目标识别方法、装置、视觉传感器及智能家居系统制造方法及图纸

本发明专利技术公开了一种实现用户隐私保护的目标识别方法、装置、视觉传感器及智能家居系统，所述实现用户隐私保护的目标识别方法应用于视觉传感器，所述方法包括：获取包含待识别目标的图像；对所述图像中的待识别目标进行识别，得到识别结果；将所述识别结果以非图像形式输出。采用本发明专利技术所提供的实现用户隐私保护的目标识别方法、装置、视觉传感器及智能家居系统解决了现有技术中的目标识别难以兼顾准确性和安全性的问题。

【技术实现步骤摘要】
目标识别方法、装置、视觉传感器及智能家居系统
本专利技术涉及智能家居
，尤其涉及一种实现用户隐私保护的目标识别方法、装置、视觉传感器及智能家居系统。
技术介绍
随着图像处理技术的发展，视觉传感器已被广泛应用于工业领域，例如，汽车部件组装、物品包装、冲压部件组装等，具有检测准确性高和检测效率高等优势。然而，智能家居领域中，在检测用户环境中是否出现用户感兴趣的目标时，由于考虑用户隐私等安全性问题，视觉传感器往往会被其余传感器替代，例如，红外传感器、温度传感器等，这就导致目标识别的准确性较差，容易出现误报而影响用户的智能家居体验。为此，如何在目标识别中兼顾准确性和安全性仍亟待解决。
技术实现思路
为了解决相关技术中目标识别中兼顾准确性和安全性的问题，本专利技术各实施例提供一种实现用户隐私保护的目标识别方法、装置、视觉传感器及智能家居系统。其中，本专利技术所采用的技术方案为：第一方面，一种实现用户隐私保护的目标识别方法，应用于视觉传感器，所述方法包括：获取包含待识别目标的图像；对所述图像中的待识别目标进行识别，得到识别结果；将所述识别结果以非图像形式输出。第二方面，一种实现用户隐私保护的目标识别装置，应用于视觉传感器，所述装置包括：图像获取模块，用于获取包含待识别目标的图像；目标识别模块，用于对所述图像中的待识别目标进行识别，得到识别结果；结果输出模块，用于将所述识别结果以非图像形式输出在一示例性实施例中，所述结果输出模块包括：输出单元，用于将所述识别结果以文本形式输出。在一示例性实施例中，所述装置还包括：图像删除模块，用于将完成识别的图像删除。在一示例性实施例中，所述待识别目标包含人，所述装置还包括：图像检测模块，用于图像采集过程中，对采集到的图像进行人体特征检测；如果采集到图像中检测到人体特征，则判定采集到的图像中包含人。在一示例性实施例中，所述装置还包括：文件获取模块，用于获取模型文件，所述模型文件是通过离线模型训练得到的；文件加载模块，用于本地加载所述模型文件，通过所述模型文件的本地加载以实现所述待识别目标的识别。在一示例性实施例中，所述目标识别模块包括：特征提取单元，用于基于目标识别模型，从所述图像中提取得到所述待识别目标的初始特征；特征学习单元，用于对所述待识别目标的初始特征进行特征学习，得到所述待识别目标的全局特征；分类预测单元，用于根据所述待识别目标的全局特征进行所述待识别目标的分类预测，得到所述识别结果。在一示例性实施例中，所述装置还包括：在线训练模块，用于根据完成识别的图像和所述识别结果引导所述目标识别模型进行在线模型训练。在一示例性实施例中，所述装置还包括：指令接收模块，用于接收信息读取指令，以响应于所述信息读取指令将所述识别结果以非图像形式输出。第三方面，一种视觉传感器，所述视觉传感器包括处理器、存储单元、相机模组、处理器、加速处理器和接口单元；其中，所述存储单元，用于存储计算机可读指令；所述处理器，用于通过读取所述存储单元中的计算机可读指令，控制所述相机模组、所述加速处理器和所述接口单元执行实现用户隐私保护的目标识别方法，包括：所述相机模组，用于拍摄并采集包含待识别目标的图像；所述加速处理器，用于对采集到图像中的待识别目标进行识别，得到识别结果；所述接口单元，用于以非图像形式输出所述识别结果。在一示例性实施例中，所述处理器还用于将来自所述加速处理器的所述识别结果，转化为符合所述接口单元的协议类型，以供所述接口单元以非图像形式输出所述识别结果。第四方面，一种智能家居系统，包括网关、以及部署于所述网关中的视觉传感器和智能设备，其中，所述视觉传感器，用于对获取到图像中的待识别目标进行识别得到识别结果，并以非图像形式输出所述识别结果；所述网关，用于接收所述视觉传感器中的所述识别结果，并根据所述识别结果生成控制指令；所述智能设备，用于接收所述网关下发的所述控制指令，并根据所述控制指令执行对应的动作。第五方面，一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的实现用户隐私保护的目标识别方法。在上述技术方案中，基于视觉传感器进行实现用户隐私保护的目标识别，解决现有技术中目标识别难以兼顾准确性和安全性的问题。具体而言，获取包含待识别目标的图像，以对图像中的待识别目标进行识别而得到识别结果，并将所述识别结果以非图像形式输出，由此，充分利用了视觉传感器具有检测准确性高和检测效率高的优势，提高了目标识别的准确性，并且识别结果以非图像形式输出，也即是不会有任何图像输出至外部设备，有效地防止了用户隐私出现泄漏，充分地保护了用户隐私，提高了目标识别的安全性。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术。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，示出了符合本专利技术的实施例，并于说明书一起用于解释本专利技术的原理。图1是根据本专利技术所涉及的实施环境的示意图。图2是根据一示例性实施例示出的一种视觉传感器的硬件结构框图。图3是根据一示例性实施例示出的一种实现用户隐私保护的目标识别方法的流程图。图4是根据一示例性实施例示出的一种实现用户隐私保护的目标识别方法的流程图。图5是根据一示例性实施例示出的一种实现用户隐私保护的目标识别方法的流程图。图6是图5对应实施例中模型文件的生成过程在一个实施例的流程图。图7是图3对应实施例中步骤330在一个实施例的流程图。图8是根据一示例性实施例示出的一种实现用户隐私保护的目标识别装置的框图。图9是根据一示例性实施例示出的一种视觉传感器的框图。通过上述附图，已示出本专利技术明确的实施例，后文中将有更详细的描述，这些附图和文字描述并不是为了通过任何方式限制本专利技术构思的范围，而是通过参考特定实施例为本领域技术人员说明本专利技术的概念。具体实施方式这里将详细地对示例性实施例执行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本专利技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本专利技术的一些方面相一致的装置和方法的例子。图1为一种实现用户隐私保护的目标识别方法所涉及的实施环境的示意图。该实施环境包括智能家居系统100，智能家居系统100包括：网关110、部署于网关110中的视觉传感器130和智能设备150。具体地，智能设备150可以是智能打印机、智能传真机、智能摄像机、智能空调、智能门锁或者配置了通信模块(例如ZIGBEE模块、Wi-Fi模块、蓝牙模块等)的人体传感器、门窗传感器、温湿度传感器、水浸传感器、天然气报警器、烟雾报警器、蜂鸣报警器、墙壁开关、墙壁插座、无线开关无线墙贴开关、魔方控制器、窗帘电机等电子设备，在此不构成具体限定。值得一提的是，视觉传感器130实质也属于智能设备150的一种类型。视觉传感器130和智能设备150均部署于网关110，并通过自身所配置的通信模块与网关110通信，进而实现与网关110之间的交互。在一种实施方式中，通过局域网络接入网关110，从而部署于网关110中。通过局域网络接入网关110的过程包括，由网关110首先建立一个局域网络，视觉传感器130和智能设备150通过连接本文档来自技高网...

