对象识别方法以及相关设备与流程
本技术涉及计算机,具体涉及一种对象识别方法以及相关设备。
背景技术:
1、随着博物馆、展览馆及公共文化场馆的智能化升级,面向参观人群的精细化安全管理与文物的主动防护需求日益突出。特别是在未成年人密集场景中,如何精准识别不同年龄段人群,以对不同年龄段人群实施差异化安全防护,已成为行业关注的核心议题。
2、在目前的相关技术中,通常是单一传感器进行对象识别,然而单模态感知信息维度单一,难以可靠区分低龄儿童与成人,对象识别的准确度相对较低。
技术实现思路
1、本技术实施例提供一种对象识别方法以及相关设备;相关设备可以包括对象识别装置、电子设备和计算机可读存储介质,本技术能够提高对象识别的准确性。
2、本技术实施例提供一种对象识别方法,包括:
3、采集待识别的目标对象在多个维度上的对象生理特征;
4、确定各个维度上的对象生理特征对应的特征权重;
5、基于所述目标对象当前所处的环境,对各个维度上的对象生理特征对应的特征权重进行调整处理,得到各个维度上的对象生理特征对应调整后的目标特征权重;
6、基于所述多个维度上的对象生理特征和所述目标特征权重,预测所述目标对象属于各个预设年龄层人群的置信度;
7、根据所述置信度,确定所述目标对象对应的年龄层人群标签。
8、相应的,本技术实施例提供一种对象识别装置,包括:
9、采集单元,用于采集待识别的目标对象在多个维度上的对象生理特征;
10、权重确定单元,用于确定各个维度上的对象生理特征对应的特征权重;
11、权重调整单元,用于基于所述目标对象当前所处的环境,对各个维度上的对象生理特征对应的特征权重进行调整处理,得到各个维度上的对象生理特征对应调整后的目标特征权重;
12、预测单元,用于基于所述多个维度上的对象生理特征和所述目标特征权重,预测所述目标对象属于各个预设年龄层人群的置信度;
13、识别单元,用于根据所述置信度,确定所述目标对象对应的年龄层人群标签。
14、可选地,在本技术的一些实施例中,所述采集单元可以包括第一采集子单元、第二采集子单元和第三采集子单元,如下:
15、所述第一采集子单元,用于通过毫米波雷达拟合所述目标对象的垂直轮廓,并根据所述垂直轮廓确定所述目标对象的对象高度特征;
16、第二采集子单元,用于采集所述目标对象的肢体关键点摆动信息,根据所述肢体关键点摆动信息,计算所述目标对象的步频特征;
17、第三采集子单元,用于采集所述目标对象的胸腔膨胀收缩信息,根据所述胸腔膨胀收缩信息,提取所述目标对象的胸廓微动特征。
18、可选地,在本技术的一些实施例中,所述预测单元可以包括融合子单元和预测子单元,如下:
19、所述融合子单元,用于将各个维度对应的对象生理特征与相应目标特征权重进行加权融合,得到目标对象特征;
20、预测子单元,用于根据所述目标对象特征,预测所述目标对象属于各个预设年龄层人群的置信度。
21、可选地,在本技术的一些实施例中,所述对象识别装置还可以包括策略集合获取单元、策略查找单元和防护单元,如下:
22、所述策略集合获取单元,用于获取策略映射关系集合,所述策略映射关系集合包括预设年龄层人群与预设防护控制策略之间的映射关系;
23、策略查找单元,用于基于所述目标对象的年龄层人群标签,在所述策略映射关系集合中查找针对所述目标对象对应的防护控制策略;
24、防护单元,用于执行所述防护控制策略,以对所述目标对象进行预警防护。
25、可选地,在本技术的一些实施例中,所述防护单元可以包括轨迹预测子单元、风险判定子单元和执行子单元,如下:
26、所述轨迹预测子单元,用于基于所述目标对象当前的时序运动数据,对所述目标对象进行运动轨迹预测,得到预测轨迹信息;
27、风险判定子单元,用于根据所述目标对象当前所处环境中物体脆弱分级信息和所述预测轨迹信息,确定风险判定结果;
