CN108347363A - 一种智能家居系统 - Google Patents
一种智能家居系统 Download PDFInfo
- Publication number
- CN108347363A CN108347363A CN201810176243.9A CN201810176243A CN108347363A CN 108347363 A CN108347363 A CN 108347363A CN 201810176243 A CN201810176243 A CN 201810176243A CN 108347363 A CN108347363 A CN 108347363A
- Authority
- CN
- China
- Prior art keywords
- target
- module
- image
- indicate
- feature extraction
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/2803—Home automation networks
- H04L12/2816—Controlling appliance services of a home automation network by calling their functionalities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/2803—Home automation networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
- H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供了一种智能家居系统,包括用户终端、云端服务器和传感器组,所述用户终端用于将待建模家庭的室内场景素材上传至所述云端服务器,所述云端服务器包括建模模块、家居识别模块和文字标注模块,所述建模模块用于根据所述室内场景素材进行三维建模,形成所述待建模家庭的室内场景模拟图像,所述家居识别模块用于识别出所述室内场景模拟图像中各个家居设备的名称,所述文字标注模块用于在所述室内场景模拟图像对各个家居设备的名称进行文字标注,所述传感器组用于感应所述待模拟家庭中各个房间的指标参数的参数值,并将感应到的指标参数的参数值上传至所述云端服务器。本发明的有益效果为:通过对室内场景进行建模,提升了用户体验。
Description
技术领域
本发明涉及智能家居技术领域,具体涉及一种智能家居系统。
背景技术
随着计算机技术的不断发展,智能家居系统也逐渐走入了人们的生活,现在的智能家居系统很难实现个性化控制,用户体验差。
机器视觉,即研究如何使用计算机来模拟人的视觉功能。机器视觉属于人工智能领域,是一门综合了计算机科学、神经科学、信号处理等多个学科的新兴技术。一个典型的机器视觉系统通过图像采集设备将目标转换成图像信号,传输给图餘处理单元。图像处理单元首先提取目标的特征信息,然后通过图像处理算法计算结果,最后输出到监视器等设备。其优点有:快速、准确,对目标物无伤害;具有更广的波谱观测范围;可长时间稳定工作。我国己成为目前机器视觉发展最快的地区之一,应用领域涵盖了工业、农业、气象、航天、军事等行业。这就为智能家居系统的发展奠定了良好基础。
发明内容
针对上述问题,本发明旨在提供一种智能家居系统。
本发明的目的采用以下技术方案来实现:
提供了一种智能家居系统,包括用户终端、云端服务器和传感器组,所述用户终端用于将待建模家庭的室内场景素材上传至所述云端服务器,所述云端服务器包括建模模块、家居识别模块和文字标注模块,所述建模模块用于根据所述室内场景素材进行三维建模,形成所述待建模家庭的室内场景模拟图像,所述家居识别模块用于识别出所述室内场景模拟图像中各个家居设备的名称,所述文字标注模块用于在所述室内场景模拟图像对各个家居设备的名称进行文字标注,所述传感器组用于感应所述待模拟家庭中各个房间的指标参数的参数值,并将感应到的指标参数的参数值上传至所述云端服务器,并通过所述云端服务器在所述室内场景模拟图像中进行标识。
本发明的有益效果为:通过对室内场景进行建模,并标注室内场景各个参数,提升了用户体验。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明的结构示意图;
附图标记:
