CN115564829A - 对象识别定位方法、装置、电子设备及存储介质 - Google Patents
对象识别定位方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115564829A CN115564829A CN202211145295.2A CN202211145295A CN115564829A CN 115564829 A CN115564829 A CN 115564829A CN 202211145295 A CN202211145295 A CN 202211145295A CN 115564829 A CN115564829 A CN 115564829A
- Authority
- CN
- China
- Prior art keywords
- image
- heart rate
- recognized
- information
- identified
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/0507—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves using microwaves or terahertz waves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Cardiology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Physiology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种对象识别定位方法、装置、电子设备及存储介质,方法先获取第一待识别图像,从第一待识别图像中识别出各个第一对象的特征信息;然后通过毫米波心率监测单元获取第一待识别图像内的各个第一对象的心率信息;将预设的先验知识与第一待识别图像中的各个第一对象的特征信息、心率信息输入至预设的神经网络进行检测;当检测到第一待识别图像中包括与先验知识匹配的第一对象,将与先验知识匹配的第一对象作为目标对象;通过毫米波心率监测单元确定目标对象的位置。如此,本申请实施例的对象识别定位方法能够从第一待识别图像中确定目标对象,并能通过毫米波心率监测单元确定目标对象的位置。
Description
技术领域
本申请涉及识别定位技术领域,特别涉及一种对象识别定位方法、装置、电子设备及存储介质。
背景技术
随着医院护工人力成本加重,以及人工智能技术快速发展,人工智能技术已应用于病人监护领域,在节省人力的同时提高监护服务水平。监护人员需要照顾人通常较多,难以长时间陪伴在病人身边,而通过监控***能够对病人进行监控。但是,在医院中,通常包括多个病人,并且病人会走动,相关技术中的监控***难以对多个病人进行识别以及定位。
发明内容
本申请旨在至少解决现有技术中存在的技术问题之一。为此,本申请提出一种对象识别定位方法、装置、电子设备及存储介质,能够识别目标对象,并确定目标对象的位置。
根据本申请的第一方面实施例的对象识别定位方法,包括:
获取第一待识别图像;其中,所述第一待识别图像包括至少一个第一对象;
从所述第一待识别图像中识别出各个所述第一对象的特征信息;
通过毫米波心率监测单元获取所述第一待识别图像内的各个所述第一对象的心率信息;
将预设的先验知识与所述第一待识别图像中的各个所述第一对象的所述特征信息、所述心率信息输入至预设的神经网络进行检测;
当检测到所述第一待识别图像中包括与所述先验知识匹配的所述第一对象,将与所述先验知识匹配的所述第一对象作为目标对象;
通过所述毫米波心率监测单元确定所述目标对象的位置。
根据本申请实施例的对象识别定位方法,至少具有如下有益效果:本申请实施例的对象识别定位方法,先获取第一待识别图像,第一待识别图像包括至少一个第一对象,从第一待识别图像中识别出各个第一对象的特征信息;然后通过毫米波心率监测单元获取第一待识别图像内的各个第一对象的心率信息;将预设的先验知识与第一待识别图像中的各个第一对象的特征信息、心率信息输入至预设的神经网络进行检测;当检测到第一待识别图像中包括与先验知识匹配的第一对象,将与先验知识匹配的第一对象作为目标对象;根据毫米波心率监测单元确定目标对象的位置。如此,本申请实施例的对象识别定位方法能够从第一待识别图像中确定目标对象,并能通过毫米波心率监测单元确定目标对象的位置。
根据本申请第一方面的一些实施例,所述通过毫米波心率监测单元获取所述第一待识别图像内的各个所述第一对象的心率信息,包括:
通过毫米波心率监测单元获取所述第一待识别图像对应的雷达图像,以及所述雷达图像内每个对象的心率信息;
根据所述雷达图像、所述第一待识别图像,确定各个所述第一对象对应的心率信息。
根据本申请第一方面的一些实施例,在所述将预设的先验知识与所述第一待识别图像中的各个所述第一对象的所述特征信息、所述心率信息输入至预设的神经网络进行检测之后,还包括:
当检测到所述第一待识别图像中的每个所述第一对象均与所述先验知识不匹配,则获取第二待识别图像;其中,所述第一待识别图像包括至少一个第二对象;
从所述第二待识别图像中识别出各个所述第二对象的所述特征信息;
通过所述毫米波监测模块获取所述第二待识别图像内的各个所述第二对象的所述心率信息;
将所述先验知识与所述第二待识别图像中的各个所述第二对象的所述特征信息、所述心率信息输入至所述神经网络进行检测;
当检测到所述第二待识别图像中包括与所述先验知识匹配的所述第二对象,将与所述先验知识匹配的所述第二对象作为所述目标对象。
根据本申请第一方面的一些实施例,所述特征信息包括病床信息、位姿信息、精神状态信息、服饰信息。
根据本申请第一方面的一些实施例,在所述根据所述毫米波心率监测单元确定所述目标对象的位置之后,还包括:
接收局部特征拍摄指令,根据所述局部特征拍摄指令对所述目标对象的局部特征进行拍摄。
根据本申请第一方面的一些实施例,所述预设的神经网络为训练好的卷积神经网络或训练好的循环神经网络或训练好的深度神经网络。
根据本申请第一方面的一些实施例,所述获取第一待识别图像,包括:
通过全景相机获取所述第一待识别图像;其中,所述第一待识别图像为全景图像。
第二方面,本申请实施例提供了一种对象识别定位装置,所述装置包括:
图像获取模块,所述图像获取模块用于获取第一待识别图像;其中,所述第一待识别图像包括至少一个第一对象
识别模块,所述识别模块用于从所述第一待识别图像中识别出各个所述第一对象的特征信息;
心率信息获取模块,所述心率信息获取模块用于通过毫米波心率监测单元获取所述第一待识别图像内的各个所述第一对象的心率信息;
检测模块,所述检测模块用于:
将预设的先验知识与所述第一待识别图像中的各个所述第一对象的所述特征信息、所述心率信息输入至预设的神经网络进行检测;
当检测到所述第一待识别图像中包括与所述先验知识匹配的所述第一对象,将与所述先验知识匹配的所述第一对象作为目标对象;
位置确定模块,所述位置确定模块用于通过所述毫米波心率监测单元确定所述目标对象的位置。
第三方面,本申请实施例提供了一种电子设备,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现本申请第一方面任一项所述的对象识别定位方法。
第四方面,一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现本申请第一方面实施例任一项所述的对象识别定位方法。
本申请的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
下面结合附图和实施例对本申请做进一步的说明,其中:
图1为本申请实施例的对象识别定位方法的流程示意图;
图2为本申请一些实施例的对象识别定位方法的子流程的示意图;
图3为本申请一些实施例的对象识别定位方法的子流程的示意图;
图4为本申请一些实施例的对象识别定位方法的子流程的示意图;
图5为本申请一些实施例的对象识别定位方法的子流程的示意图;
图6为本申请一些实施例的对象识别定位装置的示意图;
图7为本申请一些实施例的电子设备的装置示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能理解为对本申请的限制。
在本申请的描述中,需要理解的是,涉及到方位描述,例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
在本申请的描述中,若干的含义是一个以上,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本申请的描述中,除非另有明确的限定,设置、安装、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本申请中的具体含义。
本申请的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
可以理解的是,随着医院护工人力成本加重,以及人工智能技术快速发展,人工智能技术已应用于病人监护领域,在节省人力的同时提高监护服务水平。监护人员需要照顾人通常较多,难以长时间陪伴在病人身边,而通过监控***能够对病人进行监控。但是,在医院中,通常包括多个病人,并且病人会走动,相关技术中的监控***难以对多个病人进行识别以及定位。虽然也有技术能够对病人进行识别以及定位,但是相关技术中的识别精度较低。
