CN110970019A - 智能家居系统的控制方法和装置 - Google Patents

Abstract

本发明公开了一种智能家居系统的控制方法和装置。其中，该方法包括：获取用于表示控制指令的语音信息；根据预设的情感倾向度模型解析语音信息，得到解析结果，其中，解析结果包括：语音信息中的情感信息和情感信息对应的情感程度；根据解析结果对智能家居系统中的目标设备进行控制。本发明解决了现有技术中智能家居设备的自动控制的准确度较低的技术问题。

Description

智能家居系统的控制方法和装置

技术领域

本发明涉及智能家居领域，具体而言，涉及一种智能家居系统的控制方法和装置。

背景技术

人工智能技术发展迅速，智能家居对用户生活的影响也越来越大，应用便捷性逐步升级，而在一些服务细节上应用性还有待于进一步提高。

例如，对于智能家居的控制，大多是可以由用户在手机上操作或者在电脑上远程操作控制，这种方式虽然更加智能，但是缺乏人性化的服务体验。虽然语音控制也进入人们的生活当中，但在应用于智能家居中时，也只是简单的识别预设的格式化语句，即具有一定格式的指令语句，而无法感知用户语音信息中的情感，并基于此对智能家居进行控制。由上可知，目前智能家居系统的控制仍然存在智能化程度低，难以准确感知用户需求的问题。

针对现有技术中智能家居设备的自动控制的准确度较低的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种智能家居系统的控制方法和装置，以至少解决现有技术中智能家居设备的自动控制的准确度较低的技术问题。

根据本发明实施例的一个方面，提供了一种智能家居系统的控制方法，包括：获取用于表示控制指令的语音信息；根据预设的情感倾向度模型解析语音信息，得到解析结果，其中，解析结果包括：语音信息中的情感信息和情感信息对应的情感程度；根据解析结果对智能家居系统中的目标设备进行控制。

进一步地，获取采集到的声音信息；对声音信息进行去噪处理，得到语音信息。

进一步地，获取预设的情感倾向度模型，其中，情感倾向度模型用于预测语音信息的情感信息和情感信息的情感程度；将语音信息输入至情感倾向度模型，并接收情感倾向度模型输出的情感信息和情感信息的情感程度。

进一步地，情感倾向度模型至少包括：情感模型和倾向度模型，其中，情感倾向度模型用于预测语音信息的情感信息，倾向度模型用于预测情感信息对应的情感程度。

进一步地，情感模型和倾向度模型并行对语音信息进行分析，分别得到情感信息和情感信息的情感程度；或情感模型对语音信息进行分析，得到语音信息的情感信息，倾向度模型对情感信息进行分析，得到情感信息对应的情感程度。

进一步地，根据解析结果中的情感信息确定语音信息对应的目标设备；根据解析结果中的情感程度，确定用于控制目标设备的控制参数。

根据本发明实施例的另一方面，还提供了一种智能家居的控制装置，包括：获取模块，用于获取用于表示控制指令的语音信息；分析模块，用于根据预设的情感倾向度模型解析语音信息，得到解析结果，其中，解析结果包括：语音信息中的情感信息和情感信息对应的情感程度；控制模块，用于根据解析结果对智能家居系统中的目标设备进行控制。

进一步地，获取模块包括：获取子模块，用于获取采集得到的声音信息；处理子模块，用于对声音信息进行去噪处理，得到语音信息。

在本发明实施例中，获取用于表示控制指令的语音信息，解析语音信息，以确定语音信息中的情感信息和情感信息对应的情感程度，根据语音信息对智能家居系统中的目标设备进行控制。上述方案根据语音信息中的情感信息以及情感信息的情感程度共同对智能家居中的设备进行控制，从而通过精确分析用户的情感，提高了智能家居的自动控制的准确度，并提高了智能家居系统的舒适度，解决了现有技术中智能家居设备的自动控制的准确度较低的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的智能家居的控制方法的流程图；以及

图2是根据本发明实施例的智能家居的控制装置的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

根据本发明实施例，提供了一种智能家居的控制方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的智能家居的控制方法的流程图，如图1所示，该方法包括如下步骤：

步骤S102，获取用于表示控制指令的语音信息。

具体的，上述语音信息可以是用户发出的语音，或用户通过控制其他设备发出的语音。

在一种可选的实施例中，以应用在智能终端为例，智能终端可以通过麦克风拾取用户的语音信息；再以智能家居系统为例，智能家居也可以通过麦克风拾取用户的语音信息。

上述语音识别方法可以应用在多种场景中，以智能家居的场景为例，该语音识别方法可以应用在空调设备上，使得用户可以通过语音对空调进行控制，以智能终端的场景为例，该语音识别方法可以应用在智能终端的控制室。

