CN108360630A - 智能便器及电器系统 - Google Patents
智能便器及电器系统 Download PDFInfo
- Publication number
- CN108360630A CN108360630A CN201810082073.8A CN201810082073A CN108360630A CN 108360630 A CN108360630 A CN 108360630A CN 201810082073 A CN201810082073 A CN 201810082073A CN 108360630 A CN108360630 A CN 108360630A
- Authority
- CN
- China
- Prior art keywords
- intelligent closestool
- user
- module
- metabolin
- information
- 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.)
- Granted
Links
Classifications
-
- E—FIXED CONSTRUCTIONS
- E03—WATER SUPPLY; SEWERAGE
- E03D—WATER-CLOSETS OR URINALS WITH FLUSHING DEVICES; FLUSHING VALVES THEREFOR
- E03D9/00—Sanitary or other accessories for lavatories ; Devices for cleaning or disinfecting the toilet room or the toilet bowl; Devices for eliminating smells
-
- E—FIXED CONSTRUCTIONS
- E03—WATER SUPPLY; SEWERAGE
- E03D—WATER-CLOSETS OR URINALS WITH FLUSHING DEVICES; FLUSHING VALVES THEREFOR
- E03D11/00—Other component parts of water-closets, e.g. noise-reducing means in the flushing system, flushing pipes mounted in the bowl, seals for the bowl outlet, devices preventing overflow of the bowl contents; devices forming a water seal in the bowl after flushing, devices eliminating obstructions in the bowl outlet or preventing backflow of water and excrements from the waterpipe
-
- E—FIXED CONSTRUCTIONS
- E03—WATER SUPPLY; SEWERAGE
- E03D—WATER-CLOSETS OR URINALS WITH FLUSHING DEVICES; FLUSHING VALVES THEREFOR
- E03D5/00—Special constructions of flushing devices, e.g. closed flushing system
- E03D5/10—Special constructions of flushing devices, e.g. closed flushing system operated electrically, e.g. by a photo-cell; also combined with devices for opening or closing shutters in the bowl outlet and/or with devices for raising/or lowering seat and cover and/or for swiveling the bowl
- E03D5/105—Special constructions of flushing devices, e.g. closed flushing system operated electrically, e.g. by a photo-cell; also combined with devices for opening or closing shutters in the bowl outlet and/or with devices for raising/or lowering seat and cover and/or for swiveling the bowl touchless, e.g. using sensors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
Abstract
本发明公开了一种智能便器及电器系统,该智能便器包括:信息采集装置,用于采集处于使用状态的所述智能便器的特征信息,所述特征信息至少包括使用所述智能便器的人体的声纹信息和/或气味信息;控制装置,包括身份识别模块,用于根据所述特征信息对使用所述智能便器的人体进行身份识别。本发明提供的智能便器能够通过信息采集装置进行用户的声纹信息、气味信息等特征信息的采集,如此,无需用户进行任何操作,智能便器的控制装置即可综合用户的各种特征信息来对用户进行准确的身份识别。
Description
技术领域
本发明涉及电器领域,特别是一种智能便器及电器系统。
背景技术
伴随物联网技术的发展,智慧生活会成为一种健康、时尚的潮流。马桶也是人们日常生活中一个很重要的生活必需品,传统的马桶仅具备单一的冲水功能,远远不能够满足人们对健康生活追求的需求。
现有技术中提出一种智能健康马桶的智能检测系统和方法,利用指纹识别和按键识别来识别用户身份,这种方式需要用户在使用马桶之前首先用手指按动按键进行指纹识别,使用不便且不卫生。现有技术中还提出了一种具有身份识别功能的马桶,该提案根据马桶圈上承载的重量来识别当下马桶的使用者身份,显然如果有体重完全相同的多个人来同时使用该马桶时,该提案方案并不能够准确地识别出用户的真实身份。现有技术中还提出了一种具有语音控制功能的智能便器,该提案提出了通过用户语音控制马桶的功能执行,比如:“冲水”、“来首音乐”等等,但并不能进行用户身份识别。
发明内容
有鉴于此,本发明的目的之一是提供一种能够方便准确地进行用户身份识别的智能便器及具有其的电器系统。
为达上述目的,一方面,本发明采用如下技术方案:
一种智能便器,包括:
信息采集装置,用于采集处于使用状态的所述智能便器的特征信息,所述特征信息至少包括使用所述智能便器的人体的声纹信息和/或气味信息;
控制装置,包括身份识别模块,用于根据所述特征信息对使用所述智能便器的人体进行身份识别。
