CN109839828A - 智能家居控制方法及装置、存储介质和电子设备 - Google Patents

Abstract

本发明公开了一种智能家居控制方法及装置、存储介质和电子设备，涉及智能家居技术领域。本发明基于人脸比对的手段来控制智能家居。该智能家居控制方法包括：获取第一人脸图像，在获取所述第一人脸图像后一预设时间内记录各智能设备经调节而生成的配置信息，并将所述配置信息与所述第一人脸图像关联；获取第二人脸图像，并将所述第一人脸图像与所述第二人脸图像进行比较；如果所述第一人脸图像与所述第二人脸图像匹配，则根据所述第一人脸图像关联的配置信息向各智能设备发送控制信号。本公开可以提高智能家居控制的便利性。

Description

智能家居控制方法及装置、存储介质和电子设备

技术领域

本公开涉及智能家居技术领域，具体而言，涉及一种智能家居控制方法、智能家居控制装置、存储介质和电子设备。

背景技术

智能家居以住宅为平台，利用计算机技术、网络通讯技术将与家居生活相关的各个系统结合在一起，通过网络化综合智能控制和管理，以提升家居便利性、安全性和舒适性，并实现环保节能的居住环境。结合的系统可以例如包括安防、灯光控制、窗帘控制、煤气阀控制、家电控制、采暖控制等。

目前，智能家居系统通常被动接收控制命令对各智能设备进行控制。另外，如果要同时对多个智能设备进行控制，就需要发送多个不同的控制命令，操作繁琐，便利性不足。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种智能家居控制方法、智能家居控制装置、存储介质和电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的控制智能家居时便利性不足的问题。

根据本公开的一个方面，提供一种智能家居控制方法，包括：获取第一人脸图像，在获取所述第一人脸图像后一预设时间内记录各智能设备经调节而生成的配置信息，并将所述配置信息与所述第一人脸图像关联；获取第二人脸图像，并将所述第一人脸图像与所述第二人脸图像进行比较；如果所述第一人脸图像与所述第二人脸图像匹配，则根据所述第一人脸图像关联的配置信息向各智能设备发送控制信号。

可选地，所述智能家居控制方法还包括：确定所述第一人脸图像的一个或多个目标特征；其中，所述目标特征包含年龄特征和/或性别特征；确定包含所述一个或多个目标特征的已与配置信息关联的多个人脸图像对应的配置信息；在对各智能设备进行调节之前，根据所述多个人脸图像对应的配置信息初始化各智能设备的工作模式。

可选地，将所述第一人脸图像与所述第二人脸图像进行比较包括：构建所述第一人脸图像的直方图作为第一直方图，并且构建所述第二人脸图像的直方图作为第二直方图；计算所述第一直方图与所述第二直方图的相似度；其中，如果所述第一直方图与所述第二直方图的相似度大于第一预设阈值，则所述第一人脸图像与所述第二人脸图像匹配。

可选地，将所述第一人脸图像与所述第二人脸图像进行比较包括：采用一训练后的卷积神经网络提取所述第一人脸图像的特征向量作为第一特征向量；采用所述卷积神经网络提取所述第二人脸图像的特征向量作为第二特征向量；计算所述第一特征向量与所述第二特征向量的余弦相似度；其中，如果计算出的余弦相似度大于第二预设阈值，则所述第一人脸图像与所述第二人脸图像匹配。

可选地，所述智能家居控制方法还包括：从公安系统中确定在逃人员的人脸图像，将所述第一人脸图像和/或第二人脸图像与在逃人员的人脸图像进行比较；如果所述第一人脸图像和/或第二人脸图像与在逃人员的人脸图像匹配，则向公安系统发出报警信息，以便公安部署抓捕任务。

可选地，根据所述配置信息向各智能设备发送控制信号包括：根据所述配置信息经由智能网关向各智能设备发送控制信号。

可选地，将所述配置信息与所述第一人脸图像关联包括：为所述配置信息和所述第一人脸图像分配同一标识；其中，通过所述标识确定所述第一人脸图像对应的配置信息。

根据本公开的一个方面，提供一种智能家居控制装置，该智能家居控制装置可以包括配置记录模块、图像比较模块和设备控制模块。

具体的，配置记录模块可以用于获取第一人脸图像，在获取所述第一人脸图像后一预设时间内记录各智能设备经调节而生成的配置信息，并将所述配置信息与所述第一人脸图像关联；图像比较模块可以用于获取第二人脸图像，并将所述第一人脸图像与所述第二人脸图像进行比较；设备控制模块可以用于如果所述第一人脸图像与所述第二人脸图像匹配，则根据所述第一人脸图像关联的配置信息向各智能设备发送控制信号。

可选地，智能家居控制装置还可以包括特征确定模块、信息确定模块和设备初始化模块。

具体的，特征确定模块可以用于确定所述第一人脸图像的一个或多个目标特征；其中，所述目标特征包含年龄特征和/或性别特征；信息确定模块可以用于确定包含所述一个或多个目标特征的已与配置信息关联的多个人脸图像对应的配置信息；设备初始化模块可以用于在对各智能设备进行调节之前，根据所述多个人脸图像对应的配置信息初始化各智能设备的工作模式。

可选地，图像比较模块可以包括直方图构建单元和直方图相似度计算单元。

具体的，直方图构建单元可以用于构建所述第一人脸图像的直方图作为第一直方图，并且构建所述第二人脸图像的直方图作为第二直方图；直方图相似度计算单元可以用于计算所述第一直方图与所述第二直方图的相似度；其中，如果所述第一直方图与所述第二直方图的相似度大于第一预设阈值，则所述第一人脸图像与所述第二人脸图像匹配。

可选地，图像比较模块可以包括第一特征提取单元、第二特征提取单元和特征相似度计算单元。

具体的，第一特征提取单元可以用于采用一训练后的卷积神经网络提取所述第一人脸图像的特征向量作为第一特征向量；第二特征提取单元可以用于采用所述卷积神经网络提取所述第二人脸图像的特征向量作为第二特征向量；特征相似度计算单元可以用于计算所述第一特征向量与所述第二特征向量的余弦相似度；其中，如果计算出的余弦相似度大于第二预设阈值，则所述第一人脸图像与所述第二人脸图像匹配。

可选地，智能家居控制装置还可以包括在逃人员图像比较模块和报警信息发送模块。

具体的，在逃人员图像比较模块可以用于从公安系统中确定在逃人员的人脸图像，将所述第一人脸图像和/或第二人脸图像与在逃人员的人脸图像进行比较；报警信息发送模块可以用于如果所述第一人脸图像和/或第二人脸图像与在逃人员的人脸图像匹配，则向公安系统发出报警信息，以便公安部署抓捕任务。

可选地，设备控制模块可以包括设备控制单元。

具体的，设备控制单元可以用于根据所述配置信息经由智能网关向各智能设备发送控制信号。

可选地，配置记录模块可以包括标识分配单元。

具体的，标识分配单元可以用于为所述配置信息和所述第一人脸图像分配同一标识；其中，通过所述标识确定所述第一人脸图像对应的配置信息。

根据本公开的一个方面，提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的智能家居控制方法。

根据本公开的一个方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的智能家居控制方法。

在本公开的一些实施例所提供的技术方案中，结合人脸比对的技术手段，通过识别人脸即可确定各智能设备需调节的方式。采用本公开的技术方案，用户无需向各智能设备分别发送控制命令，仅需采集用户的人脸图像即可实现各智能设备的调节过程，操作简单，自动化程度高，提高了智能家居控制的便利性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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。在附图中：

图1示意性示出了根据本公开的示例性实施方式的智能家居控制方法的流程图；

图2示意性示出了根据本公开的第一示例性实施方式的智能家居控制装置的方框图；

图3示意性示出了根据本公开的第二示例性实施方式的智能家居控制装置的方框图；

图4示意性示出了根据本公开的示例性实施方式的图像比较模块的方框图；

图5示意性示出了根据本公开的另一示例性实施方式的图像比较模块的方框图；

图6示意性示出了根据本公开的第三示例性实施方式的智能家居控制装置的方框图；

图7示意性示出了根据本公开的示例性实施方式的设备控制模块的方框图；

图8示意性示出了根据本公开的示例性实施方式的配置记录模块的方框图；

图9示出了根据本公开的示例性实施方式的存储介质的示意图；以及

图10示意性示出了根据本公开的示例性实施方式的电子设备的方框图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

