冰箱控制方法及系统与流程

本发明属于智能冰箱技术领域，具体涉及一种冰箱控制方法及系统。

背景技术：

随着时代的变迁，人们的生活方式也发生了巨大的变化。城市化进程的加快，使得越来越多的流动人口涌入大城市，由于缺乏经济基础，租房成了他们普遍的选择。很多出租的房屋中只配备一台冰箱，为了区分冰箱中各自的物品只能存放于各自固定的间室中，但是由于现有的冰箱普遍没有分间室管理的功能，所以任何人都可以开启其他人所属的冰箱间室，这在如今的陌生人社会中无疑存在着巨大的安全隐患。

此外，普通家庭也需要对冰箱分间室进行管理，比如不想小孩子偷食某些东西，需要设置一定的权限等。综上所述，对冰箱分间室设置开门权限是非常有必要的。

技术实现要素：

为解决现有技术的不足，本发明的目的在于提供一种冰箱控制方法及系统，结合深度学习和图像识别技术，能够为不同的用户设置不同的开门权限，方便管理。

为了实现上述目标，本发明采用如下的技术方案：一种冰箱控制方法，所述冰箱具有多个间室，每个间室对应具有一个门，其特征在于，包括以下步骤：

步骤一，获取冰箱前方的待检测用户图像；

步骤二，对所述待检测用户图像进行识别，识别用户身份；

步骤三，根据所述用户身份，获取对应的开门权限；

步骤四，获取用户的开门指令，判断所述开门指令与所述开门权限是否匹配，若是，则执行步骤五，若否，则拒绝执行开门指令；

步骤五，根据用户的开门指令，开启对应间室的门。

进一步地，步骤二中所述对待检测用户图像进行识别，识别用户身份的方法为：利用训练好的卷积神经网络模型对所述待检测用户图像进行识别，得到用户的身份。

进一步地，所述卷积神经网络模型的训练方法为：

步骤3a，获取冰箱前方的无人存在时的背景图像以及不同用户存在时的多个用户图像；

步骤3b，将步骤3a获取的背景图像和多个用户图像作为训练样本对初始化卷积神经网络进行训练，使得训练好的卷积神经网络能够识别背景中的用户并且区别不同的用户身份。

进一步地，所述待检测用户图像为静态图像或视频流图像。

进一步地，当所述待检测用户图像为视频流图像时，对所述视频流图像进行分帧得到一系列静态图像，选取所述一系列静态图像的中间图像作为训练好的卷积神经网络模型识别的待检测图像。

进一步地，所述开门指令为语音开门指令。

进一步地，步骤四中所述获取用户的开门指令之后，判断所述开门指令与所述开门权限是否匹配之前还包括声纹验证的步骤，具体如下：

获取所述语音开门指令中的待检测声纹特征；

将所述待检测声纹特征与预存的用户声纹特征进行对比，如果对比一致，则验证通过；如果对比不一致，则拒绝执行开门指令。

一种冰箱控制系统，所述冰箱具有多个间室，每个间室对应具有一个门，其特征在于，包括：处理器、控制器、图像采集模块和识别模块，其中，

图像采集模块，与识别模块电连接，用于获取冰箱前方的待检测用户图像；

识别模块，分别与图像采集模块和处理器连接，对所述待检测用户图像进行识别，识别用户身份；

处理器，用于根据所述用户身份，获取对应的开门权限，获取用户的开门指令，判断所述开门指令与所述开门权限是否匹配，并在匹配时向控制器发出开门指令；

控制器，与所述处理器电连接，用于根据用户的开门指令，开启对应间室的门。

进一步地，还包括声音采集模块，用于采集用户的语音开门指令。

进一步地，还包括声纹验证模块，与所述声音采集模块和处理器连接，用于验证语音开门指令中的声纹特征与预存的用户声纹特征是否一致。

本发明的有益之处在于：

本发明提出了一种冰箱控制方法及系统，通过采集当前用户的图像信息，对用户身份进行识别，不同的用户只能开相应权限的冰箱间室的门，实现了冰箱不同间室的智能化控制管理。此外，利用卷积神经网络技术进行图像识别，可以大幅提高识别的准确率和效率。并且，将语音作为开门的指令，一方面方便开门，另一方面还可以再设置一道声纹验证屏障，进一步保证用户识别的准确性。

附图说明

图1是本发明一个实施例的冰箱控制方法流程示意图；

图2是本发明一个实施例的冰箱控制系统的示意图。

具体实施方式

以下结合附图和具体实施例对本发明作具体的介绍。

参照图1所示，本发明一种冰箱控制方法，所述冰箱具有多个间室，每个间室对应具有一个门，其特征在于，包括以下步骤：

S10，获取冰箱前方的待检测用户图像。待检测用户的图像可以为静态图像，也可以为视频流图像。

S20，对所述待检测用户图像进行识别，识别用户身份。对图像进行识别可以利用多种现有技术，在此不作过多赘述。不过，为了提高识别的正确率和效率，优选利用基于深度学习的卷积神经网络对用户图像进行识别，具体方法参见本发明的第一个实施例。

在本发明的第一个实施例中，S20中识别用户身份的方法为：利用训练好的卷积神经网络模型对所述待检测用户图像进行识别，得到用户的身份。其中，所述卷积神经网络模型的训练方法如下：

(1)获取冰箱前方的无人存在时的背景图像以及不同用户存在时的多个用户图像；

(2)将步骤(1)获取的背景图像和多个用户图像作为训练样本对初始化卷积神经网络进行训练，使得训练好的卷积神经网络能够识别背景中的用户并且区别不同的用户身份。

在第一个实施例的基础上，本发明的第二个实施例中，所述待检测用户图像为视频流图像。在利用训练好的卷积神经网络进行识别前，需要进行预处理：对所述视频流图像按照一定的时间间隔进行分帧，从而得到一系列静态图像，选取所述一系列静态图像的中间图像作为卷积神经网络模型识别的待检测图像。

S30，根据所述用户身份，获取对应的开门权限。所述用户身份对应的开门权限预存于控制系统内，当用户身份识别完毕后，自动调取其对应的开门权限。此外，当用户身份无法识别或者用户不存在任何开门权限时，可以向当前用户发出提示，告知其身份无法识别或者没有开门权限。

在获取对应的开门权限后，控制系统可以将有权限开启的冰箱间室门都设为预开启状态，用户可以开启为预开启状态的门，而不可以开启其他间室的门。考虑到减少流程以及节能的需要，可以跳过预开启的步骤，而通过接收用户开门指令的方式，只开启用户希望的间室的门，如S40所述方法。

S40，获取用户的开门指令，判断所述开门指令与所述开门权限是否匹配，若是，则执行S50，若否，则拒绝执行开门指令。用户的开门指令可以为多种方式，比如用户将希望开启的间室门轻轻拉动一下，系统检测到这个动作后，将此门设为预开启状态，用户第二次拉动时即可开启此门；还可以通过传感器感应用户的动作，从而分析出用户希望开启哪个门，从而提前将此门设为预开启状态。以上方式及其他演变方式均在本发明的保护范围之内。

在本发明的第三个实施例中，所述用户的开门指令为语音指令，并且在所述获取用户的开门指令之后，判断所述开门指令与所述开门权限是否匹配之前增加了声纹验证的步骤，进一步验证用户身份。声纹验证的方法为：

获取所述语音开门指令中的待检测声纹特征；

将所述待检测声纹特征与预存的用户声纹特征进行对比，如果对比一致，则验证通过，进行判断开门指令与开门权限是否匹配的步骤；如果对比不一致，则拒绝执行开门指令。

S50，根据用户的开门指令，开启对应间室的门。此处所述开启包括前述的预开启状态。

参照图2所示，本发明还公开了一种冰箱控制系统，所述冰箱具有多个间室，每个间室对应具有一个门15，所述系统包括：处理器11、控制器12、图像采集模块13和识别模块14。其中：

图像采集模块，与识别模块电连接，用于获取冰箱前方的待检测用户图像；

识别模块，分别与图像采集模块和处理器连接，对所述待检测用户图像进行识别，识别用户身份；

处理器，用于根据所述用户身份，获取对应的开门权限，获取用户的开门指令，判断所述开门指令与所述开门权限是否匹配，并在匹配时向控制器发出开门指令；

控制器，与所述处理器电连接，用于根据用户的开门指令，开启对应间室的门。

此外，所述系统还可以包括声音采集模块16，用于采集用户的语音开门指令，根据所述语音指令判断是否具有相应的开门权限。在此基础上，系统还包括声纹验证模块17，与所述声音采集模块16和处理器11连接，用于验证语音开门指令中的声纹特征与预存的用户声纹特征是否一致。

以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。