CN107678549A - 智能设备的控制方法及系统 - Google Patents

Abstract

本发明涉及智能控制技术领域，公开了一种智能设备的控制方法及系统。所述智能设备的控制方法，包括：采集用户的脑波信号；分析采集的脑波信号的信号数据；提取分析的信号数据对应预设的控制指令；以及控制执行提取的控制指令。本发明的技术方案实现了用户脑波信号对智能设备的实时、便捷和精确控制，提升了智能设备控制的便捷性、精确度、实时性和用户体验。

Description

智能设备的控制方法及系统

技术领域

本发明涉及智能控制技术领域，尤其涉及一种智能设备的控制方法及系统。

背景技术

随着智能硬件的技术的高速发展和成熟，越来越多的智能设备比如智能手机、智能电视、智能扫地机器人等开始进入人们的生活。

现有智能设备比如智能扫地机器人通常需要用户按压预设的扫地运动导航模式按钮以按照预设的运动路径进行运动扫地，或通过激光雷达或深度摄像头以按照预设的运动路径进行运动扫地，其控制操作较为复杂、实时性不佳、且运动控制模式和轨迹较为固定单一，并不能完全满足局部精确位置扫地的实际需要，导致现有智能设备控制的便捷性、精确度和用户体验不佳。

发明内容

鉴于此，本发明提供一种智能设备的控制方法及系统，解决现有智能设备控制的便捷性、精确度和用户体验不佳的技术问题。

根据本发明的一个实施例，提供一种智能设备的控制方法，包括：采集用户的脑波信号；分析采集的脑波信号的信号数据；提取分析的信号数据对应预设的控制指令；以及控制执行提取的控制指令。

优选的，所述脑波信号的信号数据包括脑波类型、信号强度和持续时间数据。

优选的，所述分析采集的脑波信号的脑波类型，包括：提取脑波信号的特征点；将提取的特征点与所有预设脑波类型的特征模板逐一进行匹配；以及当提取的特征点与其中一个特征模板匹配成功时，判定当前采集的脑波信号是对应匹配的脑波类型。

优选的，所述预设的控制指令包括运动方向、运动速度和运动时间数据，所述运动方向、运动速度和运动时间数据分别与所述信号数据中的脑波类型、信号强度和持续时间数据对应关联。

优选的，在所述提取分析的信号数据对应预设的控制指令之后，还包括：通过无线网络向所述智能设备发送提取的控制指令。

根据本发明的另一个实施例，还提供一种智能设备的控制系统，包括：采集模块，用于采集用户的脑波信号；分析模块，用于分析所述采集模块采集的脑波信号的信号数据；提取模块，用于提取所述分析模块分析的信号数据对应预设的控制指令；以及控制模块，用于控制执行所述提取模块提取的控制指令。

优选的，所述脑波信号的信号数据包括脑波类型、信号强度和持续时间数据。

优选的，所述分析模块包括：特征点提取单元，用于提取脑波信号的特征点；特征点匹配单元，将所述特征点提取单元提取的特征点与所有预设脑波类型的特征模板逐一进行匹配；以及脑波类型判定单元，用于当所述特征点匹配单元将所述特征点提取单元提取的特征点与其中一个特征模板匹配成功时，判定当前脑波信号是对应匹配的脑波类型。

优选的，所述预设的控制指令包括运动方向、运动速度和运动时间数据，所述运动方向、运动速度和运动时间数据分别与所述信号数据中的脑波类型、信号强度和持续时间数据对应关联。

优选的，所述智能设备的控制系统还包括无线通讯模块，用于通过无线网络向所述智能设备发送提取的控制指令。

本发明提供的智能设备的控制方法及系统，采集分析用户实时脑波信号的信号数据，提取并执行分析的信号数据对应预设的智能设备控制指令，实现了用户脑波信号对智能设备的实时、便捷和精确控制，提升了智能设备控制的便捷性、精确度、实时性和用户体验。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一个实施例中智能设备的控制方法的流程示意图。

图2为本发明一个实施例中分析采集的脑波信号的脑波类型的流程示意图。

图3为本发明,一个实施例中智能设备的控制方法的流程示意图。

图4为本发明另一个实施例中智能设备的控制系统的结构示意图。

图5为本发明另一个实施例中分析模块的结构示意图。

图6为本发明另一个实施例中智能设备的控制系统的结构示意图。

具体实施方式

下面结合附图和具体实施方式对本发明的技术方案作进一步更详细的描述。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。

在本发明的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以结合具体情况理解上述术语在本发明中的具体含义。此外，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在本发明中，所述智能设备可以为任意类型具有智能操作系统和智能芯片的电子设备，比如智能手机、平板电脑、智能手表、智能头箍、智能扫地机器人等。为了方便描述，下面仅以智能扫地机器人为例对本发明的技术方案进行详细说明。

图1为本发明一个实施例中智能设备的控制方法的流程示意图。如图所示，所述智能设备的控制方法，包括：

步骤S101：采集用户的脑波信号。

在本实施例中，可通过佩戴在用户头部的脑电波采集模块实时采集用户的脑波信号。所述脑电波采集模块可采用神经科技公司的14通道Emotiv Epoc+模块或神念科技公司的5通道Emotiv Insight模块，通过表面非植入性电极获取脑电波(EEG)。

步骤S102：分析采集的脑波信号的信号数据。

在采集到脑波信号进行初步滤波处理后，进一步分析脑波信号的信号数据，即脑波类型、信号强度和持续时间数据。参见图2，所述分析采集的脑波信号的脑波类型，包括：

步骤S201：提取脑波信号的特征点。

步骤S202：将提取的特征点与所有预设脑波类型的特征模板逐一进行匹配。

步骤S203：当提取的特征点与其中一个特征模板匹配成功时，判定当前采集的脑波信号是对应匹配的脑波类型。

在本实施例中，预先配置各种脑波类型比如专注波段、回忆波段、左脑兴奋波段、右脑兴奋波段的特征模板。在进行脑波类型分析时，首先提取代表脑波信号特征的特征点，然后将提取的特征点与所有预设脑波类型的特征模板逐一进行相似度匹配，当提取的特征点与其中一个特征模板相似度匹配成功时，判定当前采集的脑波信号是对应匹配的脑波类型，否则判定当前的脑波信号为无效信号。所述脑波类型可预先分类为专注波段、回忆波段、左脑兴奋波段、右脑兴奋波段等。

在分析判定出当前脑波信号的脑波类型时，进一步分析对应的信号强度和持续时间数据，比如专注波段的信号强度数据和持续时间数据。

在本实施例中，预先配置对所述智能扫地机器人控制指令，所述控制指令包括运动方向、运动速度和运动时间数据。并预先将所述控制指令中的运动方向、运动速度和运动时间数据分别与所述信号数据中的脑波类型、信号强度和持续时间数据进行对应关联。即，脑波类型对应关联运动方向、信号强度对应关联运动速度、持续时间对应关联运动时间，使脑波信号的信号数据与对所述智能扫地机器人控制指令进行对应关联，通过用户的脑波信号实现对所述智能扫地机器人的运动控制指令输出。

具体的，可预先配置专注波段对应关联向前运动，其信号强度对应关联运动速度，其持续时间对应关联运动时间；可预先配置回忆波段对应关联向后运动，其信号强度对应关联运动速度，其持续时间对应关联运动时间；可预先配置左脑兴奋波段对应关联向左转动，其信号强度对应关联转动速度，其持续时间对应关联转动时间；可预先配置右脑兴奋波段对应关联向右转动，其信号强度对应关联转动速度，其持续时间对应关联转动时间。

步骤S103：提取分析的信号数据对应预设的控制指令。

在分析采集的脑波信号的信号数据中的脑波类型、信号强度和持续时间数据后，进一步根据脑波信号与控制指令的预设关联配置提取对应的控制指令，以准确、方便快捷地解析到用户通过脑波信号发出的对所述智能扫地机器人的控制指令。

具体的，当分析到当前脑波信号为专注波段、对应的信号强度为A、持续时间为B时，提取脑波信号与控制指令的预设关联配置中的关联关系而获取对应的控制指令为：向前运动，以A对应的运动速度和以B对应的运动时间。当分析到当前脑波信号为回忆波段、对应的信号强度为C、持续时间为D时，提取脑波信号与控制指令的预设关联配置中的关联关系而获取对应的控制指令为：向后运动，以C对应的运动速度和以D对应的运动时间。当分析到当前脑波信号为左脑兴奋波段、对应的信号强度为E、持续时间为F时，提取脑波信号与控制指令的预设关联配置中的关联关系而获取对应的控制指令为：向左转动，以E对应的运动速度和以F对应的运动时间。当分析到当前脑波信号为右脑兴奋波段、对应的信号强度为G、持续时间为H时，提取脑波信号与控制指令的预设关联配置中的关联关系而获取对应的控制指令为：向右转动，以G对应的运动速度和以H对应的运动时间。

步骤S104：控制执行提取的控制指令。

参见图3，在本实施例中，在提取分析的信号数据对应预设的控制指令后，所述脑电波采集模块通过无线通讯模块比如蓝牙或WIFI与所述智能扫地机器人配对建立无线网络连接，并向所述智能扫地机器人发送提取的控制指令，所述智能扫地机器人接收对应的控制指令并通过内置的驱动电机驱动运动，实现了用户脑波信号对智能扫地机器人的实时、便捷和精确控制，提升了智能设备控制的便捷性、精确度、实时性和用户体验。

在本实施例的智能设备的控制方法中，采集分析用户实时脑波信号的信号数据，提取并执行分析的信号数据对应预设的智能设备控制指令，实现了用户脑波信号对智能设备的实时、便捷和精确控制，提升了智能设备控制的便捷性、精确度、实时性和用户体验。

参见图4，在上述方法实施例的基础上，本发明另一个实施例还提供一种智能设备的控制系统100，包括采集模块10、分析模块20、提取模块30和控制模块40。

在本实施例中，可通过佩戴在用户头部的所述采集模块10实时采集用户的脑波信号。所述采集模块10可采用神经科技公司的14通道Emotiv Epoc+模块或神念科技公司的5通道Emotiv Insight模块，通过表面非植入性电极获取脑电波(EEG)。

在所述采集模块10采集到脑波信号进行初步滤波处理后，所述分析模块20进一步分析脑波信号的信号数据，即脑波类型、信号强度和持续时间数据。参见图5，所述分析模块20包括特征点提取单元201、特征点匹配单元202和脑波类型判定单元203。

在本实施例中，通过设置模块预先配置各种脑波类型比如专注波段、回忆波段、左脑兴奋波段、右脑兴奋波段的特征模板。在所述分析模块20进行脑波类型分析时，首先所述特征点提取单元201提取代表脑波信号特征的特征点，然后所述特征点匹配单元202将所述特征点提取单元201提取的特征点与所有预设脑波类型的特征模板逐一进行相似度匹配，当提取的特征点与其中一个特征模板相似度匹配成功时，所述脑波类型判定单元203判定所述采集模块10当前采集的脑波信号是对应匹配的脑波类型，否则判定当前的脑波信号为无效信号。所述脑波类型可预先分类为专注波段、回忆波段、左脑兴奋波段、右脑兴奋波段等。

在分析判定出当前脑波信号的脑波类型时，所述分析模块20进一步分析对应的信号强度和持续时间数据，比如专注波段的信号强度数据和持续时间数据。

在本实施例中，通过设置模块预先配置对所述智能扫地机器人控制指令，所述控制指令包括运动方向、运动速度和运动时间数据。并在设置模块中预先将所述控制指令中的运动方向、运动速度和运动时间数据分别与所述信号数据中的脑波类型、信号强度和持续时间数据进行对应关联。即，脑波类型对应关联运动方向、信号强度对应关联运动速度、持续时间对应关联运动时间，使脑波信号的信号数据与对所述智能扫地机器人控制指令进行对应关联，通过用户的脑波信号实现对所述智能扫地机器人的运动控制指令输出。

具体的，通过设置模块可预先配置专注波段对应关联向前运动，其信号强度对应关联运动速度，其持续时间对应关联运动时间；可预先配置回忆波段对应关联向后运动，其信号强度对应关联运动速度，其持续时间对应关联运动时间；可预先配置左脑兴奋波段对应关联向左转动，其信号强度对应关联转动速度，其持续时间对应关联转动时间；可预先配置右脑兴奋波段对应关联向右转动，其信号强度对应关联转动速度，其持续时间对应关联转动时间。

在所述分析模块20分析所述采集模块10采集的脑波信号的信号数据中的脑波类型、信号强度和持续时间数据后，所述提取模块30进一步根据设置模块中脑波信号与控制指令的预设关联配置提取对应的控制指令，以准确、方便快捷地解析到用户通过脑波信号发出的对所述智能扫地机器人的控制指令。

具体的，当所述分析模块20分析到当前脑波信号为专注波段、对应的信号强度为A、持续时间为B时，所述提取模块30提取脑波信号与控制指令的预设关联配置中的关联关系而获取对应的控制指令为：向前运动，以A对应的运动速度和以B对应的运动时间。当所述分析模块20分析到当前脑波信号为回忆波段、对应的信号强度为C、持续时间为D时，所述提取模块30提取脑波信号与控制指令的预设关联配置中的关联关系而获取对应的控制指令为：向后运动，以C对应的运动速度和以D对应的运动时间。当所述分析模块20分析到当前脑波信号为左脑兴奋波段、对应的信号强度为E、持续时间为F时，所述提取模块30提取脑波信号与控制指令的预设关联配置中的关联关系而获取对应的控制指令为：向左转动，以E对应的运动速度和以F对应的运动时间。当所述分析模块20分析到当前脑波信号为右脑兴奋波段、对应的信号强度为G、持续时间为H时，所述提取模块30提取脑波信号与控制指令的预设关联配置中的关联关系而获取对应的控制指令为：向右转动，以G对应的运动速度和以H对应的运动时间。

参见图6，在本实施例中，在所述提取模块30提取所述分析模块20分析的信号数据对应预设的控制指令后，通过无线通讯模块50比如蓝牙或WIFI与所述智能扫地机器人配对建立无线网络连接，并向所述智能扫地机器人发送所述提取模块30提取的控制指令，所述智能扫地机器人接收对应的控制指令并通过控制模块40控制内置的驱动电机驱动运动，实现了用户脑波信号对智能扫地机器人的实时、便捷和精确控制，提升了智能设备控制的便捷性、精确度、实时性和用户体验。

在本实施例的智能设备的控制系统100中，采集模块10和分析模块20分别采集和分析用户实时脑波信号的信号数据，提取模块30和控制模块40分别提取和执行分析的信号数据对应预设的智能设备控制指令，实现了用户脑波信号对智能设备的实时、便捷和精确控制，提升了智能设备控制的便捷性、精确度、实时性和用户体验。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等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发明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。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (10)

1.一种智能设备的控制方法，其特征在于，包括：

采集用户的脑波信号；

分析采集的脑波信号的信号数据；

提取分析的信号数据对应预设的控制指令；以及

控制执行提取的控制指令。

2.根据权利要求1所述的智能设备的控制方法，其特征在于，所述脑波信号的信号数据包括脑波类型、信号强度和持续时间数据。

3.根据权利要求2所述的智能设备的控制方法，其特征在于，所述分析采集的脑波信号的脑波类型，包括：

提取脑波信号的特征点；

将提取的特征点与所有预设脑波类型的特征模板逐一进行匹配；以及

当提取的特征点与其中一个特征模板匹配成功时，判定当前采集的脑波信号是对应匹配的脑波类型。

4.根据权利要求2所述的智能设备的控制方法，其特征在于，所述预设的控制指令包括运动方向、运动速度和运动时间数据，所述运动方向、运动速度和运动时间数据分别与所述信号数据中的脑波类型、信号强度和持续时间数据对应关联。

5.根据权利要求1所述的智能设备的控制方法，其特征在于，在所述提取分析的信号数据对应预设的控制指令之后，还包括：

通过无线网络向所述智能设备发送提取的控制指令。

6.一种智能设备的控制系统，其特征在于，包括：

采集模块，用于采集用户的脑波信号；

分析模块，用于分析所述采集模块采集的脑波信号的信号数据；

提取模块，用于提取所述分析模块分析的信号数据对应预设的控制指令；以及

控制模块，用于控制执行所述提取模块提取的控制指令。

7.根据权利要求6所述的智能设备的控制系统，其特征在于，所述脑波信号的信号数据包括脑波类型、信号强度和持续时间数据。

8.根据权利要求7所述的智能设备的控制系统，其特征在于，所述分析模块包括：

特征点提取单元，用于提取脑波信号的特征点；

特征点匹配单元，将所述特征点提取单元提取的特征点与所有预设脑波类型的特征模板逐一进行匹配；以及

脑波类型判定单元，用于当所述特征点匹配单元将所述特征点提取单元提取的特征点与其中一个特征模板匹配成功时，判定当前脑波信号是对应匹配的脑波类型。

9.根据权利要求7所述的智能设备的控制系统，其特征在于，所述预设的控制指令包括运动方向、运动速度和运动时间数据，所述运动方向、运动速度和运动时间数据分别与所述信号数据中的脑波类型、信号强度和持续时间数据对应关联。

10.根据权利要求6所述的智能设备的控制系统，其特征在于，还包括无线通讯模块，用于通过无线网络向所述智能设备发送提取的控制指令。