CN110908340A - 智能家居的控制方法及装置 - Google Patents

Abstract

本申请属于智能家居领域，提供了一种智能家居的控制方法，包括：采集拍摄得到的目标对象的图像信息；识别图像信息，并通过使用至少一个分类模型对识别结果进行分类处理，确定目标对象的类型，其中，分类模型为基于历史图像数据训练得到的模型，历史图像数据包含不同类型的对象的至少一种特征数据；基于目标对象的类型，控制家用电器。本申请解决了用户在控制家电时，需要进行手动调整家电的运行状态，用户体验较差的技术问题。

Description

智能家居的控制方法及装置

技术领域

本申请涉及智能家居领域，具体而言，涉及一种智能家居的控制方法及装置。

背景技术

现有技术中,用户在对家电控制时，需手动通过手机，或遥控器，或家电设备上的按键来选择用户所需的对应家电的运行状态，浪费了用户的时间，不能自动为用户提供个性化的对应家电的运行状态，用户体验较差。

发明内容

本申请实施例提供了一种智能家居的控制方法及装置，以至少解决用户在控制家电时，需要进行手动调整家电的运行状态，用户体验较差的技术问题。

根据本申请实施例的一个方面，提供了一种智能家居的控制方法，包括：采集拍摄得到的目标对象的图像信息；识别图像信息，并通过使用至少一个分类模型对识别结果进行分类处理，确定目标对象的类型，其中，分类模型为基于历史图像数据训练得到的模型，历史图像数据包含不同类型的对象的至少一种特征数据；基于目标对象的类型，控制家用电器。

可选地，分类模型包括如下至少之一：SVM模型、贝叶斯模型、深度学习模型、神经网络模型、决策树模型、KNN模型。

可选地，在使用了多个分类模型的情况下，识别图像信息，并通过使用至少一个分类模型对识别结果进行分类处理，确定目标对象的类型，包括：识别图像信息，得到识别结果，其中，识别结果包括：目标对象的至少一种特征数据；使用每个分类模型分别对识别结果进行分类处理，获取每个分类模型对应的分类结果，其中，每个分类模型对应不同的分类规则；基于每个分类模型对应的分类结果，确定目标对象的类型。

可选地，基于每个分类模型对应的分类结果，确定目标对象的类型，包括：基于每个分类模型对应的分类结果，确定分类结果的类型；统计每种类型的分类结果的数量，并基于统计结果，确定目标对象的类型。

可选地，基于统计结果，确定目标对象的类型，包括：比较每种类型的分类结果的数量；将数量值最大的分类结果的类型，作为目标对象的类型。

可选地，基于目标对象的类型，控制家用电器包括：基于目标对象的类型，查询该类型对应的控制指令；基于查询得到的控制指令控制家用电器的运行模式。

可选地，在家用电器为多个的情况下，查询到的控制指令包括至少多个子控制指令，其中，每个子控制指令中携带了对应的家用电器的标识信息，使得不同的子控制指令发送至对应的家用电器。

可选地，在家用电器部署在不同的空间内的情况下，如果监测到目标对象进入到对应的空间内，启动位于该空间内的家用电器，并启动拍摄设备拍摄目标对象的图像信息。

可选地，通过如下任意一种方式检测目标对象是否进入到对应的空间内：通过设置在不同空间内的感应器来感应目标对象,感应器包括以下至少之一:监控器、摄像机、语音监测设备和体感监测设备。

根据本申请实施例的一个方面，提供了一种智能家居的控制装置，装置包括：采集模块，用于采集拍摄得到的目标对象的图像信息；确定模块，用于识别图像信息，并通过使用至少一个分类模型对识别结果进行分类处理，确定目标对象的类型，其中，分类模型为基于历史图像数据训练得到的模型，历史图像数据包含不同类型的对象的至少一种特征数据；控制模块，用于基于目标对象的类型，控制家用电器。

根据本申请实施例的一个方面，提供了一种存储介质，其特征在于，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述的智能家居的控制方法。

根据本申请实施例的一个方面，提供了一种处理器，其特征在于，处理器用于运行程序，其中，程序运行时执行上述的智能家居的控制方法。

本申请实施例中，采集拍摄得到的目标对象的图像信息；识别图像信息，并通过使用至少一个分类模型对识别结果进行分类处理，确定目标对象的类型，其中，分类模型为基于历史图像数据训练得到的模型，历史图像数据包含不同类型的对象的至少一种特征数据；基于目标对象的类型，控制家用电器。实现了根据拍摄到的目标对象的图像信息，根据图像信息确定目标对象的类型，根据目标对象的类型自动调整到目标对象对应的家电的运行状态的作用，提高了用户体验。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的一种可选的智能家居的控制方法的流程示意图；

图2是根据本申请实施例的一种可选的智能家居的控制装置的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请的方案，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，所描述的实施例仅仅是本申请的一部分的实施例，而不是全部的实施例。基于本申请的中的实施例，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，都应当属于本申请的保护的范围。

需要说明的是，本申请的的说明书和权利要求书及上述附图中的术语“第一”、“第二”等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、系统、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。

根据本申请实施例的一个方面，提供了一种智能家居的控制方法，如图1所示：该方法至少包括步骤S102-S106。

步骤S102，采集拍摄得到的目标对象的图像信息；

其中，目标对象可以为用户。

在本申请的一些实施例中，可在客厅设置图像拍摄装置，对目标对象进行拍摄，获取目标对象的图像信息。其中，上述图像拍摄装置包括但不限于红外图像采集装置、全景图像采集装置等。

步骤S104，识别图像信息，并通过使用至少一个分类模型对识别结果进行分类处理，确定目标对象的类型，其中，分类模型为基于历史图像数据训练得到的模型，历史图像数据包含不同类型的对象的至少一种特征数据；

在本申请中的一些可选的实施例中，分类模型包括如下至少之一：SVM模型、贝叶斯模型、深度学习模型、神经网络模型、决策树模型、KNN模型。

在使用了多个分类模型的情况下，识别图像信息，并通过使用至少一个分类模型对识别结果进行分类处理，确定目标对象的类型，包括：识别图像信息，得到识别结果，其中，识别结果包括：目标对象的至少一种特征数据；使用每个分类模型分别对识别结果进行分类处理，获取每个分类模型对应的分类结果，其中，每个分类模型对应不同的分类规则；基于每个分类模型对应的分类结果，确定目标对象的类型。

在一个可选的实施例中，目标对象的特征数据可以包括：用户的衣服款式信息、和/或头发颜色信息、和/或头发长短信息、和/或身高信息、和/或性别信息、和/或年龄信息等。分类规则为对应每个分类模型的规则。

使用每个分类模型分别对识别结果进行分类处理可以通过以下方式进行实现：分别使用SVM模型、贝叶斯模型、深度学习模型、神经网络模型、决策树模型、KNN模型对目标对象的种或多种特征数据进行分类处理；在一个可选的实施例中，分别使用SVM模型、贝叶斯模型、深度学习模型、神经网络模型、决策树模型、KNN模型对用户A的年龄信息进行分类处理。

对用户A的年龄信息进行分类处理后，获取各个分类模型对应的分类结果；例如使用SVM模型、贝叶斯模型、深度学习模型、神经网络模型获取的分类结果为青年，使用决策树模型、KNN模型获取的分类结果为老年。

在本申请中的一些可选的实施例中，基于每个分类模型对应的分类结果，确定目标对象的类型，包括：基于每个分类模型对应的分类结果，确定分类结果的类型；统计每种类型的分类结果的数量，并基于统计结果，确定目标对象的类型。

在本申请中的一些可选的实施例中，基于统计结果，确定目标对象的类型，包括：比较每种类型的分类结果的数量；将数量值最大的分类结果的类型，作为目标对象的类型。

在一个可选的实施例中，使用SVM模型、贝叶斯模型、深度学习模型、神经网络模型获取的分类结果为青年，使用决策树模型、KNN模型获取的分类结果为老年时，其中，有四个模型的分类结果为青年，有二个模型的分类结果为老年，四大于二，则确定用户A的年纪为青年。

步骤S106，基于目标对象的类型，控制家用电器。

在本申请中的一些可选的实施例中，基于目标对象的类型，控制家用电器包括：基于目标对象的类型，查询该类型对应的控制指令；基于查询得到的控制指令控制家用电器的运行模式。

在本申请中的一些可选的实施例中，在家用电器为多个的情况下，查询到的控制指令包括至少多个子控制指令，其中，每个子控制指令中携带了对应的家用电器的标识信息，使得不同的子控制指令发送至对应的家用电器。

在一个可选的实施例中，当获取到当前用户的类型为青年时，可从智能家居系统的存储器中，查询青年用户对应的控制指令，并基于查询得到的控制指令控制家用电器的运行模式。其中，智能家居系统可以为一个独立的，不属于家电设备的设备，也可以为家电设备中的其中一个。若当前用户的类型为青年，青年对应的家电设备有多个的情况下，查询到的青年对应的控制指令，可能有对应不同的家电设备的子控制指令，此时，每个子控制指令中携带有对应的家用电器的标识信息，使得不同的子控制指令发送至对应的家用电器。

其中，各个家电对应不同用户的优先模式不同，例如老年人比较怕冷，则老年人对应的空调的运行温度比青年人对应的空调的运行温度要高。用户与家电的运行状态的对应关系，可预先存储在智能家居系统中的存储器中。

在另一个可选的实施例中，当获取到当前用户的类型为老年时，可从智能家居系统的存储器中，查询老年用户对应的控制指令，并基于查询得到的控制指令控制家用电器的运行模式。例如：若家中老年对应的空调的温度为27度时，查询到的为老年用户对应的控制指令，并基于该控制指令控制空调的运行状态调节至27度，控制指令也可以包括：控制空调开启的指令。

在另一个可选的实施例中，当获取到当前用户的类型为幼年时，可从智能家居系统的存储器中，查询幼年用户对应的控制指令，并基于查询得到的控制指令控制家用电器的运行模式。例如：若家中幼年对应的电视节目为少儿频道时，查询到的为幼年用户对应的控制指令，并基于该控制指令控制电视节目的频道为少儿频道；其中，控制指令也可以包括：控制电视机开启的指令。

在本申请中的一些可选的实施例中，在家用电器部署在不同的空间内的情况下，如果监测到目标对象进入到对应的空间内，启动位于该空间内的家用电器，并启动拍摄设备拍摄目标对象的图像信息。

在本申请中的一些可选的实施例中，通过如下任意一种方式检测目标对象是否进入到对应的空间内：通过设置在不同空间内的感应器来感应目标对象，感应器包括以下至少之一：监控器、摄像机、语音监测设备和体感监测设备。

在本申请中的一些可选的实施例中，各个房间内，都可部署家用电器；例如：厨房内部署有抽油烟机，客厅与卧室内部署有空调。可在各个房间设置感应器来感应目标对象，感应器可以包括以下至少之一：监控器、摄像机、语音监测设备和体感监测设备；具体的，可在各个房间的门口或室内设置感应器来感应用户是否进入对应的房间；或在各个房间内安装监控器，智能家居系统通过监控器监控用户是否进入到对应的房间；或各个房间内的语音检测设备通过语音识别确定用户是否进入对应的房间，或各个房间内的体感监测设备确定用户是否进入对应的房间。

在本申请中的一些可选的实施例中，还可通过设置在客厅的图像采集装置对不同时刻的目标对象进行拍摄，获取不同时刻的目标对像的图像信息。具体的，可通过不同时刻的目标对象的多个图像信息中目标对象的位置信息，确定目标对象的移动趋势，其中，移动趋势为向某个房间移动的趋势。根据移动趋势，智能家居系统控制对应房间的家电的开启，以及控制对应房间的家电的运行状态的调节。另外，还可以通过设置在客厅中的图像采集装置，获取不同时刻的目标对象的图像信息后，拍摄的图像信息中不含有目标对象，而在预设时长前拍摄的前一幅图像中含有目标对象时，若不含有目标对象的图像信息对应的位置为房间门口，则可确定目标对象进入了该房间；智能家居系统可控制对应房间的家电的开启，以及控制对应房间的家电的运行状态的调节。例如：当拍摄的图像信息中不含有用户，而在3秒前拍摄的前一幅图像中含有目标对象时，若不含有目标对象的图像信息对应的位置为卧室门口，则可确定目标对象进入了卧室。智能家居系统可控制卧室的家电的开启，以及控制卧室的家电的运行状态的调节。

本申请实施例中，采集拍摄得到的目标对象的图像信息；识别图像信息，并通过使用至少一个分类模型对识别结果进行分类处理，确定目标对象的类型，其中，分类模型为基于历史图像数据训练得到的模型，历史图像数据包含不同类型的对象的至少一种特征数据；基于目标对象的类型，控制家用电器。实现了根据拍摄到的目标对象的图像信息，根据图像信息确定目标对象的类型，根据目标对象的类型自动调整到目标对象对应的家电的运行状态的作用，为用户提供了个性化服务，提高了用户体验。

根据本申请实施例的一个方面，提供了一种智能家居的控制装置，如图2所示：装置包括：采集模块22，确定模块24，控制模块26；其中：

采集模块22，用于采集拍摄得到的目标对象的图像信息；

确定模块24，用于识别图像信息，并通过使用至少一个分类模型对识别结果进行分类处理，确定目标对象的类型，其中，分类模型为基于历史图像数据训练得到的模型，历史图像数据包含不同类型的对象的至少一种特征数据；

控制模块26，用于基于目标对象的类型，控制家用电器。

需要说明的是，上述实施例的优选实施方式，可以参见关于图1的相关描述，此处不再赘述。

根据本申请实施例的一个方面，提供了一种存储介质，其特征在于，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述的智能家居的控制方法。

根据本申请实施例的一个方面，提供了一种处理器，其特征在于，处理器用于运行程序，其中，程序运行时执行上述的智能家居的控制方法。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，可以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系统，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，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

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，即可以设置于一个地方，或者也可以分布到多个单元上。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，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (12)

1.一种智能家居的控制方法，其特征在于，包括：

采集拍摄得到的目标对象的图像信息；

识别所述图像信息，并通过使用至少一个分类模型对识别结果进行分类处理，确定所述目标对象的类型，其中，所述分类模型为基于历史图像数据训练得到的模型，历史图像数据包含不同类型的对象的至少一种特征数据；

基于所述目标对象的类型，控制家用电器。

2.根据权利要求1所述的方法，其特征在于，所述分类模型包括如下至少之一：SVM模型、贝叶斯模型、深度学习模型、神经网络模型、决策树模型、KNN模型。

3.根据权利要求2所述的方法，其特征在于，在使用了多个分类模型的情况下，识别所述图像信息，并通过使用至少一个分类模型对识别结果进行分类处理，确定所述目标对象的类型，包括：

识别所述图像信息，得到所述识别结果，其中，所述识别结果包括：所述目标对象的至少一种特征数据；

使用每个分类模型分别对所述识别结果进行分类处理，获取每个分类模型对应的分类结果，其中，每个分类模型对应不同的分类规则；

基于每个分类模型对应的分类结果，确定所述目标对象的类型。

4.根据权利要求2所述的方法，其特征在于，基于每个分类模型对应的分类结果，确定所述目标对象的类型，包括：

基于每个分类模型对应的分类结果，确定分类结果的类型；

统计每种类型的分类结果的数量，并基于统计结果，确定所述目标对象的类型。

5.根据权利要求3所述的方法，其特征在于，基于统计结果，确定所述目标对象的类型，包括：

比较每种类型的分类结果的数量；

将数量值最大的分类结果的类型，作为所述目标对象的类型。

6.根据权利要求1至5中任意一项所述的方法，其特征在于，基于所述目标对象的类型，控制家用电器包括：

基于所述目标对象的类型，查询该类型对应的控制指令；

基于查询得到的控制指令控制所述家用电器的运行模式。

7.根据权利要求6所述的方法，其特征在于，在家用电器为多个的情况下，查询到的控制指令包括至少多个子控制指令，其中，每个子控制指令中携带了对应的家用电器的标识信息，使得不同的子控制指令发送至对应的家用电器。

8.根据权利要求1所述的方法，其特征在于，在家用电器部署在不同的空间内的情况下，如果监测到所述目标对象进入到对应的空间内，启动位于该空间内的家用电器，并启动拍摄设备拍摄所述目标对象的图像信息。

9.根据权利要求8所述的方法，其特征在于，通过如下任意一种方式检测所述目标对象是否进入到对应的空间内：通过设置在不同空间内的感应器来感应所述目标对象，所述感应器包括以下至少之一：监控器、摄像机、语音监测设备和体感监测设备。

10.一种智能家居的控制装置，其特征在于，包括：

采集模块，用于采集拍摄得到的目标对象的图像信息；

确定模块，用于识别所述图像信息，并通过使用至少一个分类模型对识别结果进行分类处理，确定所述目标对象的类型，其中，所述分类模型为基于历史图像数据训练得到的模型，历史图像数据包含不同类型的对象的至少一种特征数据；

控制模块，用于基于所述目标对象的类型，控制家用电器。

11.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至9中任意一项所述的智能家居的控制方法。

12.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至9中任意一项所述的智能家居的控制方法。

Images