一种无接触门铃来访处理方法及相关设备技术

本发明专利技术提供了一种无接触门铃来访处理方法及相关设备，方法包括：S1，获取监测区域图像数据，S2，根据预设的分析方法分析图像数据，检测是否有来访者进入监测区域；若检测到有来访者进入监测区域，则提示来访者做出指定行为，进入S3；否则返回S1；S3，若检测到来访者做出指定行为，则将来访信号发送至独立终端；否则返回S2。所述方法在来访者来访时的正确判别概率高，能够智能实现门铃的通知功能，并对各类干扰、虚假场景具有较高的抑制作用，误报和虚警概率低。概率低。概率低。

【技术实现步骤摘要】
一种无接触门铃来访处理方法及相关设备


[0001]本专利技术涉及智能家居、人工智能设备应用领域，特别地，涉及一种无接触门铃来访处理方法领域。

技术介绍

[0002]门铃是家庭、办公场所普遍使用的工具。伴随着技术的发展，越来越多的创新型门铃如无线门铃、可视化门铃等投入使用，为家庭和办公环境提供了更大的便利。随着信息技术特别是人工智能技术的快速发展，人工智能算法在各行各业扮演了越来越重要的角色，并且逐渐渗透于人们的居家生活中。人工智能技术与传统工具的结合使工具的功能得到进一步完善和拓展，为居家办公提供了更好的便利性。
[0003]特别是疫情期间，要减少人员与人员之间，以及人员与物品之间的接触，需要对来访者进行严格监控。
[0004]现有技术中虽然也有使用视频进行监控的，但检测精度低、且容易与其他行人相混淆，误报率较高。

