一種獲取人體狀態(tài)的方法及裝置制造方法
【專利摘要】本發(fā)明實施例公開了一種獲取人體狀態(tài)的方法及裝置，包括：數(shù)據(jù)分析設(shè)備利用DDPM和彈性束圖匹配算法對獲取的人體圖像數(shù)據(jù)進(jìn)行分析，并將得到的人體特征數(shù)據(jù)與預(yù)設(shè)的M近鄰樣本進(jìn)行匹配，得到人體狀態(tài)，然后根據(jù)預(yù)設(shè)的人體狀態(tài)與終端設(shè)備的對應(yīng)關(guān)系，確定人體狀態(tài)對應(yīng)的目標(biāo)終端設(shè)備，并將人體狀態(tài)輸出至所述目標(biāo)終端設(shè)備，以使目標(biāo)終端設(shè)備根據(jù)人體狀態(tài)執(zhí)行與人體狀態(tài)對應(yīng)的預(yù)設(shè)操作，從而解決現(xiàn)有技術(shù)中只能將智能人體特征的識別技術(shù)應(yīng)用到特定、單一功能的場景中，并且智能識別模塊與智能設(shè)備無法分離使用，無法將自身或獲取的人體特征數(shù)據(jù)輸出并運(yùn)用到其他功能的智能設(shè)備，使其他功能的智能設(shè)備利用該人體特征數(shù)據(jù)去完成相應(yīng)的基本功能的問題。
【專利說明】一種獲取人體狀態(tài)的方法及裝置

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及生物智能【技術(shù)領(lǐng)域】，尤其涉及一種獲取人體狀態(tài)的方法及裝置。

【背景技術(shù)】
[0002] 隨著人們生活水平的提高和網(wǎng)絡(luò)的普及，智能人體特征的識別應(yīng)用越來越廣泛， 商家可以利用智能面部特征分析設(shè)備分析各種各樣的人們對商品的感興趣程度，然后根據(jù) 分析得結(jié)果制定相應(yīng)的商業(yè)規(guī)劃，以獲得更高的商業(yè)利益，同時，在安防中，將智能人體特 征識別裝置嵌入到安防產(chǎn)品中，通過對攝像頭前面的人體的特征進(jìn)行識別，從而對攝像頭 前的人體做出警告或者略過無操作等，另外，將智能人體識別應(yīng)用到游戲機(jī)，通過對當(dāng)前玩 家的人體特征或動作進(jìn)行識別，并將識別的結(jié)果輸入到游戲，通過人體非接觸式來控制游 戲，提高對游戲的體驗度，或者運(yùn)用到廣告機(jī)中，通過對當(dāng)前廣告受眾的人體特征識別，播 放與其特征相對應(yīng)的廣告，提高廣告播放的效果，最終達(dá)到利益最大化。
[0003] 目前，現(xiàn)有技術(shù)中采用的都是將人體特征識別技術(shù)直接應(yīng)用到各種智能設(shè)備，例 如將智能人體特征的識別技術(shù)應(yīng)用到智能廣告機(jī)時，智能廣告機(jī)獲取到人體特征后，只能 根據(jù)獲取的人體特征來完成智能廣告機(jī)的基本功能，如根據(jù)不同性別提供不同的廣告，但 卻無法將所獲取的人體特征輸出并運(yùn)用到其它功能的智能設(shè)備，比如無法將獲取的人體特 征運(yùn)用到游戲機(jī)，以使游戲機(jī)可以直接使用該智能廣告機(jī)所獲取的人體特征來完成游戲機(jī) 通過識別玩家的特征來控制游戲等功能，相反，游戲機(jī)所獲取到的玩家的特征也無法輸出 并運(yùn)用到智能廣告機(jī)，而使得智能廣告機(jī)運(yùn)用游戲機(jī)獲取的玩家的特征來完成智能廣告機(jī) 的功能，因此，現(xiàn)有技術(shù)中，只能將智能人體特征識別技術(shù)應(yīng)用到特定的、單一的場景中，并 且智能識別模塊與智能設(shè)備無法分離使用，也無法使應(yīng)用了智能人體特征的識別技術(shù)的智 能設(shè)備同時擁有多種功能。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明實施例提供了一種獲取人體狀態(tài)的方法及裝置，能夠解決現(xiàn)有技術(shù)中只 能將智能人體特征的識別技術(shù)應(yīng)用到特定的、單一功能的場景中，并且智能識別模塊與智 能設(shè)備無法分離使用，無法將自身或獲取的人體特征數(shù)據(jù)輸出并運(yùn)用到其他功能的智能設(shè) 備，使其他功能的智能設(shè)備利用該人體特征數(shù)據(jù)去完成相應(yīng)的基本功能的問題。
