CN115171153A - 对象类型的确定方法、装置、存储介质及电子装置 - Google Patents
对象类型的确定方法、装置、存储介质及电子装置 Download PDFInfo
- Publication number
- CN115171153A CN115171153A CN202210742677.7A CN202210742677A CN115171153A CN 115171153 A CN115171153 A CN 115171153A CN 202210742677 A CN202210742677 A CN 202210742677A CN 115171153 A CN115171153 A CN 115171153A
- Authority
- CN
- China
- Prior art keywords
- feature information
- pet
- body surface
- moving object
- object type
- 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 47
- 210000004209 hair Anatomy 0.000 claims abstract description 58
- 230000001815 facial effect Effects 0.000 claims abstract description 46
- 230000000877 morphologic effect Effects 0.000 claims abstract description 16
- 238000000605 extraction Methods 0.000 claims abstract description 15
- 230000006399 behavior Effects 0.000 claims description 20
- 210000000056 organ Anatomy 0.000 claims description 12
- 238000003062 neural network model Methods 0.000 claims description 10
- 230000037237 body shape Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 description 20
- 238000005516 engineering process Methods 0.000 description 15
- 230000037308 hair color Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 241000282326 Felis catus Species 0.000 description 6
- 210000005069 ears Anatomy 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 5
- 210000001508 eye Anatomy 0.000 description 4
- 210000004709 eyebrow Anatomy 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 210000001331 nose Anatomy 0.000 description 3
- NOQGZXFMHARMLW-UHFFFAOYSA-N Daminozide Chemical group CN(C)NC(=O)CCC(O)=O NOQGZXFMHARMLW-UHFFFAOYSA-N 0.000 description 2
- 241000282412 Homo Species 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000003803 hair density Effects 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 230000002401 inhibitory effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000000214 mouth Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000000697 sensory organ Anatomy 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 238000004887 air purification Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种对象类型的确定方法、装置、存储介质及电子装置,涉及智慧家庭技术领域,该对象类型的确定方法包括:通过设置于家庭区域中的图像采集装置获取对移动对象进行图像采集的采集结果;对所述采集结果进行特征提取,得到所述移动对象的体表特征信息,所述体表特征信息至少包括以下之一:面部特征信息、毛发特征信息、肢体特征信息、身高特征信息和形态特征信息;对所述体表特征信息进行特征分析,以确定所述移动对象的对象类型是否为所述家庭区域中的宠物,采用上述技术方案,解决了存在无法准确确定移动对象的对象类型的问题。