由于是采集人体特有的声纹信息、气味信息等特征信息进行身份识别,因此,无需用户进行任何操作,当用户使用智能便器时,智能便器能够综合用户的各种特征信息自动对用户进行准确的身份识别,大大提高了使用便捷性。
优选地,所述特征信息还包括人脸的图像信息、所述人体的体重、人体相对所述智能便器的位置和/或所述智能便器的使用时间。
优选地,所述身份识别模块采用人工神经网络算法根据所述特征信息对使用所述智能便器的人体进行身份识别。
优选地,所述智能便器还包括代谢物取样装置,用于对人体排入所述智能便器内的代谢物进行取样;
所述控制装置还包括代谢物分析模块,用于对所述代谢物取样装置取样的代谢物进行成分分析。
优选地,所述代谢物分析模块用于分析尿液中的酸碱度、尿比重、尿胆原、隐血、白细胞含量、尿蛋白含量、胆红素含量、酮体含量、尿红细胞含量和/或尿液颜色;和/或,
所述代谢物分析模块用于分析粪便中的红细胞计数、白细胞含量、脓细胞含量和/或寄生虫卵的种类和含量。
优选地,所述智能便器还包括存储装置,所述控制装置用于将所述代谢物分析模块的成分分析结果以与所述身份识别模块识别的身份相对应的方式存储于所述存储装置中。
优选地,所述智能便器还包括通讯模块,所述控制装置能够通过所述通讯模块与服务器和/或终端通讯连接,所述控制装置用于通过所述通讯模块将所述代谢物分析模块的成分分析结果以及与相对应的所述身份识别模块识别的身份信息上传至所述服务器和/或所述终端。
优选地,所述智能便器还包括提示装置,所述存储装置中还存储有与不同的身体特征参数范围对应的代谢物成分的标准范围,所述控制装置用于根据所述身份识别模块识别的身份得到其所属的身体特征参数范围,并将所述代谢物分析模块的成分分析结果与所属的身体特征参数范围对应的代谢物成分的标准范围比较,当所述成分分析结果在所述标准范围之外时,所述控制装置控制所述提示装置进行提示。
优选地,所述智能便器还包括信息录入模块,用于录入身份信息,所述身份识别模块用于根据所述特征信息和经所述信息录入模块录入的身份信息对使用所述智能便器的人体进行身份识别。
另一方面,本发明采用如下技术方案:
一种电器系统,包括如上所述的智能便器,所述电器系统还包括智能设备,所述智能设备包括可穿戴设备、家用健身器材和/或家用电器,
所述智能便器能够与所述智能设备通讯连接;和/或,
所述智能便器和所述智能设备均与服务器通讯连接。
优选地,所述家用电器包括空调、烹饪器具、空气净化器、加湿器和/或冰箱。
优选地,所述智能便器还包括代谢物取样装置和代谢物分析模块,所述代谢物取样装置用于对人体排入所述智能便器内的代谢物进行取样,所述代谢物分析模块用于对所述代谢物取样装置取样的代谢物进行成分分析;
所述智能便器的控制装置或者所述服务器根据所述代谢物分析模块的成分分析结果向所述智能设备推送提示信息。
优选地,所述提示信息包括饮食建议、健身计划和/或推荐环境参数设定值。
本发明提供的智能便器能够通过信息采集装置进行用户的声纹信息、气味信息等特征信息的采集,如此,无需用户进行任何操作,智能便器的控制装置即可综合用户的各种特征信息来对用户进行准确的身份识别。
附图说明
通过以下参照附图对本发明实施例的描述,本发明的上述以及其它目的、特征和优点将更为清楚,在附图中:
图1示出本发明具体实施方式提供的智能便器的系统示意图;
图2示出本发明具体实施方式提供的神经网络算法结构图;
图3示出本发明具体实施方式提供的电器系统的结构示意图。
其中,100、智能便器;110、信息采集装置;111、声纹识别装置;112、气味扫描仪;113、人脸识别模块;114、称重模块;115、位置检测模块;116、计时模块;120、控制装置;121、身份识别模块;130、信息录入模块;140、提示装置;150、存储装置;160、通讯模块;170、代谢物取样装置;180、代谢物分析模块;200、服务器;300、在线诊断平台;400、移动终端;500、家用电器;600、家用健身器材;700、可穿戴设备。
具体实施方式
以下基于实施例对本发明进行描述,但是本发明并不仅仅限于这些实施例。为了避免混淆本发明的实质,公知的方法、过程、流程、元件并没有详细叙述。
此外,本领域普通技术人员应当理解,在此提供的附图都是为了说明的目的,并且附图不一定是按比例绘制的。
除非上下文明确要求,否则整个说明书和权利要求书中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义;也就是说,是“包括但不限于”的含义。
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。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。
在描述本发明的概念的过程中使用了术语“一”和“所述”以及类似的词语(尤其是在所附的权利要求书中),应该将这些术语解释为既涵盖单数又涵盖复数。此外,除非本文中另有说明,否则在本文中叙述数值范围时仅仅是通过快捷方法来指代属于相关范围的每个独立的值,而每个独立的值都并入本说明书中,就像这些值在本文中单独进行了陈述一样。另外,除非本文中另有指明或上下文有明确的相反提示,否则本文中所述的所有方法的步骤都可以按任何适当次序加以执行。本发明的改变并不限于描述的步骤顺序。除非另外主张,否则使用本文中所提供的任何以及所有实例或示例性语言(例如,“例如”)都仅仅为了更好地说明本发明的概念,而并非对本发明的概念的范围加以限制。在不脱离精神和范围的情况下,所属领域的技术人员将易于明白多种修改和适应。
本申请提供了一种智能便器,通过对便器的智能化处理,提高用户体验。智能便器例如可以是蹲便或者坐便器(即马桶)。
如图1所示,其包括信息采集装置110和控制装置120,其中,信息采集装置110用于采集处于使用状态的智能便器100的特征信息,特征信息例如包括使用智能便器100的人体的声纹信息、气味信息等,所谓声纹(Voiceprint),是用电声学仪器显示的携带言语信息的声波频谱。人类语言的产生是人体语言中枢与发音器官之间一个复杂的生理物理过程,人在讲话时使用的发声器官--舌、牙齿、喉头、肺、鼻腔在尺寸和形态方面每个人的差异很大,所以任何两个人的声纹图谱都有差异。每个人的语音声学特征既有相对稳定性,又有变异性,不是绝对的、一成不变的。这种变异可来自生理、病理、心理、模拟、伪装,也与环境干扰有关。尽管如此,由于每个人的发音器官都不尽相同,因此,通过声纹识别装置仍能区别不同的人的声音或判断是否是同一人的声音。由于不同的个体具有独特的声纹以及气味(例如,当某一用户喜欢抽烟时,通常身上会有烟味),因此,通过获取声纹信息、气味信息能够准确的对正在使用智能便器100的用户进行准确的身份识别。例如,控制装置120包括身份识别模块121,身份识别模块121用于根据信息采集装置110采集的使用智能便器100的人体的特征信息来进行身份识别。