[0005] 本發(fā)明第一方面提供一種獲取人體狀態(tài)的方法，包括：
[0006] 數(shù)據(jù)分析設(shè)備獲取人體圖像數(shù)據(jù)；
[0007] 所述數(shù)據(jù)分析設(shè)備根據(jù)預(yù)設(shè)離散方向概率方法DDPM和彈性束圖匹配算法對所述 人體圖像數(shù)據(jù)進(jìn)行分析，提取人體特征數(shù)據(jù)；
[0008] 所述數(shù)據(jù)分析設(shè)備將所述人體特征數(shù)據(jù)與預(yù)設(shè)的Μ近鄰樣本進(jìn)行匹配，得到人體 狀態(tài)；
[0009] 所述數(shù)據(jù)分析設(shè)備根據(jù)預(yù)設(shè)的人體狀態(tài)與終端設(shè)備的對應(yīng)關(guān)系，確定所述人體狀 態(tài)對應(yīng)的目標(biāo)終端設(shè)備，并將所述人體狀態(tài)輸出至所述目標(biāo)終端設(shè)備，以使所述目標(biāo)終端 設(shè)備根據(jù)所述人體狀態(tài)執(zhí)行與所述人體狀態(tài)對應(yīng)的預(yù)設(shè)操作。
[0010] 結(jié)合第一方面，本發(fā)明實施例中第一方面的第一種實現(xiàn)方式中，所述數(shù)據(jù)分析設(shè) 備根據(jù)預(yù)設(shè)離散方向概率方法DDPM和彈性束圖匹配算法對所述人體圖像數(shù)據(jù)進(jìn)行分析， 提取人體特征數(shù)據(jù)具體包括：
[0011] 所述數(shù)據(jù)分析設(shè)備使用DDPM對所述人體圖像數(shù)據(jù)進(jìn)行檢測，得到所述人體圖像 數(shù)據(jù)的landmark坐標(biāo)值；
[0012] 所述數(shù)據(jù)分析設(shè)備通過所述DDPM從所述人體圖像數(shù)據(jù)中獲取多個特征點(diǎn)；
[0013] 所述數(shù)據(jù)分析設(shè)備計算所述多個特征點(diǎn)中每個特征點(diǎn)的Gabor小波變換系數(shù)，將 所述多個特征點(diǎn)中任一特征點(diǎn)作為參考點(diǎn)，設(shè)定所述參考點(diǎn)的坐標(biāo)為I得到所述參考點(diǎn)的 參考Gabor小波系數(shù)；
[0014] 所述數(shù)據(jù)分析設(shè)備將所述參考Gabor小波系數(shù)設(shè)為所述人體圖像數(shù)據(jù)中的節(jié)點(diǎn)；
[0015] 所述數(shù)據(jù)分析設(shè)備從所述多個特征點(diǎn)中提取與所述參考點(diǎn)不同頻率和不同方向 的Cabor小波系數(shù)的多個目標(biāo)點(diǎn)；
[0016] 所述數(shù)據(jù)分析設(shè)備根據(jù)所述參考點(diǎn)和所述目標(biāo)點(diǎn)得到人臉圖；
[0017] 所述數(shù)據(jù)分析設(shè)備根據(jù)所述人臉圖和預(yù)設(shè)人臉束圖模型通過預(yù)設(shè)第一公 式計算得到所述人臉圖與所述預(yù)設(shè)人臉束圖模型的距離，所述預(yù)設(shè)第一公式為：

【權(quán)利要求】