Description
技术领域
本申请涉及智慧家庭技术领域,具体而言,涉及一种对象类型的确定方法、装置、存储介质及电子装置。
背景技术
目前,随着图像处理技术的飞速发展,人们对图像识别的准确性有了越来越高的要求。例如,对于家中养有宠物的用户来说,当用户不在家时,一般是通过摄像装置查看宠物的状态,然而大部分技术是无法对监控区域内采集到的移动对象进行准确识别的,经常会给用户推送有误的识别结果。一方面造成了家庭安防的不准确识别,另一方面对于想要监控宠物生活的家庭,也无法很好的为用户提供准确的宠物识别结果。
因此,相关技术中,存在无法准确确定移动对象的对象类型的问题。
针对相关技术中,存在无法准确确定移动对象的对象类型的问题,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对象类型的确定方法、装置、存储介质及电子装置,以至少解决相关技术中,存在无法准确确定移动对象的对象类型的问题。
根据本申请实施例的一个实施例,提供了一种对象类型的确定方法,包括:通过设置于家庭区域中的图像采集装置获取对移动对象进行图像采集的采集结果;对所述采集结果进行特征提取,得到所述移动对象的体表特征信息,所述体表特征信息至少包括以下之一:面部特征信息、毛发特征信息、肢体特征信息、身高特征信息和形态特征信息;对所述体表特征信息进行特征分析,以确定所述移动对象的对象类型是否为所述家庭区域中的宠物。
在一个示例性实施例中,对所述体表特征信息进行特征分析,以确定所述移动对象的对象类型是否为所述家庭区域中的宠物,包括:在所述体表特征信息包括面部特征信息的情况下,根据所述面部特征信息构造面部虚拟图像,其中,所述面部虚拟图像中包括所述移动对象的面部器官,确定所述面部器官所在的第一特征区域;在确定所述第一特征区域与第二特征区域的重合程度大于第一预设值的情况下,确定所述移动对象的对象类型为所述家庭区域中的宠物,其中,所述第二特征区域表示所述移动对象的对象类型为宠物时的面部器官所在的特征区域。
在一个示例性实施例中,对所述体表特征信息进行特征分析,以确定所述移动对象的对象类型是否为所述家庭区域中的宠物,包括:在所述体表特征信息包括毛发特征信息的情况下,获取所述移动对象的体表覆盖面积,以及将所述移动对象的身体上具有所述毛发特征信息的面积确定为所述移动对象的毛发覆盖面积;在确定所述毛发覆盖面积与所述体表覆盖面积的差值小于第二预设值的情况下,确定所述移动对象的对象类型为所述家庭区域中的宠物。
在一个示例性实施例中,对所述体表特征信息进行特征分析,以确定所述移动对象的对象类型是否为所述家庭区域中的宠物,包括:在所述体表特征信息包括肢体特征信息的情况下,获取所述移动对象完成一次肢体动作时所需要的肢体数量;在确定所述肢体数量与预设数量的差值大于第三预设值的情况下,确定所述移动对象的对象类型为所述家庭区域中的宠物。
在一个示例性实施例中,对所述体表特征信息进行特征分析,以确定所述移动对象的对象类型是否为所述家庭区域中的宠物,包括:在所述体表特征信息包括身高特征信息和形态特征信息的情况下,对所述体表特征信息进行特征分析,以确定所述移动对象的对象类型是否为所述家庭区域中的宠物,包括:如果确定在第一时间段内的所述形态特征信息为站立形态或坐卧形态,且所述身高值在所述第一时间段内的变化值小于第四预设值,则确定所述移动对象的对象类型为所述家庭区域中的宠物。
在一个示例性实施例中,对所述体表特征信息进行特征分析,以确定所述移动对象的对象类型是否为所述家庭区域中的宠物,包括:在所述体表特征信息包括面部特征信息、毛发特征信息、肢体特征信息、身高特征信息和体型特征信息的情况下,将所述面部特征信息、所述毛发特征信息、所述肢体特征信息、所述身高特征信息和所述体型特征信息输入神经网络模型,其中,所述神经网络模型用于根据输入的移动对象的体表特征信息得到所述移动对象的分类结果;根据得到的所述移动对象的分类结果确定所述移动对象的对象类型是否为所述家庭区域中的宠物。
在一个示例性实施例中,在对所述体表特征信息进行特征分析,以确定所述移动对象是否为所述家庭区域中的宠物之后,所述方法还包括:根据所述采集结果确定出所述家庭区域中的宠物的当前行为;在确定所述家庭区域中的宠物的当前行为属于禁止行为合集的情况下,控制所述家庭区域内的设备向所述家庭区域中的宠物发送警告信息,其中,所述禁止行为合集包括为所述家庭区域内的宠物预先设置的禁止行为。
根据本申请实施例的另一个实施例,还提供了一种对象类型的确定装置,包括:获取模块,用于通过设置于家庭区域中的图像采集装置获取对移动对象进行图像采集的采集结果;得到模块,用于对所述采集结果进行特征提取,得到所述移动对象的体表特征信息,所述体表特征信息至少包括以下之一:面部特征信息、毛发特征信息、肢体特征信息、身高特征信息和形态特征信息;分析模块,用于对所述体表特征信息进行特征分析,以确定所述移动对象的对象类型是否为所述家庭区域中的宠物。