用户的身份可以预先录入到控制装置120中,例如,智能便器包括信息录入模块130,用户可以通过信息录入模块130将个人信息录入进去,身份识别模块121可根据特征和录入信息录入模块130中的身份信息对使用智能便器100的人体进行身份识别,即,用户可以首先在智能便器100中录入自己的个人信息,包括姓名、年龄、性别、体重、身高等,方便智能便器后续对用户的代谢物进行检测后将检测结果与用户相匹配,当然,可以理解的是,用户的个人信息也可以由智能便器100自主建立,例如,当某一用户使用智能便器100时,智能便器100自动对该用户建档,并将其后续的检测结果存入该用户的档案中,用户还可以后续对其进行相应的命名,而当智能便器100检测到另一用户使用时,则另外单独对该用户建档。
声纹信息、气味信息均可以通过特定的传感器进行检测,控制装置120与各个传感器均相连,可以通过有线或者无线的方式通讯连接,在一个具体的实施例中,信息采集装置110包括用于采集声纹信息的声纹识别装置111,声纹识别的过程包括:
A、特征提取,提取并选择对说话人的声纹具有可分性强、稳定性高等特性的声学或语言特征。与语音识别不同,声纹识别的特征必须是“个性化”特征,而说话人识别的特征对说话人来讲必须是“共性特征”。虽然目前大部分声纹识别系统用的都是声学层面的特征,但是表征一个人特点的特征应该是多层面的,包括:(1)与人类的发音机制的解剖学结构有关的声学特征(如频谱、倒频谱、共振峰、基音、反射系数等等)、鼻音、带深呼吸音、沙哑音、笑声等;(2)受社会经济状况、受教育水平、出生地等影响的语义、修辞、发音、言语习惯等;(3)个人特点或受父母影响的韵律、节奏、速度、语调、音量等特征。从利用数学方法可以建模的角度出发,声纹自动识别模型目前可以使用的特征包括:(1)声学特征(倒频谱);(2)词法特征(说话人相关的词n-gram,音素n-gram);(3)韵律特征(利用n-gram描述的基音和能量“姿势”);(4)语种、方言和口音信息;(5)通道信息(使用何种通道)。
B、模式匹配
在该过程中进行模式的识别,其方法包括:
(1)模板匹配方法:利用动态时间弯折(DTW)以对准训练和测试特征序列,主要用于固定词组的应用(通常为文本相关任务);
(2)最近邻方法:训练时保留所有特征矢量,识别时对每个矢量都找到训练矢量中最近的K个,据此进行识别;
(3)神经网络方法:有很多种形式,如多层感知、径向基函数(RBF)等,可以显式训练以区分说话人和其背景说话人;
(4)隐式马尔可夫模型(HMM)方法:通常使用单状态的HMM,或高斯混合模型(GMM);
(5)VQ聚类方法(如LBG):优选与HMM方法配合使用;
(6)多项式分类器方法。
信息采集装置还包括用于采集用户气味的气味扫描仪112(即电子鼻),电子鼻是利用气体传感器阵列的响应图案来识别气味的电子系统,主要由气味取样操作器、气体传感器阵列和信号处理系统三种功能器件组成。电子鼻识别气味的主要机理是在阵列中的每个传感器对被测气体都有不同的灵敏度,例如,一号气体可在某个传感器上产生高响应,而对其他传感器则是低响应,同样,二号气体产生高响应的传感器对一号气体则不敏感,整个传感器阵列对不同气体的响应图案是不同的,正是这种区别,才使系统能根据传感器的响应图案来识别气味。具体地,某种气味呈现在一种活性材料的传感器面前,传感器将化学输入转换成电信号,由多个传感器对一种气味的响应便构成了传感器阵列对该气味的响应谱。显然,气味中的各种化学成分均会与敏感材料发生作用,所以这种响应谱为该气味的广谱响应谱。为实现对气味的定性或定量分析,必须将传感器的信号进行适当的预处理(消除噪声、特征提取、信号放大等)后采用合适的模式识别分析方法对其进行处理。理论上,每种气味都会有它的特征响应谱,根据其特征响应谱可区分不同的气味。同时还可利用气敏传感器构成阵列对多种气体的交叉敏感性进行测量,通过适当的分析方法,实现混合气体分析。
为了进一步提高身份识别的准确性,特征信息还可以包括人脸的图像信息、人体的体重、人体相对智能便器的位置、智能便器的使用时间等等,例如,信息采集装置还包括人脸识别模块113、称重模块114、位置检测模块115、计时模块116等等,通过人脸识别模块113对使用智能便器的用户进行人脸识别,人脸识别模块113包括人脸图像采集部分、人脸图像预处理部分、人脸图像特征提取部分以及人脸图像匹配与识别部分,其中,人脸图像采集部分中,通过摄像镜头对人脸图像进行采集,比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时,采集设备会自动搜索并拍摄用户的人脸图像。人脸图像预处理部分中,对于人脸的图像预处理是基于人脸检测结果,对图像进行处理并最终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰,往往不能直接使用,必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言,其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。人脸图像特征提取部分中,其可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取,也称人脸表征,它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类:一种是基于知识的表征方法;另外一种是基于代数特征或统计学习的表征方法。基于知识的表征方法主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据,其特征分量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成,对这些局部和它们之间结构关系的几何描述,可作为识别人脸的重要特征,这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。人脸图像匹配与识别部分中,提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配,通过设定一个阈值,当相似度超过这一阈值,则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较,根据相似程度对人脸的身份信息进行判断。这一过程又分为两类:一类是确认,是一对一进行图像比较的过程,另一类是辨认,是一对多进行图像匹配对比的过程。由于在进行人脸识别时需要用户对准人脸识别模块的摄像头,为了方便人脸图像的获取,优选地,人脸识别模块的摄像头设置在便器的对侧与人头部高度相对应的位置,如此,用户无需刻意地去找摄像头,当用户正常使用智能便器时即可自动对用户进行人脸识别。
通过称重模块114称取使用智能便器的用户的体重,称重模块114例如为重量传感器,当智能便器为马桶时,重量传感器优选设置在马桶圈的下方,当智能便器为蹲便器时,重量传感器优选设置在用户踩踏的地面的下方。
通过位置检测模块115检测人体相对智能便器100的位置,由于不同的用户通常具有自己独特的如厕习惯,因此不同的用户在使用智能便器100时相对智能便器100的位置也会有细微的变化,身份识别模块121可以根据位置检测模块115检测到的用户位置分析发现这些细微的变化,从而将其作为用户识别用户身份的一个因素,当然,也可以不设置位置检测模块115,而是在智能便器100的不同位置设置多个重量传感器,用户的位置不同,则多个重量传感器所检测到的重量也各不相同,可以根据多个重量传感器的检测量来分析得到用户相对智能便器100的位置。
