CN109188928A - 用于控制智能家居设备的方法和装置 - Google Patents
用于控制智能家居设备的方法和装置 Download PDFInfo
- Publication number
- CN109188928A CN109188928A CN201811267903.0A CN201811267903A CN109188928A CN 109188928 A CN109188928 A CN 109188928A CN 201811267903 A CN201811267903 A CN 201811267903A CN 109188928 A CN109188928 A CN 109188928A
- Authority
- CN
- China
- Prior art keywords
- sleep
- user
- facial image
- smart home
- state
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000007958 sleep Effects 0.000 claims abstract description 185
- 230000001815 facial effect Effects 0.000 claims abstract description 90
- 230000004044 response Effects 0.000 claims abstract description 20
- 238000001514 detection method Methods 0.000 claims description 55
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 description 40
- 230000006870 function Effects 0.000 description 24
- 230000001276 controlling effect Effects 0.000 description 23
- 238000013527 convolutional neural network Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000006854 communication Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 210000002569 neuron Anatomy 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 230000005284 excitation Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000005059 dormancy Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000012880 independent component analysis Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 208000012802 recumbency Diseases 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 206010048232 Yawning Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 210000003296 saliva Anatomy 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2642—Domotique, domestic, home control, automation, smart house
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请实施例公开了用于控制智能家居设备的方法和装置。该方法的一具体实施方式包括:获取预定时间内用户的至少一个人脸图像;根据所述至少一个人脸图像确定所述用户的睡眠状态;响应于确定出所述用户的睡眠状态为入睡,控制所述智能家居设备按照预设的睡眠模式运行。该实施方式能够自动控制智能家居设备运行睡眠模式。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及用于控制智能家居设备的方法和装置。
背景技术
智能家居是在互联网影响之下物联化的体现。智能家居通过物联网技术将家中的各种设备(如音视频设备、照明系统、窗帘控制、空调控制、安防系统、数字影院系统、影音服务器、影柜系统、网络家电等)连接到一起,提供家电控制、照明控制、电话远程控制、室内外遥控、防盗报警、环境监测、暖通控制、红外转发以及可编程定时控制等多种功能和手段。与普通家居相比,智能家居不仅具有传统的居住功能,兼备建筑、网络通信、信息家电、设备自动化,提供全方位的信息交互功能,甚至为各种能源费用节约资金。
相关的控制智能家居设备的方法通常是人工设置或定时运行睡眠模式,而不是通过检测出用户入睡才自动切换到睡眠模式。
发明内容
本申请实施例提出了用于控制智能家居设备的方法和装置。
第一方面,本申请实施例提供了一种用于控制智能家居设备的方法,包括:获取预定时间内用户的至少一个人脸图像;根据至少一个人脸图像确定用户的睡眠状态;响应于确定出用户的睡眠状态为入睡,控制智能家居设备按照预设的睡眠模式运行。
在一些实施例中,根据至少一个人脸图像确定用户的睡眠状态,包括:提取至少一个人脸图像的特征值与预存的用户睡眠时的人脸图像特征值进行比较,以确定出用户的睡眠状态。
在一些实施例中,根据至少一个人脸图像确定用户的睡眠状态,包括:将至少一个人脸图像按照采集时间由先到后的顺序依次输入预先训练的睡眠检测模型,得到至少一个与睡眠相关的状态信息,其中,睡眠检测模型用于表征人脸图像和与睡眠相关的状态信息之间的对应关系;根据至少一个与睡眠相关的状态信息确定用户的睡眠状态。
在一些实施例中,根据至少一个人脸图像确定用户的睡眠状态,包括:响应于根据至少一个人脸图像确定出用户在预定时间内保持闭眼且表情无变化,确定出用户的睡眠状态为入睡。
在一些实施例中,该方法还包括:响应于确定出用户的睡眠状态为清醒,控制智能家居设备按照预设的非睡眠模式运行。
第二方面,本申请实施例提供了一种用于控制智能家居设备的装置,包括:获取单元,被配置成获取预定时间内用户的至少一个人脸图像;确定单元,被配置成根据至少一个人脸图像确定用户的睡眠状态;控制单元,被配置成响应于确定出用户的睡眠状态为入睡,控制智能家居设备按照预设的睡眠模式运行。
在一些实施例中,确定单元进一步被配置成:提取至少一个人脸图像的特征值与预存的用户睡眠时的人脸图像特征值进行比较,以确定出用户的睡眠状态。
在一些实施例中,确定单元进一步被配置成:将至少一个人脸图像按照采集时间由先到后的顺序依次输入预先训练的睡眠检测模型,得到至少一个与睡眠相关的状态信息,其中,睡眠检测模型用于表征人脸图像和与睡眠相关的状态信息之间的对应关系;根据至少一个与睡眠相关的状态信息确定用户的睡眠状态。
在一些实施例中,确定单元进一步被配置成:响应于根据至少一个人脸图像确定出用户在预定时间内保持闭眼且表情无变化,确定出用户的睡眠状态为入睡。
在一些实施例中,控制单元进一步被配置成:响应于确定出用户的睡眠状态为清醒,控制智能家居设备按照预设的非睡眠模式运行。
第三方面,本申请实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一的方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现如第一方面中任一的方法。
本申请实施例提供的用于控制智能家居设备的方法和装置,通过人脸识别确定出用户的睡眠状态,根据睡眠状态调整智能家居设备的睡眠模式。从而使得智能家居设备的运行能够随着用户的睡眠状态进行自适应调整。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本申请的用于控制智能家居设备的方法的一个实施例的流程图;
图3是根据本申请的用于控制智能家居设备的方法的一个应用场景的示意图;
图4是根据本申请的用于控制智能家居设备的方法的又一个实施例的流程图;
图5是根据本申请的用于控制智能家居设备的装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于控制智能家居设备的方法或用于控制智能家居设备的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备1011、1012、1013,网络1021、1022、1023,智能家居设备1031、1032、1033和服务器104、摄像头105。网络1021、1022、1023用以在终端设备和智能家居设备服务器之间提供通信链路的介质。网络可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
智能家居设备1031、1032、1033可以是空调、电视、洗衣机、灯、吸尘器等。
用户可以使用摄像头105采集人脸图像然后发送到终端设备1011、1012、1013,再通过网络与服务器104交互,以接收或发送消息等。其中,摄像头105可以是终端设备1011、1012、1013内置的,也可以是外接的。终端设备1011、1012、1013上可以安装有各种通讯客户端应用,例如人脸识别类应用、智能家居控制类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备1011、1012、1013可以是硬件,也可以是软件。当终端设备1011、1012、1013为硬件时,可以是具有显示屏并且支持远程控制功能的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group AudioLayer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts GroupAudio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备1011、1012、1013为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器104可以是提供各种服务的服务器,例如对终端设备1011、1012、1013发送的人脸图像提供支持的后台人脸识别服务器。后台人脸识别服务器可以对接收到的人脸识别请求等数据进行分析等处理,并将处理结果(例如用户是否入睡)反馈给终端设备。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本申请实施例所提供的用于控制智能家居设备的方法可以由终端设备执行,也可以由服务器执行。相应地,用于控制智能家居设备的装置可以设置于终端设备中,也可以设置于服务器中。在此不做具体限定。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、摄像头、智能家居设备。网络和服务器。
继续参考图2,示出了根据本申请的用于控制智能家居设备的方法的一个实施例的流程200。该用于控制智能家居设备的方法,包括以下步骤:
步骤201,获取预定时间内用户的至少一个人脸图像。
在本实施例中,用于控制智能家居设备的方法的执行主体(例如图1所示的服务器)可以通过摄像头采集预定时间内用户的至少一个人脸图像。摄像头可以是专用摄像头也可以是终端设备上内置的摄像头。可按预定的周期采集人脸图像。例如,可通过用户电脑内置的摄像头以5秒为间隔采集1分钟内用户的人脸图像。即,可采集12张人脸图像。所采集的人脸图像可以是正脸图像,也可以是侧脸图像。只要图像中包括眼睛图像即可。
可选地,还可获取人脸图像的采集设备的位置信息,例如,所采集的图像来自于书桌上的台灯上安装的摄像头,或者床顶安装的摄像头。不同位置的摄像头采集的人脸的角度不同,例如,书桌上采集的用户入睡的状态往往是趴着的,露出半张脸或者没有露出脸。而床上的摄像头往往拍摄的是正脸图像。可根据不同位置来源的人脸图像选择相应的睡眠检测模型,比如,台灯上拍摄的人脸图像优先使用趴着睡觉的照片作为样本训练出的睡眠检测模型,如果检测结果不理想还可进一步换成坐着睡觉的照片作为样本训练出的睡眠检测模型。电视或者沙发上采集的人脸图像,优先使用坐着睡觉的照片作为样本训练出的睡眠检测模型,如果检测结果不理想还可进一步换成躺着睡觉的照片作为样本训练出的睡眠检测模型。床上拍摄的图像优先使用平躺睡觉的照片作为样本训练出的睡眠检测模型,如果检测结果不理想还可进一步换成侧卧睡觉的照片作为样本训练出的睡眠检测模型。对于站岗岗亭采集的人脸图像优先使用站着睡觉的照片作为样本训练出的睡眠检测模型。
步骤202,根据至少一个人脸图像确定用户的睡眠状态。
在本实施例中,根据步骤201采集的人脸图像确定用户的睡眠状态。睡眠状态可以是“入睡”、“清醒”、“半睡半醒”、“打盹”等。还可细化为“即将入睡”、“即将苏醒”。可以通过图像匹配的方式确定用户的状态,还可通过深度学习训练出的模型来判断用户的睡眠状态。其中,“打盹”状态除了检测眼睛闭合,还可检测用户的嘴型是否打哈欠,或者检测用户是否流眼泪。
在本实施例的一些可选的实现方式中,根据至少一个人脸图像确定用户的睡眠状态,包括:提取至少一个人脸图像的特征值与预存的用户睡眠时的人脸图像特征值进行比较,以确定出用户的睡眠状态。用户可预先拍摄其睡觉时的照片,然后将该照片作为参照图像,如果采集的人脸图像与参照图像相似度高于预定阈值,则认为用户入睡。某用户入睡时有可能是睁眼的,因此参照图像可以是该用户睁眼睡觉时的照片,但用户睡着时的表情会与清醒时不同。此外,还可将参照图像与所采集的至少一个人脸图像进行聚类,如果为同一类,则说明用户入睡,如果不是一类,则说明用户清醒。即使是用户眨眼而出现闭眼的情况也不会被误判为用户入睡。此外,为了提高检测准确率,可将图像采集的间隔设置成小于眨眼频率。
在本实施例的一些可选的实现方式中,根据至少一个人脸图像确定用户的睡眠状态,包括:响应于根据至少一个人脸图像确定出用户在预定时间内保持闭眼且表情无变化,确定出用户的睡眠状态为入睡。可直接将采集的至少一个人脸图像进行对比,确定它们之间的相似度,如果相似度大于预定值,且每张图像中眼睛闭合,则可确定出用户入睡。否则认为用户清醒。相似度的计算可采用余弦相似度算法。此外,还可采用聚类算法,例如kmeans,判断所采集的这些照片是否是一类从而判断用户的表情是否发生变化,如果发生变化,则说明用户清醒。
在本实施例的一些可选的实现方式中,根据至少一个人脸图像确定用户的睡眠状态,包括:将至少一个人脸图像按照采集时间由先到后的顺序依次输入预先训练的睡眠检测模型,得到至少一个与睡眠相关的状态信息,其中,睡眠检测模型用于表征人脸图像和与睡眠相关的状态信息之间的对应关系;根据至少一个与睡眠相关的状态信息确定用户的睡眠状态。每张图像可得到一个状态信息,这些状态信息结合起来可分析出睡眠状态。状态信息可以包括睁眼、闭眼等表示眼睛状态的信息。如果一系列状态信息中睁眼、闭眼为交替出现的,则可判断出用户清醒,只是因为眨眼才会出现间隔的闭眼结果。此外,模型还可以学习除眼睛之外的特征,例如,眉毛、嘴角等。还可以通过检测出嘴角是否有口水来判断用户是否入睡。
睡眠检测模型可以是人工神经网络,它从信息处理角度对人脑神经元网络进行抽象,建立某种简单模型,按不同的连接方式组成不同的网络。通常由大量的节点(或称神经元)之间相互联接构成,每个节点代表一种特定的输出函数,称为激励函数。每两个节点间的连接都代表一个对于通过该连接信号的加权值,称之为权重(又叫做参数),网络的输出则依网络的连接方式、权重值和激励函数的不同而不同。睡眠检测模型通常包括多个层,每个层包括多个节点,通常,同一层的节点的权重可以相同,不同层的节点的权重可以不同,故睡眠检测模型的多个层的参数也可以不同。这里,电子设备可以将人脸图像从睡眠检测模型的输入侧输入,依次经过睡眠检测模型中的各层的参数的处理(例如乘积、卷积等),并从睡眠检测模型的输出侧输出,输出侧输出的信息即为用户的睡眠相关的状态信息。
睡眠检测模型的训练步骤可以包括以下步骤:
步骤2021,确定睡眠检测模型的网络结构以及初始化睡眠检测模型的网络参数。
在本实施例中,训练步骤的执行主体可以与用于控制智能家居设备的方法执行主体相同或者不同。如果相同,则训练步骤的执行主体可以在训练得到睡眠检测模型后将训练好的睡眠检测模型的网络结构信息和网络参数的参数值存储在本地。如果不同,则训练步骤的执行主体可以在训练得到睡眠检测模型后将训练好的睡眠检测模型的网络结构信息和网络参数的参数值发送给用于控制智能家居设备的方法的执行主体。
在本实施例中,训练步骤的执行主体可以首先确定睡眠检测模型的网络结构。例如,需要确定睡眠检测模型包括哪些层,层与层之间的连接顺序关系,以及每层都包括哪些神经元,每个神经元对应的权重(weight)和偏置项(bias),每层的激活函数等等。
可以理解的是,由于睡眠检测模型可以包括各种类型的神经网络,对于不同类型的神经网络所需要确定的网络结构也不相同。
在本实施例的一些可选的实现方式中,当睡眠检测模型为卷积神经网络时,由于卷积神经网络是一个多层的神经网络,每层由多个二维平面组成,而每个平面由多个独立神经元组成,则这里需要确定卷积神经网络类型的睡眠检测模型包括哪些层(例如,卷积层,池化层,全连接层,分类器等等),层与层之间的连接顺序关系,以及每个层都包括哪些参数(例如,权重、偏置项、卷积的步长)等等。其中,卷积层可以用于提取图像特征。针对每个卷积层可以确定有多少个卷积核,每个卷积核的大小,每个卷积核中的各个神经元的权重,每个卷积核对应的偏置项,相邻两次卷积之间的步长等等。
然后,训练步骤的执行主体可以初始化睡眠检测模型的网络参数。实践中,可以将睡眠检测模型的各个网络参数(例如,权值参数和偏置参数)用一些不同的小随机数进行初始化。“小随机数”用来保证网络不会因权值过大而进入饱和状态,从而导致训练失败,“不同”用来保证网络可以正常地学习。
可选地,训练步骤的执行主体可以在执行步骤2021之前,执行以下第一初始化操作:
首先,可以确定初始特征提取模型的模型结构信息。可以理解的是,由于初始特征提取模型可以包括各种类型用于提取图像特征的模型,对于不同类型的用于提取图像特征的模型,所需要确定的模型结构信息也不相同。可选地,初始特征提取模型可以为卷积神经网络。由于卷积神经网络是一个多层的神经网络,每层由多个二维平面组成,而每个平面由多个独立神经元组成,则这里需要确定卷积神经网络类型的初始特征提取模型包括哪些层(例如,卷积层,池化层,激励函数层等等),层与层之间的连接顺序关系,以及每个层都包括哪些参数(例如,权重weight、偏置项bias、卷积的步长)等等。其中,卷积层可以用于提取图像特征。针对每个卷积层可以确定有多少个卷积核,每个卷积核的大小,每个卷积核中的各个神经元的权重,每个卷积核对应的偏置项,相邻两次卷积之间的步长,是否需要填充,填充多少像素点和填充用的数值(一般是填充为0)等等。而池化层可以用于对输入的信息进行下采样(Down Sample),以压缩数据和参数的量,减少过拟合。针对每个池化层可以确定该池化层的池化方法(例如,取区域平均值或者取区域最大值)。激励函数层用于对输入的信息进行非线性计算。针对每个激励函数层可以确定具体的激励函数。例如,激活函数可以是ReLU以及ReLU各种变种激活函数、Sigmoid函数、Tanh(双曲正切)函数、Maxout函数等等。实践中,卷积神经网络(Convolutional Neural Network,CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于图像处理有出色表现,因而,可以利用卷积神经网络进行图像特征的提取,图像的特征可以是图像的各种基本要素(例如颜色、线条、纹理等)。
可选地,初始特征提取模型还可以为主动形状模型(Active Shape Model,ASM)、主元分析(Principal Component Analysis,PCA)模型、独立分量分析(IndependentComponent Analysis,ICA)模型和线性判别分析(Linear Discriminant Analysis,LDA)模型、局部特征分析(Local Feature Analysis,LFA)模型等等用于提取人脸图像特征的模型。相应的,对应不同的特征提取模型,需要确定的模型结构信息也是不同的。
然后,可以初始化初始特征提取模型的模型参数。实践中,可以将初始特征提取模型的各个模型参数用一些不同的小随机数进行初始化。“小随机数”用来保证模型不会因权值过大而进入饱和状态,从而导致训练失败,“不同”用来保证模型可以正常地学习。
实践中,由于特征提取模型的具体模型不同,所得到的与该活体人脸图像对应的图像特征既可以是特征图(feature map)形式的,也可以是特征向量形式的。
步骤2022,获取训练样本集。
在本实施例中,训练步骤的执行主体可以本地或者远程地从与上述执行主体网络连接的其他电子设备获取训练样本集。其中,每个训练样本包括样本人脸图像和用于表征用户是否入睡的标注信息,该人脸图像可以是用户站着睡、平卧、侧卧、坐着睡的图像,还包括用户清醒时的人脸图像。可针对不同的模型采用不同的样本,例如,用于检测用户站着睡着时的人脸图像的模型就采用用户站着睡觉时的照片和用户清醒地站着时的人脸图像作为正负样本进行训练。
作为示例,标注信息可以是数值,例如,用0表示闭眼,用1表示睁眼。标注信息还可以是文字、字符或者符号的组合。
步骤2023,将训练样本集中的训练样本中的人脸图像和标注信息分别作为睡眠检测模型的输入和期望输出,利用机器学习方法训练睡眠检测模型。
在本实施例中,训练步骤的执行主体可以将训练样本集中的训练样本中的样本人脸图像输入睡眠检测模型,得到该样本人脸图像的状态信息,以该训练样本中的标注信息作为睡眠检测模型的期望输出,利用机器学习方法训练睡眠检测模型。具体地,可以首先利用预设的损失函数计算所得到的状态信息与该训练样本中的标注信息之间的差异,例如,可以采用L2范数作为损失函数计算所得到的状态信息与该训练样本中的标注信息之间的差异。然后,可以基于计算所得的差异,调整睡眠检测模型的网络参数,并在满足预设的训练结束条件的情况下,结束训练。例如,这里预设的训练结束条件可以包括但不限于以下至少一项:训练时间超过预设时长;训练次数超过预设次数;计算所得的差异小于预设差异阈值。
这里,可以采用各种实现方式基于所生成的状态信息与该训练样本中的标注信息之间的差异调整睡眠检测模型的网络参数。例如,可以采用BP(Back Propagation,反向传播)算法或者SGD(Stochastic Gradient Descent,随机梯度下降)算法来调整睡眠检测模型的网络参数。
步骤2024,将训练得到的睡眠检测模型确定为预先训练的睡眠检测模型。
在本实施例中,训练步骤的执行主体可以将步骤2023中训练得到的睡眠检测模型确定为预先训练的睡眠检测模型。
在本实施例的一些可选的实现方式中,可以为每种目标类型(例如,站着睡、坐着睡、躺着睡等)训练对应的睡眠检测模型,为不同的目标类型训练不同的睡眠检测模型。具体地,在训练某种目标类型对应的睡眠检测模型时,所采用的训练样本集中的每个训练样本可以都是该种目标类型的样本人脸图像和对应的标注信息,例如,可以首先根据采集人脸图像的设备的位置确定目标人脸图像对应的目标类型,然后将目标人脸图像输入到所确定的目标类型对应的睡眠检测模型中,生成目标人脸图像的状态信息。
步骤203,响应于确定出用户的睡眠状态为入睡,控制智能家居设备按照预设的睡眠模式运行。
在本实施例中,如果通过步骤202确定出用户入睡,则控制智能家居设备按照预设的睡眠模式运行。常规的睡眠模式通常是调高空调温度、关灯、关窗等。
可选地,睡眠模式可根据用户需要设置,用户可能不是需要舒适的睡眠环境,而是需要家居设备叫醒用户。可将睡眠模式分为两种,一种是安睡模式,让用户睡得舒服,另一种是唤醒模式,让用户难以入睡。可根据当前时间选择不同的睡眠模型。例如,现在是上午10点钟,虽然用户在睡觉,但不应该再提供舒适的环境了,可进入唤醒模式,例如可以提高空调温度,让用户热醒。还可根据不同类型的睡眠检测模型判断出用户的睡觉姿势,例如,检测到用户趴着睡觉则通过让台灯变得更亮或者闪烁来唤醒用户。特别是针对复习功课的学生来说,当检测到学生在正常学习时间睡觉时,可让房间环境变得不舒适,例如,降低空调温度,以让学生清醒。可预先设置睡眠模式运行的时间,例如,晚上11点之前如果检测到用户睡着了,则进入唤醒模式让环境变得不舒适以唤醒用户。如果已经11点之后,则进入安睡模式调整房间环境为适合安睡。可选地,用户还可设置睡眠模式的启动时间,例如,检测到用户睡觉时,不立即唤醒用户,而是进入安睡模式让用户舒服睡10分钟后再进入唤醒模式让用户热醒。也可以让用户冻醒,不过这样容易感冒,因此并不推荐。
继续参见图3,图3是根据本实施例的用于控制智能家居设备的方法的应用场景的一个示意图。在图3的应用场景中,用户在使用电脑301看电影,电脑上的摄像头以预定时间间隔拍摄用户的人脸图像上传到服务器302。服务器根据人脸图像判断用户是否睡着了。如果检测到用户入睡,则服务器302向灯303发送关闭的指令,还可向电脑发送停止播放电影的指令。
本申请的上述实施例提供的方法通过人脸图像检测出用户是否入睡来控制智能家居设备的运行,从而实现智能家居设备的自适应调整。
进一步参考图4,其示出了用于控制智能家居设备的方法的又一个实施例的流程400。该用于控制智能家居设备的方法的流程400,包括以下步骤:
步骤401,获取预定时间内用户的至少一个人脸图像。
步骤402,根据至少一个人脸图像确定用户的睡眠状态。
步骤401-402与步骤201、202基本相同,因此不再赘述。
步骤403,响应于确定出用户的睡眠状态为清醒,控制智能家居设备按照预设的非睡眠模式运行。
在本实施例中,如果确定出用户的睡眠状态为清醒,则可控制智能家居设备按照预设的非睡眠模式运行。如果在此次采集用户的人脸图像之前用户就是清醒的,则服务器无需通知智能家居进行睡眠模式调整,只需要记录一下状态即可,只有当状态发生变化时才需要通知智能家居设备进行模式切换。
从图4中可以看出,与图2对应的实施例相比,本实施例中的用于控制智能家居设备的方法的流程400体现了从睡眠模式切换到非睡眠模式的步骤。由此,本实施例描述的方案可以自动切换到非睡眠模式,从而实现更全面的智能家居设备自适应调整。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种用于控制智能家居设备的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于控制智能家居设备的装置500包括:获取单元501、确定单元502、控制单元503。其中,获取单元501被配置成获取预定时间内用户的至少一个人脸图像。确定单元502被配置成根据至少一个人脸图像确定用户的睡眠状态。控制单元503被配置成响应于确定出用户的睡眠状态为入睡,控制智能家居设备按照预设的睡眠模式运行。
在本实施例中,用于控制智能家居设备的装置500的获取单元501、确定单元502、控制单元503的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203。
在本实施例的一些可选的实现方式中,确定单元502进一步被配置成:提取至少一个人脸图像的特征值与预存的用户睡眠时的人脸图像特征值进行比较,以确定出用户的睡眠状态。
在本实施例的一些可选的实现方式中,确定单元502进一步被配置成:将至少一个人脸图像按照采集时间由先到后的顺序依次输入预先训练的睡眠检测模型,得到至少一个与睡眠相关的状态信息,其中,睡眠检测模型用于表征人脸图像和与睡眠相关的状态信息之间的对应关系;根据至少一个与睡眠相关的状态信息确定用户的睡眠状态。
在本实施例的一些可选的实现方式中,确定单元502进一步被配置成:响应于根据至少一个人脸图像确定出用户在预定时间内保持闭眼且表情无变化,确定出用户的睡眠状态为入睡。
在本实施例的一些可选的实现方式中,控制单元503进一步被配置成:响应于确定出用户的睡眠状态为清醒,控制智能家居设备按照预设的非睡眠模式运行。
下面参考图6,其示出了适于用来实现本申请实施例的电子设备(如图1所示的终端设备/服务器)的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言-诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言-诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)-连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、确定单元、控制单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取预定时间内用户的至少一个人脸图像的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:获取预定时间内用户的至少一个人脸图像;根据所述至少一个人脸图像确定所述用户的睡眠状态;响应于确定出所述用户的睡眠状态为入睡,控制所述智能家居设备按照预设的睡眠模式运行。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (12)
1.一种用于控制智能家居设备的方法,包括:
获取预定时间内用户的至少一个人脸图像;
根据所述至少一个人脸图像确定所述用户的睡眠状态;
响应于确定出所述用户的睡眠状态为入睡,控制所述智能家居设备按照预设的睡眠模式运行。
2.根据权利要求1所述的方法,所述根据所述至少一个人脸图像确定所述用户的睡眠状态,包括:
提取所述至少一个人脸图像的特征值与预存的所述用户睡眠时的人脸图像特征值进行比较,以确定出所述用户的睡眠状态。
3.根据权利要求1所述的方法,所述根据所述至少一个人脸图像确定所述用户的睡眠状态,包括:
将所述至少一个人脸图像按照采集时间由先到后的顺序依次输入预先训练的睡眠检测模型,得到至少一个与睡眠相关的状态信息,其中,所述睡眠检测模型用于表征人脸图像和与睡眠相关的状态信息之间的对应关系;
根据所述至少一个与睡眠相关的状态信息确定所述用户的睡眠状态。
4.根据权利要求1所述的方法,所述根据所述至少一个人脸图像确定所述用户的睡眠状态,包括:
响应于根据所述至少一个人脸图像确定出所述用户在所述预定时间内保持闭眼且表情无变化,确定出所述用户的睡眠状态为入睡。
5.根据权利要求1-4之一所述的方法,所述方法还包括:
响应于确定出所述用户的睡眠状态为清醒,控制所述智能家居设备按照预设的非睡眠模式运行。
6.一种用于控制智能家居设备的装置,包括:
获取单元,被配置成获取预定时间内用户的至少一个人脸图像;
确定单元,被配置成根据所述至少一个人脸图像确定所述用户的睡眠状态;
控制单元,被配置成响应于确定出所述用户的睡眠状态为入睡,控制所述智能家居设备按照预设的睡眠模式运行。
7.根据权利要求6所述的装置,所述确定单元进一步被配置成:
提取所述至少一个人脸图像的特征值与预存的所述用户睡眠时的人脸图像特征值进行比较,以确定出所述用户的睡眠状态。
8.根据权利要求6所述的装置,所述确定单元进一步被配置成:
将所述至少一个人脸图像按照采集时间由先到后的顺序依次输入预先训练的睡眠检测模型,得到至少一个与睡眠相关的状态信息,其中,所述睡眠检测模型用于表征人脸图像和与睡眠相关的状态信息之间的对应关系;
根据所述至少一个与睡眠相关的状态信息确定所述用户的睡眠状态。
9.根据权利要求6所述的装置,所述确定单元进一步被配置成:
响应于根据所述至少一个人脸图像确定出所述用户在所述预定时间内保持闭眼且表情无变化,确定出所述用户的睡眠状态为入睡。
10.根据权利要求6-9之一所述的装置,所述控制单元进一步被配置成:
响应于确定出所述用户的睡眠状态为清醒,控制所述智能家居设备按照预设的非睡眠模式运行。
11.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
12.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811267903.0A CN109188928A (zh) | 2018-10-29 | 2018-10-29 | 用于控制智能家居设备的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811267903.0A CN109188928A (zh) | 2018-10-29 | 2018-10-29 | 用于控制智能家居设备的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109188928A true CN109188928A (zh) | 2019-01-11 |
Family
ID=64944200
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811267903.0A Pending CN109188928A (zh) | 2018-10-29 | 2018-10-29 | 用于控制智能家居设备的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109188928A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109788351A (zh) * | 2019-01-30 | 2019-05-21 | 上海与德通讯技术有限公司 | 一种闹钟的控制方法、装置、存储介质及电子设备 |
CN109819111A (zh) * | 2019-01-29 | 2019-05-28 | 上海与德通讯技术有限公司 | 一种控制方法、装置、设备及存储介质 |
CN110277163A (zh) * | 2019-06-12 | 2019-09-24 | 合肥中科奔巴科技有限公司 | 基于视觉老人及病人床上状态识别与监控预警系统 |
CN111156441A (zh) * | 2020-01-20 | 2020-05-15 | 百度在线网络技术(北京)有限公司 | 用于辅助学习的台灯、系统和方法 |
CN111240223A (zh) * | 2020-01-23 | 2020-06-05 | 深圳市大拿科技有限公司 | 智能家居控制方法及相关产品 |
CN112099374A (zh) * | 2020-11-11 | 2020-12-18 | 广东恩胜科技有限公司 | 室内环境舒适度控制方法、系统、电子设备及存储介质 |
CN112213951A (zh) * | 2020-09-11 | 2021-01-12 | 深圳数联天下智能科技有限公司 | 一种床垫的联动控制方法及装置 |
CN112957010A (zh) * | 2021-01-29 | 2021-06-15 | 北京淘淘餐饮管理有限公司 | 基于人脸识别的用户自适应睡眠辅助方法、系统 |
CN113420740A (zh) * | 2021-08-24 | 2021-09-21 | 深圳小小小科技有限公司 | 一种智能家居的控制方法、电子设备及计算机可读介质 |
CN113990027A (zh) * | 2021-09-17 | 2022-01-28 | 珠海格力电器股份有限公司 | 报警方法、装置、电子设备、智能床及存储介质 |
CN114234393A (zh) * | 2021-11-19 | 2022-03-25 | 青岛海尔空调器有限总公司 | 一种空调器坐姿辅助控制方法、控制装置与空调器 |
CN114625020A (zh) * | 2022-05-12 | 2022-06-14 | 慕思健康睡眠股份有限公司 | 一种电器控制方法、装置及系统 |
CN114683274A (zh) * | 2020-12-25 | 2022-07-01 | 丰田自动车株式会社 | 控制装置、任务系统、控制方法和非暂时性计算机可读介质 |
SE2251233A1 (en) * | 2022-10-24 | 2024-04-25 | Tobii Ab | Eye tracking |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6290654B1 (en) * | 1998-10-08 | 2001-09-18 | Sleep Solutions, Inc. | Obstructive sleep apnea detection apparatus and method using pattern recognition |
CN104606003A (zh) * | 2015-02-02 | 2015-05-13 | 河海大学常州校区 | 基于人脸识别的智能护理床及其工作方法 |
CN105652826A (zh) * | 2015-07-31 | 2016-06-08 | 宇龙计算机通信科技(深圳)有限公司 | 一种智能家居控制方法、控制器、移动终端以及系统 |
CN106507192A (zh) * | 2016-12-13 | 2017-03-15 | Tcl集团股份有限公司 | 一种基于人眼识别的电视关机控制方法及系统 |
CN106897659A (zh) * | 2015-12-18 | 2017-06-27 | 腾讯科技(深圳)有限公司 | 眨眼运动的识别方法和装置 |
CN106998499A (zh) * | 2017-04-28 | 2017-08-01 | 张青 | 能够智能待机的智能电视机及其控制系统和控制方法 |
CN107085715A (zh) * | 2017-05-19 | 2017-08-22 | 武汉理工大学 | 一种电视智能检测用户睡眠状态的系统及方法 |
CN107272607A (zh) * | 2017-05-11 | 2017-10-20 | 上海斐讯数据通信技术有限公司 | 一种智能家居控制系统及方法 |
CN207264555U (zh) * | 2017-08-24 | 2018-04-20 | 深圳金康特智能科技有限公司 | 一种基于智能穿戴设备的疲劳驾驶监控系统 |
CN108415653A (zh) * | 2018-03-27 | 2018-08-17 | 百度在线网络技术(北京)有限公司 | 用于终端设备的锁屏方法和装置 |
-
2018
- 2018-10-29 CN CN201811267903.0A patent/CN109188928A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6290654B1 (en) * | 1998-10-08 | 2001-09-18 | Sleep Solutions, Inc. | Obstructive sleep apnea detection apparatus and method using pattern recognition |
CN104606003A (zh) * | 2015-02-02 | 2015-05-13 | 河海大学常州校区 | 基于人脸识别的智能护理床及其工作方法 |
CN105652826A (zh) * | 2015-07-31 | 2016-06-08 | 宇龙计算机通信科技(深圳)有限公司 | 一种智能家居控制方法、控制器、移动终端以及系统 |
CN106897659A (zh) * | 2015-12-18 | 2017-06-27 | 腾讯科技(深圳)有限公司 | 眨眼运动的识别方法和装置 |
CN106507192A (zh) * | 2016-12-13 | 2017-03-15 | Tcl集团股份有限公司 | 一种基于人眼识别的电视关机控制方法及系统 |
CN106998499A (zh) * | 2017-04-28 | 2017-08-01 | 张青 | 能够智能待机的智能电视机及其控制系统和控制方法 |
CN107272607A (zh) * | 2017-05-11 | 2017-10-20 | 上海斐讯数据通信技术有限公司 | 一种智能家居控制系统及方法 |
CN107085715A (zh) * | 2017-05-19 | 2017-08-22 | 武汉理工大学 | 一种电视智能检测用户睡眠状态的系统及方法 |
CN207264555U (zh) * | 2017-08-24 | 2018-04-20 | 深圳金康特智能科技有限公司 | 一种基于智能穿戴设备的疲劳驾驶监控系统 |
CN108415653A (zh) * | 2018-03-27 | 2018-08-17 | 百度在线网络技术(北京)有限公司 | 用于终端设备的锁屏方法和装置 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109819111A (zh) * | 2019-01-29 | 2019-05-28 | 上海与德通讯技术有限公司 | 一种控制方法、装置、设备及存储介质 |
CN109788351A (zh) * | 2019-01-30 | 2019-05-21 | 上海与德通讯技术有限公司 | 一种闹钟的控制方法、装置、存储介质及电子设备 |
CN110277163A (zh) * | 2019-06-12 | 2019-09-24 | 合肥中科奔巴科技有限公司 | 基于视觉老人及病人床上状态识别与监控预警系统 |
CN111156441A (zh) * | 2020-01-20 | 2020-05-15 | 百度在线网络技术(北京)有限公司 | 用于辅助学习的台灯、系统和方法 |
CN111240223A (zh) * | 2020-01-23 | 2020-06-05 | 深圳市大拿科技有限公司 | 智能家居控制方法及相关产品 |
CN112213951A (zh) * | 2020-09-11 | 2021-01-12 | 深圳数联天下智能科技有限公司 | 一种床垫的联动控制方法及装置 |
CN112099374A (zh) * | 2020-11-11 | 2020-12-18 | 广东恩胜科技有限公司 | 室内环境舒适度控制方法、系统、电子设备及存储介质 |
CN114683274A (zh) * | 2020-12-25 | 2022-07-01 | 丰田自动车株式会社 | 控制装置、任务系统、控制方法和非暂时性计算机可读介质 |
CN112957010A (zh) * | 2021-01-29 | 2021-06-15 | 北京淘淘餐饮管理有限公司 | 基于人脸识别的用户自适应睡眠辅助方法、系统 |
CN113420740A (zh) * | 2021-08-24 | 2021-09-21 | 深圳小小小科技有限公司 | 一种智能家居的控制方法、电子设备及计算机可读介质 |
CN113420740B (zh) * | 2021-08-24 | 2021-12-03 | 深圳小小小科技有限公司 | 一种智能家居的控制方法、电子设备及计算机可读介质 |
CN113990027A (zh) * | 2021-09-17 | 2022-01-28 | 珠海格力电器股份有限公司 | 报警方法、装置、电子设备、智能床及存储介质 |
CN114234393A (zh) * | 2021-11-19 | 2022-03-25 | 青岛海尔空调器有限总公司 | 一种空调器坐姿辅助控制方法、控制装置与空调器 |
CN114234393B (zh) * | 2021-11-19 | 2024-05-24 | 青岛海尔空调器有限总公司 | 一种空调器坐姿辅助控制方法、控制装置与空调器 |
CN114625020A (zh) * | 2022-05-12 | 2022-06-14 | 慕思健康睡眠股份有限公司 | 一种电器控制方法、装置及系统 |
SE2251233A1 (en) * | 2022-10-24 | 2024-04-25 | Tobii Ab | Eye tracking |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109188928A (zh) | 用于控制智能家居设备的方法和装置 | |
US11062580B2 (en) | Methods and systems for updating an event timeline with event indicators | |
US10867496B2 (en) | Methods and systems for presenting video feeds | |
US11250679B2 (en) | Systems and methods for categorizing motion events | |
US20190066473A1 (en) | Methods and devices for presenting video information | |
US9489580B2 (en) | Method and system for cluster-based video monitoring and event categorization | |
CN110262261A (zh) | 一种控制设备服务的方法、云服务器和智能家居系统 | |
CN109919079A (zh) | 用于检测学习状态的方法和装置 | |
CN108475326A (zh) | 用于提供与图像关联的服务的方法、存储介质和电子设备 | |
US10769909B1 (en) | Using sensor data to detect events | |
CN108961679A (zh) | 一种注意力提醒方法、装置及电子设备 | |
US11302156B1 (en) | User interfaces associated with device applications | |
CN114821236A (zh) | 智慧家庭环境感知方法、系统、存储介质及电子装置 | |
CN110286600B (zh) | 智能家居操作系统的场景设置方法及装置 | |
CN109916055A (zh) | 控制方法和装置 | |
EP3907652A1 (en) | Method for adapting the quality and/or frame rate of a live video stream based upon pose | |
US10834366B1 (en) | Audio/video recording and communication doorbell devices with power control circuitry | |
CN113739373B (zh) | 一种控制方法、服务器及多媒体空气调节装置 | |
US12014611B1 (en) | Temporal motion zones for audio/video recording devices | |
US20200410317A1 (en) | System and method for adjusting presentation features of a social robot | |
CN117676985A (zh) | 针对智能灯具的照明控制方法、装置、设备、介质和产品 | |
Nguyen | Development of a Miniature Smart Home Testbed for Research and Education |
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: 20190111 |
|
RJ01 | Rejection of invention patent application after publication |