家庭网络数据处理方法及相关产品技术

本公开提供一种家庭网络数据处理方法及相关产品，所述方法包括：采集第一图片，对第一图片处理得到第一人脸图片；将第一人脸图片组成的输入数据输入到人工智能芯片中进行神经网络模型的多层正向运算得到正向运算结果，依据该正向运算结果确定该第一人脸图片的第一身份；依据该第一身份对该第一身份对应的第一家庭账号进行登录，依据该第一身份确定第一身份对应的操作权限，依据该操作权限对该第一家庭账号执行该操作权限对应的第一操作。本申请提供的技术方案具有用户体验度高的优点。

Home network data processing methods and related products

The present disclosure provides a home network data processing method and related products. The method includes: collecting the first picture and processing the first picture to obtain the first face picture; inputting the input data composed of the first face picture into the artificial intelligence chip to carry out the multi-layer forward operation of the neural network model to obtain the forward operation knot. As a result, the first identity of the first face image is determined according to the result of the forward operation; the first family account corresponding to the first identity is logged in according to the first identity, and the corresponding operation authority of the first identity is determined according to the first identity, and the operation authority corresponding to the first family account is executed according to the operation authority. First operation. The technical proposal provided by this application has the advantage of high user experience.

【技术实现步骤摘要】
家庭网络数据处理方法及相关产品
本专利技术涉及通信以及数据
，具体涉及一种家庭网络数据处理方法及相关产品。
技术介绍
随着通信技术的不断进步，通信设备的功能越来越多，其能够实现很多以前设备没有的功能，家庭网络数据主要以一个家庭为单位的数据操作，其可以包含多个账号，多个账号可以包括管理员，例如可以建立家庭照片的管理，对于家庭网络数据处理，现有的账号的权限一样并且需要通过账号和密码登录，此方式不方便，所以现有的网盘的用户体验度差。
技术实现思路
本专利技术实施例提供了一种家庭网络数据处理方法及相关产品，可以实现对用户人脸识别的家庭网络数据处理，提高用户体验度的优点。第一方面，本专利技术实施例提供一种家庭网络数据处理方法，所述方法包括如下步骤：采集第一图片，对第一图片处理得到第一人脸图片；将第一人脸图片组成的输入数据输入到人工智能芯片中进行神经网络模型的多层正向运算得到正向运算结果，依据该正向运算结果确定该第一人脸图片的第一身份；依据该第一身份对该第一身份对应的第一家庭账号进行登录，依据该第一身份确定第一身份对应的操作权限，依据该操作权限对该第一家庭账号执行该操作权限对应的第一操作。第二方面，提供一种终端，所述终端包括：摄像头和处理器，所述处理器与摄像头连接；所述摄像头，用于采集第一图片；所述处理器，用于对第一图片处理得到第一人脸图片；将第一人脸图片组成的输入数据输入到人工智能芯片中进行神经网络模型的多层正向运算得到正向运算结果，依据该正向运算结果确定该第一人脸图片的第一身份；所述处理器，还用于依据该第一身份对该第一身份对应的第一家庭账号进行登录，依据该第一身份确定第一身份对应的操作权限，依据该操作权限对该第一家庭账号执行该操作权限对应的第一操作。第三方面，提供一种计算机可读存储介质，其存储用于电子数据交换的程序，其中，所述程序使得终端执行第一方面提供的方法。