通过计时模块来检测智能便器100的使用时间,由于不同的用户具有自己独特的如厕习惯,比如有些用户喜欢在如厕时玩手机或者有便秘的问题,则其如厕时间通常会较长,身份识别模块121可以将计时模块116统计的用户如厕时间作为识别用户身份的一个因素。在一个具体的实施例中,当称重模块114检测到重量增加较大并持续预定时间(例如10s)时,说明有用户开始使用智能便器,此时计时模块116开始计时,直至称重模块114在预定时间(例如10s)内均检测不到重量时(或者是检测到用户冲水时),说明用户结束如厕,计时模块116停止计时。
身份识别模块121优选采用人工神经网络算法根据特征信息对使用智能便器100的人体进行身份识别。具体地,通过对大量不同使用环境下(包括但不限于如下的一种或多种:用户的声纹信息、用户气味信息、用户的如厕时间、用户的体重等综合方式等)用户身份数据汇总收集,选取若干身体特征状态参数作为样本数据,对神经网络进行学习和训练,通过调整网络结构及网络节点间的权值,使神经网络拟合用户的身份与其特征信息之间的关系,最终使神经网络能准确拟合出用户身份与特征信息的对应关系。具体实施步骤如下:
S001、数据搜集:
搜集用户在不同使用环境下的自身的特征信息参数及对应的确定身份信息情况。具体搜集方式包括但不限于在实验室模拟环境下的特征参数(即用户主动地让智能便器对其特征信息进行获取,包括声纹信息、气味、体重、脸部图像等)、通过物联网技术搜集实际用户使用时的特征信息参数(即用户被动地由处于物联网中的各个电器对其特征信息参数进行采集)等方式。
S002、样本数据选择
通过对数据的分析和结合专家经验知识,选取对用户身份状态有影响的参数作为输入参数,将确定用户身份信息状态作为输出参数。输入参数包括但不限于如下的一种或多种:用户的声纹信息、用户的气味信息、用户的如厕时间、用户的体重等综合方式、跑步机返回的健康计划、生活电器返回食谱信息等。输入参数不仅为单一参数,也包括按一定规律提取特征组成的输入参数一维或多维数组。
将得到的输入、输出参数对,一部分用作训练本样数据,一部分用作测试样本数据。
S003、网络结构设计
根据用户的特征信息及其所蕴含的规律,可初步确定网络的基本结构、网络的输入、输出节点数、网络隐层数、隐节点数、网络初始权值等。本发明的神经网络算法示意图如图2所示。
S004、网络训练与测试
网络设计完成后,需用训练样本数据,对网络进行训练。
训练方法可根据实际的网络结构及训练中发现的问题进行调整。此处仅针对本发明的其中一种方法举例说明如下:
导入输入数据x,根据激活函数、初始化的权值及偏置计算出网络的实际输出a(x),即a(x)=1/(1+e-z),其中Z=Wk*x+bl
判断网络的期望输出y(x)与实际输出a(x)是否满足输出精度要求即:
||y(x)-a(x)||<∈,∈为目标最小误差
网络训练完成后,再用测试样本正向测试网络。当测试误差不满足要求时,则重复以上步骤,重新训练网络;若测试误差满足要求,则网络训练测试完成。
进一步地,通过控制装置120还可以控制各个传感器的启停,例如,当称重模块114检测到重量增加较大并持续预定时间(例如10s)时,说明有用户开始使用智能便器,控制装置120控制各个传感器开启进行用户特征参数的获取,称重模块114在预定时间(例如10s)内均检测不到重量时(或者是检测到用户冲水时),说明用户结束如厕,控制装置控制各个传感器关闭。
进一步地,人体每天都在从外界吸收营养物质,同时又将自身代谢的废物排出身体之外。新陈代谢是一个循环往复的动态过程。人体就是在这样一个动态平衡中维持机体的正常运转。当身体中出现了疾病时,这个动态的平衡就会被打破,进而人体代谢的废物就会出现异常,基于此,智能便器还包括代谢物取样装置170和代谢物分析模块180,其中,代谢物取样装置170用于对人体排入智能便器100内的代谢物进行取样,代谢物分析模块180用于对代谢物取样装置170取样的代谢物进行成分分析,例如,分析用户尿液中的酸碱度、尿比重、尿胆原、隐血、白细胞含量、尿蛋白含量、胆红素含量、酮体含量、尿红细胞含量和/或尿液颜色,再例如,分析用户粪便中的红细胞计数、白细胞含量、脓细胞含量和/或寄生虫卵的种类和含量。如此,用户不需要去医院排队和挂号即可方便的获知自身的健康状况。
控制装置120可根据代谢物分析模块分析180的用户代谢物成分来判断用户的健康状况,例如,智能便器100还包括提示装置140和存储装置150,由于不同年龄阶段、不同性别、不同的职业其所对应的代谢物成分的标准范围是不同的,因此,存储装置150中存储有与不同的身体特征参数范围对应的代谢物成分的标准范围,控制装置120用于根据身份识别模块121识别的身份得到其所属的身体特征参数范围,并将所述代谢物分析模块180的成分分析结果与所属的身体特征参数范围对应的代谢物成分的标准范围比较,当所述成分分析结果在所述标准范围之外时,说明该用户可能会存在健康问题,此时,控制装置120可以控制所述提示装置140进行相应提示,提示装置140例如可以通过语音、文字显示等方式进行相应提醒,例如,在智能便器100上设置显示装置,当控制装置120判断当前用户存在健康隐患时,可以将用户指标不在标准范围内的分析结果显示在显示装置上,当然,可以理解的是,即使用户不存在健康隐患,控制装置120也可以将分析结果显示在显示装置上,使得用户可以了解自己的身体健康状况。
为了降低控制装置120的预算量以及减小对存储装置的存储量的要求,优选地,智能便器100还包括通讯模块160,控制装置120能够通过通讯模块160与服务器200通讯连接,代谢物分析模块180的成分分析结果以及与相对应的身份识别模块121识别的身份信息上传至服务器200中,通过服务器200来对用户的健康状况进行判断,在服务器200中还存储有分别与不同的检测结果相对应的病理分析,服务器200可以根据用户的代谢物检测结果对其健康状况进行预判,例如预判用户是身体的哪部分出现了问题,并将预判的结果发送至智能便器100显示在提示装置140中,当然,可以理解的是,也可以在终端(例如手机、ipad等移动终端)上安装相应的APP,服务器200将预判的结果发送到终端上进行显示。进一步优选地,服务器200还可以与在线诊断平台300通讯连接,当检测到用户存在健康隐患时,在获得用户授权的情况下,服务器200可以将用户的代谢物检测结果发送到在线诊断平台300由在线医生对其进行在线诊断并给出诊断结果反馈到服务器200,并由服务器200转发到智能便器100或者移动终端400供用户进行查看。另外,服务器200还可以对诊断结果进行分析,并向用户推送调理和改善的方案。
进一步地,代谢物分析模块180的成分分析结果以与身份识别模块121识别的身份相对应的方式存储于存储装置150中,从而能够对用户的体征参数进行记录,当用户需要去医院看医生时,可以提取存储装置150中存储的数据供医生参考,以便医生对用户的病情进行很好的判断。