根据本申请实施例的又一方面,还提供了一种计算机可读的存储介质,该计算机可读的存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述对象类型的确定方法。
根据本申请实施例的又一方面,还提供了一种电子装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,上述处理器通过计算机程序执行上述的对象类型的确定方法。
在本申请实施例中,通过设置于家庭区域中的图像采集装置获取对移动对象进行图像采集的采集结果;对所述采集结果进行特征提取,得到所述移动对象的体表特征信息,所述体表特征信息至少包括以下之一:面部特征信息、毛发特征信息、肢体特征信息、身高特征信息和形态特征信息;对所述体表特征信息进行特征分析,以确定所述移动对象的对象类型是否为所述家庭区域中的宠物;采用上述技术方案,解决了存在无法准确确定移动对象的对象类型的问题,进而提高了对象类型的确定准确率。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
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是本申请实施例的一种对象类型的确定方法的硬件环境示意图;
图2是根据本申请实施例的对象类型的确定方法的流程图;
图3是根据本申请实施例的对象类型的确定方法的示意图;
图4是根据本申请实施例的一种对象类型的确定装置的结构框图(一);
图5是根据本申请实施例的一种对象类型的确定装置的结构框图(二)。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请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,以便这里描述的本申请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。
根据本申请实施例的一个方面,提供了一种对象类型的确定方法。该对象类型的确定方法广泛应用于智慧家庭(Smart Home)、智能家居、智能家用设备生态、智慧住宅(Intelligence House)生态等全屋智能数字化控制应用场景。可选地,在本实施例中,上述对象类型的确定方法可以应用于如图1所示的由终端设备102和服务器104所构成的硬件环境中。如图1所示,服务器104通过网络与终端设备102进行连接,可用于为终端或终端上安装的客户端提供服务(如应用服务等),可在服务器上或独立于服务器设置数据库,用于为服务器104提供数据存储服务,可在服务器上或独立于服务器配置云计算和/或边缘计算服务,用于为服务器104提供数据运算服务。
上述网络可以包括但不限于以下至少之一:有线网络,无线网络。上述有线网络可以包括但不限于以下至少之一:广域网,城域网,局域网,上述无线网络可以包括但不限于以下至少之一:WIFI(Wireless Fidelity,无线保真),蓝牙。终端设备102可以并不限定于为PC、手机、平板电脑、智能空调、智能烟机、智能冰箱、智能烤箱、智能炉灶、智能洗衣机、智能热水器、智能洗涤设备、智能洗碗机、智能投影设备、智能电视、智能晾衣架、智能窗帘、智能影音、智能插座、智能音响、智能音箱、智能新风设备、智能厨卫设备、智能卫浴设备、智能扫地机器人、智能擦窗机器人、智能拖地机器人、智能空气净化设备、智能蒸箱、智能微波炉、智能厨宝、智能净化器、智能饮水机、智能门锁等。
在本实施例中提供了一种对象类型的确定方法,应用于上述计算机终端,图2是根据本申请实施例的对象类型的确定方法的流程图,该流程包括如下步骤:
步骤S202,通过设置于家庭区域中的图像采集装置获取对移动对象进行图像采集的采集结果;
步骤S204,对所述采集结果进行特征提取,得到所述移动对象的体表特征信息,所述体表特征信息至少包括以下之一:面部特征信息、毛发特征信息、肢体特征信息、身高特征信息和形态特征信息;
需要说明的是,上述毛发特征信息可以理解为包括毛发颜色、毛发长度、毛发密度等,其中,毛发颜色可以直接基于现有的宠物毛色进行数据预设,而身高特征信息和形态特征信息可以基于AR(Augmented Reality,增强现实)测量技术得到。
步骤S206,对所述体表特征信息进行特征分析,以确定所述移动对象的对象类型是否为所述家庭区域中的宠物。
通过上述步骤,通过设置于家庭区域中的图像采集装置获取对移动对象进行图像采集的采集结果;对所述采集结果进行特征提取,得到所述移动对象的体表特征信息,所述体表特征信息至少包括以下之一:面部特征信息、毛发特征信息、肢体特征信息、身高特征信息和形态特征信息;对所述体表特征信息进行特征分析,以确定所述移动对象的对象类型是否为所述家庭区域中的宠物,解决了相关技术中,存在无法准确确定移动对象的对象类型的问题,进而提高了对象类型的确定准确率。
可选的,在一个实施例中,可以基于图像识别技术和大数据技术,基于用户上传的宠物正脸图像和宠物全身图像进行特征提取,包括但不限于宠物品种、毛发颜色、身高特征信息和形态特征信息,并利用大数据技术解码宠物与人类的不同特征(肢体特征信息、面部特征信息、毛发特征信息),识别出摄像头监控区域内发生移动对象是否为宠物。
