[发明专利]用电安全预警方法及装置在审

专利信息
申请号: 201811430176.5 申请日: 2018-11-27
公开(公告)号: CN109492611A 公开(公告)日: 2019-03-19
发明(设计)人: 席亚飞 申请(专利权)人: 电卫士智能电器(北京)有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06Q50/06;H04N7/18
代理公司: 北京超凡志成知识产权代理事务所(普通合伙) 11371 代理人: 邓超
地址: 100176 北京市北京经济技术开*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 个人专属 人员图像 用电限制 用电安全 摄像头 用电设备 阀门 预警 嵌入式设备 摄像头采集 结果获得 人脸识别 用户用电 采集 监控 申请 应用 安全
【权利要求书】:

1.一种用电安全预警方法,应用于一嵌入式设备,其特征在于,所述方法包括:

当一用户开启用电设备的用电阀门时,获得摄像头采集的人员图像;所述摄像头设置在用电阀门附近;

根据所述人员图像进行人脸识别,获得识别结果;

根据所述识别结果获得所述人员图像对应的个人专属用电限制规范;所述个人专属用电限制规范用于表征所述用户用电操作的安全范围;

判断所述用电设备的用电情况是否符合所述个人专属用电限制规范。

2.根据权利要求1所述的用电安全预警方法,其特征在于,所述的根据所述人员图像进行人脸识别,获得识别结果,包括:

将所述人员图像输入预设的神经网络模型获得外形特征图;

判断所述外形特征图是否与预设的权限人员数据库中的一权限人信息匹配,获得识别结果。

3.根据权利要求2所述的用电安全预警方法,其特征在于,所述的将所述人员图像输入预设的神经网络模型获得外形特征图,包括:

将所述人员图像输入预设的神经网络模型,对所述人员图像进行卷积运算,获得初始特征图;

对所述初始特征图进行大面积池化运算获得轮廓特征图和进行小面积池化运算获得面部特征图;其中,外形特征图包括:所述轮廓特征图和对应的所述面部特征图。

4.根据权利要求3所述的用电安全预警方法,其特征在于,所述的判断所述外形特征图是否与预设的权限人员数据库中的一权限人信息匹配,获得外形匹配结果,包括:

根据所述外形特征图的轮廓特征图,获得所述人员的性别信息;

根据所述性别信息,从所述权限人员数据库中读取出同性别权限人名单;其中,所述同性别权限人名单中的任一权限人信息的性别信息与所述性别信息相同;

判断所述面部特征图是否与所述权限人员数据库中的一权限人信息匹配,获得所述外形匹配结果。

5.根据权利要求4所述的用电安全预警方法,其特征在于,在所述的根据所述人员图像进行人脸识别,判断出所述人员是否拥有开启所述用电阀门的权限,之后还包括:

若所述用电设备的用电情况是否符合所述个人专属用电限制规范不符合,向嵌入式设备发送用电安全警报。

6.一种用电安全预警装置,其特征在于,包括:第一获得模块、第二获得模块、第三获得模块和判断模块;

所述第一获得模块,用于当一用户开启用电设备的用电阀门时,获得摄像头采集的人员图像;所述摄像头设置在用电阀门附近;

所述第二获得模块,用于根据所述人员图像进行人脸识别,获得识别结果;

所述第三获得模块,用于根据所述识别结果获得所述人员图像对应的个人专属用电限制规范;所述个人专属用电限制规范用于表征所述用户用电操作的安全范围;

所述判断模块,用于判断所述用电设备的用电情况是否符合所述个人专属用电限制规范。

7.根据权利要求6所述的用电安全预警装置,其特征在于,所述第二获得模块包括:特征提取单元和判断单元;

所述特征提取单元,用于将所述人员图像输入预设的神经网络模型获得外形特征图;

所述判断单元,用于判断所述外形特征图是否与预设的权限人员数据库中的一权限人信息匹配,获得识别结果。

8.根据权利要求7所述的用电安全预警装置,其特征在于,所述特征提取单元包括:第一特征提取子单元、第二特征提取子单元和第三特征提取子单元;

所述第一特征提取子单元,用于将所述人员图像输入预设的神经网络模型,对所述人员图像进行卷积运算,获得初始特征图;

所述第二特征提取子单元,用于对所述初始特征图进行大面积池化运算获得轮廓特征图;

所述第三特征提取子单元,用于对所述初始特征图进行小面积池化运算获得面部特征图;其中,外形特征图包括:所述轮廓特征图和对应的所述面部特征图。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于电卫士智能电器(北京)有限公司,未经电卫士智能电器(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811430176.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top