为了区别用户普通的语音信息和用于控制智能家居系统中的设备的语音信息，在一种可选的实施例中，可以检测语音信息中是包括预设的触发语句，例如，可以设置触发语句为预设的设备对应的昵称，如果空调的昵称为“小明”，则当系统检测到语音信息中出现“小明”时，则将“小明”所在的上下文语句作为控制指令的语音信息进行分析。

步骤S104，根据预设的情感倾向度模型解析语音信息，得到解析结果，其中，解析结果包括：语音信息中的情感信息和情感信息对应的情感程度。

具体的，上述情感信息可以是语音信息中用于描述用户情感的信息，在一种可选的实施例中，可以设置情感词汇库，将语音信息进行语义分析得到对应的文字信息与预先设置的情感词汇库进行匹配，从而得到其中的情感信息。

在一种可选的实施例中，语音信息“天气热死了”，其中，“热死了”即为该语音信息中的情感信息。

上述情感程度可以通过等级来表示，在一种可选的实施例中，可以将情感程度划分为如下多个等级：一级情感、二级情感和三级情感。情感程度的等级赿高，表示这种情感赿强烈。当需要进行精细控制时，还可以将情感程度进行进一步划分，得到更细粒度的情感等级；当无需进行精细控制时，可以将情感程度进行宽泛的划分。

步骤S106，根据语音信息对智能家居系统中的目标设备进行控制。

上述智能家居系统可以由多种智能家居设备和中央控制器构成，根据语音信息对智能家居系统中的目标设备进行控制，可以是根据语音信息确定目标设备，再生成对目标设备的控制参数，从而对目标设备进行控制。

在一种可选的实施例，仍以语音信息“天气热死了”为例，其中的情感信息通过“热死了”来描述，根据该情感信息可以确定目标设备为空调，且控制参数为制冷，因此可以启动智能家居设备中的空调启动，并在制冷模式下运行。又由于解析出“热死了”对应的情感程度为高级，因此可以控制空调按照高风速迅速降低室内温度，以满足用户对舒适度的要求。

由上可知，本申请上述实施例获取用于表示控制指令的语音信息，解析语音信息，以确定语音信息中的情感信息和情感信息对应的情感程度，根据语音信息对智能家居系统中的目标设备进行控制。上述方案根据语音信息中的情感信息以及情感信息的情感程度共同对智能家居中的设备进行控制，从而通过精确分析用户的情感，提高了智能家居的自动控制的准确度，并提高了智能家居系统的舒适度，解决了现有技术中智能家居设备的自动控制的准确度较低的技术问题。

作为一种可选的实施例，获取用于表示控制指令的语音信息，包括：获取采集到的声音信息；对声音信息进行去噪处理，得到语音信息。

在设备采集语音信息时，由于环境内可能存在其他干扰的声音，例如，在室内环境中，除了用户发出语音信息的声音，还可能包括电视、音响等其他设备发出的声音，因此难以得到准确的语音识别结果，因此设备在采集到声音信息后，可以通过滤波等方式对声音信息进行去噪处理，以从声音信息中提取出语音信息。

在一种可选的实施例中，可以使用小波变换的手段对声音信息进行去噪处理。用小波变换将信号分解到多尺度上，再针对每一层小波系数进行阈值处理，将噪声小波系数与声音信号的小波系数分离，然后利用小波重构算法恢复信号，从而达到降噪的目的。

作为一种可选的实施例，解析语音信息，以确定语音信息中的情感信息和情感信息对应的情感度，包括：获取预设的情感倾向度模型，其中，情感倾向度模型用于预测语音信息的情感信息和情感信息的情感程度；将语音信息输入至情感倾向度模型，并接收情感倾向度模型输出的情感信息和情感信息的情感程度。

具体的，上述情感倾向度模型通过对初始神经网络模型训练得到，在一种可选的实施例中，可以通过语音信息、语音信息对应的情感信息和情感信息对应的情感程度作为训练数据，对初始神经网络模型进行训练，从而得到情感倾向度模型。

上述情感倾向度模型预测得到的情感信息可以是用于表示用户情感的情感特征向量，情感程度可以是该情感信息所属的情感等级。

作为一种可选的实施例，情感倾向度模型至少包括：情感模型和倾向度模型，其中，情感倾向度模型用于预测语音信息的情感信息，倾向度模型用于预测情感信息对应的情感程度。

在上述方案中，情感倾向度模型包括情感模型和倾向度模型，两个模型可以并行对语音信息进行处理，得到语音信息的情感信息以及情感信息对应的情感程度。

在一种可选的实施例中，可以将文本信息和文本信息中包括的情感信息作为第一训练样本，对第一神经网络模型进行训练，得到情感模型，并将情感信息和情感信息对应的情感程度作为第二训练样本，对第二神经网络模型进行训练，从而得到倾向度模型。

