[发明专利]基于深度学习的电梯控制方法、电子设备及存储介质

权利要求书

1.一种基于深度学习的电梯控制方法，其特征在于，包括：

获取乘客通过语音输入的控制指令；

将所述语音转换为时频图像；

将所述时频图像输入语音识别网络，以得到所述时频图像的识别结果；

根据所述时频图像的识别结果来控制电梯运行。

2.根据权利要求1所述的方法，其特征在于，获取乘客通过语音输入的控制指令之前，所述方法包括：

获取乘客图像；

将所述乘客图像输入人脸识别模块，以得到所述乘客图像的人脸特征；

将所述人脸特征与预存的多个人脸特征进行匹配；

若匹配成功，则执行所述获取乘客通过语音输入的控制指令的步骤；

若未匹配成功，则不执行所述获取乘客通过语音输入的控制指令的步骤。

3.根据权利要求1所述的方法，其特征在于，所述根据所述时频图像的识别结果来控制电梯运行之前，所述方法包括：

获取乘客图像；

将所述乘客图像输入人脸识别模块，以得到所述乘客图像的人脸特征；

将所述人脸特征与预存的多个人脸特征进行匹配；

若匹配成功，则执行所述根据所述时频图像的识别结果来控制电梯运行的步骤；

若未匹配成功，则不执行所述根据所述时频图像的识别结果来控制电梯运行的步骤。

4.根据权利要求2或3所述的方法，其特征在于，所述人脸识别模块包括：

识别单元，用于提取所述乘客图像的人脸特征；

分类单元，用于计算所述人脸特征与预存的多个人脸特征之间的相似度以得到目标特征，还用于判断所述目标特征与所述人脸特征之间的所述相似度是否大于相似度阈值，以得到所述人脸特征的匹配结果，其中所述目标特征为与所述人脸特征之间的所述相似度最高的所述预设的人脸特征。

5.根据权利要求4所述的方法，其特征在于，所述识别单元为人脸识别网络，所述方法进一步包括：

训练所述人脸识别网络。

6.根据权利要求5所述的方法，其特征在于，所述训练所述人脸识别网络包括：

获取所述图像训练集，所述图像训练集中包括多张人脸图像；

将所述图像训练集输入所述人脸识别网络，以得到第一损失值；

根据所述第一损失值调整所述人脸识别网络的参数。

7.根据权利要求6所述的方法，其特征在于，所述人脸识别网络包括人脸特征层、人脸分类层和第一损失层，

人脸特征层用于提取所述人脸图像的人脸特征，人脸分类层用于对所述人脸特征进行分类，所述第一损失层用于计算所述第一损失值，其中，所述第一损失值的计算公式如下：

其中，L_i表示第i张所述人脸图像的第一损失值，x_i∈R^d表示第i张所述人脸图像的人脸特征，y_i表示第i张所述人脸图像的类别标签，W_j表示所述人脸特征层与所述人脸分类层之间的权重的第j列，b_i表示偏置项，n表示所述图像训练集中所述人脸图像的类别数，m表示决策边缘。

8.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：

训练所述语音识别网络。

9.根据权利要求8所述的方法，其特征在于，所述训练所述语音识别网络包括：

获取语音训练集，所述语音训练集中包括多帧所述语音对应的时频图像；

将所述语音训练集输入所述语音识别网络，以得到第二损失值；

根据所述第二损失值调整所述语音识别网络的参数。

10.一种电子设备，其特征在于，包括处理器、与所述处理器连接的存储器，其中，

所述存储器存储有程序指令；

所述处理器用于执行所述存储器存储的所述程序指令以实现权利要求1-9中任一项所述的方法。

11.一种存储介质，其特征在于，所述存储介质存储程序指令，所述程序指令被执行时实现如权利要求1-9中任一项所述的方法。