[发明专利]居住环境中的人脸识别

说明书

一种居住环境的人脸识别系统，其识别位于居住环境中的个人。居住环境包括多个家庭设备，且与包括不同人的群体相关联。人脸识别系统识别群体中的哪一个人是该个人，且基于该个人的身份生成用于家庭设备的操作指令。例如，人脸识别系统采集该个人的头部和面部的图像集，并且将该图像集应用于机器学习模型，该机器学习模型被训练以基于不同人的头部和面部的图像区分不同人。人脸识别系统能够检索所识别的个人的人画像，画像包括家庭设备的用于所识别的个人的设置。人脸识别系统基于个人画像生成操作指令。

背景

1.技术领域

本公开大体涉及在居住环境中使用的新人脸识别框架，并且大体涉及基于所识别的个人的身份控制家庭设备。

2.背景技术

居住环境通常包括多个人和许多家庭设备。这些人通常共享家庭设备，但是每个人都可以有自己的对家庭设备的偏好。例如，一个人可以更喜欢空调较冷些，而另一个人更喜欢空调较暖些。作为另一个示例，一个人可以更喜欢厨房设备烹饪更熟的食物或准备某些类型的饮料，而另一个人则更喜欢不那么熟的食物或不同类型的饮料。

目前，一些家庭设备可以提供用户接口，用户接口允许家庭设备的用户设置其首选设置，并且在每次用户使用家庭设备时恢复该用户的首选设置。但是，通常人每次都必须手动进行该操作。而且，不同的家庭设备可以具有不同的用户接口，且该用户接口可以难以使用，使得人更难以为许多家庭设备设置偏好。

因此，需要改善的与家庭设备的交互以及控制家庭设备的方法。

发明内容

通过使用人脸识别来识别位于居住环境中的个人并且基于该个人的身份控制家庭设备，本公开克服了现有技术的限制。居住环境包括一个或多个家庭设备，且与包括不同人的群体相关联。机器学习模型被训练以区分不同人。当个人位于居住环境中时，机器学习模型基于该个人的头部和面部的图像确定该个人的身份。基于该个人的身份，生成家庭设备的操作指令。

在一些实施例中，居住环境包括人脸识别系统，人脸识别系统使用群体中的人的头部和面部的参考图像训练机器学习模型。在一个实施例中，人的参考图像包括人的头部的六个视图。在另一实施例中，参考图像是基于作为二维图像的人的头部的投影。机器学习模型被训练以基于人的头部和面部的训练图像，区分群体中的不同人。

在操作中，一个或多个摄像机采集包括在居住环境中的个人的头部和面部的一个或多个图像的图像集。这些摄像机可以是家庭设备的部分或者可以是分离的。该个人的图像集被呈现给机器学习模型，该机器学习模型确定该个人的身份。在一个方法中，机器学习模型计算该个人是群体中的每一个人的概率，以及然后基于该概率作出决定。人脸识别系统基于该个人的身份生成用于家庭设备中的一个或多个家庭设备的操作指令。接收操作指令的家庭设备以针对所识别的人定制的模式操作。例如，根据被所识别的人预先选择的设置，操作家庭设备。

机器学习模型还能够识别出，在群体中的人都不是该个人。在识别出没有人是该个人之后，人脸识别系统能够提供用户接口，用户接口允许添加新的人到群体中。

其他方面包括部件、设备、系统、改进、方法、过程、应用、计算机可读介质和与上述中的任一点有关的其他技术。

附图描述

本公开的实施例具有其他优点和特征，当结合附图考虑时，根据以下具体实施方式和所附权利要求，这些优点和特征将容易表现出来。在附图中：

图1是根据本发明包括人脸识别系统的居住环境的框图。

图2A是根据本发明的人脸识别系统的框图。

图2B是示出根据本发明识别位于居住环境中的个人的人脸识别过程的流程图。

图3示出根据本发明的居民的头部和面部的示例参考图像集。

图4示出根据本发明基于图3的参考图像对位于居住环境中的个人的识别。