基于此,本申请实施例提供了一种对象识别定位方法、装置、电子设备及存储介质,能够识别目标对象,并确定目标对象的位置。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互***、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请实施例提供的对象识别定位方法,涉及人工智能技术领域。本申请实施例提供的对象识别定位法可应用于终端中,也可应用于服务器端中,还可以是运行于终端或服务器端中的软件。在一些实施例中,终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等;服务器端可以配置成独立的物理服务器,也可以配置成多个物理服务器构成的服务器集群或者分布式***,还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN以及大数据和人工智能平台等基础云计算服务的云服务器;软件可以是实现对象识别定位方法的应用等,但并不局限于以上形式。
本申请可用于众多通用或专用的计算机***环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器***、基于微处理器的***、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何***或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
需要说明的是,在本申请的各个具体实施方式中,当涉及到需要根据用户信息、用户图像、用户行为数据,用户历史数据以及用户位置信息等与用户身份或特性相关的数据进行相关处理时,都会先获得用户的许可或者同意,而且,对这些数据的收集、使用和处理等,都会遵守相关国家和地区的相关法律法规和标准。此外,当本申请实施例需要获取用户的敏感个人信息时,会通过弹窗或者跳转到确认页面或其他方式获得用户的单独许可或者单独同意,在明确获得用户的单独许可或者单独同意之后,再获取用于使本申请实施例能够正常运行的必要的用户相关数据。
第一方面,参照图1,图1为本申请实施例提供的对象识别定位方法的流程图。本申请实施例的对象识别定位方法可以包括但不限于步骤S110、步骤S120、步骤S130、步骤S140、步骤S150和步骤S160。
步骤S110,获取第一待识别图像;其中,第一待识别图像包括至少一个第一对象;
步骤S120,从第一待识别图像中识别出各个第一对象的特征信息;
步骤S130,通过毫米波心率监测单元获取第一待识别图像内的各个第一对象的心率信息;
步骤S140,将预设的先验知识与第一待识别图像中的各个第一对象的特征信息、心率信息输入至预设的神经网络进行检测;
步骤S150,当检测到第一待识别图像中包括与先验知识匹配的第一对象,将与先验知识匹配的第一对象作为目标对象;
步骤S160,通过毫米波心率监测单元确定目标对象的位置。
本申请实施例的对象识别定位方法,先获取第一待识别图像,第一待识别图像包括至少一个第一对象,从第一待识别图像中识别出各个第一对象的特征信息;然后通过毫米波心率监测单元获取第一待识别图像内的各个第一对象的心率信息;将预设的先验知识与第一待识别图像中的各个第一对象的特征信息、心率信息输入至预设的神经网络进行检测;当检测到第一待识别图像中包括与先验知识匹配的第一对象,将与先验知识匹配的第一对象作为目标对象;通过毫米波心率监测单元确定目标对象的位置。如此,本申请实施例的对象识别定位方法能够从第一待识别图像中确定目标对象,并能通过毫米波心率监测单元确定目标对象的位置。
需要说明的是,本申请实施例的对象识别定位方法可以应用于医院的移动查房车***中,例如,移动查房车***设有相机和毫米波心率监测单元,通过相机获取第一待识别图像,然后通过毫米波心率监测单元获取第一待识别图像内的各个第一对象的心率信息;将第一待识别图像中的各个第一对象的特征信息、心率信息以及预设的先验知识输入至预设的神经网络进行检测;当检测到第一待识别图像中包括与先验知识匹配的第一对象,将与先验知识匹配的第一对象作为目标对象;根据毫米波心率监测单元确定目标对象的位置,因此移动查房产***可以对目标对象进行跟踪拍摄,并能够控制变焦功能,可以对目标对象进行细节放大拍摄,并且移动查房车***还设有显示器,通过显示器显示目标对象的相关图像,并且可以通过互联网将图像传输至相关医护人员的终端中。需要说明的是,本申请实施例的对象识别定位方法还可以应用于远程会诊推出***、移动护理推车***或其他医疗设备***中。值得注意的是,除了医疗场景,本申请实施例的对象识别定位方法还可以应用于公安审讯、银行监控等场景。需要说明的是,先验知识能够表征目标对象。
需要说明的是,在步骤S160中,毫米波心率监测单元可以获取雷达图像,因此在确定目标对象后,能够通过毫米波心率监测单元确定目标对象的位置,以便于移动查房车***对目标对象进行跟踪拍摄。
可以理解的是,参照图2,图2是本申请实施例提供的对象识别定位方法的子流程示意图;步骤S130可以包括但不限于步骤S210和步骤S220。
步骤S210,通过毫米波心率监测单元获取第一待识别图像对应的雷达图像,以及雷达图像内每个对象的心率信息;
步骤S220,根据雷达图像、第一待识别图像,确定各个第一对象对应的心率信息。
先通过毫米波心率监测单元获取第一待识别图像对应的雷达图像,以及雷达图像内各个每个对象的心率信息,由于雷达图像中记载了每个对象的位置信息,而第一待识别图像中也记载了各个第一对象的位置信息,因此,能够根据雷达图像、第一待识别图像,能够确定各个第一对象与心率信息之间的对应关系,从而确定每个第一对象对应的心率信息。需要说明的是,雷达图像与第一待识别图像为在相同场景且相同时间得到的图像,雷达图像为雷达方位图,而第一待识别图像为视觉图像。
值得注意的是,本申请通过毫米波心率监测单元,能够以非接触方式采集到各个对象的心率信息,并且能够对各个对象的心率信息进行监控。
可以理解的是,参照图3,图3为本申请实施例的对象识别定位方法的子流程示意图;在步骤S140之后,还可以包括但不限于步骤S310、步骤S320、步骤S330、步骤S340和步骤S350。
步骤S310,当检测到第一待识别图像中的每个第一对象均与先验知识不匹配,则获取第二待识别图像;其中,第一待识别图像包括至少一个第二对象;
步骤S320,从第二待识别图像中识别出各个第二对象的特征信息;
步骤S330,通过毫米波监测模块获取第二待识别图像内的各个第二对象的心率信息;
步骤S340,将第二待识别图像中的各个第二对象的特征信息、心率信息以及先验知识输入至神经网络进行检测;
步骤S350,当检测到第二待识别图像中包括与先验知识匹配的第二对象,将与先验知识匹配的第二对象作为目标对象。
在检测到第一待识别图像中的每个第一对象均与先验知识不匹配的情况下,表示第一待识别图像中的每个第一对象均不是目标对象,因此需要获取第二待识别图像,例如,本申请实施例应用于移动查房车***时,移动查房车***转换方向,或者调整相机的方向,另一个角度的第二待识别图像,然后从第二待识别图像中识别出各个第二对象的特征信息;通过毫米波监测模块获取第二待识别图像内的各个第二对象的心率信息;将第二待识别图像中的各个第二对象的特征信息、心率信息以及先验知识输入至神经网络进行检测;当检测到第二待识别图像中包括与先验知识匹配的第二对象,将与先验知识匹配的第二对象作为目标对象,从而实现对目标对象的识别与定位。需要说明的是,在检测到第二待识别图像中的每个第二对象均与先验知识不匹配的情况下,则继续获取下一个待识别图像,并对下一个待识别图像执行与第一待识别图像、第二待识别图像相同的步骤,直至确定目标对象。
可以理解的是,特征信息包括病床信息、位姿信息、精神状态信息、服饰信息。在获取第一待识别图像后,从第一待识别图像中获取每个第一对象对应的病床信息、位姿信息、精神状态信息、服饰信息;从图像中提取特征的技术是本领域非常成熟的技术,本申请对此不多做赘述。可以理解的是,先验知识用于表征目标对象,例如,先验知识可以是目标对象的病历信息。预设神经网络预设的神经网络为训练好的卷积神经网络(ConvolutionalNeural Networks,CNN)或训练好的循环神经网络(Recurrent Neural Network,RNN)或者是训练好的深度神经网络(Deep Nueral Network,DNN)。例如,在获取第一待识别图像后,从第一待识别图像中获取每个第一对象对应的病床信息、位姿信息、精神状态信息、服饰信息,然后获取每个对象对应的心率信息,则将目标对象的病例数据以及第一对象对应的病床信息、位姿信息、精神状态信息、服饰信息输入至训练好的卷积神经网络CNN,通过卷积神经网络CNN,能够检测到每个第一对象是否与目标对象的病历信息匹配,当检测到其中一个第一对象与目标对象的病历信息匹配时,则将与目标对象的病历信息匹配的第一对象作为目标对象。
需要说明的是,在对预设的神经网络进行训练时,将训练数据集输入至神经网络进行训练,从而得到训练好的神经网络。其中,训练数据集中包括多组数据,每一组数据均包括多个对象的病床信息、位姿信息、精神状态信息、服饰信息,并且多个对象中的一个作为目标对象,每一组数据还包括目标对象的病历信息。
可以理解的是,参照图4,图4为本申请实施例的对象识别定位方法的子流程示意图;在步骤S160之后,还包括步骤S410。
步骤S410,接收局部特征拍摄指令,根据局部特征拍摄指令对目标对象的局部特征进行拍摄。
可以理解的是,接收局部特征拍摄指令,根据局部特征拍摄指令对目标对象进行拍摄,例如,本申请实施例的对象识别定位方法应用到移动查房车***时,接收到需要对目标对象的手臂进行特征拍摄的指令,则控制相机对目标对象的手臂进行拍摄。在一些实施例中,拍摄后通过互联网将图像传输至相关医护人员的终端中。
可以理解的是,参照图5,图5为本申请实施例的对象识别定位方法的子流程示意图;步骤S110可以包括步骤S510。
步骤S510,通过全景相机获取第一待识别图像;其中,第一待识别图像为全景图像。
可以理解的是,在一些实施例中,移动查房车***中的相机为全景相机,能够通过全景相机获取第一待识别图像;其中,第一待识别图像为全景图像,全景图像拍摄范围广,使得第一待识别图像中包括更多的第一对象。从而能够实现在拍摄次数较少的情况下,就能从第一待识别图像中确定目标对象。
第二方面,参照图6,本申请实施例提供了一种对象识别定位装置,装置包括:
图像获取模块,所述图像获取模块用于获取第一待识别图像;其中,所述第一待识别图像包括至少一个第一对象
识别模块,所述识别模块用于从所述第一待识别图像中识别出各个所述第一对象的特征信息;
心率信息获取模块,所述心率信息获取模块用于通过毫米波心率监测单元获取所述第一待识别图像内的各个所述第一对象的心率信息;
检测模块,所述检测模块用于:
将预设的先验知识与所述第一待识别图像中的各个所述第一对象的所述特征信息、所述心率信息输入至预设的神经网络进行检测;
当检测到所述第一待识别图像中包括与所述先验知识匹配的所述第一对象,将与所述先验知识匹配的所述第一对象作为目标对象;
位置确定模块,所述位置确定模块用于通过所述毫米波心率监测单元确定所述目标对象的位置。
本申请实施例的对象识别定位装置,先通过图像获取模块获取第一待识别图像,第一待识别图像包括至少一个第一对象,通过识别模块从第一待识别图像中识别出各个第一对象的特征信息;然后心率信息获取模块通过毫米波心率监测单元获取第一待识别图像内的各个第一对象的心率信息;通过检测模块将预设的先验知识与第一待识别图像中的各个第一对象的特征信息、心率信息输入至预设的神经网络进行检测;当检测到第一待识别图像中包括与先验知识匹配的第一对象,将与先验知识匹配的第一对象作为目标对象;位置确定模块通过毫米波心率监测单元确定目标对象的位置。如此,本申请实施例的对象识别定位方法能够从第一待识别图像中确定目标对象,并能通过毫米波心率监测单元确定目标对象的位置。
第三方面,本申请实施例提供了一种电子设备,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现本申请第一方面任一项实施例的对象识别定位方法。
请参阅图7,图7示意了另一实施例的电子设备的硬件结构,电子设备包括:
处理器701,可以采用通用的CPU(CentralProcessingUnit,中央处理器)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本申请实施例所提供的技术方案;
存储器702,可以采用只读存储器(ReadOnlyMemory,ROM)、静态存储设备、动态存储设备或者随机存取存储器(RandomAccessMemory,RAM)等形式实现。存储器702可以存储操作***和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器702中,并由处理器701来调用执行本申请实施例的对象识别定位方法;
输入/输出接口703,用于实现信息输入及输出;
通信接口704,用于实现本设备与其他设备的通信交互,可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信;
总线705,在设备的各个组件(例如处理器701、存储器702、输入/输出接口703和通信接口704)之间传输信息;
其中处理器701、存储器702、输入/输出接口703和通信接口704通过总线705实现彼此之间在设备内部的通信连接。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现第一方面实施例任一项所述的对象识别定位方法。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域技术人员可知,随着技术的演变和新应用场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
本领域技术人员可以理解的是,图中示出的技术方案并不构成对本申请实施例的限定,可以包括比图示更多或更少的步骤,或者组合某些步骤,或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、***、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,上述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括多指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例的方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本申请实施例的优选实施例,并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进,均应在本申请实施例的权利范围之内。
Claims (10)
1.一种对象识别定位方法,其特征在于,包括:
获取第一待识别图像;其中,所述第一待识别图像包括至少一个第一对象;
从所述第一待识别图像中识别出各个所述第一对象的特征信息;
通过毫米波心率监测单元获取所述第一待识别图像内的各个所述第一对象的心率信息;
将预设的先验知识与所述第一待识别图像中的各个所述第一对象的所述特征信息、所述心率信息输入至预设的神经网络进行检测;
当检测到所述第一待识别图像中包括与所述先验知识匹配的所述第一对象,将与所述先验知识匹配的所述第一对象作为目标对象;
通过所述毫米波心率监测单元确定所述目标对象的位置。
2.根据权利要求1所述的对象识别定位方法,其特征在于,所述通过毫米波心率监测单元获取所述第一待识别图像内的各个所述第一对象的心率信息,包括:
通过毫米波心率监测单元获取所述第一待识别图像对应的雷达图像,以及所述雷达图像内各个每个对象的心率信息;
根据所述雷达图像、所述第一待识别图像,确定各个所述第一对象对应的心率信息。
3.根据权利要求1所述的对象识别定位方法,其特征在于,在所述将预设的先验知识与所述第一待识别图像中的各个所述第一对象的所述特征信息、所述心率信息输入至预设的神经网络进行检测之后,还包括:
当检测到所述第一待识别图像中的每个所述第一对象均与所述先验知识不匹配,则获取第二待识别图像;其中,所述第一待识别图像包括至少一个第二对象;
从所述第二待识别图像中识别出各个所述第二对象的所述特征信息;
通过所述毫米波监测模块获取所述第二待识别图像内的各个所述第二对象的所述心率信息;
将预设的先验知识与所述第二待识别图像中的各个所述第二对象的所述特征信息、所述心率信息输入至预设的神经网络进行检测;
当检测到所述第二待识别图像中包括与所述先验知识匹配的所述第二对象,将与所述先验知识匹配的所述第二对象作为所述目标对象。
4.根据权利要求1所述的对象识别定位方法,其特征在于,所述特征信息包括病床信息、位姿信息、精神状态信息、服饰信息。
5.根据权利要求1所述的对象识别定位方法,其特征在于,在所述根据所述毫米波心率监测单元确定所述目标对象的位置之后,还包括:
接收局部特征拍摄指令,根据所述局部特征拍摄指令对所述目标对象的局部特征进行拍摄。
6.根据权利要求1所述的对象识别定位方法,其特征在于,所述预设的神经网络为训练好的卷积神经网络或训练好的循环神经网络或训练好的深度神经网络。
7.根据权利要求1所述的对象识别定位方法,其特征在于,所述获取第一待识别图像,包括:
通过全景相机获取所述第一待识别图像;其中,所述第一待识别图像为全景图像。
8.一种对象识别定位装置,其特征在于,所述装置包括:
图像获取模块,所述图像获取模块用于获取第一待识别图像;其中,所述第一待识别图像包括至少一个第一对象
识别模块,所述识别模块用于从所述第一待识别图像中识别出各个所述第一对象的特征信息;
心率信息获取模块,所述心率信息获取模块用于通过毫米波心率监测单元获取所述第一待识别图像内的各个所述第一对象的心率信息;
检测模块,所述检测模块用于:
将预设的先验知识与所述第一待识别图像中的各个所述第一对象的所述特征信息、所述心率信息输入至预设的神经网络进行检测;
当检测到所述第一待识别图像中包括与所述先验知识匹配的所述第一对象,将与所述先验知识匹配的所述第一对象作为目标对象;
位置确定模块,所述位置确定模块用于通过所述毫米波心率监测单元确定所述目标对象的位置。
9.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的对象识别定位方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的对象识别定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211145295.2A CN115564829A (zh) | 2022-09-20 | 2022-09-20 | 对象识别定位方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211145295.2A CN115564829A (zh) | 2022-09-20 | 2022-09-20 | 对象识别定位方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115564829A true CN115564829A (zh) | 2023-01-03 |
Family
ID=84740427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211145295.2A Pending CN115564829A (zh) | 2022-09-20 | 2022-09-20 | 对象识别定位方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115564829A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111510665A (zh) * | 2019-01-30 | 2020-08-07 | 杭州海康威视数字技术股份有限公司 | 毫米波雷达与摄像机联合的监控***、监控方法及装置 |
CN112381104A (zh) * | 2020-11-16 | 2021-02-19 | 腾讯科技(深圳)有限公司 | 一种图像识别方法、装置、计算机设备及存储介质 |