进一步优选地,本申请还提供了一种电器系统,如图3所示,其包括上述的智能便器100,还包括智能设备,智能设备例如包括可穿戴设备700(例如智能手环)、家用健身器材600、家用电器500,家用电器500例如包括空调、烹饪器具、空气净化器、加湿器、冰箱等等,智能便器100能够与智能设备通讯连接,智能便器100和智能设备均能够与服务器200通讯连接。
如此,智能便器100能够与智能设备之间进行信息交互,例如,智能设备可以将其能够体现用户生活习惯的信息发送至智能便器100,智能便器100可以结合这些生活习惯来对用户的身份进行识别,体现用户生活习惯的信息例如包括用户的健身习惯、用户的饮食习惯、用户使用空调的频率、使用空调的设定温度高低、冰箱内的食品种类等等。再例如,智能便器100可以根据用户代谢物的成分来判断用户的身体健康状况,并根据用户的身体健康状况来向智能设备推送提示信息,例如向空调推送适宜温度设定值、向烹饪器具推送饮食建议、饮食禁忌等信息,向空气净化器推送空气净化程度信息、向加湿器推送适宜湿度设定值、向冰箱推送饮食建议、向家用健身器材600推送健身计划等等。另外,可穿戴设备700还可以将其检测到的用户的心率、血压、睡眠状况、运动情况发送给智能便器100,智能便器100能够结合用户代谢物成分以及用户的心率、血压、睡眠状况、运动情况这些可穿戴设备700检测的信息对用户的健康状况进行综合判断,提高对用户健康状况诊断的准确性。
智能便器100和智能设备也可以与服务器200进行信息交互,例如,智能设备可以将其能够体现用户生活习惯的信息发送至服务器200,由服务器200将这些信息发送至智能便器100,智能便器100可以结合这些生活习惯来对用户的身份进行识别,体现用户生活习惯的信息例如包括用户的健身习惯、用户的饮食习惯、用户使用空调的频率、使用空调的设定温度高低、冰箱内的食品种类等等。再例如,智能便器100将其检测的用户代谢物的成分信息发送至服务器200,服务器200根据用户代谢物的成分来判断用户的身体健康状况,并根据用户的身体健康状况来向智能设备推送提示信息,例如向空调推送适宜温度设定值、向烹饪器具推送饮食建议、饮食禁忌等信息,向空气净化器推送空气净化程度信息、向加湿器推送适宜湿度设定值、向冰箱推送饮食建议、向家用健身器材600推送健身计划等等。例如,当通过分析判断用户患有脂肪肝时,服务器200可以拟定与用户的体重、年龄相匹配的健身计划并向家用健身器材600发送,还可同时控制家用健身器材600定时对用户进行提醒,督促用户按时锻炼身体,服务器200还可以拟定匹配的菜谱并向烹饪器具发送,提醒用户优选按推荐的菜谱安排自己的饮食,以改善用户脂肪肝的状况。再例如,当通过分析判断用户患有呼吸道疾病时,服务器200可以向空气净化器发送控制信号,控制空气净化器定期对室内空气进行自动净化,服务器200同时也可以向家用健身器材600发送推荐食谱,以提高用户的呼吸环境,提高用户的舒适度。再例如,当通过分析判断用户患有慢性肾炎时,服务器200可以向烹饪器具推送信息,当用户开启烹饪器具,烹饪器具会提醒用户在烹饪食品的过程中不要放入辣椒、胡椒、酒类食品的提示。另外,可穿戴设备700还可以将其检测到的用户的心率、血压、睡眠状况、运动情况发送给服务器,服务器200结合用户代谢物成分以及用户的心率、血压、睡眠状况、运动情况这些可穿戴设备700检测的信息对用户的健康状况进行综合判断,提高对用户健康状况诊断的准确性。
进一步优选地,为了提高智能马桶100对用户代谢物检测的准确性,终端或者可穿戴设备700可以向用户发送注意事项,例如在清早发送建议空腹进行代谢物检测的提醒,在一个优选的实施例中,具有检测用户睡眠状况的可穿戴设备700例如智能手环检测到用户醒来时,其自动以声音或者文字的方式向用户提醒,提醒用户空腹如厕以检验代谢物,当然,智能手环也可以将信息发送至手机等移动终端400,由移动终端400向用户发送提醒信息。
本发明提供的智能便器100能够通过信息采集装置110进行用户的声纹信息、气味信息等特征信息的采集,如此,无需用户进行任何操作,智能便器100的控制装置120即可综合用户的各种特征信息来对用户进行准确的身份识别。
本领域的技术人员容易理解的是,在不冲突的前提下,上述各优选方案可以自由地组合、叠加。
应当理解,上述的实施方式仅是示例性的,而非限制性的,在不偏离本发明的基本原理的情况下,本领域的技术人员可以针对上述细节做出的各种明显的或等同的修改或替换,都将包含于本发明的权利要求范围内。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,RandomAccess Memory)、磁盘或光盘等。
在描述本发明的概念的过程中使用了术语“一”和“所述”以及类似的词语(尤其是在所附的权利要求书中),应该将这些术语解释为既涵盖单数又涵盖复数。此外,除非本文中另有说明,否则在本文中叙述数值范围时仅仅是通过快捷方法来指代属于相关范围的每个独立的值,而每个独立的值都并入本说明书中,就像这些值在本文中单独进行了陈述一样。另外,除非本文中另有指明或上下文有明确的相反提示,否则本文中所述的所有方法的步骤都可以按任何适当次序加以执行。本发明的改变并不限于描述的步骤顺序。除非另外主张,否则使用本文中所提供的任何以及所有实例或示例性语言(例如,“例如”)都仅仅为了更好地说明本发明的概念,而并非对本发明的概念的范围加以限制。在不脱离精神和范围的情况下,所属领域的技术人员将易于明白多种修改和适应。
Claims (13)
1.一种智能便器,其特征在于,包括:
信息采集装置,用于采集处于使用状态的所述智能便器的特征信息,所述特征信息至少包括使用所述智能便器的人体的声纹信息和/或气味信息;
控制装置,包括身份识别模块,用于根据所述特征信息对使用所述智能便器的人体进行身份识别。
2.根据权利要求1所述的智能便器,其特征在于,所述特征信息还包括人脸的图像信息、所述人体的体重、人体相对所述智能便器的位置和/或所述智能便器的使用时间。
3.根据权利要求1或2所述的智能便器,其特征在于,所述身份识别模块采用人工神经网络算法根据所述特征信息对使用所述智能便器的人体进行身份识别。
4.根据权利要求1或2所述的智能便器,其特征在于,所述智能便器还包括代谢物取样装置,用于对人体排入所述智能便器内的代谢物进行取样;
所述控制装置还包括代谢物分析模块,用于对所述代谢物取样装置取样的代谢物进行成分分析。
5.根据权利要求4所述的智能便器,其特征在于,所述代谢物分析模块用于分析尿液中的酸碱度、尿比重、尿胆原、隐血、白细胞含量、尿蛋白含量、胆红素含量、酮体含量、尿红细胞含量和/或尿液颜色;和/或,
所述代谢物分析模块用于分析粪便中的红细胞计数、白细胞含量、脓细胞含量和/或寄生虫卵的种类和含量。
6.根据权利要求4所述的智能便器,其特征在于,所述智能便器还包括存储装置,所述控制装置用于将所述代谢物分析模块的成分分析结果以与所述身份识别模块识别的身份相对应的方式存储于所述存储装置中。
7.根据权利要求6所述的智能便器,其特征在于,所述智能便器还包括通讯模块,所述控制装置能够通过所述通讯模块与服务器和/或终端通讯连接,所述控制装置用于通过所述通讯模块将所述代谢物分析模块的成分分析结果以及与相对应的所述身份识别模块识别的身份信息上传至所述服务器和/或所述终端。
