及装置 | |
CN112700568A (zh) | 一种身份认证的方法、设备及计算机可读存储介质 | |
CN113446717B (zh) | 智能页面显示方法、装置以及电子设备 | |
CN116968501A (zh) | 一种基于红外技术的车载空调智能控制方法及系统 | |
CN112764349A (zh) | 晾衣架控制方法、晾衣架、系统及存储介质 | |
CN116168328A (zh) | 一种甲状腺结节超声检查系统及方法 | |
CN114549809A (zh) | 手势识别方法以及相关设备 | |
CN112101275B (zh) | 多目摄像头的人脸检测方法、装置、设备及介质 | |
CN104460991A (zh) | 一种基于数字家庭设备的手势互动控制系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210528 |