在使用上述模型对语音信息进行分析时，首先对语音信息转换为对应的文本信息，再将文本信息输入至情感模型和倾向度模型，从而得到情感模型预测的情感信息，以及倾向度模型预测的情感程度。

作为一种可选的实施例，情感模型和倾向度模型并行对语音信息进行分析，分别得到情感信息和情感信息的情感程度；或情感模型对语音信息进行分析，得到语音信息的情感信息，倾向度模型对情感信息进行分析，得到情感信息对应的情感程度。

上述方案提供了两种对语音进行分析的方式，第一种方式由两种模型并行对语音信息进行分析，第二种方式由两种模型串行的对语音信息进行分析，其中，倾向度模型需要使用情感模型的分析结果。

在上述第一种方式中，可以将情感模型和倾向度模型封装在一个模型中，但该模型具有两个输入端，两个输入端的输入均为语音信息对应的文字信息，情感模型基于训练得到的参数对基于文字信息对语音信息进行特征提取，从而得到语音信息所对应的特征信息，倾向度模型同样基于预先训练得到的参数基于文字信息对语音信息进行特征提取，从而得到语音信息所对应的情感程度。

在训练上述第一种方式所使用的情感模型和倾向度模型时，分别对两种模型进行训练，两种模型输出的情感信息和情感程度没有必然的关联关系。用于训练情感模型的训练数据可以包括文本信息和文本信息中的情感信息，用于训练倾向度模型的训练数据可以包括文本信息和文本信息中的情感程度。

在上述第二种方式中，也可以将情感模型和倾向度模型封装在一个模型中，但该模型只有一个输入端，该输入端的输入也是语音信息对应的文字信息，情感模型基于训练得到的参数对基于文字信息对语音信息进行特征提取，从而得到语音信息所对应的特征信息；而倾向度模型基于预先训练得到的参数，对情感模型输出的情感信息进行进一步特征提取，从而得到语音信息所对应的情感程度。也即，在该方案中，模型最终的输出为情感程度，而情感信息可以为模型的一个中间层的输出。

在训练上述第二种方式所使用的情感模型和倾向度模型时，需要对两种模型进行同时训练，两种模型输出的情感信息和情感程度具有一定的关联关系。构造的训练数据可以包括文本信息，该文本信息中的情感信息，以及该情感信息对应的情感程度，使用该训练参数对神经网络模型进行训练，训练得到的神经网络模型中，最后一层的输出即为情感程度，而情感信息为预设的中间层的输出。

作为一种可选的实施例，根据语音信息对智能家居系统中的目标设备进行控制，包括：根据语音信息中的情感信息确定语音信息对应的目标设备；根据情感信息对应的情感程度，确定用于控制目标设备的控制参数。

通常智能家居系统包括多种设备，因此在用户发出语音信息时，需要先确定该语音信息对应的目标设备，在对目标设备进行控制。

在一种可选的实施例中，可以根据分析语音信息中的情感信息对应的控制需求参数，在根据控制需求参数确定对应的设备，并确定控制需求参数对应的设备即为目标设备。

例如，语音信息“天气太热了”中的情感信息为“太热了”，而“太热了“对应的需求控制参数为温度参数，因此与温度参数对应的设备即为目标设备。而在智能家居系统中，与温度参数对应的设备可以为空调，因此空调即为目标设备。

如果智能家居系统中还包括其他用于对环境温度进行控制的设备，例如，风扇、电暖器等，还需要根据用户的历史使用数据来确定，如果用户的历史使用数据中，空调的使用频率最高，则确定空调为温度参数对应的设备，如果在用户的历史使用数据中，风扇的使用频率最高，则确定风扇为温度参数对应的设备。

再例如，语音信息为“空气好干燥”中的情感信息为“好干燥”，而“好干燥”对应的需求控制需求参数为湿度参数，因此与湿度参数对应的设备即为目标设备。如果在该智能家居系统中，与湿度参数对应的设备为加湿器，则加湿器即为此次语音控制的目标设备。

在确定目标设备之后，还需要确定用于对目标设备进行控制的控制参数，以空调为例，控制参数可以包括目标温度、风速等参数，以加湿器为例，控制参数可以包括目标湿度等参数。

在一种实施例中，情感程度具有对应的情感等级，情感等级与控制参数具有预设的对应关系，因此可以根据情感程度所表示的情感等级，确定对目标设备进行控制的控制参数。

以情感程度由高至低分为一等级、二等级、三等级这三个等级为例，仍以语音信息“天气太热了”进行说明，如果其中的情感信息“太热了”的情感程度属于一等级(即最高等级)，“太热了”所需要的是需求为制冷，一等级的情感程度对应的制冷参数为“25℃，强风”，因此，该语音信息对应的控制参数即为“25℃，强风”。