下面描述的智能家居控制方法可以由智能家居对应的服务器来实现，服务器可以配置于智能家居场景内，在这种情况下，本公开的智能家居控制装置可以包含于该服务器内。另外，服务器还可以配置与智能家居场景外的平台上，本公开对此不做特殊限制。

图1示意性示出了本公开的示例性实施方式的智能家居控制方法的流程图。参考图1，所述智能家居控制方法可以包括以下步骤：

S12.获取第一人脸图像，在获取所述第一人脸图像后一预设时间内记录各智能设备经调节而生成的配置信息，并将所述配置信息与所述第一人脸图像关联。

在本公开的示例性实施方式中，智能家居系统可以包括一用于采集人脸图像的摄像头，当用户进入摄像头的采集区域范围内时，摄像头可以采集该用户的人脸图像作为第一人脸图像，并发送给服务器。另外，可以采用人为开关摄像头或者定时开关摄像头的方式确定摄像头的工作状态。

用户可以对智能家居系统中的各智能设备进行配置，本公开的智能设备可以包括但不限于智能灯光、电动窗帘、智能音箱、智能电视、安防监控、智能空调等。例如，用户可以打开电视并调至体育频道、打开空调并将温度设置为27摄氏度等。服务器可以记录这些智能设备经调节而生成的配置信息，配置信息可以例如包含智能设备名称、智能设备的调节方式等信息。

具体的，在获取第一人脸图像后一预设时间内，服务器可以记录各智能设备经调节而生成的配置信息。其中，预设时间可以基于智能家居场景中智能设备的数量而确定，例如每个智能设备对应一分钟，那么如果场景中存在5个智能设备，则预设时间为5分钟。

在本公开的一个实例中，首先，用户进入住宅后，摄像头拍摄该用户的人脸图像；接下来，在一预设时间内，用户对智能家居系统中的智能设备进行调节，服务器通过智能家居系统记录用户调节智能设备而生成的配置信息。

从外。服务器可以将配置信息与拍摄的第一人脸图像关联。具体的，服务器可以为配置信息和第一人脸图像分配同一标识，该标识可以是随机生成的字符串。另外，标识还可以是获取第一人脸图像的时间戳或按其他人为指定的规则确定的标识，本示例性实施方式中对此不做特殊限定。

由此，可以基于该标识确定第一人脸图像对应的配置信息。

S14.获取第二人脸图像，并将所述第一人脸图像与所述第二人脸图像进行比较。

在步骤S12获取到第一人脸图像和对应的配置信息后，在智能家居系统中摄像头开启的情况下，如果再次检测到人脸图像，则将该人脸图像作为第二人脸图像发送至服务器。

接下来，服务器可以将第一人脸图像与第二人脸图像进行比较。

根据本公开的一些实施例，可以利用图像的直方图来对第一人脸图像和第二人脸图像进行比较。具体的，服务器可以构建第一人脸图像的直方图作为第一直方图，并且服务器可以构建第二人脸图像的直方图作为第二直方图，随后，服务器可以计算第一直方图与第二直方图的相似度作为图像比较的结果。

具体的，首先，服务器可以分别对第一人脸图像和第二人脸图像进行HSV(Hue、Saturation、Value，色调、饱和度、明度)格式转换；随后，服务器可以基于格式转换后的结果构建图像的直方图，并对直方图进行归一化处理；接下来，服务器可以计算两个直方图之间的相似度。

根据本公开的另一些实施例，可以基于深度学习的方式对第一人脸图像和第二人脸图像进行比较。具体的，首先，服务器可以采用一训练后的卷积神经网络提取第一人脸图像的特征向量作为第一特征向量，并可以采用该卷积神经网络提取第二人脸图像的特征向量作为第二特征向量；接下来，服务器可以计算第一特征向量与第二特征向量的余弦相似度作为图像比较的结果。

另外，可以采用人工标记后的样本对该卷积神经网络进行训练。本公开对上述卷积神经网络的结构以及训练过程不做特殊限制。

S16.如果所述第一人脸图像与所述第二人脸图像匹配，则根据所述第一人脸图像关联的配置信息向各智能设备发送控制信号。

在以图像的直方图对图像进行比较的实例中，如果第一直方图与第二直方图的相似度大于第一预设阈值，则可以确定第一人脸图像与第二人脸图像匹配。其中，如果将完全相同记为1，则第一预设阈值的范围可以例如为0.85至1之间。

在以卷积神经网络的方式对图像进行比较的实例中，如果计算出的余弦相似度大于第二预设阈值，则可以确定第一人脸图像与第二人脸图像匹配。其中，在余弦相似度被定义为取0至1的情况下，第二预设阈值的范围可以例如为0.9至1之间。

基于上面的描述，如果第一人脸图像与第二人脸图像不匹配，则说明第一人脸图像与第二人脸图像对应的是不同的用户。在这种情况下，服务器可以提示第二人脸图像对应的用户进行智能设备调节，并在调节后，保存第二人脸图像与对应的配置信息。

如果确定出第一人脸图像与第二人脸图像匹配，则服务器可以根据第一人脸图像对应的配置信息向各智能设备发送控制信号。

具体的，如果确定出第一人脸图像与第二人脸图像匹配，则说明第一人脸图像与第二人脸图像对应同一用户。在用户相同的情况下，各智能设备的调节也相同，因此，可以基于先前确定的第一人脸图像对应的配置信息来控制各智能设备。

例如，当用户进入住宅后，将智能空调的温度调节至27摄氏度并且开启了智能音箱，在这种情况下，服务器可以获取到该用户的人脸图像以及基于用户的操作而生成的配置信息。当用户再次进入该住宅后(例如，相隔若干天)，服务器可以确定当前获取的人脸图像与之前获取的用户的人脸图像匹配，则服务器可以根据上次的配置信息将智能空调的温度调节至27摄氏度并且开启智能音箱。

根据本公开的一些实施例，本公开的智能家居控制方法还可以包括初始化智能设备的工作模式的方案，以在第一次获取人脸图像时，即可形成一套配置信息并自动调节各智能设备。

具体的，用户进入住宅后，服务器可以获取该用户的人脸图像作为第一人脸图像。随后，服务器可以确定第一人脸图像的一个或多个目标特征，其中，目标特征可以包括但不限于通过人脸识别方式识别出的年龄、性别等特征。例如，服务器可以确定出用户为20至25岁的男性。

接下来，服务器可以确定包含所述一个或多个目标特征的已与配置信息关联的多个人脸图像对应的配置信息。例如，服务器可以确定出具有特征为20至25岁的男性的多个用户对应的配置信息，这些配置信息例如包括将灯光亮度调至最大、开启智能音响等。

然后，服务器可以根据确定的配置信息初始化当前各智能设备的工作模式。例如，可以将灯光亮度调至最大并开启智能音响。

另外，如果服务器确定出的多个人脸图像对应的配置信息不一致，则可以选取配置数量最多的工作模式作为待执行的配置信息。例如，如果获取到历史5个具有目标特征的用户的配置信息中，存在3个配置信息中均包括将灯光亮度调至最大，则可以确定待执行的配置信息中包括将灯光亮度调至最大的配置方式。然而，本公开不限于此，如果具有目标特征的用户的配置信息中存在不同的配置方式，则可以从这些配置方式中随机选取一种作为待执行的配置信息。

根据本公开的一些实施例，在获取第一人脸图像和/或第二人脸图像后，本公开的智能家居控制方法还可以包括协助公安部门缉拿在逃人员的方案。

具体的，服务器可以从公安系统中确定在逃人员的人脸图像，并将第一人脸图像与在逃人员的人脸图像进行比较。如果第一人脸图像与在逃人员的图像匹配，则服务器可以向公安系统发出报警信息，该报警信息可以包含但不限于智能家居系统的位置、获取第一人脸图像的时间、匹配的在逃人员的标识(例如，姓名)等。公安部门可以基于该报警信息部署抓捕任务。

另外，服务器还可以将第一人脸图像上传至公安系统，以便公安部门进行存档和/或由公安部门进行进一步的图像比对过程。

类似地，服务器还可以将第二人脸图像与在逃人员的人脸图像进行比较，在此不再赘述。

根据本公开的一些实施例，智能家居系统存在一智能网关。在这种情况下，上述服务器根据配置信息向各智能设备发送控制信号可以包括经由该智能网关向各智能设备发送控制信号。

根据本公开示例性实施方式的智能家居控制方法，用户无需向各智能设备分别发送控制命令，仅需采集用户的人脸图像即可实现各智能设备的调节过程，操作简单，自动化程度高，提高了智能家居控制的便利性。

应当注意，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

进一步的，本示例实施方式中还提供了一种智能家居控制装置。

图2示意性示出了本公开的示例性实施方式的智能家居控制装置的方框图。参考图2，根据本公开的示例性实施方式的智能家居控制装置2可以包括配置记录模块21、图像比较模块23和设备控制模块25。

具体的，配置记录模块21可以用于获取第一人脸图像，在获取所述第一人脸图像后一预设时间内记录各智能设备经调节而生成的配置信息，并将所述配置信息与所述第一人脸图像关联；图像比较模块23可以用于获取第二人脸图像，并将所述第一人脸图像与所述第二人脸图像进行比较；设备控制模块25可以用于如果所述第一人脸图像与所述第二人脸图像匹配，则根据所述第一人脸图像关联的配置信息向各智能设备发送控制信号。

根据本公开的示例性实施例，参考图3，智能家居控制装置3相比于智能家居控制装置2，除包括配置记录模块21、图像比较模块23和设备控制模块25外，还可以包括特征确定模块31、信息确定模块33和设备初始化模块35。

具体的，特征确定模块31可以用于确定所述第一人脸图像的一个或多个目标特征；其中，所述目标特征包含年龄特征和/或性别特征；信息确定模块33可以用于确定包含所述一个或多个目标特征的已与配置信息关联的多个人脸图像对应的配置信息；设备初始化模块35可以用于在对各智能设备进行调节之前，根据所述多个人脸图像对应的配置信息初始化各智能设备的工作模式。

根据本公开的示例性实施例，参考图4，图像比较模块23可以包括直方图构建单元401和直方图相似度计算单元403。

具体的，直方图构建单元401可以用于构建所述第一人脸图像的直方图作为第一直方图，并且构建所述第二人脸图像的直方图作为第二直方图；直方图相似度计算单元403可以用于计算所述第一直方图与所述第二直方图的相似度；其中，如果所述第一直方图与所述第二直方图的相似度大于第一预设阈值，则所述第一人脸图像与所述第二人脸图像匹配。

根据本公开的示例性实施例，参考图5，图像比较模块23可以包括第一特征提取单元501、第二特征提取单元503和特征相似度计算单元505。

具体的，第一特征提取单元501可以用于采用一训练后的卷积神经网络提取所述第一人脸图像的特征向量作为第一特征向量；第二特征提取单元503可以用于采用所述卷积神经网络提取所述第二人脸图像的特征向量作为第二特征向量；特征相似度计算单元505可以用于计算所述第一特征向量与所述第二特征向量的余弦相似度；其中，如果计算出的余弦相似度大于第二预设阈值，则所述第一人脸图像与所述第二人脸图像匹配。

根据本公开的示例性实施例，参考图6，智能家居控制装置6相比于智能家居控制装置2，除包括配置记录模块21、图像比较模块23和设备控制模块25外，还可以包括在逃人员图像比较模块61和报警信息发送模块63。

具体的，在逃人员图像比较模块61可以用于从公安系统中确定在逃人员的人脸图像，将所述第一人脸图像和/或第二人脸图像与在逃人员的人脸图像进行比较；报警信息发送模块63可以用于如果所述第一人脸图像和/或第二人脸图像与在逃人员的人脸图像匹配，则向公安系统发出报警信息，以便公安部署抓捕任务。

根据本公开的示例性实施例，参考图7，设备控制模块25可以包括设备控制单元701。

具体的，设备控制单元701可以用于根据所述配置信息经由智能网关向各智能设备发送控制信号。

根据本公开的示例性实施例，参考图8，配置记录模块21可以包括标识分配单元801。

具体的，标识分配单元801可以用于为所述配置信息和所述第一人脸图像分配同一标识；其中，通过所述标识确定所述第一人脸图像对应的配置信息。

根据本公开示例性实施方式的智能家居控制装置，用户无需向各智能设备分别发送控制命令，仅需采集用户的人脸图像即可实现各智能设备的调节过程，操作简单，自动化程度高，提高了智能家居控制的便利性。

由于本发明实施方式的程序运行性能分析装置的各个功能模块与上述方法发明实施方式中相同，因此在此不再赘述。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。

参考图9所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品900，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，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。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。

计算机可读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，其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。

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、有线、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的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图10来描述根据本发明的这种实施方式的电子设备1000。图10显示的电子设备1000仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图10所示，电子设备1000以通用计算设备的形式表现。电子设备1000的组件可以包括但不限于：上述至少一个处理单元1010、上述至少一个存储单元1020、连接不同系统组件(包括存储单元1020和处理单元1010)的总线1030、显示单元1040。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元1010执行，使得所述处理单元1010执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元1010可以执行如图1中所示的步骤S12至步骤S16。

存储单元1020可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)10201和/或高速缓存存储单元10202，还可以进一步包括只读存储单元(ROM)10203。

存储单元1020还可以包括具有一组(至少一个)程序模块10205的程序/实用工具10204，这样的程序模块10205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线1030可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备1000也可以与一个或多个外部设备1100(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备1000交互的设备通信，和/或与使得该电子设备1000能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1050进行。并且，电子设备1000还可以通过网络适配器1060与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器1060通过总线1030与电子设备1000的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备1000使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。

Claims (10)

1.一种智能家居控制方法，其特征在于，包括：

获取第一人脸图像，在获取所述第一人脸图像后一预设时间内记录各智能设备经调节而生成的配置信息，并将所述配置信息与所述第一人脸图像关联；

获取第二人脸图像，并将所述第一人脸图像与所述第二人脸图像进行比较；

如果所述第一人脸图像与所述第二人脸图像匹配，则根据所述第一人脸图像关联的配置信息向各智能设备发送控制信号。

2.根据权利要求1所述的智能家居控制方法，其特征在于，所述智能家居控制方法还包括：

确定所述第一人脸图像的一个或多个目标特征；其中，所述目标特征包含年龄特征和/或性别特征；

确定包含所述一个或多个目标特征的已与配置信息关联的多个人脸图像对应的配置信息；

在对各智能设备进行调节之前，根据所述多个人脸图像对应的配置信息初始化各智能设备的工作模式。

3.根据权利要求1所述的智能家居控制方法，其特征在于，将所述第一人脸图像与所述第二人脸图像进行比较包括：

构建所述第一人脸图像的直方图作为第一直方图，并且构建所述第二人脸图像的直方图作为第二直方图；

计算所述第一直方图与所述第二直方图的相似度；

如果所述第一直方图与所述第二直方图的相似度大于第一预设阈值，则确定所述第一人脸图像与所述第二人脸图像匹配。

4.根据权利要求1所述的智能家居控制方法，其特征在于，将所述第一人脸图像与所述第二人脸图像进行比较包括：

采用一训练后的卷积神经网络提取所述第一人脸图像的特征向量作为第一特征向量；

采用所述卷积神经网络提取所述第二人脸图像的特征向量作为第二特征向量；

计算所述第一特征向量与所述第二特征向量的余弦相似度；

如果计算出的余弦相似度大于第二预设阈值，则确定所述第一人脸图像与所述第二人脸图像匹配。

5.根据权利要求1所述的智能家居控制方法，其特征在于，所述智能家居控制方法还包括：

从公安系统中确定在逃人员的人脸图像，将所述第一人脸图像和/或第二人脸图像与在逃人员的人脸图像进行比较；

如果所述第一人脸图像和/或第二人脸图像与在逃人员的人脸图像匹配，则向公安系统发出报警信息，以便公安部署抓捕任务。

6.根据权利要求1所述的智能家居控制方法，其特征在于，根据所述配置信息向各智能设备发送控制信号包括：

根据所述配置信息经由智能网关向各智能设备发送控制信号。

7.根据权利要求1所述的智能家居控制方法，其特征在于，将所述配置信息与所述第一人脸图像关联包括：

为所述配置信息和所述第一人脸图像分配同一标识；

其中，通过所述标识确定所述第一人脸图像对应的配置信息。

8.一种智能家居控制装置，其特征在于，包括：

配置记录模块，用于获取第一人脸图像，在获取所述第一人脸图像后一预设时间内记录各智能设备经调节而生成的配置信息，并将所述配置信息与所述第一人脸图像关联；

图像比较模块，用于获取第二人脸图像，并将所述第一人脸图像与所述第二人脸图像进行比较；

设备控制模块，用于如果所述第一人脸图像与所述第二人脸图像匹配，则根据所述第一人脸图像关联的配置信息向各智能设备发送控制信号。

9.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的智能家居控制方法。

10.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至7中任一项所述的智能家居控制方法。