1. 一種獲取人體狀態(tài)的方法，其特征在于，所述方法包括： 數(shù)據(jù)分析設(shè)備獲取人體圖像數(shù)據(jù)； 所述數(shù)據(jù)分析設(shè)備根據(jù)預(yù)設(shè)離散方向概率方法DDPM和彈性束圖匹配算法對所述人體 圖像數(shù)據(jù)進(jìn)行分析，提取人體特征數(shù)據(jù)； 所述數(shù)據(jù)分析設(shè)備將所述人體特征數(shù)據(jù)與預(yù)設(shè)的M近鄰樣本進(jìn)行匹配，得到人體狀 態(tài)； 所述數(shù)據(jù)分析設(shè)備根據(jù)預(yù)設(shè)的人體狀態(tài)與終端設(shè)備的對應(yīng)關(guān)系，確定所述人體狀態(tài)對 應(yīng)的目標(biāo)終端設(shè)備，并將所述人體狀態(tài)輸出至所述目標(biāo)終端設(shè)備，以使所述目標(biāo)終端設(shè)備 根據(jù)所述人體狀態(tài)執(zhí)行與所述人體狀態(tài)對應(yīng)的預(yù)設(shè)操作。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述數(shù)據(jù)分析設(shè)備根據(jù)預(yù)設(shè)離散方向概 率方法DDPM和彈性束圖匹配算法對所述人體圖像數(shù)據(jù)進(jìn)行分析，提取人體特征數(shù)據(jù)具體 包括： 所述數(shù)據(jù)分析設(shè)備使用DDPM對所述人體圖像數(shù)據(jù)進(jìn)行檢測，得到所述人體圖像數(shù)據(jù) 的landmark坐標(biāo)值； 所述數(shù)據(jù)分析設(shè)備通過所述DDPM從所述人體圖像數(shù)據(jù)中獲取多個特征點(diǎn)； 所述數(shù)據(jù)分析設(shè)備計算所述多個特征點(diǎn)中每個特征點(diǎn)的Gabor小波變換系數(shù)，將所述 多個特征點(diǎn)中任一特征點(diǎn)作為參考點(diǎn)，設(shè)定所述參考點(diǎn)的坐標(biāo)為;?，得到所述參考點(diǎn)的參考 Gabor小波系數(shù)； 所述數(shù)據(jù)分析設(shè)備將所述參考Gabor小波系數(shù)設(shè)為所述人體圖像數(shù)據(jù)中的節(jié)點(diǎn)； 所述數(shù)據(jù)分析設(shè)備從所述多個特征點(diǎn)中提取與所述參考點(diǎn)不同頻率和不同方向的Cabor小波系數(shù)的多個目標(biāo)點(diǎn)； 所述數(shù)據(jù)分析設(shè)備根據(jù)所述參考點(diǎn)和所述目標(biāo)點(diǎn)得到人臉圖； 所述數(shù)據(jù)分析設(shè)備根據(jù)所述人臉圖和預(yù)設(shè)人臉束圖模型通過預(yù)設(shè)第一公 式計算得到所述人臉圖與所述預(yù)設(shè)人臉束圖模型的距離，所述預(yù)設(shè)第一公式為：
其中，G1表示待測樣本的人臉圖，B表示人臉束圖，N表示人臉束圖中人臉樣本的個數(shù)， 入表示某一節(jié)點(diǎn)Jet相似度的權(quán)重，Jn表示某一節(jié)點(diǎn)處的jet,表示人臉圖的邊向量， Aff= 根據(jù)預(yù)設(shè)第二公式計算得到任意兩個jet之間的相似度，所述預(yù)設(shè)第 二公式為：
其中，a」表示小波系數(shù)中復(fù)系數(shù)的幅值，Oj表示小波系數(shù)中復(fù)系數(shù)的相位，3.表示J'相 對于J的位移，^表示濾波器的中心頻率； 所述數(shù)據(jù)分析設(shè)備根據(jù)所述相似度確定與所述人臉圖相似度最高的人臉束圖模型，將 所述與所述人臉圖相似度最高的人臉束圖模型作為目標(biāo)人臉束圖模型； 所述數(shù)據(jù)分析設(shè)備根據(jù)目標(biāo)人臉束圖模型確定所述人臉圖對應(yīng)的人體特征數(shù)據(jù)。