再以语音信息“今天天气有点热”为例，如果其中的情感信息为“有点热”的情感程度属于三等级(即最低等级)，“有点热”所需要的是需求为制冷，三等级的情感程度对应的制冷参数为“27℃，弱风”，因此，该语音信息对应的控制参数即为“27℃，弱风”。

实施例2

根据本发明实施例，图2是根据本发明实施例的智能家居的控制装置的示意图，如图2所示，该装置包括：

获取模块20，用于获取用于表示控制指令的语音信息。

分析模块22，用于根据预设的情感倾向度模型解析语音信息，得到解析结果，其中，解析结果包括：语音信息中的情感信息和情感信息对应的情感程度。

控制模块24，用于根据解析结果对智能家居系统中的目标设备进行控制。

作为一种可选的实施例，获取模块包括：获取子模块，用于获取采集得到的声音信息；处理子模块，用于对声音信息进行去噪处理，得到语音信息。

作为一种可选的实施例，分析模块包括：模型获取子模块，用于获取预设的情感倾向度模型，其中，情感倾向度模型用于预测语音信息的情感信息和情感信息的情感程度；接收子模块，用于将语音信息输入至情感倾向度模型，并接收情感倾向度模型输出的情感信息和情感信息的情感程度。

作为一种可选的实施例，情感倾向度模型至少包括：情感模型和倾向度模型，其中，情感倾向度模型用于预测语音信息的情感信息，倾向度模型用于预测情感信息对应的情感程度。

作为一种可选的实施例，情感模型和倾向度模型并行对语音信息进行分析，分别得到情感信息和情感信息的情感程度；或情感模型对语音信息进行分析，得到语音信息的情感信息，倾向度模型对情感信息进行分析，得到情感信息对应的情感程度。

作为一种可选的实施例，控制模块包括：第一确定子模块，用于根据解析结果中的情感信息确定语音信息对应的目标设备；第二确定子模块，用于根据解析结果中的情感程度，确定用于控制目标设备的控制参数。

实施例3

根据本发明实施例，提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行实施例1的智能家居系统的控制方法。

实施例4

根据本发明实施例，提供了一种处理器，处理器用于运行程序，其中，程序运行时执行实施例1的智能家居系统的控制方法。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种智能家居系统的控制方法，其特征在于，包括：

获取用于表示控制指令的语音信息；

根据预设的情感倾向度模型解析所述语音信息，得到解析结果，其中，所述解析结果包括：所述语音信息中的情感信息和所述情感信息对应的情感程度；

根据所述解析结果对所述智能家居系统中的目标设备进行控制。

2.根据权利要求1所述的方法，其特征在于，获取用于表示控制指令的语音信息，包括：

获取采集到的声音信息；

对声音信息进行去噪处理，得到所述语音信息。

3.根据权利要求1所述的方法，其特征在于，根据预设的情感倾向度模型解析所述语音信息，得到解析结果，包括：

获取预设的情感倾向度模型，其中，所述情感倾向度模型用于预测语音信息的情感信息和情感信息的情感程度；

将所述语音信息输入至所述情感倾向度模型，并接收所述情感倾向度模型输出的情感信息和情感信息的情感程度。

4.根据权利要求3所述的方法，其特征在于，所述情感倾向度模型至少包括：情感模型和倾向度模型，其中，所述情感倾向度模型用于预测语音信息的情感信息，所述倾向度模型用于预测情感信息对应的情感程度。

5.根据权利要求4所述的方法，其特征在于，

所述情感模型和所述倾向度模型并行对所述语音信息进行分析，分别得到所述情感信息和所述情感信息的情感程度；或

所述情感模型对语音信息进行分析，得到所述语音信息的情感信息，所述倾向度模型对所述情感信息进行分析，得到所述情感信息对应的情感程度。

6.根据权利要求1所述的方法，其特征在于，根据所述解析结果对所述智能家居系统中的目标设备进行控制，包括：

根据所述解析结果中的情感信息确定所述语音信息对应的所述目标设备；

根据所述解析结果中的所述情感程度，确定用于控制所述目标设备的控制参数。

7.一种智能家居的控制装置，其特征在于，包括：

获取模块，用于获取用于表示控制指令的语音信息；

分析模块，用于根据预设的情感倾向度模型解析所述语音信息，得到解析结果，其中，所述解析结果包括：所述语音信息中的情感信息和所述情感信息对应的情感程度；

控制模块，用于根据所述解析结果对所述智能家居系统中的目标设备进行控制。

8.根据权利要求7所述的装置，其特征在于，所述获取模块包括：

获取子模块，用于获取采集得到的声音信息；

处理子模块，用于对声音信息进行去噪处理，得到所述语音信息。

9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至6中任意一项所述的智能家居系统的控制方法。

10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至6中任意一项所述的智能家居系统的控制方法。

Images