8.根据权利要求6所述的智能便器,其特征在于,所述智能便器还包括提示装置,所述存储装置中还存储有与不同的身体特征参数范围对应的代谢物成分的标准范围,所述控制装置用于根据所述身份识别模块识别的身份得到其所属的身体特征参数范围,并将所述代谢物分析模块的成分分析结果与所属的身体特征参数范围对应的代谢物成分的标准范围比较,当所述成分分析结果在所述标准范围之外时,所述控制装置控制所述提示装置进行提示。
9.根据权利要求1所述的智能便器,其特征在于,所述智能便器还包括信息录入模块,用于录入身份信息,所述身份识别模块用于根据所述特征信息和经所述信息录入模块录入的身份信息对使用所述智能便器的人体进行身份识别。
10.一种电器系统,其特征在于,包括如权利要求1至9之一所述的智能便器,所述电器系统还包括智能设备,所述智能设备包括可穿戴设备、家用健身器材和/或家用电器,
所述智能便器能够与所述智能设备通讯连接;和/或,
所述智能便器和所述智能设备均与服务器通讯连接。
11.根据权利要求10所述的电器系统,其特征在于,所述家用电器包括空调、烹饪器具、空气净化器、加湿器和/或冰箱。
12.根据权利要求10所述的电器系统,其特征在于,所述智能便器还包括代谢物取样装置和代谢物分析模块,所述代谢物取样装置用于对人体排入所述智能便器内的代谢物进行取样,所述代谢物分析模块用于对所述代谢物取样装置取样的代谢物进行成分分析;
所述智能便器的控制装置或者所述服务器根据所述代谢物分析模块的成分分析结果向所述智能设备推送提示信息。
13.根据权利要求12所述的电器系统,其特征在于,所述提示信息包括饮食建议、健身计划和/或推荐环境参数设定值。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810082073.8A CN108360630B (zh) | 2018-01-29 | 2018-01-29 | 智能便器及电器系统 |
PCT/CN2018/111476 WO2019144658A1 (zh) | 2018-01-29 | 2018-10-23 | 智能便器及电器系统 |
US16/965,286 US11655622B2 (en) | 2018-01-29 | 2018-10-23 | Smart toilet and electric appliance system |
JP2020554346A JP7091471B2 (ja) | 2018-01-29 | 2018-10-23 | スマート・トイレ及び電気器具システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810082073.8A CN108360630B (zh) | 2018-01-29 | 2018-01-29 | 智能便器及电器系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108360630A true CN108360630A (zh) | 2018-08-03 |
CN108360630B CN108360630B (zh) | 2019-08-13 |
Family
ID=63007144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810082073.8A Active CN108360630B (zh) | 2018-01-29 | 2018-01-29 | 智能便器及电器系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11655622B2 (zh) |
JP (1) | JP7091471B2 (zh) |
CN (1) | CN108360630B (zh) |
WO (1) | WO2019144658A1 (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109235590A (zh) * | 2018-09-26 | 2019-01-18 | 深圳市博电电子技术有限公司 | 智能马桶控制方法与智能马桶 |
CN109549482A (zh) * | 2018-11-15 | 2019-04-02 | 珠海格力电器股份有限公司 | 饮水机和饮水机控制方法 |
CN109610584A (zh) * | 2018-12-20 | 2019-04-12 | 乳源南岭智能家用机械有限公司 | 一种具有人脸识别功能的智能坐便器及其智能调节方法 |
WO2019144658A1 (zh) * | 2018-01-29 | 2019-08-01 | 格力电器(武汉)有限公司 | 智能便器及电器系统 |
WO2020061787A1 (zh) * | 2018-09-26 | 2020-04-02 | 深圳市博电电子技术有限公司 | 一种智能马桶控制方法与智能马桶 |
WO2020139259A3 (en) * | 2018-12-24 | 2020-07-30 | Eczacibasi Yapi Gerecleri Sanayi Ve Ticaret Anonim Sirketi | System and method for detecting the user habits and identifying the user |
TWI711746B (zh) * | 2019-11-07 | 2020-12-01 | 南開科技大學 | 整合物聯網的免治馬桶座之控制系統及其方法 |
CN113160936A (zh) * | 2020-01-22 | 2021-07-23 | 青岛海尔电冰箱有限公司 | 饮食推荐方法、冰箱、计算机可读存储介质 |
CN114582451A (zh) * | 2022-02-10 | 2022-06-03 | 湖南思码智链教育科技有限责任公司 | 一种智能如厕监测系统与方法 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110441504A (zh) * | 2019-08-22 | 2019-11-12 | 王鹂辉 | 一种马桶用人体排泄物气味检测分析仪及分析系统 |
CN112859652B (zh) * | 2021-01-20 | 2022-03-29 | 青岛海尔空调器有限总公司 | 室内抽烟监控方法及监控装置 |
TWM613735U (zh) * | 2021-03-24 | 2021-06-21 | 美商紐倫百仕科技股份有限公司 | 影像辨識自動掀蓋智能馬桶 |
CN113359523A (zh) * | 2021-06-03 | 2021-09-07 | 广东水护盾健康科技有限公司 | 智能马桶的控制方法以及智能马桶组件、智能马桶 |
WO2023145501A1 (ja) * | 2022-01-27 | 2023-08-03 | 京セラ株式会社 | ガス検出装置およびガス検出システム |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1711048A (zh) * | 2002-12-03 | 2005-12-21 | 松下电器产业株式会社 | 检测人体的马桶装置以及人体检测方法 |