【技术保护点】
1.一种实现用户隐私保护的目标识别方法，其特征在于，应用于视觉传感器，所述方法包括：获取包含待识别目标的图像；对所述图像中的待识别目标进行识别，得到识别结果；将所述识别结果以非图像形式输出。

【技术特征摘要】
1.一种实现用户隐私保护的目标识别方法，其特征在于，应用于视觉传感器，所述方法包括：获取包含待识别目标的图像；对所述图像中的待识别目标进行识别，得到识别结果；将所述识别结果以非图像形式输出。2.如权利要求1所述的方法，其特征在于，所述将所述识别结果以非图像形式输出，包括：将所述识别结果以文本形式输出。3.如权利要求1所述的方法，其特征在于，所述对所述图像中的待识别目标进行识别，得到识别结果之后，所述方法还包括：将完成识别的图像删除。4.如权利要求1所述的方法，其特征在于，所述待识别目标包含人，所述获取包含待识别目标的图像之前，所述方法还包括：图像采集过程中，对采集到的图像进行人体特征检测；如果采集到的图像中检测到人体特征，则判定采集到的图像中包含人。5.如权利要求1-4任意一项所述的方法，其特征在于，所述对所述图像中的待识别目标进行识别，得到识别结果之前，所述方法还包括：获取模型文件，所述模型文件是通过离线模型训练得到的；本地加载所述模型文件，通过所述模型文件的本地加载以实现所述图像中待识别目标的识别。6.如权利要求1-4任意一项所述的方法，其特征在于，所述对所述图像中的待识别目标进行识别，得到识别结果，包括：基于目标识别模型，从所述图像中提取得到所述待识别目标的初始特征；对所述待识别目标的初始特征进行特征学习，得到所述待识别目标的全局特征；根据所述待识别目标的全局特征进行所述待识别目标的分类预测，得到所述识别结果。7.如权利要求6所述的方法，其特征在于，所述基于目标识别模型，从所述图像中提取得到所述待识别目标的初始特征之前，所述方法还包括：获取图像样本，所述图像样本对图像中待识别目标所属的类别进行了标注；根据所述图像样本对神经网络模型进行模型训练；当所述神经网络模型收敛时，以收敛的神经网络模型作为所述目标识别模型。8.如权利要求6所述的方法...

【专利技术属性】
技术研发人员：曲晓峰，游延筠，
申请(专利权)人：深圳绿米联创科技有限公司，
类型：发明
国别省市：广东,44