基于深度学习的电梯控制方法、电子设备及存储介质技术

本申请公开了一种基于深度学习的电梯控制方法、电子设备及存储介质。该方法包括：获取乘客通过语音输入的控制指令；将语音转换为时频图像；将时频图像输入语音识别网络，以得到时频图像的识别结果；根据时频图像的识别结果来控制电梯运行。通过上述方式，本申请能够自动控制电梯运行。

【技术实现步骤摘要】
基于深度学习的电梯控制方法、电子设备及存储介质
本申请涉及数据处理领域，特别是涉及一种基于深度学习的电梯控制方法、电子设备及存储介质。
技术介绍
日常生活中，当想要乘坐电梯时，往往需要手动触发电梯按钮来控制电梯运行，这会为乘客带来很多困扰。例如，乘客手没空、当前乘客较多时、乘客为儿童或残疾人时不方便用手触发电梯按钮，或者病毒肆虐传播，如果用手按电梯按钮会无意间使得细菌病毒传播，出现交叉感染的情况。因此，现有技术中控制电梯运行的方式不够完善。
技术实现思路
本申请提供一种基于深度学习的电梯控制方法、电子设备及存储介质，能够解决现有技术中控制电梯运行的方式不够完善的问题。为解决上述技术问题，本申请采用的一个技术方案是：提供一种基于深度学习的电梯控制方法，该方法包括：获取乘客通过语音输入的控制指令；将语音转换为时频图像；将时频图像输入语音识别网络，以得到时频图像的识别结果；根据所述时频图像的识别结果来控制电梯运行。为解决上述技术问题，本申请采用的另一个技术方案是：提供一种电子设备，该电子设备设备包括处理器、与处理器本文档来自技高网...

【技术保护点】
1.一种基于深度学习的电梯控制方法，其特征在于，包括：/n获取乘客通过语音输入的控制指令；/n将所述语音转换为时频图像；/n将所述时频图像输入语音识别网络，以得到所述时频图像的识别结果；/n根据所述时频图像的识别结果来控制电梯运行。/n

【技术特征摘要】
1.一种基于深度学习的电梯控制方法，其特征在于，包括：
获取乘客通过语音输入的控制指令；
将所述语音转换为时频图像；
将所述时频图像输入语音识别网络，以得到所述时频图像的识别结果；
根据所述时频图像的识别结果来控制电梯运行。


2.根据权利要求1所述的方法，其特征在于，获取乘客通过语音输入的控制指令之前，所述方法包括：
获取乘客图像；
将所述乘客图像输入人脸识别模块，以得到所述乘客图像的人脸特征；
将所述人脸特征与预存的多个人脸特征进行匹配；
若匹配成功，则执行所述获取乘客通过语音输入的控制指令的步骤；
若未匹配成功，则不执行所述获取乘客通过语音输入的控制指令的步骤。


3.根据权利要求1所述的方法，其特征在于，所述根据所述时频图像的识别结果来控制电梯运行之前，所述方法包括：
获取乘客图像；
将所述乘客图像输入人脸识别模块，以得到所述乘客图像的人脸特征；
将所述人脸特征与预存的多个人脸特征进行匹配；
若匹配成功，则执行所述根据所述时频图像的识别结果来控制电梯运行的步骤；
若未匹配成功，则不执行所述根据所述时频图像的识别结果来控制电梯运行的步骤。


4.根据权利要求2或3所述的方法，其特征在于，所述人脸识别模块包括：
识别单元，用于提取所述乘客图像的人脸特征；
分类单元，用于计算所述人脸特征与预存的多个人脸特征之间的相似度以得到目标特征，还用于判断所述目标特征与所述人脸特征之间的所述相似度是否大于相似度阈值，以得到所述人脸特征的匹配结果，其中所述目标特征为与所述人脸特征之间的所述相似度最高的所述预设的人脸特征。


5.根据权利要求4所述的方法，其特征在于，所述识别单元为人脸识别网络，所述方法进一步包括：
训练所述人脸识别网络...

【专利技术属性】
技术研发人员：李建超，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：浙江;33