DE202012104219U1 (de) * | 2012-11-02 | 2012-12-14 | Bing-Ru Wu | Desodorisierungseinrichtung für das Klosett |
CN105256871A (zh) * | 2015-10-29 | 2016-01-20 | 林文友 | 智能马桶 |
CN105374355A (zh) * | 2015-12-17 | 2016-03-02 | 厦门科牧智能技术有限公司 | 一种电子坐便器的语音控制、交互系统及方法和电子坐便器 |
CN106502120A (zh) * | 2017-01-05 | 2017-03-15 | 珠海市横琴麒翔科技有限公司 | 一种收集用户健康信息并显示的智能家电 |
CN106567435A (zh) * | 2016-11-09 | 2017-04-19 | 中科院合肥技术创新工程院 | 一种智能健康马桶的智能检测系统及方法 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05192269A (ja) | 1992-01-21 | 1993-08-03 | Matsushita Electric Ind Co Ltd | トイレ装置 |
JPH085631A (ja) | 1994-06-20 | 1996-01-12 | Hidetoshi Wakamatsu | 尿検査用便器およびその便器を用いた尿成分データの検出装置 |
JP2000148985A (ja) * | 1998-11-17 | 2000-05-30 | Hitachi Ltd | 個人認証システム |
JP2001265822A (ja) * | 2000-03-23 | 2001-09-28 | Toto Ltd | 生体情報管理システム |
JP3539371B2 (ja) | 2000-08-24 | 2004-07-07 | 東陶機器株式会社 | 健康管理用生体情報収集記録システム |
CN1804859A (zh) | 2005-01-11 | 2006-07-19 | 吴水超 | 一种高效的生物特征认证系统 |
CN201328144Y (zh) | 2008-09-28 | 2009-10-14 | 宇龙计算机通信科技(深圳)有限公司 | 基于气味识别的移动终端 |
JP2016001838A (ja) | 2014-06-12 | 2016-01-07 | シャープ株式会社 | 制御システム、制御装置、家電、家電制御方法、およびプログラム |
US9646216B2 (en) * | 2014-12-08 | 2017-05-09 | Intel Corporation | Multiple user biometric for authentication to secured resources |
CN104452926B (zh) * | 2014-12-25 | 2016-03-23 | 电子科技大学 | 一种基于智能马桶的健康监测系统 |
JP6951057B2 (ja) | 2016-03-22 | 2021-10-20 | エコナビスタ株式会社 | プログラム、情報処理方法および情報処理装置 |
CN105951955A (zh) * | 2016-05-09 | 2016-09-21 | 中科院合肥技术创新工程院 | 一种基于智能马桶的尿液检测仪控制系统及其控制方法 |
US11091903B2 (en) * | 2016-07-07 | 2021-08-17 | As America, Inc. | Systems to automate adjustment of water volume release to a toilet bowl to correspond to bowl contents, toilets including the system and related methods |
CN106400918A (zh) | 2016-07-19 | 2017-02-15 | 顾华 | 智能健康随访坐便器 |
US10888278B2 (en) * | 2016-07-20 | 2021-01-12 | Hall Labs, Llc | Method of monitoring health while using a toilet |
US11287415B2 (en) * | 2016-12-30 | 2022-03-29 | Withings | Urine home analyser |
US10542937B2 (en) * | 2017-07-07 | 2020-01-28 | Hall Labs Llc | Intelligent health monitoring toilet system with wand sensors |
US10887125B2 (en) * | 2017-09-15 | 2021-01-05 | Kohler Co. | Bathroom speaker |
CN108360630B (zh) * | 2018-01-29 | 2019-08-13 | 珠海格力电器股份有限公司 | 智能便器及电器系统 |
-
2018
- 2018-01-29 CN CN201810082073.8A patent/CN108360630B/zh active Active
- 2018-10-23 US US16/965,286 patent/US11655622B2/en active Active
- 2018-10-23 JP JP2020554346A patent/JP7091471B2/ja active Active
- 2018-10-23 WO PCT/CN2018/111476 patent/WO2019144658A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1711048A (zh) * | 2002-12-03 | 2005-12-21 | 松下电器产业株式会社 | 检测人体的马桶装置以及人体检测方法 |
DE202012104219U1 (de) * | 2012-11-02 | 2012-12-14 | Bing-Ru Wu | Desodorisierungseinrichtung für das Klosett |
CN105256871A (zh) * | 2015-10-29 | 2016-01-20 | 林文友 | 智能马桶 |
CN105374355A (zh) * | 2015-12-17 | 2016-03-02 | 厦门科牧智能技术有限公司 | 一种电子坐便器的语音控制、交互系统及方法和电子坐便器 |
CN106567435A (zh) * | 2016-11-09 | 2017-04-19 | 中科院合肥技术创新工程院 | 一种智能健康马桶的智能检测系统及方法 |
