人员搜寻方法、装置、存储介质和处理器制造方法及图纸

本发明专利技术公开了一种人员搜寻方法、装置、存储介质和处理器。其中，该方法包括：获取各个搜寻点的采集图像；将被搜寻人员的目标图像和采集图像输入图像识别模型，由图像识别模型确定，采集图像包括目标图像的第一概率，其中，图像识别模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：目标图像和采集图像，以及采集图像中是否包括目标图像；根据第一概率确定采集图像中是否包括目标图像。本发明专利技术解决了相关技术中大型居住场所中人员搜寻不便的技术问题。

Personnel search method, device, storage medium and processor

【技术实现步骤摘要】
人员搜寻方法、装置、存储介质和处理器
本专利技术涉及安防领域，具体而言，涉及一种人员搜寻方法、装置、存储介质和处理器。
技术介绍
针对别墅或居住面积较大的用户，在家中房间较多时，在各家庭成员散布在不同区域时，常有家庭成员之间不便找寻的情况，现有的解决方法，多为在家中相关位置安装摄像头，但该方式仅能给用户提供各位置影像，既无法便捷提示用户找寻人地址信息，又影响室内装饰美观度。针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种人员搜寻方法、装置、存储介质和处理器，以至少解决相关技术中大型居住场所中人员搜寻不便的技术问题。根据本专利技术实施例的一个方面，提供了一种人员搜寻方法，包括：获取各个搜寻点的采集图像；将被搜寻人员的目标图像和所述采集图像输入图像识别模型，由所述图像识别模型确定，所述采集图像包括所述目标图像的第一概率，其中，所述图像识别模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：目标图像和采集图像，以及所述采集图像中是否包括所述目标图像；根据所述第一概率确定所述采集图像中是否包括所述目标图像。可选的，获取各个搜寻点的采集图像包括：建立图像搜寻系统，其中，所述搜寻系统包括多个设置在搜寻点的图像采集装置，所述图像搜寻系统通过第一机器人操作系统ROS系统，统一各个所述搜寻点的图像采集装置的驱动接口；通过所述图像搜寻系统获取各个搜寻点的采集图像。可选的，所述图像识别模型包括用于确定所述采集图像中人物图像区域的第一人员检测模块，将所述目标图像和所述采集图像输入图像识别模型，由所述图像识别模型确定，所述采集图像包括所述目标图像的第一概率包括：所述第一人员检测模块根据快速R型卷积神经网络FasterR-CNN，从所述采集图像中确定人物图像的图像范围区域；将所述图像范围区域的人物图像，与所述被搜寻人员的目标图像进行特征匹配，确定匹配程度；根据所述匹配程度，确定所述采集图像中包含所述目标图像中的所述被搜寻人员的第一概率。可选的，所述第一人员检测模块根据所述FasterR-CNN，从所述采集图像中确定人物图像的图像范围区域包括：将所述采集图像分为深度图像和彩色图像；通过区域候选网络RPN分别确定所述深度图像和所述彩色图像的多个候选区域；分别融合所述深度图像和所述彩色图像的多个候选区域的候选框，通过去除互相无交集的候选框，得到所述深度图像的第一候选框，以及所述彩色图像的第二候选框；以所述第二候选框为基准，对所述第一候选框进行校准；根据校准后的第一候选框的区域范围，确定所述采集图像中的人物图像的图像范围区域。可选的，获取各个所述搜寻点的采集声音；将被搜寻人员的目标语音和所述采集声音输入语音识别模型，由所述语音识别模型确定，所述采集声音包括所述目标语音中的所述被搜寻人员语音的第二概率，其中，所述语音识别模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：目标语音和采集声音，以及所述采集声音中是否包括所述目标语音中的被搜寻人员的语音；根据所述第二概率，确定所述采集声音中是否包括所述目标语音中的被搜寻人员的语音。可选的，获取各个所述搜寻点的采集声音包括：建立声音搜寻系统，其中，所述声音系统包括多个设置在所述搜寻点的声音采集装置，所述声音搜寻系统通过第二机器人操作系统ROS系统，统一各个所述搜寻点的声音采集装置的驱动接口；通过所述声音搜寻系统获取各个搜寻点的采集声音。可选的，所述语音识别模型包括第二人员检测模块，所述第二人员检测模块用于调整语音识别模型的神经网络的参数，以及各个网络层的输入输出设置。根据本专利技术实施例的另一方面，还提供了一种人员搜寻装置，包括：获取模块，用于获取各个搜寻点的采集图像；识别模块，用于将被搜寻人员的目标图像和所述采集图像输入图像识别模型，由所述图像识别模型确定，所述采集图像包括所述目标图像的第一概率，其中，所述图像识别模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：目标图像和采集图像，以及所述采集图像中是否包括所述目标图像；确定模块，用于根据所述第一概率确定所述采集图像中是否包括所述目标图像。根据本专利技术实施例的另一方面，还提供了一种存储介质，所述存储介质存储有程序指令，其中，在所述程序指令运行时控制所述存储介质所在设备执行上述中任意一项所述的方法。根据本专利技术实施例的另一方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述中任意一项所述的方法。在本专利技术实施例中，采用获取各个搜寻点的采集图像；将被搜寻人员的目标图像和所述采集图像输入图像识别模型，由所述图像识别模型确定，所述采集图像包括所述目标图像的第一概率，其中，所述图像识别模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：目标图像和采集图像，以及所述采集图像中是否包括所述目标图像；根据所述第一概率确定所述采集图像中是否包括所述目标图像的方式，通过对不同搜寻点的图像进行采集，并对采集图像中是否包括被搜寻人员的目标图像进行识别，达到了确定所述被搜寻人员所在搜寻点的目的，从而实现了快速有效的搜寻到被搜寻人员的位置的技术效果，进而解决了相关技术中大型居住场所中人员搜寻不便的技术问题。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是根据本专利技术实施例的一种人员搜寻方法的流程图；图2是根据本专利技术实施例的一种人员搜寻装置的示意图。具体实施方式为了使本
的人员更好地理解本专利技术方案，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，所描述的实施例仅仅是本专利技术一部分的实施例，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，都应当属于本专利技术保护的范围。需要说明的是，本专利技术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，以便这里描述的本专利技术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。根据本专利技术实施例，提供了一种人员搜寻方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。图1是根据本专利技术实施例的一种人员搜寻方法的流程图，如图1所示，该方法包括如下步骤：<本文档来自技高网...

