[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在审

专利信息
申请号: 202010561476.8 申请日: 2020-06-18
公开(公告)号: CN111807173A 公开(公告)日: 2020-10-23
发明(设计)人: 李建超 申请(专利权)人: 浙江大华技术股份有限公司
主分类号: B66B1/14 分类号: B66B1/14;B66B1/34;B66B5/00;G06K9/00;G10L15/22
代理公司: 深圳市威世博知识产权代理事务所(普通合伙) 44280 代理人: 黎坚怡
地址: 310051 浙江*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 深度 学习 电梯 控制 方法 电子设备 存储 介质
【说明书】:

本申请公开了一种基于深度学习的电梯控制方法、电子设备及存储介质。该方法包括:获取乘客通过语音输入的控制指令;将语音转换为时频图像;将时频图像输入语音识别网络,以得到时频图像的识别结果;根据时频图像的识别结果来控制电梯运行。通过上述方式,本申请能够自动控制电梯运行。

技术领域

本申请涉及数据处理领域,特别是涉及一种基于深度学习的电梯控制方法、电子设备及存储介质。

背景技术

日常生活中,当想要乘坐电梯时,往往需要手动触发电梯按钮来控制电梯运行,这会为乘客带来很多困扰。例如,乘客手没空、当前乘客较多时、乘客为儿童或残疾人时不方便用手触发电梯按钮,或者病毒肆虐传播,如果用手按电梯按钮会无意间使得细菌病毒传播,出现交叉感染的情况。因此,现有技术中控制电梯运行的方式不够完善。

发明内容

本申请提供一种基于深度学习的电梯控制方法、电子设备及存储介质,能够解决现有技术中控制电梯运行的方式不够完善的问题。

为解决上述技术问题,本申请采用的一个技术方案是:提供一种基于深度学习的电梯控制方法,该方法包括:获取乘客通过语音输入的控制指令;将语音转换为时频图像;将时频图像输入语音识别网络,以得到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。

为解决上述技术问题,本申请采用的另一个技术方案是:提供一种电子设备,该电子设备设备包括处理器、与处理器连接的存储器,其中,存储器存储有程序指令,处理器用于执行存储器存储的程序指令以实现前述的方法。

为解决上述技术问题,本申请采用的再一个技术方案是:提供一种存储介质,存储有程序指令,程序指令被执行时可以实现前述的方法。

本申请的有益效果是:在接收到乘客通过语音输入的控制指令后,可以先将该语音转换成时频图像,用语音识别网络对该时频图像进行识别,识别结果为成功时代表该乘客通过了语音验证,具有乘坐当前电梯的权限,因此执行该控制指令,以控制电梯运行,从而能够在乘客无需手动接触电梯按钮的情况下满足其乘坐电梯的需求。

附图说明

图1是本申请基于深度学习的电梯控制方法方法第一实施例的流程示意图;

图2是本申请语音识别网络训练方法一实施例的流程示意图;

图3是本申请语音识别网络一实施例的结构示意图;

图4是本申请基于深度学习的电梯控制方法方法第二实施例的流程示意图;

图5是本申请人脸识别模块一实施例的结构示意图;

图6是本申请人脸识别模块训练方法的流程示意图;

图7是本申请人脸识别网络一实施例的结构示意图;

图8是本申请基于深度学习的电梯控制方法方法第三实施例的流程示意图;

图9是本申请电子设备一实施例的结构示意图;

图10是本申请存储介质一实施例的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。

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浙江大华技术股份有限公司,未经浙江大华技术股份有限公司许可,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/202010561476.8/2.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