【技术实现步骤摘要】
本专利技术涉及身份识别，尤其涉及一种用户身份识别方法及装置。
技术介绍
1、随着床垫的智能化发展，部分智能床垫已经实现了生理参数数据（心率、呼吸、体动等）监测以及部分私人定制化的功能（特定的床头倾斜角度、床尾倾斜角度、按摩模式等）。然而，在多人使用同一张床的场景下，需要快速及有效地进行用户身份的识别，方能确定睡眠相关数据的所属用户，从而确定该用户关联的私人定制化功能。
2、目前，常用的身份识别技术主要依据指纹、声纹、dna以及部分生理特征，其中，通过指纹、声纹和dna等技术虽然可以十分准确的对用户身份进行识别，但相关技术的使用均有一定的设备要求和使用场景限制。例如，指纹识别需要通过光学传感器和电容传感器等获取用户指纹信息，整个采集过程需要用户主动配合且对传感器的精度要求较高。为了降低对设备硬件要求、减小设备功耗及识别功能的资源占用，人体的生理特征也是广泛使用的方法之一，例如，用户的身高、体重和生理参数（心率、呼吸、心率变异性等特征），虽然该方法基本上可以满足身份识别的要求，但是对用户身份识别的准确性较低。
技术实现思路
1、本专利技术提供一种用户身份识别方法及装置，旨在解决对用户身份识别的准确性较低的技术问题。
2、本专利技术提供一种用户身份识别方法，包括：
3、获取目标对象在当前时间的压力图数据；
4、基于所述压力图数据，对所述目标对象进行姿势识别，得到睡姿识别结果；
5、若所述睡姿识别结果符合预设的睡姿信息，则基于所述
6、基于各所述特征节点信息以及各个预存用户的特征数组，确定所述目标对象的用户身份；
7、所述基于所述压力图数据，对所述目标对象进行姿势识别，得到睡姿识别结果之前，还包括：
8、基于所述当前时间的压力图数据和历史时间段的压力图数据，确定智能床垫上各个位置点在任一相邻时间内的压力数据差值；
9、基于各所述位置点在任一相邻时间内压力数据差值对应的绝对值，确定所述任一相邻时间的绝对值叠加结果和最大绝对值；
10、基于所述任一相邻时间的绝对值叠加结果和最大绝对值，判断所述当前时间的压力图数据是否处于稳定状态；
11、若是处于稳定状态，则执行所述基于所述压力图数据，对所述目标对象进行姿势识别，得到睡姿识别结果的步骤。
12、根据本专利技术提供的一种用户身份识别方法，所述基于各所述特征节点信息以及各个预存用户的特征数组，确定所述目标对象的用户身份，包括：
13、基于各所述特征节点信息，确定特征节点之间的距离；
14、基于所述特征节点之间的距离，形成所述目标对象的目标特征数组；
15、分别计算所述目标特征数组与各所述预存用户的特征数组之间的匹配系数；
16、基于各所述匹配系数，确定所述目标对象的用户身份。
17、根据本专利技术提供的一种用户身份识别方法，所述分别计算所述目标特征数组与各所述预存用户的特征数组之间的匹配系数，包括：
18、对于任一预存用户的特征数组：
19、基于所述目标特征数组，计算得到第一特征均值；
20、基于所述预存用户的特征数组，计算得到第二特征均值；
21、基于所述目标特征数组、所述预存用户的特征数组、所述第一特征均值以及所述第二特征均值，计算得到所述目标特征数组与所述预存用户的特征数组之间的相关系数；
22、确定所述目标特征数组中各个距离与所述预存用户的特征数组中各个距离之间的差值；
23、基于所述相关系数以及各所述差值，计算得到所述目标对象与所述预存用户之间的匹配系数。
24、根据本专利技术提供的一种用户身份识别方法，所述基于各所述匹配系数，确定所述目标对象的用户身份，包括：
25、在各所述匹配系数中选取数值最大的目标匹配系数；
26、将所述目标匹配系数与预设系数阈值进行比较；
27、若所述目标匹配系数大于所述预设系数阈值，则确定所述目标对象的用户身份是所述目标匹配系数对应的预存用户。
28、根据本专利技术提供的一种用户身份识别方法，所述基于所述压力图数据，对所述目标对象进行姿势识别，得到睡姿识别结果，包括：
29、对所述压力图数据进行高斯滤波处理，得到目标压力图数据；
30、对所述目标压力图数据进行边缘提取，得到所述目标对象的边缘信息；
31、对所述边缘信息进行睡姿分类，得到所述睡姿识别结果。
32、根据本专利技术提供的一种用户身份识别方法，所述若所述睡姿识别结果符合预设的睡姿信息，则基于所述压力图数据，对所述目标对象进行特征节点提取，得到多个特征节点信息，包括：