实施本专利技术实施例，具有如下有益效果：可以看出，通过本专利技术实施例采集第一图片，提取第一图片的人脸特征，对该人脸特征进行人脸识别确定身份，依据该身份进行家庭网络账号登录，并且为该第一身份分配对应的操作权限，仅限该第一身份在该操作权限下操作，所以其只能本人才能够操作，所以其具有安全性高的优点，另外，其无需用户输入账号和密码，所以其具有用户体验度高的优点。附图说明为了更清楚地说明本专利技术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，下面描述中的附图是本专利技术的一些实施例，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的附图。图1是一种终端的结构示意图。图2是一种家庭网络数据处理方法的流程示意图。图3是本专利技术实施例提供的人脸图片示意图。图4a是本专利技术实施例提供的一种卷积核【CI】【CN】【A】【A】结构示意图。图4b是本专利技术实施例提供的一种核尺寸【A】【A】的示意图。图4c是本专利技术实施例提供的核尺寸【3】【3】的示意图。图5是本专利技术实施例提供的拟合示意图。图6是本专利技术实施例公开的一种终端的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，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、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。在本文中提及“实施例”意味着，结合实施例描述的特定特征、结果或特性可以包含在本专利技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。在第一方面提供的方法中，所述将第一人脸图片组成的输入数据输入到人工智能芯片中进行神经网络模型的多层正向运算得到正向运算结果具体包括：将第一人脸图片进行灰度处理得到第一灰度图像，获取第一灰度图像中每个像素点的m1个灰度值，提取m1个灰度值中灰度值最小且连续的m2个像素点的灰度值，将m2个像素点从第一灰度图像中去除得到第二灰度图像，将第二灰度图像恢复得到第二人脸图片，提取第二人脸图片中每个像素点的R、G、B值(红色值、绿色值、蓝色值)，将第二人脸图片中每个像素点的R、G、B值组成输入数据块[CI1][H1][w1]，将输入数据块[CI1][H1][w1]作为输入数据输入到神经网络模型执行多层卷积运算得到正向运算结果，其中，CI1为输入数据块的深度值、H1为输入数据块的高度值，w1为输入数据块的宽度值，m1、CI1、H1、w1均为大于等于10的整数，m2为大于等于103的整数。在第一方面提供的方法中，如神经网络模型的多层正向运算包括X1个需要执行卷积运算的X1个神经网络模型计算层，所述方法在执行X1个神经网络模型计算层的计算时，包括：获取神经网络模型多层中执行卷积运算的X1个神经网络模型计算层，提取X1个神经网络模型计算中的X1个卷积运算的X1个卷积核中的核尺寸kernelsize；获取终端适应计算的核尺寸【3】【3】；提取X1个卷积核中的核尺寸不为核尺寸【3】【3】的X2个卷积核，将X2个卷积核中的第y层的第α个卷积核切割成CI*CN个核尺寸【A】【A】，将核尺寸【A】【A】拟合成X3个核尺寸【3】【3】的卷积核，在执行核尺寸【A】【A】与神经网络模型计算层中第y层的卷积计算时，将X3个核尺寸【3】【3】与第y层的输入数据的对应数据执行X3次卷积运算得到X3个卷积计算中间结果，将X3个卷积计算中间结果执行累加得到第y层的卷积结果中的一个元素，上述X1＞X2，X1、X2、X3均为大于等于1的整数，CI为卷积核的深度值，CN为卷积核的数量值，CI、CN均为大于等于1的整数，A为大于3的整数。在第一方面提供的方法中，所述方法还包括：如执行操作权限以外的第二操作，将该第二操作发送给该第一家庭账号的管理员，如该管理员确定该第二操作，执行该第二操作。在第二方面提供的终端中，所述处理器，具体用于将第一人脸图片进行灰度处理得到第一灰度图像，获取第一灰度图像中每个像素点的m1个灰度值，提取m1个灰度值中灰度值最小且连续的m2个像素点的灰度值，将m2个像素点从第一灰度图像中去除得到第二灰度图像，将第二灰度图像恢复得到第二人脸图片，提取第二人脸图片中每个像素点的R、G、B值(红色值、绿色值、蓝色值)，将第二人脸图片中每个像素点的R、G、B值组成输入数据块[CI1][H1][w1]，将输入数据块[CI1][H1][w1]作为输入数据输入到神经网络模型执行多层卷积运算得到正向运算结果，其中，CI1为输入数据块的深度值、H1为输入数据块的高度值，w1为输入数据块的宽度值，m1、CI1、H1、w1均为大本文档来自技高网...