技术实现思路

[0005]为解决以上问题，本文提出一种基于视觉传感器的智能门铃实现方法，通过人工智能等创新技术的应用，实现了一种多功能的无接触、智能门铃，除了具备普通门铃的来客提醒、可视化门铃的影像监控等功能外，创新性的提出了门铃的智能判别、智能交互功能，进一步提升了门铃的智能化和便利性。
[0006]本专利技术提供了一种无接触门铃来访处理方法，包括：
[0007]S1，获取监测区域图像数据，
[0008]S2，根据预设的分析方法分析图像数据，检测是否有来访者进入监测区域；
[0009]若检测到有来访者进入监测区域，则提示来访者做出指定行为，进入S3；否则返回S1；
[0010]S3，若检测到来访者做出指定行为，则将来访信号发送至独立终端；否则返回S2；
[0011]在所述提示来访者做出指定行为之后，进入来访者响应检测环节，包含两组并列步骤：
[0012]步骤P1、将摄像机采集到的图像同步传送给独立终端上，供终端用户查看；
[0013]步骤P2、启动来访者响应智能检测方法：
[0014]采集一段时间T
′
内的图像数据，作为优选值，取T
′
＝3秒。
[0015]假设上述时间T
′
内共采集了F帧图像，按采集先后顺序记一帧图像为I
f
，f表示采集顺序的下标，f∈{1，2，...，F}；记I
f
(u，v)表示图像I
f
中坐标为(u，v)的一个像素。对应于步骤1中所述的图像分辨率推荐值640*480，u∈{1，2，...，480}，v∈{1，2，...，640}。
[0016]前述F帧图像以像素为单位，构成一个640*480*F维的三维矩阵，记该矩阵为：
[0017]V(u，v，f)，1≤u≤480，1≤v≤640，1≤f≤F，u，v，f为整数
[0018]进一步的，定义V的偏导数如下：
[0019][0020][0021][0022]上述三式中，分别表示矩阵V在三个方向上的偏导数，Δu、Δv、Δf为三个方向上的离散单位增量，在本文中为1；h表示像素取值范围，在本文中为256。同样是三维矩阵。
[0023]定义：
[0024][0025][0026][0027]分别为矩阵的均值。N
V
＝640
×
480
×
f表示三维矩阵中的元素个数。
[0028]定义：
[0029][0030][0031][0032]三式中，分别为矩阵的方差。N
V
的含义
同上。
[0033]如果：
[0034][0035]则判定有人来访，则向独立终端发送来访信号。
[0036]可选的，所述处理方法还包括：选取智能门铃摄像机的视角范围内的任一个矩形子集作为监测区域。
[0037]可选的，设置摄像机按照预设采样帧率周期性的采集图像。
[0038]可选的，所述预设的分析方法是基于神经网络模型的方法，包括：利用神经网络模型对所拍摄的监测区域图像数据进行检测，判断是否有来访者进入监测区域。
[0039]可选的，所述基于神经网络模型方法具体为：
[0040]假设连续采集的每张图像按时间顺序记为I
t
，t表示时间顺序的下标；对应的每个监测区域S
t
，S是I的一个子图。记I
t
(u，v)表示图像I
t
中坐标为(u，v)的一个像素，同理S
t
(u
′
，v
′
)表示图像S
t
中坐标为(u
′
，v
′
)的一个像素。
[0041]定义：
[0042][0043]其中，G表示二维空间上的高斯窗口，σ2表示高斯窗口的空间尺寸，作为优选值取σ＝11，i，j表示在高斯窗口各维度上的空间相对坐标，exp表示指数函数。
[0044]定义对应于S
t
(u
′
，v
′
)的高斯滤波图像A
t
(u
′
，v
′
)：
[0045][0046]其中，G(i，j)表示如式子(1)定义的高斯窗口，符号表示卷积运算。
[0047]进一步，定义对应于S
t
(u
′
，v
′
)的高斯差分图像B
t
(u
′
，v
′
)：
[0048]B
t
(u
′
，v
′
)＝A
t
(u
′
，v
′
)
‑
A
t
‑1(u
′
，v
′
)
[0049]其中，A
t
(u
′
，v
′
)对应于t时刻获得的高斯滤波图像，A
t
‑1(u
′
，v
′
)对应于其前一时刻、即t
‑
1时获得的高斯滤波图像；
[0050]从t+1时刻起，连续采集T张图像，并依次计算其对应的高斯差分图像B
t+1
(u
′
，v
′
)、B
t+2
(u
′
，v
′
)、
…
、B
t+T
(u
′
，v
′
)，作为一组检测数据，输入神经网络模型，神经网络模型根据输入数据输出该时间段内是否有人进入监测区域活动。
[0051]可选的，所述提示来访者做出指定行为包括：自动向来访者发出通知，提示来访者保持特定姿势并维持预设时间。
[0052]本专利技术的第二方面还提供了一种智能门本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无接触门铃来访处理方法，其特征在于，包括：S1，获取监测区域图像数据，S2，根据基于神经网络模型的分析方法分析图像数据，检测是否有来访者进入监测区域；若检测到有来访者进入监测区域，则提示来访者做出指定行为，进入S3；否则返回S1；S3，若检测到来访者做出指定行为，则将来访信号发送至独立终端；否则返回S2；在所述提示来访者做出指定行为之后，进入来访者响应检测环节，包含两组并列步骤：步骤P1、将摄像机采集到的图像同步传送给独立终端上，供终端用户查看；步骤P2、启动来访者响应智能检测方法：采集一段时间T
′
内的图像数据，作为优选值，取T
′
＝3秒；假设上述时间T
′
内共采集了F帧图像，按采集先后顺序记一帧图像为I
f
，f表示采集顺序的下标，f∈{1，2，...，F}；记I
f
(u，v)表示图像I
f
中坐标为(u，v)的一个像素。对应于步骤1中所述的图像分辨率推荐值640*480，u∈{1，2，...，480}，v∈{1，2，...，640}；前述F帧图像以像素为单位，构成一个640*480*F维的三维矩阵，记该矩阵为：V(u，v，f)，1≤u≤480，1≤v≤640，1≤f≤F，u，v，f为整数进一步的，定义V的偏导数如下：进一步的，定义V的偏导数如下：进一步的，定义V的偏导数如下：上述三式中，分别表示矩阵V在三个方向上的偏导数，Δu、Δv、Δf为三个方向上的离散单位增量，在本文中为1；h表示像素取值范围，在本文中为256；同样是三维矩阵；定义：定义：定义：定义：分别为矩阵的均值。N
V
＝640
×
480
×
f表示三维矩阵中的元素个数；
定义：定义：定义：三式中，分别为矩阵的方差。N
V
的含义同上；如果：则判定有人来访，则向独立终端发送来访信号。2.如权利要求1所述的处理方法，其特征在于，所述处理方法还包括：选取智能门铃摄像机的视角范围内的任一个矩形子集作为监测区域。3.如权利要求2所述的处理方法，其特征在于，设置摄像机按照预设采样帧率周期性的采集图像。4.如权利要求1所述的处理方法，其特征在于，所述提示来访者做出指定行为包括：自动向来访者发出通知，提示来访者保持特定姿势并维持预设时间。5.如权利要求1所述的处理方法，其特征在于，所述基于神经网络模型方法具体为：假设连续采集的每张图像按时间顺序记为I
t
，t表示时间顺序的下标；对应的每个监测区域S
t
，S是I的一个子图。记I
t
(u，v)表示图像I
t
中坐标为(u，v)的一个像素，同理S
t
(u
′
，v
′
)表示图像S
t
中坐标为(u
′
...

【专利技术属性】
技术研发人员：靳涵宇，
申请(专利权)人：天目爱视北京科技有限公司，
类型：发明
国别省市：