3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述M近鄰樣本包含多個類的訓(xùn)練樣本的 集合，所述數(shù)據(jù)分析設(shè)備將所述人體特征數(shù)據(jù)與預(yù)設(shè)的M近鄰樣本進(jìn)行匹配，得到人體狀 態(tài)具體包括： 所述數(shù)據(jù)分析設(shè)備將所述人體特征數(shù)據(jù)與預(yù)設(shè)的M近鄰樣本進(jìn)行匹配； 所述數(shù)據(jù)分析設(shè)備利用匹配到的訓(xùn)練樣本通過M近鄰算法得到與所述人體特征數(shù)據(jù) 對應(yīng)的測試樣本； 所述數(shù)據(jù)分析設(shè)備利用預(yù)設(shè)的第一誤差判別式對所述測試樣本進(jìn)行誤差判定，從所述M近鄰樣本中確定所述測試樣本的目標(biāo)M近鄰樣本，并得到所述測試樣本的誤差值； 所述數(shù)據(jù)分析設(shè)備根據(jù)所述誤差值從所述目標(biāo)M近鄰樣本得到新測試樣本，并將所述 新測試樣本分別與所述M近鄰樣本中屬于同一個類的訓(xùn)練樣本，利用預(yù)設(shè)的第二誤差判定 公式進(jìn)行判定； 當(dāng)確定所述多個對應(yīng)的誤差值中最小的誤差值小于預(yù)設(shè)誤差值時，所述數(shù)據(jù)分析設(shè)備 將所述新測試樣本判定給誤差值最小的類，所述誤差值用于表示所述人體特征數(shù)據(jù)與特征 數(shù)據(jù)庫中的特征數(shù)據(jù)的相似度； 所述數(shù)據(jù)分析設(shè)備根據(jù)所述誤差值最小的類確定所述測試樣本所屬的人體狀態(tài)區(qū)間， 所述類與所述人體狀態(tài)區(qū)間對應(yīng)，并根據(jù)所述最小的誤差值確定所述人體狀態(tài)。
4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述數(shù)據(jù)分析設(shè)備根據(jù)所述誤差值從所 述目標(biāo)M近鄰樣本得到新測試樣本，并將所述新測試樣本分別與所述M近鄰樣本中屬于同 一個類的訓(xùn)練樣本，利用預(yù)設(shè)的第二誤差判定公式進(jìn)行判定具體包括： 所述數(shù)據(jù)分析設(shè)備根據(jù)所述誤差值從所述目標(biāo)M近鄰樣本中得到相應(yīng)的多個目標(biāo)訓(xùn) 練樣本； 所述數(shù)據(jù)分析設(shè)備將所述多個目標(biāo)訓(xùn)練樣本通過M近鄰算法得到新測試樣本； 所述數(shù)據(jù)分析設(shè)備將M近鄰樣本中屬于同一個類的訓(xùn)練樣本通過M近鄰算法累加得到 多個對比樣本； 所述數(shù)據(jù)分析設(shè)備根據(jù)所述多個對比樣本和所述新測試樣本通過預(yù)設(shè)的第二誤差判 定式分別進(jìn)行判定，并得到多個對應(yīng)的誤差值。
5. 根據(jù)權(quán)利要求4所述的方法，其特征在于，所述當(dāng)確定所述多個對應(yīng)的誤差值中最 小的誤差值小于預(yù)設(shè)誤差值時，將所述新測試樣本判定給誤差值最小的類之后還包括： 當(dāng)所述數(shù)據(jù)分析設(shè)備確定所述最小的誤差值大于預(yù)設(shè)誤差區(qū)間的最大門限值時，確定 特征數(shù)據(jù)庫中不包含所述人體特征數(shù)據(jù)，確定所述人體特征數(shù)據(jù)對應(yīng)的人體為新人體，將 所述人體特征數(shù)據(jù)添加到所述特征數(shù)據(jù)庫中，并生成與所述人體特征數(shù)據(jù)對應(yīng)的第一類別 信息，將所述第一類別信息輸出； 當(dāng)所述數(shù)據(jù)分析設(shè)備確定所述最小的誤差值屬于所述預(yù)設(shè)誤差區(qū)間時，確定人體特征 數(shù)據(jù)庫中已包含所述人體特征數(shù)據(jù),確定所述人體特征數(shù)據(jù)對應(yīng)的人體,并生成與所述人 體特征數(shù)據(jù)對應(yīng)的第二類別信息，將所述第二類別信息輸出； 當(dāng)所述數(shù)據(jù)分析設(shè)備確定所述最小的誤差值小于所述預(yù)設(shè)誤差區(qū)間的最小門限值時， 確定所述人體特征數(shù)據(jù)對應(yīng)的人體為非法人體，并生成與所述人體特征數(shù)據(jù)對應(yīng)的第三類 別信息，將所述第三類別信息輸出。
6. 根據(jù)權(quán)利要求1至5任一所述的方法，其特征在于，所述數(shù)據(jù)分析設(shè)備根據(jù)預(yù)設(shè)的人 體狀態(tài)與終端設(shè)備的對應(yīng)關(guān)系，確定所述人體狀態(tài)對應(yīng)的目標(biāo)終端設(shè)備，并將所述人體狀 態(tài)輸出至所述目標(biāo)終端設(shè)備具體包括： 所述數(shù)據(jù)分析設(shè)備根據(jù)所述人體狀態(tài)確定所述人體狀態(tài)所屬的類； 所述數(shù)據(jù)分析設(shè)備根據(jù)所述類確定與所述類對應(yīng)的設(shè)備標(biāo)識； 所述數(shù)據(jù)分析設(shè)備根據(jù)所述目標(biāo)終端設(shè)備的設(shè)備標(biāo)識將所述人體狀態(tài)發(fā)送至所述目 標(biāo)終端設(shè)備。
7. 根據(jù)權(quán)利要求1至5任一所述的方法，其特征在于，所述人體狀態(tài)包括性別、年齡、種 族、行為及人臉表情，所述將所述人體狀態(tài)輸出至所述目標(biāo)終端設(shè)備具體包括： 當(dāng)所述人體狀態(tài)為性別或人臉表情或年齡中至少一個時，所述數(shù)據(jù)分析設(shè)備將所述 人體狀態(tài)輸出至與所述性別或所述人臉表情或所述年齡對應(yīng)的游戲設(shè)備，以使所述游戲設(shè) 備根據(jù)所述性別或所述人臉表情或所述年齡為所述人體特征數(shù)據(jù)對應(yīng)的人選取合適的角 色； 當(dāng)所述人體狀態(tài)為所述年齡或種族或人臉表情中至少一個時，所述數(shù)據(jù)分析設(shè)備將所 述人體狀態(tài)輸出至與所述人體狀態(tài)對應(yīng)的廣告設(shè)備，以使所述廣告設(shè)備根據(jù)確定所述人體 狀態(tài)對應(yīng)的人的興趣項集合，播放所述興趣集合中的至少一個興趣項； 當(dāng)所述人體狀態(tài)為行為時，所述數(shù)據(jù)分析設(shè)備將所述行為輸出至與所述行為對應(yīng)的安 防設(shè)備，以使所述安防設(shè)備根據(jù)所述行為判斷所述行為對應(yīng)的人體是否與所述特征數(shù)據(jù)庫 中預(yù)設(shè)的人體特征數(shù)據(jù)相匹配，若是，則啟動警報； 當(dāng)所述人體狀態(tài)為年齡或行為中至少一個時，所述數(shù)據(jù)分析設(shè)備將所述行為輸出至與 所述年齡或行為對應(yīng)的家居監(jiān)控設(shè)備，以使所述家居監(jiān)控設(shè)備根據(jù)所述年齡或行為判斷所 述年齡或行為對應(yīng)的人體是否處于預(yù)設(shè)安全區(qū)域，若否，則發(fā)出警告，并發(fā)送警告提示至控 制終。
8. 根據(jù)權(quán)利要求1至5任一所述的方法，其特征在于，所述當(dāng)所述數(shù)據(jù)分析設(shè)備確定所 述最小的誤差值屬于所述預(yù)設(shè)誤差區(qū)間時，確定人體特征數(shù)據(jù)庫中已包含所述人體特征數(shù) 據(jù)之后還包括： 所述數(shù)據(jù)分析設(shè)備比較所述人體特征數(shù)據(jù)和所述人體特征數(shù)據(jù)庫中已保存的原人體 特征數(shù)據(jù)； 當(dāng)所述人體特征數(shù)據(jù)與所述原人體特征數(shù)據(jù)不相同時，所述數(shù)據(jù)分析設(shè)備將所述人體 特征數(shù)據(jù)更新到所述人體特征數(shù)據(jù)庫； 當(dāng)所述人體特征數(shù)據(jù)與所述原人體特征數(shù)據(jù)相同時，結(jié)束操作。