【技术保护点】
1.一种人员搜寻方法，其特征在于，包括：/n获取各个搜寻点的采集图像；/n将被搜寻人员的目标图像和所述采集图像输入图像识别模型，由所述图像识别模型确定，所述采集图像包括所述目标图像的第一概率，其中，所述图像识别模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：目标图像和采集图像，以及所述采集图像中是否包括所述目标图像；/n根据所述第一概率确定所述采集图像中是否包括所述目标图像。/n

【技术特征摘要】
1.一种人员搜寻方法，其特征在于，包括：
获取各个搜寻点的采集图像；
将被搜寻人员的目标图像和所述采集图像输入图像识别模型，由所述图像识别模型确定，所述采集图像包括所述目标图像的第一概率，其中，所述图像识别模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：目标图像和采集图像，以及所述采集图像中是否包括所述目标图像；
根据所述第一概率确定所述采集图像中是否包括所述目标图像。


2.根据权利要求1所述的方法，其特征在于，获取各个搜寻点的采集图像包括：
建立图像搜寻系统，其中，所述搜寻系统包括多个设置在搜寻点的图像采集装置，所述图像搜寻系统通过第一机器人操作系统ROS系统，统一各个所述搜寻点的图像采集装置的驱动接口；
通过所述图像搜寻系统获取各个搜寻点的采集图像。


3.根据权利要求1所述的方法，其特征在于，所述图像识别模型包括用于确定所述采集图像中人物图像的第一人员检测模块，将所述目标图像和所述采集图像输入图像识别模型，由所述图像识别模型确定，所述采集图像包括所述目标图像的第一概率包括：
所述第一人员检测模块根据快速R型卷积神经网络FasterR-CNN，从所述采集图像中确定人物图像的图像范围区域；
将所述图像范围区域的人物图像，与所述目标图像进行特征匹配，确定匹配程度；
根据所述匹配程度，确定所述采集图像中包含所述目标图像的第一概率。


4.根据权利要求3所述的方法，其特征在于，所述第一人员检测模块根据所述FasterR-CNN，从所述采集图像中确定人物图像的图像范围区域包括：
将所述采集图像分为深度图像和彩色图像；
通过区域候选网络RPN分别确定所述深度图像和所述彩色图像的多个候选区域；
分别融合所述深度图像和所述彩色图像的多个候选区域的候选框，通过去除互相无交集的候选框，得到所述深度图像的第一候选框，以及所述彩色图像的第二候选框；
以所述第二候选框为基准，对所述第一候选框进行校准；
根据校准后的第一候选框的区域范围，...

【专利技术属性】
技术研发人员：连园园，秦萍，高婧雯，
申请(专利权)人：珠海格力电器股份有限公司，
类型：发明
国别省市：广东;44