CN113397520A (zh) * | 2021-07-14 | 2021-09-17 | 北京清雷科技有限公司 | 室内对象的信息检测方法及装置、存储介质和处理器 |
CN113780269A (zh) * | 2021-01-15 | 2021-12-10 | 北京京东乾石科技有限公司 | 图像识别方法、装置、计算机***及可读存储介质 |
CN115019314A (zh) * | 2022-08-08 | 2022-09-06 | 浪潮电子信息产业股份有限公司 | 一种商品价格识别方法、装置、设备及存储介质 |
-
2022
- 2022-09-20 CN CN202211145295.2A patent/CN115564829A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111510665A (zh) * | 2019-01-30 | 2020-08-07 | 杭州海康威视数字技术股份有限公司 | 毫米波雷达与摄像机联合的监控***、监控方法及装置 |
CN112381104A (zh) * | 2020-11-16 | 2021-02-19 | 腾讯科技(深圳)有限公司 | 一种图像识别方法、装置、计算机设备及存储介质 |
CN113780269A (zh) * | 2021-01-15 | 2021-12-10 | 北京京东乾石科技有限公司 | 图像识别方法、装置、计算机***及可读存储介质 |
CN113397520A (zh) * | 2021-07-14 | 2021-09-17 | 北京清雷科技有限公司 | 室内对象的信息检测方法及装置、存储介质和处理器 |
CN115019314A (zh) * | 2022-08-08 | 2022-09-06 | 浪潮电子信息产业股份有限公司 | 一种商品价格识别方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
沈小平等: "《新编当代护理学》", pages: 540 - 541 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109508688B (zh) | 基于骨架的行为检测方法、终端设备及计算机存储介质 | |
CN108985199B (zh) | 商品取放操作的检测方法、装置及存储介质 | |
CN109544862A (zh) | 基于智能家居的行为识别方法、装置、存储介质及设备 | |
CN108491823B (zh) | 用于生成人眼识别模型的方法和装置 | |
US11145174B2 (en) | Methods and system for monitoring an environment | |
CN109766755A (zh) | 人脸识别方法及相关产品 | |
CN108182412A (zh) | 用于检测图像类型的方法及装置 | |
CN105556539A (zh) | 检测兴趣区域的检测装置和方法 | |
CN108229375B (zh) | 用于检测人脸图像的方法和装置 | |
CN111104841A (zh) | 暴力行为检测方法及*** | |
US20210264198A1 (en) | Positioning method and apparatus | |
CN110826610A (zh) | 一种用于智能检测人员着装是否规范的方法与*** | |
CN112001953A (zh) | 温度检测的方法、装置、设备和计算机设备 | |
CN115695734A (zh) | 红外热成像防护监控方法、装置、设备、***和介质 | |
CN111353429A (zh) | 基于眼球转向的感兴趣度方法与*** | |
CN112053382A (zh) | 出入口监测方法、设备及计算机可读存储介质 | |
CN115564829A (zh) | 对象识别定位方法、装置、电子设备及存储介质 | |
WO2023005662A1 (zh) | 图像处理方法及装置、电子设备、程序产品及计算机可读存储介质 | |
CN114140751B (zh) | 一种考场监控方法及*** | |
CN115393423A (zh) | 目标检测方法和装置 | |
CN113901934A (zh) | 一种大输液包装产品的智能视觉检测方法、***及装置 | |
CN111710402B (zh) | 基于人脸识别的查房处理方法、装置及计算机设备 | |
CN108121969A (zh) | 用于处理图像的方法和装置 | |
CN111107139B (zh) | 信息推送方法、装置、设备和存储介质 | |
CN113509136A (zh) | 检测方法、视力检测方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |