CN109102665A - 一种基于智能家居的小区住户安全保护系统 - Google Patents

Abstract

一种基于智能家居的小区住户安全保护系统，包括家用智能电器，其特征在于，在室内安装传感器，传感器与家用智能电器数据联通，家用智能电器与边缘服务器数据联通，边缘服务器通过无线传输联通移动终端，通过房间部署的各式各样的传感器获取数据发送至边缘服务器，当边缘服务器获取到该小区所有住户的信息后，可以对这些数据进行训练，生成一个神经网络模型，接着将神经网络模型进行压缩并下发到各个住户的智能电器中，这样便可以在无法连接边缘服务器的时候做一些简单的操作，保障用户安全；同时方便安保人员对小区的安全隐患进行排查，有效保护小区安全。

Description

一种基于智能家居的小区住户安全保护系统

技术领域

本发明属于智能家居安全保护系统，涉及智能家居保障小区中的住户安全，具体涉及一种通过基于智能家居的安全保护架构有效保障人的生命和财产安全的保护系统。

背景技术

有的家庭安全威胁颇多，煤气中毒仅仅只是其中的威胁之一，然与其相关的消息频出，甚至有不少人因此而丢失了宝贵的生命。现有的智能家居已经可以做到语音输入指令等功能，但是把智能家居用于保护住户的安全目前还没有见到，因此我们一方面为这些因大意而受害的同胞痛心的同时，另一方面也在思考为何不能采用当前的信息技术与智能家居相结合，在安全危险到来之前或是危险发生的时候尽可能早的通知用户，将用户的损失最小化，至少也不至于危及生命呢，当前的家庭尽管已经很注重安全隐患，如对天然气装了防漏装置等，但这些措施从物理上来讲并不能说是百分之百的保证住户的安全，我们希望能够通过现有的技术对此类情况进行改善，有效保护住户安全。除此之外，入室盗窃的现象也屡见不鲜，甚至有一些年轻的单身女性因为此类事件付出了严重的代价，防盗门只是安全措施的第一步，也有住户在家里安装摄像头监测家里情况的，传统的使用摄像头尽管可以24小时不停的监测房间，但摄像头一方面有死角，需要安装多个摄像头，另一方面一旦摄像头被入侵，用户的隐私无疑会暴露，虽然可以拍摄到小偷的画面，但是住户不可能一直盯着摄像头的画面看，因此也无法有效及时的防止钱财的丢失，与此同时，摄像头固然可以监测画面，但是也增加了隐私暴漏的危险，如果摄像头被不法分子控制，那么房屋主人的隐私便会泄漏，造成无法预估的损失。

发明内容

为了克服上述现有技术的不足，本发明的目的是提供一种基于智能家居的小区住户安全保护系统，通过各式各样的传感器采集住户房间信息（如有毒气体浓度、房间温度湿度、电灯开关时间，压力变化等）传送给智能电器，经简单处理后上传到边缘服务器中，边缘服务器对传送的数据进行统计分析，甚至于建立神经网络模型，当有安全隐患时能够向住户实时的预警，保证住户安全，也有助于小区安保人员的工作。

为了实现上述目的，本发明采用的技术方案是：

一种基于智能家居的小区住户安全保护系统，包括家用智能电器，其特征在于，在室内安装传感器，传感器与家用智能电器数据联通，家用智能电器与边缘服务器数据联通，边缘服务器通过无线传输联通移动终端；

步骤1，使用传感器采集与人身和财产安全安全相关的房间信息，如气体浓度（氧气，一氧化碳、二氧化碳等）、房间的温度和湿度、房间内是否有人在走动、运动物体的重量、电表水表度数、电灯开关时间等，并将所采集到的数据上传至智能家居中。

1）所述的家用智能电器为常见的家用电器，可为冰箱、空调、电灯、电视机；

2）所述的传感器为压力传感器、视觉/图像传感器、气体传感器、温度/湿度传感器、距离传感器；

3）所述的智能家居拥有一定的数据处理能力，此类智能家居参考当前的无人驾驶汽车，在电器内部可以放置小型的中央处理器，使其能够简单的处理数据，尽管目前市场上还没有上述的智能家居产品，但随着信息化与人的安全、房间的安全的深入结合，所述的智能家居将是至关重要的一环，这样才可以适应人工智能发展的节奏。智能家居将不再单纯的只是方便用户使用，而且还能够依靠我们现有的息化技术保障住户的人身和财产安全；

步骤2，智能家居对采集到的原始数据进行预处理，再将经过预处理后的数据上传至边缘服务器中。

1）我们采集到的气体浓度包括氧气浓度，一氧化碳浓度，二氧化碳浓度，其中一氧化碳属于有毒气体，预处理时我们需要对气体传感器采集到的气体优先进行分类，分为有毒气体和正常气体，接着计算各个气体的浓度占比，可以判断出这个住户房间的空气质量；电灯每次开关的时间我们需要计算出时间间隔，确定住户的日常活动时间；电表和水表的差值，如果差值异常大则可能会有电器没关或是漏水等情况；

2）我们采集到的数据信息类型基本上都是数字，所以我们需要对数字进行统一的类型转化，如全部以单精度类型（float）或者双精度类型（double）的格式存储；

3）根据简单的判断，如有毒气体浓度高则判断房间不安全；某一天电表或者水表的度数差值相比于平常的差值增加了很多，也判定为不安全；压力传感器获取到的重量和平时相比差异大于某个百分比，说明有外人进入房间，则判断为不安全；通过这些简单的判断方式给每个住户房间赋予一个初始的安全标签。

步骤3，边缘服务器得到整个小区住户的房间信息后，对所有数据进行统计分析，使用神经网络训练模型，最后当输入一组数据时模型输出是安全还是不安全，当模型输出为不安全时能够向住户智能手机上的APP实时的预警并告知具体的安全威胁；

1）每个房间的数据和智能电器加的安全标签作为输入，使用神经网络的方法（CNN、RNN等）对整个小区的数据进行训练，最后当人为的输入一组数据时可以输出是安全还是不安全。

2）所述的智能手机APP，住户可以自主通过该APP查看由边缘服务器分析得到的信息，确定房间是否存在安全隐患；当边缘服务器分析得到的结果显示存在安全隐患时，会实时的向住户的智能手机推送消息，提醒住户对安全隐患进行排查，若住户排查结束解除了安全隐患边缘服务器会及时告知住户安全威胁已经解除；

3）所述的边缘服务器可以实时更新数据，如可以将每一天每家住户的数据做成一个函数图像，通过对住户每天的图像进行比较，可以判断该住户是否有异常的发生。

本发明的有益效果是：

1）智能家居拥有一定的数据处理能力，此类智能家居参考当前的无人驾驶汽车，在电器内部可以放置小型的中央处理器，使其能够简单的处理数据，尽管目前市场上还没有上述的智能家居产品，但随着信息化与人的安全、房间的安全的深入结合，所述的智能家居将是至关重要的一环，这样才可以适应人工智能发展的节奏。

2）采用了传感器收集与住户房间安全相关的信息，通过对信息进行分析处理再进一步的判断安全隐患，相比于使用摄像头有效的保护了用户隐私，防止用户隐私泄漏的同时也能保障住户的安全。

3）智能电器的数据预处理可以将整个小区住户的安全信息进行归一化并能够通过简单的判断给每个住户房间赋予相应的安全标签（安全和不安全），方便边缘服务器进行分析，边缘服务器所有数据和对应的标签进行神经网络模型训练，最后便可以通过这个模型实时检测住户房间是否安全。一方面能够让住户自己及时有效的了解到房间信息，另一方面也能够辅助小区安保人员对小区进行有效保护，将安全隐患降至最低。

附图说明

图1是本发明的数据流图。

图2是本发明的基本架构图。

具体实施方式

以下结合附图对本发明进一步叙述。

如图1、2所示，一种基于智能家居的小区住户安全保护系统，包括家用智能电器，其特征在于，在室内安装传感器，传感器与家用智能电器数据联通，家用智能电器与边缘服务器数据联通，边缘服务器通过无线传输联通移动终端；

步骤1，使用传感器采集与人身和财产安全安全相关的房间信息，如气体浓度（氧气，一氧化碳、二氧化碳等）、房间的温度和湿度、房间内是否有人在走动、运动物体的重量、电表水表度数、电灯开关时间等，并将所采集到的数据上传至智能家居中。

1）所述的家用智能电器为常见的家用电器，可为冰箱、空调、电灯、电视机；

2）所述的传感器为压力传感器、视觉/图像传感器、气体传感器、温度/湿度传感器、距离传感器；

3）所述的智能家居拥有一定的数据处理能力，此类智能家居参考当前的无人驾驶汽车，在电器内部可以放置小型的中央处理器，使其能够简单的处理数据，尽管目前市场上还没有上述的智能家居产品，但随着信息化与人的安全、房间的安全的深入结合，所述的智能家居将是至关重要的一环，这样才可以适应人工智能发展的节奏。智能家居将不再单纯的只是方便用户使用，而且还能够依靠我们现有的息化技术保障住户的人身和财产安全；

步骤2，智能家居对采集到的原始数据进行预处理，再将经过预处理后的数据上传至边缘服务器中。

4）我们采集到的气体浓度包括氧气浓度，一氧化碳浓度，二氧化碳浓度，其中一氧化碳属于有毒气体，预处理时我们需要对气体传感器采集到的气体优先进行分类，分为有毒气体和正常气体，接着计算各个气体的浓度占比，可以判断出这个住户房间的空气质量；电灯每次开关的时间我们需要计算出时间间隔，确定住户的日常活动时间；电表和水表的差值，如果差值异常大则可能会有电器没关或是漏水等情况；

5）我们采集到的数据信息类型基本上都是数字，所以我们需要对数字进行统一的类型转化，如全部以单精度类型（float）或者双精度类型（double）的格式存储；

6）根据简单的判断，如有毒气体浓度高则判断房间不安全；某一天电表或者水表的度数差值相比于平常的差值增加了很多，也判定为不安全；压力传感器获取到的重量和平时相比差异大于某个百分比，说明有外人进入房间，则判断为不安全；通过这些简单的判断方式给每个住户房间赋予一个初始的安全标签。

步骤3，边缘服务器得到整个小区住户的房间信息后，对所有数据进行统计分析，使用神经网络训练模型，最后当输入一组数据时模型输出是安全还是不安全，当模型输出为不安全时能够向住户智能手机上的APP实时的预警并告知具体的安全威胁；

2）每个房间的数据和智能电器加的安全标签作为输入，使用神经网络的方法（CNN、RNN等）对整个小区的数据进行训练，最后当人为的输入一组数据时可以输出是安全还是不安全。

2）所述的智能手机APP，住户可以自主通过该APP查看由边缘服务器分析得到的信息，确定房间是否存在安全隐患；当边缘服务器分析得到的结果显示存在安全隐患时，会实时的向住户的智能手机推送消息，提醒住户对安全隐患进行排查，若住户排查结束解除了安全隐患边缘服务器会及时告知住户安全威胁已经解除；

所述的边缘服务器可以实时更新数据，如可以将每一天每家住户的数据做成一个函数图像，通过对住户每天的图像进行比较，可以判断该住户是否有异常的发生。

基于传感器采集信息，如我们可以根据住户的电灯开关情况，厨房家居的使用情况，电表的度数增长情况等一系列因素去判断住户的生活是否正常有序的进行，这个过程不需要摄像头的参与，有效的保护了用户的隐私安全；该发明使用一个小区的所有住户数据作为基础，生成神经网络模型并下发到各家住户的智能电器，数据量充足且有说服力；该发明采用智能电器先对数据预处理，再上传到边缘服务器再次处理和统计分析，类似于一个“边缘服务器-端”的交互过程，降低了时延，确保小区住户能够在第一时间了解到安全威胁的发生；该发明所述的智能电器均具有一定的信息处理能力和计算能力，而且可以根据用户关门力度、说话的声音强度等，通过语音识别提取关键的情感词，当判断出用户心情不好时切换暖色调的灯光影响用户心情，让用户的心情逐渐变好。当发现空调导风条前有物体接触时停止导风条的转动，避免因小孩将手指伸入导风条对小孩造成损伤。可以根据边缘服务器采集到的整个地区的数据分析结果，对用户进行穿衣推荐，如适合穿短袖还是长袖、当用户想要买新电器时，可以通过该地区的使用情况对用户进行智能推荐等；该发明使用气体传感器可以对住户房间的空气质量进行检测，如检测到房间中的有毒气体，如一氧化碳和可燃性气体浓度过高时提醒住户对房间进行通风处理等，避免危险事件的发生；该发明使用的无线通讯装置为安装于智能手机的APP，住户可以通过该APP查看由边缘服务器分析得到的信息，判断房间是否存在安全隐患；除此之外，当边缘服务器分析得到的结果显示存在安全隐患时，会实时的向住户的智能手机推送消息，提醒住户对安全隐患进行排查，若住户排查结束边缘服务器会告知住户安全威胁已经解除。

首先，通过住户房间部署的各式各样的传感器获取数据，如压力传感器可以在房间主人不在的情况下判断是否有外人进入房间、气体传感器可以实时探测有毒气体或者是可燃气体的气体浓度、视觉/图像传感器可以获取实时画面做进一步的判断等；其次，对获取到的数据先使用智能电器做一些简单的处理并贴上相应的安全标签，这样可以缓解边缘服务器的运算压力，能够有效的降低时延，减少数据处理的时间；当边缘服务器获取到该小区所有住户的信息和安全标签后，可以对这些数据进行训练，生成一个神经网络模型，我们甚至可以将训练好的神经网络模型进行压缩并下发到各个住户的智能电器中，这样便可以在无法连接边缘服务器的时候做一些简单的操作，保障用户安全；紧接着当模型判断出不安全时（即存在安全隐患），我们必须第一时间向住户示警，示警一是通过向用户的智能手机发送消息，提醒用户确认安全威胁是否存在；另一方面是智能电器发出“嘟嘟嘟”的警报声，提醒用户存在安全威胁，如果住户不在房间，这种警报声也可以有效的影响小偷的心理，让小偷猝不及防，避免住户财物的丢失，危险解除后一切恢复正常。

Claims (1)

1.一种基于智能家居的小区住户安全保护系统，包括家用智能电器，其特征在于，在室内安装传感器，传感器与家用智能电器数据联通，家用智能电器与边缘服务器数据联通，边缘服务器通过无线传输联通移动终端；包括以下步骤：

步骤1，使用传感器采集与人身和财产安全安全相关的房间信息，如气体浓度（氧气，一氧化碳、二氧化碳）、房间的温度和湿度、房间内是否有人在走动、运动物体的重量、电表水表度数、电灯开关时间等，并将所采集到的数据上传至智能家居中；

1）所述的家用智能电器为常见的家用电器，可为冰箱、空调、电灯、电视机；

2）所述的传感器为压力传感器、视觉/图像传感器、气体传感器、温度/湿度传感器、距离传感器；

3）所述的智能家居拥有一定的数据处理能力，此类智能家居参考当前的无人驾驶汽车，在电器内部可以放置小型的中央处理器，使其能够简单的处理数据，尽管目前市场上还没有上述的智能家居产品，但随着信息化与人的安全、房间的安全的深入结合，所述的智能家居将是至关重要的一环，这样才可以适应人工智能发展的节奏；智能家居将不再单纯的只是方便用户使用，而且还能够依靠我们现有的息化技术保障住户的人身和财产安全；

步骤2，智能家居对采集到的原始数据进行预处理，再将经过预处理后的数据上传至边缘服务器中；

我们采集到的气体浓度包括氧气浓度，一氧化碳浓度，二氧化碳浓度，其中一氧化碳属于有毒气体，预处理时我们需要对气体传感器采集到的气体优先进行分类，分为有毒气体和正常气体，接着计算各个气体的浓度占比，可以判断出这个住户房间的空气质量；电灯每次开关的时间我们需要计算出时间间隔，确定住户的日常活动时间；电表和水表的差值，如果差值异常大则可能会有电器没关或是漏水等情况；

我们采集到的数据信息类型基本上都是数字，所以我们需要对数字进行统一的类型转化，如全部以单精度类型（float）或者双精度类型（double）的格式存储；

根据简单的判断，如有毒气体浓度高则判断房间不安全；某一天电表或者水表的度数差值相比于平常的差值增加了很多，也判定为不安全；压力传感器获取到的重量和平时相比差异大于某个百分比，说明有外人进入房间，则判断为不安全；通过这些简单的判断方式给每个住户房间赋予一个初始的安全标签；

步骤3，边缘服务器得到整个小区住户的房间信息后，对所有数据进行统计分析，使用神经网络训练模型，最后当输入一组数据时模型输出是安全还是不安全，当模型输出为不安全时能够向住户智能手机上的APP实时的预警并告知具体的安全威胁；

每个房间的数据和智能电器加的安全标签作为输入，使用神经网络的方法（CNN、RNN等）对整个小区的数据进行训练，最后当人为的输入一组数据时可以输出是安全还是不安全；

2）所述的智能手机APP，住户可以自主通过该APP查看由边缘服务器分析得到的信息，确定房间是否存在安全隐患；当边缘服务器分析得到的结果显示存在安全隐患时，会实时的向住户的智能手机推送消息，提醒住户对安全隐患进行排查，若住户排查结束解除了安全隐患边缘服务器会及时告知住户安全威胁已经解除；

3）所述的边缘服务器可以实时更新数据，如可以将每一天每家住户的数据做成一个函数图像，通过对住户每天的图像进行比较，可以判断该住户是否有异常的发生。