9. 根據(jù)權(quán)利要求1至5任一所述的方法，其特征在于，所述數(shù)據(jù)分析設(shè)備獲取人體圖像 數(shù)據(jù)具體包括： 所述數(shù)據(jù)分析設(shè)備通過USB接口或網(wǎng)絡(luò)節(jié)點(diǎn)中任一個獲取已有的人體圖像數(shù)據(jù)； 和/或， 所述數(shù)據(jù)分析設(shè)備通過與所述數(shù)據(jù)分析設(shè)備連接的攝像模塊獲取所述人體圖像數(shù)據(jù)。
10. -種數(shù)據(jù)分析設(shè)備，其特征在于，所述設(shè)備包括： 獲取單元，用于獲取人體圖像數(shù)據(jù)； 分析單元，用于根據(jù)預(yù)設(shè)離散方向概率方法DDPM和彈性束圖匹配算法對所述人體圖 像數(shù)據(jù)進(jìn)行分析，提取人體特征數(shù)據(jù)； 匹配單元，用于將所述人體特征數(shù)據(jù)與預(yù)設(shè)的M近鄰樣本進(jìn)行匹配，得到人體狀態(tài)； 確定單元，用于根據(jù)預(yù)設(shè)的人體狀態(tài)與終端設(shè)備的對應(yīng)關(guān)系，確定所述人體狀態(tài)對應(yīng) 的目標(biāo)終端設(shè)備； 輸出單元，用于將所述人體狀態(tài)輸出至所述目標(biāo)終端設(shè)備，以使所述目標(biāo)終端設(shè)備根 據(jù)所述人體狀態(tài)執(zhí)行與所述人體狀態(tài)對應(yīng)的預(yù)設(shè)操作。
11. 根據(jù)權(quán)利要求10所述的設(shè)備，其特征在于，所述分析單元包括： 檢測模塊，用于使用DDPM對所述人體圖像數(shù)據(jù)進(jìn)行檢測，得到所述人體圖像數(shù)據(jù)的landmark坐標(biāo)值； 第一計算模塊，用于通過所述DDPM從所述人體圖像數(shù)據(jù)中獲取多個特征點(diǎn)，并計算所 述多個特征點(diǎn)中每個特征點(diǎn)的Gabor小波變換系數(shù)，將所述多個特征點(diǎn)中任一特征點(diǎn)作為 參考點(diǎn)，設(shè)定所述參考點(diǎn)的坐標(biāo)為;?，得到所述參考點(diǎn)的參考Gabor小波系數(shù)，并將所述參 考Gabor小波系數(shù)設(shè)為所述人體圖像數(shù)據(jù)中的節(jié)點(diǎn)，并從所述多個特征點(diǎn)中提取與所述參 考點(diǎn)不同頻率和不同方向的Cabor小波系數(shù)的多個目標(biāo)點(diǎn)； 第一構(gòu)建模塊，用于根據(jù)所述參考點(diǎn)和所述目標(biāo)點(diǎn)得到人臉圖； 第二計算模塊，用于根據(jù)所述人臉圖和預(yù)設(shè)人臉束圖模型通過預(yù)設(shè)第一公 式計算得到所述人臉圖與所述預(yù)設(shè)人臉束圖模型的距離，所述預(yù)設(shè)第一公式為：
其中，G1表示待測樣本的人臉圖，B表示人臉束圖，N表示人臉束圖中人臉樣本的個數(shù)， 入表示某一節(jié)點(diǎn)Jet相似度的權(quán)重，Jn表示某一節(jié)點(diǎn)處的jet,A：2e表示人臉圖的邊向量， A駕=EmA 根據(jù)預(yù)設(shè)第二公式計算得到任意兩個jet之間的相似度，所述預(yù)設(shè) 第二公式為：