用户终端1、云端服务器2、传感器组3。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例的一种智能家居系统,包括用户终端1、云端服务器2和传感器组3,所述用户终端1用于将待建模家庭的室内场景素材上传至所述云端服务器2,所述云端服务器2包括建模模块、家居识别模块和文字标注模块,所述建模模块用于根据所述室内场景素材进行三维建模,形成所述待建模家庭的室内场景模拟图像,所述家居识别模块用于识别出所述室内场景模拟图像中各个家居设备的名称,所述文字标注模块用于在所述室内场景模拟图像对各个家居设备的名称进行文字标注,所述传感器组3用于感应所述待模拟家庭中各个房间的指标参数的参数值,并将感应到的指标参数的参数值上传至所述云端服务器2,并通过所述云端服务器2在所述室内场景模拟图像中进行标识。
本实施例通过对室内场景进行建模,并标注室内场景各个参数,提升了用户体验。
优选的,所述用户终端1还用于用户输入对家居设备的控制指令,所述云端服务器2能够对所述控制指令进行响应,对家居设备进行相应控制。
本优选实施例通过用户终端1和云端服务器2实现了对智能家居设备的有效控制。
优选的,所述家居识别模块包括第一图像分割模块、第二特征提取模块和第三图像识别模块,所述第一图像分割模块用于分割图像中目标和背景,所述第二特征提取模块用于对目标特征进行提取,所述第三图像识别模块用于对各个家居设备进行分类识别。
本优选实施例家居识别模块通过对图像进行分割和提取目标特征对各个家居设备进行分类识别,实现了图像的准确识别。
优选的,所述第一图像分割模块用于分割图像中目标和背景,具体为:定义分割函数:在式子里,m0和m1分别表示背景像素和目标像素所占的比例,μ0和μ1分别表示背景像素和目标像素的灰度均值,μ表示图像所有像素的灰度均值;采用下式确定最佳图像分割值,k表示图像分割值,用于将图像分割为背景部分和目标部分,k∈[0,L],L表示图像灰度级数:MH=argmax RU(k),在式子里,MH表示最佳图像分割值,argmax RU(k)表示RU(k)最大时k的取值;
本优选实施例第一图像分割模块通过定义分割函数、确定最佳图像分割值,实现了图像的准确分割,精确获取了图像目标。
优选的,所述第二特征提取模块包括一次特征提取单元、二次特征提取单元和三次特征提取单元,所述一次特征提取单元用于提取目标的颜色特征,所述二次特征提取单元用于提取目标的形态特征,所述三次特征提取单元用于根据颜色特征和形态特征确定目标特征向量;
所述一次特征提取单元用于提取目标的颜色特征,具体为:目标的颜色特征采用下式提取:在式子里,N表示目标像素点的个数,GT1表示目标的第一颜色特征,GT2表示目标的第二颜色特征,GT3表示目标的第三颜色特征,ri表示色彩空间中像素的红色分量,gi表示色彩空间中像素的绿色分量,bi表示色彩空间中像素的蓝色分量;根据颜色特征建立目标的颜色特征向量DT1:DT1=[GT1,GT2,GT3];
本优选实施例一次特征提取单元通过计算目标的颜色特征,建立起目标颜色特征向量,本发明颜色特征充分考虑了目标的所有像素点,具有很强的鲁棒性,相比颜色直方图方式提取颜色特征,本发明颜色特征降低了特征维度,具有计算量小,节约计算资源的特点,为后续目标识别奠定了基础。
优选的,所述二次特征提取单元用于提取目标的形态特征,具体为:目标的形态特征采用下式计算:在式子里,Z表示目标的外轮廓长度,A表示目标的面积大小,L表示目标最小外接矩形的长,H表示目标最小外接矩形的宽,RX1表示目标的第一形态特征,RX2表示目标的第二形态特征,RX3表示目标的第三形态特征,R1表示目标的内切圆半径,R2表示目标的外切圆半径;根据形态特征建立目标的形态特征向量DT2:DT2=[RX1,RX2,RX3]。
所述三次特征提取单元用于根据颜色特征和形态特征确定目标特征向量,具体为:根据目标的颜色特征向量和形态特征向量建立目标的特征向量DT:DT=[DT1,DT2];所述第三图像识别模块用于对各个家居设备进行分类识别,具体为:根据目标的特征向量采用支持向量机对各个家居设备进行分类识别。
本优选实施例二次特征提取单元通过计算目标的形态特征,建立起目标形态特征向量,第一形态特征充分考虑了目标的复杂度,第一形态特征越大,目标越复杂,第二形态特征充分考虑了目标的占空比,目标第三形态特征充分考虑了目标的球形性,第三形态特征越大,目标越接近球形,为后续目标识别奠定了基础。
采用本发明智能家居系统对智能家居设备进行控制,选取5个家庭进行实验,分别为家庭1、家庭2、家庭3、家庭4、家庭5,对控制时间和用户满意度进行统计,同现有智能家居系统相比,产生的有益效果如下表所示:
控制时间缩短 | 用户满意度提高 | |
家庭1 | 29% | 27% |
家庭2 | 27% | 26% |
家庭3 | 26% | 26% |
家庭4 | 25% | 24% |
家庭5 | 24% | 22% |
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (5)