28、执行子单元,用于根据所述风险判定结果,执行所述防护控制策略。
29、可选地,在本技术的一些实施例中,所述风险判定子单元具体可以用于对所述目标对象的胸廓微动特征进行频域分解处理,得到所述目标对象的躁动特征;当所述目标对象的胸廓微动频率相对于平静状态呼吸基线的提升幅度超过预设阈值时,基于所述躁动特征生成认知负荷参数;根据所述认知负荷参数,设置风险阈值;根据所述风险阈值、所述目标对象当前所处环境中物体脆弱分级信息和所述预测轨迹信息,确定风险判定结果。
30、可选地,在本技术的一些实施例中,所述预设防护控制策略的调控参数包括灯光亮度、提示画面帧率、语音提示分贝、预警安全距离。
31、可选地,在本技术的一些实施例中,所述预测单元具体可以用于通过对象识别模型,基于所述多个维度上的对象生理特征和所述目标特征权重,预测所述目标对象属于各个预设年龄层人群的置信度;
32、该对象识别模型还可以包括训练单元,如下:
33、所述训练单元,用于获取训练数据,所述训练数据包括多个年龄层的样本对象、所述样本对象在多个维度上的样本对象生理特征和所述样本对象所处的环境;基于所述样本对象所处的环境,确定所述样本对象在各个维度上的样本对象生理特征对应的样本特征权重;通过对象识别模型,基于所述样本对象在多个维度上的样本对象生理特征和所述样本特征权重,确定所述样本对象属于各个预设年龄层人群的预测置信度;根据所述预测置信度,计算所述样本对象对应的损失信息;基于各个样本对象所属的年龄层,确定各个样本对象对应的损失权重;根据各个样本对象对应的损失权重和损失信息,对所述对象识别模型的参数进行调整,得到训练后对象识别模型。
34、本技术实施例中,术语“模块”或“单元”是指有预定功能的计算机程序或计算机程序的一部分,并与其他相关部分一起工作以实现预定目标,并且可以通过使用软件、硬件(如处理电路或存储器)或其组合来全部或部分实现。同样的,一个处理器(或多个处理器或存储器)可以用来实现一个或多个模块或单元。此外,每个模块或单元都可以是包含该模块或单元功能的整体模块或单元的一部分。
35、本技术实施例提供的一种电子设备,包括处理器和存储器,所述存储器存储有多条指令,所述处理器加载所述指令,以执行本技术实施例提供的对象识别方法中的步骤。
36、本技术实施例还提供一种计算机可读存储介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现本技术实施例提供的对象识别方法中的步骤。
37、此外,本技术实施例还提供一种计算机程序产品,包括计算机程序或指令,该计算机程序或指令被处理器执行时实现本技术实施例提供的对象识别方法中的步骤。
38、本技术实施例提供了一种对象识别方法以及相关设备,可以采集待识别的目标对象在多个维度上的对象生理特征;确定各个维度上的对象生理特征对应的特征权重;基于所述目标对象当前所处的环境,对各个维度上的对象生理特征对应的特征权重进行调整处理,得到各个维度上的对象生理特征对应调整后的目标特征权重;基于所述多个维度上的对象生理特征和所述目标特征权重,预测所述目标对象属于各个预设年龄层人群的置信度;根据所述置信度,确定所述目标对象对应的年龄层人群标签。
39、本技术可以通过融合目标对象在多个维度上的对象生理特征进行年龄层预测,而非依赖单一特征维度,有效提升了人群年龄分层的准确率和可靠性,降低了因个别特征失真(如遮挡、姿态变化)导致的误判概率;而且,通过根据目标对象当前所处环境对各维度特征权重进行动态调整,使得系统能够自适应地应对不同场景条件(如人流密度变化、遮挡程度变化、光照条件变化等),显著增强了对象识别模型在复杂环境下的鲁棒性和环境适应能力。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com