【技术保护点】
1.一种家庭网络数据处理方法，其特征在于，所述方法包括如下步骤：采集第一图片，对第一图片处理得到第一人脸图片；将第一人脸图片组成的输入数据输入到人工智能芯片中进行神经网络模型的多层正向运算得到正向运算结果，依据该正向运算结果确定该第一人脸图片的第一身份；依据该第一身份对该第一身份对应的第一家庭账号进行登录，依据该第一身份确定第一身份对应的操作权限，依据该操作权限对该第一家庭账号执行该操作权限对应的第一操作。

【技术特征摘要】
1.一种家庭网络数据处理方法，其特征在于，所述方法包括如下步骤：采集第一图片，对第一图片处理得到第一人脸图片；将第一人脸图片组成的输入数据输入到人工智能芯片中进行神经网络模型的多层正向运算得到正向运算结果，依据该正向运算结果确定该第一人脸图片的第一身份；依据该第一身份对该第一身份对应的第一家庭账号进行登录，依据该第一身份确定第一身份对应的操作权限，依据该操作权限对该第一家庭账号执行该操作权限对应的第一操作。2.根据权利要求1所述的方法，其特征在于，所述将第一人脸图片组成的输入数据输入到人工智能芯片中进行神经网络模型的多层正向运算得到正向运算结果具体包括：将第一人脸图片进行灰度处理得到第一灰度图像，获取第一灰度图像中每个像素点的m1个灰度值，提取m1个灰度值中灰度值最小且连续的m2个像素点的灰度值，将m2个像素点从第一灰度图像中去除得到第二灰度图像，将第二灰度图像恢复得到第二人脸图片，提取第二人脸图片中每个像素点的R、G、B值(红色值、绿色值、蓝色值)，将第二人脸图片中每个像素点的R、G、B值组成输入数据块[CI1][H1][w1]，将输入数据块[CI1][H1][w1]作为输入数据输入到神经网络模型执行多层卷积运算得到正向运算结果，其中，CI1为输入数据块的深度值、H1为输入数据块的高度值，w1为输入数据块的宽度值，m1、CI1、H1、w1均为大于等于10的整数，m2为大于等于103的整数。3.根据权利要求1所述的方法，其特征在于，如神经网络模型的多层正向运算包括X1个需要执行卷积运算的X1个神经网络模型计算层，所述方法在执行X1个神经网络模型计算层的计算时，包括：获取神经网络模型多层中执行卷积运算的X1个神经网络模型计算层，提取X1个神经网络模型计算中的X1个卷积运算的X1个卷积核中的核尺寸kernelsize；获取终端适应计算的核尺寸【3】【3】；提取X1个卷积核中的核尺寸不为核尺寸【3】【3】的X2个卷积核，将X2个卷积核中的第y层的第α个卷积核切割成CI*CN个核尺寸【A】【A】，将核尺寸【A】【A】拟合成X3个核尺寸【3】【3】的卷积核，在执行核尺寸【A】【A】与神经网络模型计算层中第y层的卷积计算时，将X3个核尺寸【3】【3】与第y层的输入数据的对应数据执行X3次卷积运算得到X3个卷积计算中间结果，将X3个卷积计算中间结果执行累加得到第y层的卷积结果中的一个元素，上述X1＞X2，X1、X2、X3均为大于等于1的整数，CI为卷积核的深度值，CN为卷积核的数量值，CI、CN均为大于等于1的整数，A为大于3的整数。4.根据权利要求1-3任意一项所述的方法，其特征在于，所述方法还包括：如执行操作权限以外的第二操作，将该第二操作发送给该第一家庭账号的管理员，如该管理员确定该第二操作，执行该第二操作。5.一种终端，其特征在于，所述终端包括：摄像头和处理器，所述处理器与摄像头连接；所述...

【专利技术属性】
技术研发人员：曹婧月，
申请(专利权)人：曹婧月，
类型：发明
国别省市：广东,44