1.一种智能家居系统,其特征在于,包括用户终端、云端服务器和传感器组,所述用户终端用于将待建模家庭的室内场景素材上传至所述云端服务器,所述云端服务器包括建模模块、家居识别模块和文字标注模块,所述建模模块用于根据所述室内场景素材进行三维建模,形成所述待建模家庭的室内场景模拟图像,所述家居识别模块用于识别出所述室内场景模拟图像中各个家居设备的名称,所述文字标注模块用于在所述室内场景模拟图像对各个家居设备的名称进行文字标注,所述传感器组用于感应所述待模拟家庭中各个房间的指标参数的参数值,并将感应到的指标参数的参数值上传至所述云端服务器,并通过所述云端服务器在所述室内场景模拟图像中进行标识。
2.根据权利要求1所述的智能家居系统,其特征在于,所述用户终端还用于用户输入对家居设备的控制指令,所述云端服务器能够对所述控制指令进行响应,对家居设备进行相应控制。
3.根据权利要求2所述的智能家居系统,其特征在于,所述家居识别模块包括第一图像分割模块、第二特征提取模块和第三图像识别模块,所述第一图像分割模块用于分割图像中目标和背景,所述第二特征提取模块用于对目标特征进行提取,所述第三图像识别模块用于对各个家居设备进行分类识别。
4.根据权利要求3所述的智能家居系统,其特征在于,所述第一图像分割模块用于分割图像中目标和背景,具体为:定义分割函数:在式子里,m0和m1分别表示背景像素和目标像素所占的比例,μ0和μ1分别表示背景像素和目标像素的灰度均值,μ表示图像所有像素的灰度均值;采用下式确定最佳图像分割值,k表示图像分割值,用于将图像分割为背景部分和目标部分,k∈[0,L],L表示图像灰度级数:MH=argmax RU(k),在式子里,MH表示最佳图像分割值,arg max RU(k)表示RU(k)最大时k的取值。
5.根据权利要求4所述的智能家居系统,其特征在于,所述第二特征提取模块包括一次特征提取单元、二次特征提取单元和三次特征提取单元,所述一次特征提取单元用于提取目标的颜色特征,所述二次特征提取单元用于提取目标的形态特征,所述三次特征提取单元用于根据颜色特征和形态特征确定目标特征向量;所述一次特征提取单元用于提取目标的颜色特征,具体为:目标的颜色特征采用下式提取:在式子里,N表示目标像素点的个数,GT1表示目标的第一颜色特征,GT2表示目标的第二颜色特征,GT3表示目标的第三颜色特征,ri表示色彩空间中像素的红色分量,gi表示色彩空间中像素的绿色分量,bi表示色彩空间中像素的蓝色分量;根据颜色特征建立目标的颜色特征向量DT1:DT1=[GT1,GT2,GT3]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810176243.9A CN108347363A (zh) | 2018-03-02 | 2018-03-02 | 一种智能家居系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810176243.9A CN108347363A (zh) | 2018-03-02 | 2018-03-02 | 一种智能家居系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108347363A true CN108347363A (zh) | 2018-07-31 |
Family
ID=62959998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810176243.9A Pending CN108347363A (zh) | 2018-03-02 | 2018-03-02 | 一种智能家居系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108347363A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110070127A (zh) * | 2019-04-19 | 2019-07-30 | 南京邮电大学 | 面向家居产品精细识别的优化方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104536397A (zh) * | 2014-12-09 | 2015-04-22 | 中国电子科技集团公司第十五研究所 | 一种3d虚拟智能家居交互方法 |
CN105022281A (zh) * | 2015-07-29 | 2015-11-04 | 中国电子科技集团公司第十五研究所 | 一种基于虚拟现实的智能家居控制系统 |