其中,对于宠物的品种识别,可以基于CNN(Convolutional Neural Networks,卷积神经网络)模型实现。以宠物图像集、宠物特征数据作为输入样本,以宠物品种为输出样本进行训练。
在一个可选的实施例中,可以利用图像提取特征进行特征分析,在上述体表特征信息中的任一项对应于宠物的体表特征信息的情况下,确定移动对象的对象类型是否为所述家庭区域中的宠物。
在一个示例性实施例中,为了更好的理解上述步骤S206中对所述体表特征信息进行特征分析,以确定所述移动对象的对象类型是否为所述家庭区域中的宠物的过程,可以通过以下步骤进行进一步说明:在所述体表特征信息包括面部特征信息的情况下,根据所述面部特征信息构造面部虚拟图像,其中,所述面部虚拟图像中包括所述移动对象的面部器官,确定所述面部器官所在的第一特征区域;在确定所述第一特征区域与第二特征区域的重合程度大于第一预设值的情况下,确定所述移动对象的对象类型为所述家庭区域中的宠物,其中,所述第二特征区域表示所述移动对象的对象类型为宠物时的面部器官所在的特征区域。
需要说明的是,上述面部特征信息可以理解为面部构造信息,是指眼、耳、口、鼻、眉五官在面部的构成,以及胡须在面部的分布。
在一个实施例中,例如,可以设置人类的双耳分布于面中部双侧,设置猫的双耳分布于面顶部双侧;或者设置人类的眉分布于面部双眼所在位置的上部位置;又或者设置人类的胡须特征为在面部呈片状分布且较为弯曲,设置猫的胡须均匀分布于鼻翼两侧且根根分明较为笔直。
在一个可选的实施例中,在确定所述第一特征区域与第二特征区域的重合程度小于第一预设值的情况下,可以确定所述移动对象的对象类型为所述家庭区域中的人类。
在一个示例性实施例中,还提出了多种实现上述步骤S206中对所述体表特征信息进行特征分析,以确定所述移动对象的对象类型是否为所述家庭区域中的宠物的技术方案,具体包括:方案1、在所述体表特征信息包括毛发特征信息的情况下,获取所述移动对象的体表覆盖面积,以及将所述移动对象的身体上具有所述毛发特征信息的面积确定为所述移动对象的毛发覆盖面积;在确定所述毛发覆盖面积与所述体表覆盖面积的差值小于第二预设值的情况下,确定所述移动对象的对象类型为所述家庭区域中的宠物。
需要说明的是,上述移动对象的身体上具有所述毛发特征信息的面积即为移动对象身上的毛发覆盖区域的面积,例如,可以设置人类的裸露毛发只覆盖在头部,即人类的毛发覆盖相对面积较小,而设置猫的裸露毛发覆盖全身,即宠物的毛发覆盖面积相对较大。
在一个可选的实施例中,在确定所述毛发覆盖面积与所述体表覆盖面积的差值大于第二预设值的情况下,可以确定所述移动对象的对象类型为所述家庭区域中的人类。
方案2、在所述体表特征信息包括肢体特征信息的情况下,获取所述移动对象完成一次肢体动作时所需要的肢体数量;在确定所述肢体数量与预设数量的差值大于第三预设值的情况下,确定所述移动对象的对象类型为所述家庭区域中的宠物。
需要说明的是,上述移动对象完成一次肢体动作时所需要的肢体数量可以从上述肢体信息中直接确定,在上述第三预设值为1,且上述预设数量为2的情况下,如果确定肢体数量为4,则确定移动对象的对象类型为所述家庭区域中的宠物。
可选的,在一个实施例中,在确定所述肢体数量与预设数量的差值小于第三预设值的情况下,可以确定所述移动对象的对象类型为所述家庭区域中的人类。
方案3、如果确定在第一时间段内的所述形态特征信息为站立形态或坐卧形态,且所述身高值在所述第一时间段内的变化值小于第四预设值,则确定所述移动对象的对象类型为所述家庭区域中的宠物。
通过上述方案,可以通过宠物的体表特征信息包括面部特征信息、毛发特征信息、肢体特征信息、身高特征信息和体型特征信息中的一个或多个识别出移动对象的对象类型是否为所述家庭区域中的宠物,提高了对象类型的识别准确率。
方案4、在所述体表特征信息包括面部特征信息、毛发特征信息、肢体特征信息、身高特征信息和体型特征信息的情况下,将所述面部特征信息、所述毛发特征信息、所述肢体特征信息、所述身高特征信息和所述体型特征信息输入神经网络模型,其中,所述神经网络模型用于根据输入的移动对象的体表特征信息得到所述移动对象的分类结果;根据得到的所述移动对象的分类结果确定所述移动对象的对象类型是否为所述家庭区域中的宠物。
其中,上述分类结果例如可以包括宠物和人类。
另外,可以将标记过特征数据(例如宠物的毛色、体型、身高等)作为输入样本,将与输入样本对应的宠物品种作为输出样本,对上述神经网络模型进行训练。
通过上述实施例,可以通过对宠物图像做特征提取,识别监控区域内移动的物体是否为宠物,可以实现针对更加泛化的宠物识别方法,通过大数据技术综合宠物图像与宠物特征来提升宠物识别的准确率,可以降低摄像头关于监控区域内有人移动的误报率。
在一个示例性实施例中,在对所述体表特征信息进行特征分析,以确定所述移动对象是否为所述家庭区域中的宠物之后,还提出了一种技术方案、具体包括:根据所述采集结果确定出所述家庭区域中的宠物的当前行为;在确定所述家庭区域中的宠物的当前行为属于禁止行为合集的情况下,控制所述家庭区域内的设备向所述家庭区域中的宠物发送警告信息,其中,所述禁止行为合集包括为所述家庭区域内的宠物预先设置的禁止行为。
上述禁止行为例如可以包括:宠物大小便、宠物破坏家具、宠物偷吃食物等。
进一步的,在对所述体表特征信息进行特征分析,以确定所述移动对象是否为所述家庭区域中的宠物之后,还可以对宠物的当前状态进行监测,根据监测结果确定出宠物的需求,并提供用于满足宠物的需求的物品,例如为宠物提供例如食物、水、玩具等。
为了更好的理解上述对象类型的确定方法的过程,以下再结合可选实施例对上述对象类型的确定的实现方法流程进行说明,但不用于限定本申请实施例的技术方案。
在本实施例中提供了一种对象类型的确定方法,可以利用大数据技术结合图像特征提取,实现对摄像头监控区域内的移动对象是人还是宠物的甄别方案。图3是根据本申请实施例的对象类型的确定方法的示意图,如图3所示,具体如下步骤:
步骤S301:监控区域内存在移动对象;
步骤S302:从监控视频中截取监控画面;
步骤S303:得到移动对象的画面;
例如,在一个实施例中,用户通过手机上传宠物图像,实现通过手机端进行宠物图像采集;同时,当摄像头的监控区域内检测到移动对象时,上传移动对象的监控画面。
步骤S304:触发云端的数据集更新;
其中,数据集包括预先设置的用户数据集和宠物数据集,以及上传的宠物图像和监控区域内的移动对象的图像。
步骤S305:在监控到数据集更新后,触发卷积神经网络模型对对象类型进行识别;
步骤S306:通过卷积神经网络模型进行图像特征提取;
步骤S307:得到识别到的移动对象;
步骤S304:根据识别的结果,推送监控区域内的移动对象的对象类型,其中,对象类型可以包括用户和宠物。
通过上述实施例,通过对摄像头监控区域内的物体(人或宠物)的特征提取和识别,一方面,可以有效降低摄像头推送“有人移动”信息的误报率,另一方面,新增了摄像头监控区域内“宠物移动”的识别,适应当下有宠物家庭对于宠物的关怀。同时,本发明相比较于通过鼻纹识别宠物的方法,在一定程度上提升了宠物识别的覆盖率,另一方面使宠物识别具有了更好的泛化性。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例的方法。
图4是根据本申请实施例的一种对象类型的确定装置的结构框图(一)。如图4所示,包括:
获取模块42,用于通过设置于家庭区域中的图像采集装置获取对移动对象进行图像采集的采集结果;
得到模块44,用于对所述采集结果进行特征提取,得到所述移动对象的体表特征信息,所述体表特征信息至少包括以下之一:面部特征信息、毛发特征信息、肢体特征信息、身高特征信息和形态特征信息;
需要说明的是,上述毛发特征信息可以理解为包括毛发颜色、毛发长度、毛发密度等,其中,毛发颜色可以直接基于现有的宠物毛色进行数据预设,而身高特征信息和形态特征信息可以基于AR测量技术得到。
分析模块46,用于对所述体表特征信息进行特征分析,以确定所述移动对象的对象类型是否为所述家庭区域中的宠物。
通过上述装置,通过设置于家庭区域中的图像采集装置获取对移动对象进行图像采集的采集结果;对所述采集结果进行特征提取,得到所述移动对象的体表特征信息,所述体表特征信息至少包括以下之一:面部特征信息、毛发特征信息、肢体特征信息、身高特征信息和形态特征信息;对所述体表特征信息进行特征分析,以确定所述移动对象的对象类型是否为所述家庭区域中的宠物,解决了相关技术中,存在无法准确确定移动对象的对象类型的问题,进而提高了对象类型的确定准确率。
可选的,在一个实施例中,可以基于图像识别技术和大数据技术,基于用户上传的宠物正脸图像和宠物全身图像进行特征提取,包括但不限于宠物品种、毛发颜色、身高特征信息和形态特征信息,并利用大数据技术解码宠物与人类的不同特征(肢体特征信息、面部特征信息、毛发特征信息),识别出摄像头监控区域内发生移动对象是否为宠物。
其中,对于宠物的品种识别,可以基于CNN模型实现。以宠物图像集、宠物特征数据作为输入样本,以宠物品种为输出样本进行训练。
在一个可选的实施例中,上述分析模块46,还用于利用图像提取特征进行特征分析,在上述体表特征信息中的任一项对应于宠物的体表特征信息的情况下,确定移动对象的对象类型是否为所述家庭区域中的宠物。
在一个示例性实施例中,上述分析模块46,还用于在所述体表特征信息包括面部特征信息的情况下,根据所述面部特征信息构造面部虚拟图像,其中,所述面部虚拟图像中包括所述移动对象的面部器官,确定所述面部器官所在的第一特征区域;在确定所述第一特征区域与第二特征区域的重合程度大于第一预设值的情况下,确定所述移动对象的对象类型为所述家庭区域中的宠物,其中,所述第二特征区域表示所述移动对象的对象类型为宠物时的面部器官所在的特征区域。
需要说明的是,上述面部特征信息可以理解为面部构造信息,是指眼、耳、口、鼻、眉五官在面部的构成,以及胡须在面部的分布。
在一个实施例中,例如,可以设置人类的双耳分布于面中部双侧,设置猫的双耳分布于面顶部双侧;或者设置人类的眉分布于面部双眼所在位置的上部位置;又或者设置人类的胡须特征为在面部呈片状分布且较为弯曲,设置猫的胡须均匀分布于鼻翼两侧且根根分明较为笔直。
在一个可选的实施例中,上述分析模块46,还用于在确定所述第一特征区域与第二特征区域的重合程度小于第一预设值的情况下,可以确定所述移动对象的对象类型为所述家庭区域中的人类。
在一个示例性实施例中,上述分析模块46,还用于在所述体表特征信息包括毛发特征信息的情况下,获取所述移动对象的体表覆盖面积,以及将所述移动对象的身体上具有所述毛发特征信息的面积确定为所述移动对象的毛发覆盖面积;在确定所述毛发覆盖面积与所述体表覆盖面积的差值小于第二预设值的情况下,确定所述移动对象的对象类型为所述家庭区域中的宠物。
需要说明的是,上述移动对象的身体上具有所述毛发特征信息的面积即为移动对象身上的毛发覆盖区域的面积,例如,可以设置人类的裸露毛发只覆盖在头部,即人类的毛发覆盖相对面积较小,而设置猫的裸露毛发覆盖全身,即宠物的毛发覆盖面积相对较大。
在一个可选的实施例中,上述分析模块46,还用于在确定所述毛发覆盖面积与所述体表覆盖面积的差值大于第二预设值的情况下,可以确定所述移动对象的对象类型为所述家庭区域中的人类。
在一个示例性实施例中,上述分析模块46,还用于在所述体表特征信息包括肢体特征信息的情况下,获取所述移动对象完成一次肢体动作时所需要的肢体数量;在确定所述肢体数量与预设数量的差值大于第三预设值的情况下,确定所述移动对象的对象类型为所述家庭区域中的宠物。
需要说明的是,上述移动对象完成一次肢体动作时所需要的肢体数量可以从上述肢体信息中直接确定,在上述第三预设值为1,且上述预设数量为2的情况下,如果确定肢体数量为4,则确定移动对象的对象类型为所述家庭区域中的宠物。
可选的,在一个实施例中,上述分析模块46,还用于在确定所述肢体数量与预设数量的差值小于第三预设值的情况下,可以确定所述移动对象的对象类型为所述家庭区域中的人类。
在一个示例性实施例中,上述分析模块46,还用于如果确定在第一时间段内的所述形态特征信息为站立形态或坐卧形态,且所述身高值在所述第一时间段内的变化值小于第四预设值,则确定所述移动对象的对象类型为所述家庭区域中的宠物。
通过上述方案,可以通过宠物的体表特征信息包括面部特征信息、毛发特征信息、肢体特征信息、身高特征信息和体型特征信息中的一个或多个识别出移动对象的对象类型是否为所述家庭区域中的宠物,提高了对象类型的识别准确率。
其中,上述分类结果例如可以包括宠物和人类。
另外,可以将标记过特征数据(例如宠物的毛色、体型、身高等)作为输入样本,将与输入样本对应的宠物品种作为输出样本,对上述神经网络模型进行训练。
通过上述实施例,可以通过对宠物图像做特征提取,识别监控区域内移动的物体是否为宠物,可以实现针对更加泛化的宠物识别方法,通过大数据技术综合宠物图像与宠物特征来提升宠物识别的准确率,可以降低摄像头关于监控区域内有人移动的误报率。
在一个示例性实施例中,上述分析模块46,还用于在所述体表特征信息包括面部特征信息、毛发特征信息、肢体特征信息、身高特征信息和体型特征信息的情况下,将所述面部特征信息、所述毛发特征信息、所述肢体特征信息、所述身高特征信息和所述体型特征信息输入神经网络模型,其中,所述神经网络模型用于根据输入的移动对象的体表特征信息得到所述移动对象的分类结果;根据得到的所述移动对象的分类结果确定所述移动对象的对象类型是否为所述家庭区域中的宠物。
图5是根据本申请实施例的一种对象类型的确定装置的结构框图(一)。如图5所示。上述对象类型的确定装置还包括控制模块52,用于在对所述体表特征信息进行特征分析,以确定所述移动对象是否为所述家庭区域中的宠物之后,根据所述采集结果确定出所述家庭区域中的宠物的当前行为;在确定所述家庭区域中的宠物的当前行为属于禁止行为合集的情况下,控制所述家庭区域内的设备向所述家庭区域中的宠物发送警告信息,其中,所述禁止行为合集包括为所述家庭区域内的宠物预先设置的禁止行为。
上述禁止行为例如可以包括:宠物大小便、宠物破坏家具、宠物偷吃食物等。
进一步的,在对所述体表特征信息进行特征分析,以确定所述移动对象是否为所述家庭区域中的宠物之后,还可以对宠物的当前状态进行监测,根据监测结果确定出宠物的需求,并提供用于满足宠物的需求的物品,例如为宠物提供例如食物、水、玩具等。
本申请的实施例还提供了一种存储介质,该存储介质包括存储的程序,其中,上述程序运行时执行上述任一项的方法。
可选地,在本实施例中,上述存储介质可以被设置为存储用于执行以下步骤的程序代码:
S1,通过设置于家庭区域中的图像采集装置获取对移动对象进行图像采集的采集结果;
S2,对所述采集结果进行特征提取,得到所述移动对象的体表特征信息,所述体表特征信息至少包括以下之一:面部特征信息、毛发特征信息、肢体特征信息、身高特征信息和形态特征信息;
S3,对所述体表特征信息进行特征分析,以确定所述移动对象的对象类型是否为所述家庭区域中的宠物。
本申请的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:
S1,通过设置于家庭区域中的图像采集装置获取对移动对象进行图像采集的采集结果;
S2,对所述采集结果进行特征提取,得到所述移动对象的体表特征信息,所述体表特征信息至少包括以下之一:面部特征信息、毛发特征信息、肢体特征信息、身高特征信息和形态特征信息;
S3,对所述体表特征信息进行特征分析,以确定所述移动对象的对象类型是否为所述家庭区域中的宠物。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
可选地,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。
显然,本领域的技术人员应该明白,上述的本申请的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本申请不限制于任何特定的硬件和软件结合。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种对象类型的确定方法,其特征在于,包括:
通过设置于家庭区域中的图像采集装置获取对移动对象进行图像采集的采集结果;
对所述采集结果进行特征提取,得到所述移动对象的体表特征信息,所述体表特征信息至少包括以下之一:面部特征信息、毛发特征信息、肢体特征信息、身高特征信息和形态特征信息;
对所述体表特征信息进行特征分析,以确定所述移动对象的对象类型是否为所述家庭区域中的宠物。
2.根据权利要求1所述的对象类型的确定方法,其特征在于,对所述体表特征信息进行特征分析,以确定所述移动对象的对象类型是否为所述家庭区域中的宠物,包括:
在所述体表特征信息包括面部特征信息的情况下,根据所述面部特征信息构造面部虚拟图像,其中,所述面部虚拟图像中包括所述移动对象的面部器官,确定所述面部器官所在的第一特征区域;
在确定所述第一特征区域与第二特征区域的重合程度大于第一预设值的情况下,确定所述移动对象的对象类型为所述家庭区域中的宠物,其中,所述第二特征区域表示所述移动对象的对象类型为宠物时的面部器官所在的特征区域。
3.根据权利要求1所述的对象类型的确定方法,其特征在于,对所述体表特征信息进行特征分析,以确定所述移动对象的对象类型是否为所述家庭区域中的宠物,包括:
在所述体表特征信息包括毛发特征信息的情况下,获取所述移动对象的体表覆盖面积,以及将所述移动对象的身体上具有所述毛发特征信息的面积确定为所述移动对象的毛发覆盖面积;
在确定所述毛发覆盖面积与所述体表覆盖面积的差值小于第二预设值的情况下,确定所述移动对象的对象类型为所述家庭区域中的宠物。
4.根据权利要求1所述的对象类型的确定方法,其特征在于,对所述体表特征信息进行特征分析,以确定所述移动对象的对象类型是否为所述家庭区域中的宠物,包括:
在所述体表特征信息包括肢体特征信息的情况下,获取所述移动对象完成一次肢体动作时所需要的肢体数量;
在确定所述肢体数量与预设数量的差值大于第三预设值的情况下,确定所述移动对象的对象类型为所述家庭区域中的宠物。
5.根据权利要求1所述的对象类型的确定方法,其特征在于,对所述体表特征信息进行特征分析,以确定所述移动对象的对象类型是否为所述家庭区域中的宠物,包括:
在所述体表特征信息包括身高特征信息和形态特征信息的情况下,对所述体表特征信息进行特征分析,以确定所述移动对象的对象类型是否为所述家庭区域中的宠物,包括:
如果确定在第一时间段内的所述形态特征信息为站立形态或坐卧形态,且身高值在所述第一时间段内的变化值小于第四预设值,则确定所述移动对象的对象类型为所述家庭区域中的宠物。
6.根据权利要求1所述的对象类型的确定方法,其特征在于,对所述体表特征信息进行特征分析,以确定所述移动对象的对象类型是否为所述家庭区域中的宠物,包括:
在所述体表特征信息包括面部特征信息、毛发特征信息、肢体特征信息、身高特征信息和体型特征信息的情况下,将所述面部特征信息、所述毛发特征信息、所述肢体特征信息、所述身高特征信息和所述体型特征信息输入神经网络模型,其中,所述神经网络模型用于根据输入的移动对象的体表特征信息得到所述移动对象的分类结果;
根据得到的所述移动对象的分类结果确定所述移动对象的对象类型是否为所述家庭区域中的宠物。
7.根据权利要求1所述的对象类型的确定方法,其特征在于,在对所述体表特征信息进行特征分析,以确定所述移动对象是否为所述家庭区域中的宠物之后,所述方法还包括:
根据所述采集结果确定出所述家庭区域中的宠物的当前行为;
在确定所述家庭区域中的宠物的当前行为属于禁止行为合集的情况下,控制所述家庭区域内的设备向所述家庭区域中的宠物发送警告信息,其中,所述禁止行为合集包括为所述家庭区域内的宠物预先设置的禁止行为。
8.一种对象类型的确定装置,其特征在于,包括:
获取模块,用于通过设置于家庭区域中的图像采集装置获取对移动对象进行图像采集的采集结果;
得到模块,用于对所述采集结果进行特征提取,得到所述移动对象的体表特征信息,所述体表特征信息至少包括以下之一:面部特征信息、毛发特征信息、肢体特征信息、身高特征信息和形态特征信息;
分析模块,用于对所述体表特征信息进行特征分析,以确定所述移动对象的对象类型是否为所述家庭区域中的宠物。
9.一种计算机可读的存储介质,其特征在于,所述计算机可读的存储介质包括存储的程序,其中,所述程序运行时执行上述权利要求1至7任一项中所述的方法。
10.一种电子装置,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通过所述计算机程序执行所述权利要求1至7任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210742677.7A CN115171153A (zh) | 2022-06-28 | 2022-06-28 | 对象类型的确定方法、装置、存储介质及电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210742677.7A CN115171153A (zh) | 2022-06-28 | 2022-06-28 | 对象类型的确定方法、装置、存储介质及电子装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115171153A true CN115171153A (zh) | 2022-10-11 |
Family
ID=83487186
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210742677.7A Pending CN115171153A (zh) | 2022-06-28 | 2022-06-28 | 对象类型的确定方法、装置、存储介质及电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115171153A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115546838A (zh) * | 2022-10-20 | 2022-12-30 | 星宠王国(北京)科技有限公司 | 一种基于狗脸图像识别技术的婚介系统及方法 |
-
2022
- 2022-06-28 CN CN202210742677.7A patent/CN115171153A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115546838A (zh) * | 2022-10-20 | 2022-12-30 | 星宠王国(北京)科技有限公司 | 一种基于狗脸图像识别技术的婚介系统及方法 |
CN115546838B (zh) * | 2022-10-20 | 2023-11-24 | 星宠王国(北京)科技有限公司 | 一种基于狗脸图像识别技术的婚介系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108153158A (zh) | 家居场景的切换方法、装置、存储介质及服务器 | |
CN110136832B (zh) | 一种基于老年人日常行为的认知能力评估系统及方法 | |
CN111643017B (zh) | 基于日程信息的清扫机器人控制方法、装置和清扫机器人 | |
JP2011081823A (ja) | 確率分布関数を用いて行動をモデル化するための方法及び装置 | |
CN110908340A (zh) | 智能家居的控制方法及装置 | |
JP6418260B2 (ja) | 要因推定装置、要因推定システム、および要因推定方法 | |
CN110111815A (zh) | 动物异常声音监控方法及装置、存储介质、电子设备 | |
CN115171153A (zh) | 对象类型的确定方法、装置、存储介质及电子装置 | |
CN109858344A (zh) | 婚恋对象推荐方法、装置、计算机设备及存储介质 | |
CN108710820A (zh) | 基于人脸识别的婴儿状态识别方法、装置和服务器 | |
CN112653604A (zh) | 一种场景迁移的方法及系统、电子设备和存储介质 | |
CN104333572B (zh) | 房间内空气舒适度参数分享的系统和方法、服务器和移动终端 | |
Crandall et al. | Attributing events to individuals in multi-inhabitant environments | |
CN116401644A (zh) | 身份验证方法和装置、存储介质及电子装置 | |
CN114782704A (zh) | 状态信息的确定方法、装置、存储介质及电子装置 | |
CN110636266B (zh) | 基于电器的安防监控方法及装置、存储介质 | |
CN110824930B (zh) | 家电设备的控制方法、装置及系统 | |
CN114023304A (zh) | 智能设备的控制方法、智能家居设备、非易失性存储介质及处理器 | |
CN113327130A (zh) | 迎宾机器人的控制方法、迎宾机器人和存储介质 | |
CN112711233A (zh) | 智能家居控制方法及装置、处理器、存储介质和电子设备 | |
Crandall et al. | Resident and Caregiver: Handling Multiple People in a Smart Care Facility. | |
CN110837229B (zh) | 家用电器的控制方法和装置 | |
CN113569634A (zh) | 场景特征的控制方法和装置、存储介质及电子装置 | |
CN114839901B (zh) | 智能设备的控制方法和装置、存储介质及电子装置 | |
CN113139746B (zh) | 基于人工智能的酒店续住方法、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 |