背景
在智能家居应用中，通过成员身份确认，可实现家庭成员的行为习惯分析、特定人定位以及辅助陌生人入侵报警等功能，该方法通过成员全身信息实现家庭成员识别。
算法
该方法仅将人脸识别作为用于更新时标识成员身份的子模块，只用一个摄像头（安放至入口与人脸等高处)实现。而成员识别利用的是成员全身信息，在室内的多个摄像头中，能实现不需要待识别人做出特定动作的被动识别，并且不需要变焦清晰化某个部位（如人脸识别需要清晰的人脸），装置仅用若干个普通USB摄像头，设备简单成本低，实用性强。成员全身信息进行识别利用行人检测与行人再识别技术，并且及时更新家庭成员信息库，从而不会因衣服变更导致无法识别。
图1 基于深度学习的智能家居成员识别方法的结构原理图
图2 人脸识别的结构原理图
图3 成员数据采集的结构原理图
图4 家庭成员识别的结构原理图
图5 视频帧中成员检测和特征提取的结构原理图
效果及应用
该方法相比于以往用于智能家居的人脸识别技术，成员全身信息识别对摄像头的要求不高，不需要自动聚焦以及高分辨率摄像头；同时成员全身信息识别是被动式识别，不需要待识别人的配合，受检率高，实用性更强；重要的是，通过成员信息采集以及成员信息更新，解决了行人再识别技术中换衣服后无法识别的问题，符合智能家居中的成员可能每天换衣服以及进入室内后换衣服的情况。例如，如下视频所示，可应有于家庭成员寻迹系统。