CN106155002A (zh) * | 2015-04-17 | 2016-11-23 | 乐金电子研发中心(上海)有限公司 | 智能家居系统 |
JP2017163237A (ja) * | 2016-03-08 | 2017-09-14 | ヤマハ株式会社 | ネットワーク設定情報生成装置 |
-
2018
- 2018-03-02 CN CN201810176243.9A patent/CN108347363A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104536397A (zh) * | 2014-12-09 | 2015-04-22 | 中国电子科技集团公司第十五研究所 | 一种3d虚拟智能家居交互方法 |
CN106155002A (zh) * | 2015-04-17 | 2016-11-23 | 乐金电子研发中心(上海)有限公司 | 智能家居系统 |
CN105022281A (zh) * | 2015-07-29 | 2015-11-04 | 中国电子科技集团公司第十五研究所 | 一种基于虚拟现实的智能家居控制系统 |
JP2017163237A (ja) * | 2016-03-08 | 2017-09-14 | ヤマハ株式会社 | ネットワーク設定情報生成装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110070127A (zh) * | 2019-04-19 | 2019-07-30 | 南京邮电大学 | 面向家居产品精细识别的优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104599275B (zh) | 基于概率图模型的非参数化的rgb-d场景理解方法 | |
CN106778604B (zh) | 基于匹配卷积神经网络的行人再识别方法 | |
WO2021082635A1 (zh) | 一种关注区域检测方法、装置、可读存储介质及终端设备 | |
CN108492294B (zh) | 一种图像色彩和谐程度的评估方法及装置 | |
CN111768336B (zh) | 人脸图像处理方法、装置、计算机设备和存储介质 | |
CN104182765B (zh) | 一种互联网图像驱动的三维模型最优视图自动选择方法 | |
CN106469302A (zh) | 一种基于人工神经网络的人脸肤质检测方法 | |
CN106296695A (zh) | 基于显著性的自适应阈值自然目标图像分割抽取算法 | |
CN109559310A (zh) | 基于显著性检测的输变电巡检图像质量评价方法及系统 | |
CN106408510B (zh) | 一种获取人脸图像的美颜蒙版的方法及系统 | |
CN112784749B (zh) | 目标模型的训练方法、目标对象的识别方法、装置及介质 | |
CN103996195A (zh) | 一种图像显著性检测方法 | |
CN105701467A (zh) | 一种基于人体形态特征的多人异常行为识别方法 | |
CN109117773A (zh) | 一种图像特征点检测方法、终端设备及存储介质 | |
CN107122787A (zh) | 一种基于特征融合的图像缩放质量评价方法 | |
CN103020589B (zh) | 一种单训练样本人脸识别方法 | |
CN103714349A (zh) | 一种基于颜色和纹理特征的图像识别方法 | |
CN109886155A (zh) | 基于深度学习的单株水稻检测定位方法、系统、设备及介质 | |
CN108319888A (zh) | 视频类型的识别方法及装置、计算机终端 | |
CN108875693A (zh) | 一种图像处理方法、装置、电子设备及其存储介质 | |
CN107341440A (zh) | 基于多任务度量多核学习的室内rgb‑d场景图像识别方法 | |
CN109447175A (zh) | 结合深度学习与度量学习的行人再识别方法 | |
CN110223310A (zh) | 一种基于深度学习的线结构光中心线和箱体边缘检测方法 | |
CN111768404A (zh) | 口罩外观缺陷检测系统、方法、装置以及存储介质 | |
CN108647264A (zh) | 一种基于支持向量机的图像自动标注方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180731 |
|
RJ01 | Rejection of invention patent application after publication |