其中，a」表示小波系數(shù)中復(fù)系數(shù)的幅值，表示小波系數(shù)中復(fù)系數(shù)的相位，3.表示J'相 對于J的位移，P表示濾波器的中心頻率； 第二構(gòu)建模塊，用于根據(jù)所述相似度確定與所述人臉圖相似度最高的人臉束圖模型， 將所述與所述人臉圖相似度最高的人臉束圖模型作為目標(biāo)人臉束圖模型； 第一獲取模塊，用于根據(jù)目標(biāo)人臉束圖模型確定所述人臉圖對應(yīng)的人體特征數(shù)據(jù)。
12. 根據(jù)權(quán)利要求11所述的設(shè)備，其特征在于，所述M近鄰樣本包含多個類的訓(xùn)練樣本 的集合，所述匹配單元包括： 第一匹配模塊，用于將所述人體特征數(shù)據(jù)與預(yù)設(shè)的M近鄰樣本進(jìn)行匹配； 第三計算模塊，用于利用匹配到的訓(xùn)練樣本通過M近鄰算法得到與所述人體特征數(shù)據(jù) 對應(yīng)的測試樣本，并利用預(yù)設(shè)的第一誤差判別式對所述測試樣本進(jìn)行誤差判定，從所述M 近鄰樣本中確定所述測試樣本的目標(biāo)M近鄰樣本，并得到所述測試樣本的誤差值； 第二獲取模塊，用于根據(jù)所述誤差值從所述目標(biāo)M近鄰樣本得到新測試樣本； 第一判定模塊，用于將所述新測試樣本分別與所述M近鄰樣本中屬于同一個類的訓(xùn)練 樣本，利用預(yù)設(shè)的第二誤差判定公式進(jìn)行判定，當(dāng)確定所述多個對應(yīng)的誤差值中最小的誤 差值小于預(yù)設(shè)誤差值時，并將所述新測試樣本判定給誤差值最小的類，所述誤差值用于表 示所述人體特征數(shù)據(jù)與特征數(shù)據(jù)庫中的特征數(shù)據(jù)的相似度； 第一確定模塊，用于根據(jù)所述誤差值最小的類確定所述測試樣本所屬的人體狀態(tài)區(qū) 間，所述類與所述人體狀態(tài)區(qū)間對應(yīng)，并根據(jù)所述最小的誤差值確定所述人體狀態(tài)。
13. 根據(jù)權(quán)利要求12所述的設(shè)備，其特征在于，所述第二獲取模塊包括： 第一獲取子模塊，用于根據(jù)所述誤差值從所述目標(biāo)M近鄰樣本中得到相應(yīng)的多個目標(biāo) 訓(xùn)練樣本； 第一計算子模塊，用于將所述多個目標(biāo)訓(xùn)練樣本通過M近鄰算法得到新測試樣本； 第二計算子模塊，用于將M近鄰樣本中屬于同一個類的訓(xùn)練樣本通過M近鄰算法累加 得到多個對比樣本； 進(jìn)一步，所述第一判定模塊具體用于根據(jù)所述多個對比樣本和所述新測試樣本通過預(yù) 設(shè)的第二誤差判定式分別進(jìn)行判定，并得到多個對應(yīng)的誤差值。
14. 根據(jù)權(quán)利要求13所述的設(shè)備，其特征在于，所述匹配單元還包括： 第一更新模塊，用于當(dāng)確定所述最小的誤差值大于預(yù)設(shè)誤差區(qū)間的最大門限值時，確 定特征數(shù)據(jù)庫中不包含所述人體特征數(shù)據(jù)，確定所述人體特征數(shù)據(jù)對應(yīng)的人體為新人體， 將所述人體特征數(shù)據(jù)添加到所述特征數(shù)據(jù)庫中； 第一輸出模塊，用于當(dāng)所述第一更新模塊將所述人體特征數(shù)據(jù)添加到所述特征數(shù)據(jù)庫 中時，生成與所述人體特征數(shù)據(jù)對應(yīng)的第一類別信息，并將所述第一類別信息輸出； 第一確定模塊，用于當(dāng)確定所述最小的誤差值屬于所述預(yù)設(shè)誤差區(qū)間時，確定人體特 征數(shù)據(jù)庫中已包含所述人體特征數(shù)據(jù)，確定所述人體特征數(shù)據(jù)對應(yīng)的人體； 第二輸出模塊，用于當(dāng)所述第一確定模塊確定所述人體特征數(shù)據(jù)對應(yīng)的人體時，生成 與所述人體特征數(shù)據(jù)對應(yīng)的第二類別信息，并將所述第二類別信息輸出； 第二確定模塊，用于當(dāng)所述數(shù)據(jù)分析設(shè)備確定所述最小的誤差值小于所述預(yù)設(shè)誤差區(qū) 間的最小門限值時，確定所述人體特征數(shù)據(jù)對應(yīng)的人體為非法人體； 第三輸出模塊，用于當(dāng)所述第二確定模塊確定所述人體特征數(shù)據(jù)對應(yīng)的人體為非法人 體時，生成與所述人體特征數(shù)據(jù)對應(yīng)的第三類別信息，將所述第三類別信息輸出。
15. 根據(jù)權(quán)利要求10至14任一所述的設(shè)備，其特征在于，所述確定單元具體用于根據(jù) 所述人體狀態(tài)確定所述人體狀態(tài)所屬的類，并根據(jù)所述類確定與所述類對應(yīng)的設(shè)備標(biāo)識； 進(jìn)一步，所述輸出單元具體用于根據(jù)所述目標(biāo)終端設(shè)備的設(shè)備標(biāo)識將所述人體狀態(tài)發(fā) 送至所述目標(biāo)終端設(shè)備。
16. 根據(jù)權(quán)利要求10至14任一所述的設(shè)備，其特征在于，所述人體狀態(tài)包括性別、年 齡、種族、行為及人臉表情，所述輸出單元包括： 第四輸出模塊，用于當(dāng)所述人體狀態(tài)為性別或人臉表情或年齡中至少一個時，所述數(shù) 據(jù)分析設(shè)備將所述人體狀態(tài)輸出至與所述性別或所述人臉表情或所述年齡對應(yīng)的游戲設(shè) 備，以使所述游戲設(shè)備根據(jù)所述性別或所述人臉表情或所述年齡為所述人體特征數(shù)據(jù)對應(yīng) 的人選取合適的角色； 第五輸出模塊，用于當(dāng)所述人體狀態(tài)為所述年齡或種族或人臉表情中至少一個時，所 述數(shù)據(jù)分析設(shè)備將所述人體狀態(tài)輸出至與所述人體狀態(tài)對應(yīng)的廣告設(shè)備，以使所述廣告設(shè) 備根據(jù)確定所述人體狀態(tài)對應(yīng)的人的興趣項集合，播放所述興趣集合中的至少一個興趣 項； 第六輸出模塊，用于當(dāng)所述人體狀態(tài)為行為時，將所述行為輸出至與所述行為對應(yīng)的 安防設(shè)備，以使所述安防設(shè)備根據(jù)所述行為判斷所述行為對應(yīng)的人體是否與所述特征數(shù)據(jù) 庫中預(yù)設(shè)的人體特征數(shù)據(jù)相匹配，若是，則啟動警報； 第七輸出模塊，用于當(dāng)所述人體狀態(tài)為年齡或行為中至少一個時，將所述行為輸出至 與所述年齡或行為對應(yīng)的家居監(jiān)控設(shè)備，以使所述家居監(jiān)控設(shè)備根據(jù)所述年齡或行為判斷 所述年齡或行為對應(yīng)的人體是否處于預(yù)設(shè)安全區(qū)域，若否，則發(fā)出警告，并發(fā)送警告提示至 控制終端。
17.根據(jù)權(quán)利要求10至14任一所述的設(shè)備，其特征在于，所述第一確定模塊包括： 比較子模塊，用于比較所述人體特征數(shù)據(jù)和所述人體特征數(shù)據(jù)庫中已保存的原人體特 征數(shù)據(jù)； 更新子模塊，用于當(dāng)所述比較子模塊確定所述人體特征數(shù)據(jù)與所述原人體特征數(shù)據(jù)不 相同時，將所述人體特征數(shù)據(jù)更新到所述人體特征數(shù)據(jù)庫； 執(zhí)行子模塊，用于當(dāng)所述比較子模塊確定所述人體特征數(shù)據(jù)與所述原人體特征數(shù)據(jù)相 同時，結(jié)束操作。
【文檔編號】G06K9/66GK104268601SQ201410534659
【公開日】2015年1月7日 申請日期:2014年10月11日 優(yōu)先權(quán)日:2014年10月11日
【發(fā)明者】車全宏, 仲崇亮, 徐勇, 林曉清, 楊佳燕 申請人:深圳市中控生物識別技術(shù)有限公司