基于图像识别和物联网的生理时空大数据处理方法技术

基于图像识别和物联网的生理时空大数据处理方法，包括：采集时间获取步骤；按时采集数据步骤；图像识别预测步骤；K值修改步骤。上述方法、系统和机器人，利用连接物联网的传感器获取的生理数据的准确率高，同时利用摄像头获取图像预测的生理数据的成本低，通过传感器获取的生理数据来提高图像预测的准确率，通过图像预测的方式来降低传感器的采集频率，进而通过两者取长补短，使得成本低且准确率高，同时考虑到了时间属性，使得生理数据的采集和预测更为全面。更为全面。更为全面。

【技术实现步骤摘要】
基于图像识别和物联网的生理时空大数据处理方法


[0001]本专利技术涉及人工智能
，特别是涉及一种基于图像识别和物联网的生理时空大数据处理方法。

技术介绍

[0002]在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：先有的生理数据采集要么只用图像识别进行预测的方式，准确率比较低，要么只用传感器预测，成本高，且可穿戴式传感器要经常充电也会给用户带来麻烦。
[0003]因此，现有技术还有待于改进和发展。

技术实现思路

[0004]基于此，有必要针对现有技术的缺陷或不足，提供基于图像识别和物联网的生理时空大数据处理方法，以提高生理数据获取的准确率，同时降低生理数据获取的成本。
[0005]第一方面，本专利技术实施例提供一种人工智能方法，所述方法包括：
[0006]采集时间获取步骤：获取摄像头的采集时间间隔t1；获取传感器的采集时间间隔t2；t2是t1的整数倍，t2＝k*t1；初始时k＝1；
[0007]按时采集数据步骤：从一个时刻开始按照t1时间间隔通过摄像头采集用户的视频数据，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人工智能方法，其特征在于，所述方法包括：采集时间获取步骤：获取摄像头的采集时间间隔t1；获取传感器的采集时间间隔t2；t2是t1的整数倍，t2＝k*t1；初始时k＝1；按时采集数据步骤：从一个时刻开始按照t1时间间隔通过摄像头采集用户的视频数据，并获取用户的信息、采集的时间、地点、时间相关特性、地点相关特性、时空相关特征，加入视频大数据；从所述一个时刻开始按照t2时间间隔通过传感器采集用户的生理数据，并获取用户的信息、采集的时间、地点、时间相关特性、地点相关特性、时空相关特征，加入生理检测大数据；图像识别预测步骤：将通过摄像头采集到的视频数据及其采集的时间、地点、时间相关特性、地点相关特性、时空相关特征作为图像识别预测深度学习模型的输入，通过图像识别预测深度学习模型的预测得到的输出作为在所述时间和地点上所述用户的生理数据；判断所述采集的时间是否为传感器采集用户的生理数据的时间，若是，则比较预测得到的生理数据和传感器采集得到的生理数据来判断预测是否正确；所否，则将所述预测得到的生理数据和用户的信息、所述采集的时间、地点、时间相关特性、地点相关特性、时空相关特征，加入生理预测大数据；K值修改步骤：若N次判断中有M次判断预测正确，则预测正确率为M/N；若M/N大于预设正确率，则按照预设规则增加k，并根据k更新采集时间间隔t2。2.根据权利要求1所述的人工智能方法，其特征在于，所述方法还包括：跨度获取步骤：获取预测的时间跨度、空间跨度、属性跨度；生理数据预测模型输入数据获取步骤：获取当前生理数据及其所在当前时刻、当前空间位置、当前属性，根据当前时刻和时间跨度计算出第二预测时刻，根据当前空间位置和空间跨度计算出第二预测空间位置，根据当前属性和属性跨度计算出第二预测属性；生理数据预测模型预测步骤：将时间跨度、空间跨度、属性跨度、当前生理数据及其所在当前时刻、当前空间位置、当前属性作为生理数据预测深度学习模型的输入，将生理数据预测深度学习模型的输出作为第二预测时间、第二预测空间位置、第二预测属性下的生理数据。3.根据权利要求1所述的人工智能方法，其特征在于，所述方法还包括：视频数据采集步骤：获取摄像头采集的用户的视频数据；生理数据采集步骤：获取传感器采集的用户的生理数据；大数据存储步骤：所述摄像头和传感器连接物联网，所述物联网连接互联网，所述互联网连接大数据服务器，所述采集到的视频数据、生理数据通过物联网和互联网传输并存储到大数据服务器中。4.根据权利要求2所述的人工智能方法，其特征在于，所述方法还包括：图像识别预测模型训练步骤：将通过传感器采集的用户的生理数据作为图像识别预测深度学习模型的预期输出，将在采集所述生理数据的时间通过摄像头采集到的视频数据及其采集的时间、地点、时间相关特性、地点相关特性、时空相关特征作为图像识别预测深度学习模型的输入，对图像识别预测深度学习模型进行训练，得到训练后的图像识别预测深度学习模型；生理数据预测模型训练数据获取步骤：获取训练用的生理数据及其所在时刻、空间位
置、属性，根据所述时刻和时间跨度计算出第一预测时刻，根据所述空间位置和空间跨度计算出第一预测空间位置，根据所述属性和属性跨度计算出第一预测属性；生理数据预测模型训练步骤：将时间跨度、空间跨度、属性跨度、生理数据及其所在时刻、空间位置、属性作为生理数据预测深度学习模型的输入，将第一预测时间、第一预测空间位置、第一预测属性下的生理数据作为生理数据预测深度学习模型的预期输出，对生理数据预测深度学习模型进行训练，得到训练后的生理数据预测深度学习模型。5.一种人工智能系统，其特征在于，所述系统包括：采集时间获取模块：获取摄像头的采集时间间隔t1；获取传感器的采集时间间隔t2；t2是t1的整数倍，t2＝k*t1；初...

【专利技术属性】
技术研发人员：朱定局，
申请(专利权)人：深圳市鹰瞳智能技术有限公司，
类型：发明
国别省市：