33、若所述睡姿识别结果符合预设的睡姿信息，则将所述压力图数据输入至预先构建的目标检测模型，以利用所述目标检测模型对所述目标对象进行特征节点提取，得到所述目标检测模型输出的多个特征节点信息；
34、其中，所述目标检测模型是基于预先收集的若干个历史压力图数据以及每一所述历史压力图数据对应的特征节点的位置信息训练得到。
35、根据本专利技术提供的一种用户身份识别方法，所述将所述压力图数据输入至预先构建的目标检测模型，以利用所述目标检测模型对所述目标对象进行特征节点提取，得到所述目标检测模型输出的多个特征节点信息，包括：
36、利用第一卷积层对所述压力图数据进行卷积处理，得到第一卷积处理结果；
37、利用第二卷积层对所述第一卷积处理结果进行卷积处理，得到第二卷积处理结果；
38、利用第三卷积层和第四卷积层分别对所述第二卷积处理结果进行卷积处理，得到第三卷积处理结果和第四卷积处理结果；
39、利用第五卷积层对所述第三卷积处理结果进行卷积处理，得到第五卷积处理结果；
40、对所述第四卷积处理结果进行下采样，以将下采样结果与所述第三卷积处理结果进行融合，得到第一融合结果；
41、对所述第三卷积处理结果进行上采样，以将上采样结果与所述第四卷积处理结果进行融合，得到第二融合结果；
42、利用第一残差块对所述第五卷积处理结果进行残差处理，得到第一残差处理结果；
43、利用第二残差块对所述第一融合结果进行残差处理，得到第二残差处理结果；
44、利用第三残差块对所述第二融合结果进行残差处理，得到第三残差处理结果；
45、分别对所述第二残差处理结果和所述第三残差处理结果进行下采样处理，以将所述第一残差处理结果和下采样后的第二残差处理结果和第三残差处理结果进行融合处理，得到第三融合结果；
46、对所述第一残差处理结果进行上采样处理以及所述第三残差处理结果进行下采样处理，以将所述第二残差处理结果、上采样后的第一残差处理结果和下采样后的第三残差处理结果进行融合处理，得到第四融本文档来自技高网...
【技术保护点】
1.一种用户身份识别方法，其特征在于，包括：
2.根据权利要求1所述的用户身份识别方法，其特征在于，所述基于各所述特征节点信息以及各个预存用户的特征数组，确定所述目标对象的用户身份，包括：
3.根据权利要求2所述的用户身份识别方法，其特征在于，所述分别计算所述目标特征数组与各所述预存用户的特征数组之间的匹配系数，包括：
4.根据权利要求2所述的用户身份识别方法，其特征在于，所述基于各所述匹配系数，确定所述目标对象的用户身份，包括：
5.根据权利要求1所述的用户身份识别方法，其特征在于，所述基于所述压力图数据，对所述目标对象进行姿势识别，得到睡姿识别结果，包括：
6.根据权利要求1所述的用户身份识别方法，其特征在于，所述特征节点信息包括头部位置信息、右肩胛骨位置信息、左肩胛骨位置信息、右手肘关节位置信息、左手肘关节位置信息、右手掌位置信息、左手掌位置信息、右臀部位置信息、左臀部位置信息、右腿膝盖位置信息、左腿膝盖位置信息、右脚位置信息和左脚位置信息。
7.根据权利要求1所述的用户身份识别方法，其特征在于，所述若
8.根据权利要求7所述的用户身份识别方法，其特征在于，所述将所述压力图数据输入至预先构建的目标检测模型，以利用所述目标检测模型对所述目标对象进行特征提取，得到所述目标检测模型输出的多个特征节点信息，包括：
9.一种用户身份识别装置，其特征在于，包括：
...【技术特征摘要】
1.一种用户身份识别方法，其特征在于，包括：
2.根据权利要求1所述的用户身份识别方法，其特征在于，所述基于各所述特征节点信息以及各个预存用户的特征数组，确定所述目标对象的用户身份，包括：
3.根据权利要求2所述的用户身份识别方法，其特征在于，所述分别计算所述目标特征数组与各所述预存用户的特征数组之间的匹配系数，包括：
4.根据权利要求2所述的用户身份识别方法，其特征在于，所述基于各所述匹配系数，确定所述目标对象的用户身份，包括：
5.根据权利要求1所述的用户身份识别方法，其特征在于，所述基于所述压力图数据，对所述目标对象进行姿势识别，得到睡姿识别结果，包括：
6.根据权利要求1所述的用户身份识别方法，其特征在于，所述特征节点...
【专利技术属性】
技术研发人员：孙小玄，吴鄂，金元，
申请(专利权)人：爱梦睡眠珠海智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。