【技术实现步骤摘要】
本专利技术属于远程控制，具体涉及一种多方协作的远程控制方法、装置及设备。
技术介绍
1、随着工业技术以及通信技术的发展，越来越多的设备实现了在线监测以及在线控制，如某片区域内的用电设备、某个工厂的多个制造设备、某个区域内的供电设备等等。而在现有技术中，常常仅通过用户手持固定的远程遥控器进行控制(或者类似于u盾的设备进行控制)，不仅仅未考虑多方协作控制的问题，导致某些重要的制造设备或者供电设备难以实现有效地控制，仍然只能在线下进行控制，还使远程控制比较麻烦以及控制过程安全性较低，也不能够进行有效地追溯控制记录。
技术实现思路
1、本专利技术提供一种多方协作的远程控制方法、装置及设备，用以解决现有技术中问题不仅仅未考虑多方协作控制的问题，导致某些重要的制造设备或者供电设备难以实现有效地控制，仍然只能在线下进行控制，还使远程控制比较麻烦以及控制过程安全性较低，也不能够进行有效地追溯控制记录的问题。
2、第一方面，本专利技术提供一种多方协作的远程控制方法，包括：
3、获取至少一方用户传输的远程控制请求，并对每一方用户对应的远程控制请求进行第一验证，以获取第一验证结果，所述第一验证结果包括验证通过或者验证不通过；
4、针对任一方用户，当所述第一验证结果为验证不通过时，则拒绝该方用户对应的远程控制请求；当所述第一验证结果为验证通过时，则向通过第一验证对应的用户发送第一验证通过确认信息，并等待用户传输生物身份信息；
5、接收用户传输的生物身份信息，
6、根据多数生物身份匹配结果中的对应的远程控制权限范围以及对应的优先级，对目标区域内的用电设备进行多方协作控制，实现多方协作的远程控制。
7、进一步地，获取至少一方用户传输的远程控制请求，并对每一方用户对应的远程控制请求进行第一验证，以获取第一验证结果，包括：
8、获取至少一方用户传输的远程控制请求，并对远程控制请求进行解析，获取用户对应的数字证书、用户账号以及用户密码；
9、先对用户账号以及用户密码进行匹配，并判断用户账号与用户密码是否匹配成功，若是，则对用户对应的数字证书进行有效性验证，否则判定第一验证结果为验证不通过；
10、判断用户对应的数字证书是否有效，若是，则确定第一验证结果为验证通过，否则确定第一验证结果为验证不通过。
11、进一步地，接收用户传输的生物身份信息，并对生物身份信息进行第二验证，以获取第二验证结果，包括：
12、接收用户传输的生物身份信息，所述生物身份信息至少包括脸部图像和指纹扫描图像中的一种；
13、采用预先部署的生物特征识别模型对生物身份信息进行识别，以获取第二验证结果；
14、其中，预先部署的生物特征识别模型至少包括人脸特征识别模型以及指纹特征识别模型中的一种。
15、进一步地，预先部署的生物特征识别模型的获取方法包括：
16、通过均衡编码策略生成多个卷积神经网络结构，获取编码种群，并获取预先存储于数据库中的训练集以及测试集；所述训练集用于训练，所述测试集用于评价训练效果；
17、通过训练集对编码种群中每个神经网络个体进行训练，并通过测试集评估每个神经网络个体对应的适应度，根据适应度获取多个第一目标神经网络个体；
18、以多个所述第一目标神经网络个体为基础，执行神经网络个体交叉操作，得到多个第二目标神经网络个体；
19、对所述第一目标神经网络个体以及所述第二目标神经网络个体进行调整操作，得到多个第三目标神经网络个体；
20、从第一目标神经网络个体、第二目标神经网络个体以及第三目标神经网络个体混合为新编码种群，并判断是否满足迭代结束条件，若是，则从新编码种群中选择适应度最佳的神经网络个体，得到生物特征识别模型，否则返回第一目标神经网络个体的获取步骤。
21、进一步地，通过均衡编码策略生成多个卷积神经网络结构，获取编码种群，包括：
22、获取预设的第一网络参数阈值、第二网络参数阈值以及第三网络参数阈值，所述第一网络参数阈值、第二网络参数阈值以及第三网络参数阈值分别表示不同网络层对应的最大数量；
23、将一个卷积层作为神经网络个体的输入层，在输入层之后随机添加卷积层或池化层，并同时设置卷积核大小或池化层过滤器大小；
24、当卷积层数量小于第一网络参数阈值以及池化层数量小于第二网络参数阈值时，重复卷积层或池化层的添加步骤，直至卷积层数量到达第一网络参数阈值，且池化层数量到达第二网络参数阈值，得到初始网络结构；其中，添加过程中，若卷积层数量到达第一网络参数阈值，则后续仅添加池化层；若池化层数量到达第二网络参数阈值，则后续仅添加卷积层；
25、在每个卷积层之后添加一个批归一化层，并在添加批归一化层之后，添加与第三网络参数阈值相同数量的全连接层，在最后一个全连接层之后添加一个dropout层，得到神经网络个体；
26、重复获取多个神经网络个体，并对每个神经网络个体的参数进行编码，得到编码种群；
27、其中，对每个神经网络个体的参数进行编码，包括：对卷积层的参数编码、池化层的参数编码以及全连接层的参数编码。
28、进一步地，以多个所述第一目标神经网络个体为基础，执行神经网络个体交叉操作，得到多个第二目标神经网络个体，包括：
29、针对每一个第一目标神经网络个体，获取第一目标神经网络个体中的卷积层序列、池化层序列以及全连接层序列；其中，所述卷积层序列用于表征将第一目标神经网络个体中卷积层按照先后顺序放置得到的序列，所述池化层序列用于表征将第一目标神经网络个体中池化层按照先后顺序放置得到的序列，所述全连接层序列用于表征将第一目标神经网络个体中全连接层按照先后顺序放置得到的序列；
30、针对每一个第一目标神经网络个体，确定其他的第一目标神经网络个体中随机确定一个匹配个体，并将第一目标神经网络个体与匹配个体的卷积层序列、池化层序列以及全连接层序列两两对齐；
31、针对对齐之后的卷积层序列，随机确定至少一个交换位置，并将交换位置对应的元素交换；针对对齐之后的池化层序列，随机确定至少一个交换位置，并将交换位置对应的元素交换；针对对齐之后的全连接层序列，随机确定至少一个交换位置，并将交换位置对应的元素交换，得到两个第二目标神经网络个体。
32、进一步地，对所述第一目标神经网络个体以及所述第二目标神经网络个体进行调整操作，得到多个第三目标神经网络个体，包括：
33、对待调整个体对应的网络层进行增加、对待调整个体对应的网络层进行删除或对待调整个体对应的网络层参数进行修改，得到第三目标神经网络个体；
34、其中，所述待调整个体本文档来自技高网...
【技术保护点】
1.一种多方协作的远程控制方法，其特征在于，包括：
2.根据权利要求1所述的多方协作的远程控制方法，其特征在于，获取至少一方用户传输的远程控制请求，并对每一方用户对应的远程控制请求进行第一验证，以获取第一验证结果，包括：
3.根据权利要求2所述的多方协作的远程控制方法，其特征在于，接收用户传输的生物身份信息，并对生物身份信息进行第二验证，以获取第二验证结果，包括：
4.根据权利要求3所述的多方协作的远程控制方法，其特征在于，预先部署的生物特征识别模型的获取方法包括：
5.根据权利要求4所述的多方协作的远程控制方法，其特征在于，通过均衡编码策略生成多个卷积神经网络结构，获取编码种群，包括：
6.根据权利要求5所述的多方协作的远程控制方法，其特征在于，以多个所述第一目标神经网络个体为基础，执行神经网络个体交叉操作，得到多个第二目标神经网络个体，包括：
7.根据权利要求6所述的多方协作的远程控制方法，其特征在于，对所述第一目标神经网络个体以及所述第二目标神经网络个体进行调整操作，得到多个第三目标神经网络个体，包括：
8.根据权利要求7所述的多方协作的远程控制方法，其特征在于，根据多数生物身份匹配结果中的对应的远程控制权限范围以及对应的优先级，对目标区域内的用电设备进行多方协作控制，包括：
9.一种多方协作的远程控制装置，其特征在于，包括第一验证模块、验证反馈模块、第二验证模块以及多方协作控制模块；
10.一种多方协作的远程控制设备，其特征在于，包括：存储器和处理器，所述存储器与处理器之间通过总线相互连接；
...【技术特征摘要】
1.一种多方协作的远程控制方法，其特征在于，包括：
2.根据权利要求1所述的多方协作的远程控制方法，其特征在于，获取至少一方用户传输的远程控制请求，并对每一方用户对应的远程控制请求进行第一验证，以获取第一验证结果，包括：
3.根据权利要求2所述的多方协作的远程控制方法，其特征在于，接收用户传输的生物身份信息，并对生物身份信息进行第二验证，以获取第二验证结果，包括：
4.根据权利要求3所述的多方协作的远程控制方法，其特征在于，预先部署的生物特征识别模型的获取方法包括：
5.根据权利要求4所述的多方协作的远程控制方法，其特征在于，通过均衡编码策略生成多个卷积神经网络结构，获取编码种群，包括：
6.根据权利要求5所述的多方协作的远程控制方法，其特征在于...
【专利技术属性】
技术研发人员：杜纪龙，张伟，李瑞辉，任杰，荣国栋，鲁永成，常竹青，马文禹，高钊，
申请(专利权)人：中电云科信息技术有限公司，
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。