CN106502120A (zh) * | 2017-01-05 | 2017-03-15 | 珠海市横琴麒翔科技有限公司 | 一种收集用户健康信息并显示的智能家电 |
Non-Patent Citations (1)
Title |
---|
特蕾莎•M•佩顿等: "《大数据时代的隐私》", 31 January 2017, 上海科学技术出版社 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019144658A1 (zh) * | 2018-01-29 | 2019-08-01 | 格力电器(武汉)有限公司 | 智能便器及电器系统 |
CN109235590A (zh) * | 2018-09-26 | 2019-01-18 | 深圳市博电电子技术有限公司 | 智能马桶控制方法与智能马桶 |
WO2020061787A1 (zh) * | 2018-09-26 | 2020-04-02 | 深圳市博电电子技术有限公司 | 一种智能马桶控制方法与智能马桶 |
CN109549482A (zh) * | 2018-11-15 | 2019-04-02 | 珠海格力电器股份有限公司 | 饮水机和饮水机控制方法 |
CN109610584A (zh) * | 2018-12-20 | 2019-04-12 | 乳源南岭智能家用机械有限公司 | 一种具有人脸识别功能的智能坐便器及其智能调节方法 |
WO2020139259A3 (en) * | 2018-12-24 | 2020-07-30 | Eczacibasi Yapi Gerecleri Sanayi Ve Ticaret Anonim Sirketi | System and method for detecting the user habits and identifying the user |
TWI711746B (zh) * | 2019-11-07 | 2020-12-01 | 南開科技大學 | 整合物聯網的免治馬桶座之控制系統及其方法 |
CN113160936A (zh) * | 2020-01-22 | 2021-07-23 | 青岛海尔电冰箱有限公司 | 饮食推荐方法、冰箱、计算机可读存储介质 |
CN114582451A (zh) * | 2022-02-10 | 2022-06-03 | 湖南思码智链教育科技有限责任公司 | 一种智能如厕监测系统与方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2021508797A (ja) | 2021-03-11 |
US20210071401A1 (en) | 2021-03-11 |
JP7091471B2 (ja) | 2022-06-27 |
CN108360630B (zh) | 2019-08-13 |
WO2019144658A1 (zh) | 2019-08-01 |
US11655622B2 (en) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108360630B (zh) | 智能便器及电器系统 | |
CN106878677B (zh) | 基于多传感器的学生课堂掌握程度评估系统和方法 | |
CN110556129B (zh) | 双模态情感识别模型训练方法及双模态情感识别方法 | |
CN109637674B (zh) | 自动获取健康医疗问题答案的方法、系统、介质和设备 | |
CN102421357B (zh) | 基于传统中医(tcm)原理确定皮肤组成的电脑辅助诊断系统和方法 | |
Mielens et al. | Application of classification models to pharyngeal high-resolution manometry | |
KR102263840B1 (ko) | AI(Artificial Intelligence)기반의 피트니스 솔루션 디스플레이 기기 및 방법 | |
CN112512417A (zh) | 痴呆症风险的呈现系统以及方法 | |
Cheng et al. | Deep nearest class mean model for incremental odor classification | |
Hantke et al. | EAT- The ICMI 2018 Eating Analysis and Tracking Challenge | |
Rosdi et al. | An FPN-based classification method for speech intelligibility detection of children with speech impairments | |
CN112669936A (zh) | 一种基于文本和图像社交网络抑郁检测方法 | |
CN108596094A (zh) | 人物风格检测系统、方法、终端及介质 | |
Saravanan et al. | The BMI and mental illness nexus: a machine learning approach | |
CN110135357A (zh) | 一种基于远程遥感的幸福感实时检测方法 | |
CN114117054B (zh) | 基于个性词的学生期末评价方法、系统、装置和存储介质 | |
Sol et al. | Towards Automated Vocal Mode Classification in Healthy Singing Voice—An XGBoost Decision Tree-Based Machine Learning Classifier | |
KR102438323B1 (ko) | 피부 솔루션을 제공하는 장치 및 방법 | |
Katsikitis et al. | The quantification of smiling using a microcomputer-based approach | |
CN113241149A (zh) | 一种基于能量状态变化的用户行为反馈方法及系统 | |
CN108735232A (zh) | 一种性格识别方法和装置 | |
Harrouk et al. | A psycholinguistic approach to career selection using nlp with deep neural network classifiers | |
KR20220089913A (ko) | 딥러닝 모듈을 이용한 발달장애 개선 시스템 및 방법 | |
CN111883174A (zh) | 声音的识别方法及装置、存储介质和电子装置 | |
KR102640995B1 (ko) | 혈당 데이터를 이용한 인공지능 기반의 체중 변화 예측 방법 및 장치 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |