CN111413874A - 用于控制智能设备的方法、装置和系统 - Google Patents
用于控制智能设备的方法、装置和系统 Download PDFInfo
- Publication number
- CN111413874A CN111413874A CN201910014566.2A CN201910014566A CN111413874A CN 111413874 A CN111413874 A CN 111413874A CN 201910014566 A CN201910014566 A CN 201910014566A CN 111413874 A CN111413874 A CN 111413874A
- Authority
- CN
- China
- Prior art keywords
- user
- emotional
- target
- signal
- short
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000002996 emotional effect Effects 0.000 claims abstract description 365
- 230000008909 emotion recognition Effects 0.000 claims abstract description 20
- 230000037007 arousal Effects 0.000 claims description 175
- 206010062519 Poor quality sleep Diseases 0.000 claims description 38
- 238000007621 cluster analysis Methods 0.000 claims description 32
- 238000013507 mapping Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012935 Averaging Methods 0.000 claims description 5
- 230000008451 emotion Effects 0.000 abstract description 22
- 238000010586 diagram Methods 0.000 description 14
- 230000000747 cardiac effect Effects 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 239000003795 chemical substances by application Substances 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000036387 respiratory rate Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 210000000106 sweat gland Anatomy 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
Images
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
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设备的方法、装置和系统。该方法的一具体实施方式包括:获取用户的目标生理数据;基于目标生理数据,对用户进行情绪识别,确定用户当前所处的情绪状态;基于用户当前所处的情绪状态,对用户的目标智能设备进行控制。该实施方式有效利用了用户的目标生理数据,可以提高识别出的用户的情绪状态的可靠性和准确性,从而可以准确地控制用户的目标智能设备,并且还可以节约用户针对目标智能设备的操作成本。
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设备的方法、装置和系统。
背景技术
目前,随着智能设备(例如智能空调、智能音响、智能吸尘器、智能窗帘、智能冰箱、智能电视等等)的不断普及,智能设备的场景配置越来越复杂和多样。现有的控制智能设备的方法,一般是根据环境的不同手动配置智能设备场景,用户手动切换不同的应用场景来实现。
发明内容
本申请实施例提出了用于控制智能设备的方法、装置和系统。
第一方面,本申请实施例提供了一种用于控制智能设备的方法,该方法包括:获取用户的目标生理数据;基于目标生理数据,对用户进行情绪识别,确定用户当前所处的情绪状态;基于用户当前所处的情绪状态,对用户的目标智能设备进行控制。
在一些实施例中,目标生理数据包括脉搏信号和皮肤电信号;以及基于目标生理数据,对用户进行情绪识别,确定用户当前所处的情绪状态,包括:基于脉搏信号,生成心跳间期信号;对心跳间期信号和皮肤电信号进行分析,确定用户当前所处的情感唤醒度,其中,情感唤醒度包含在预设的情感唤醒度集合中,情感唤醒度集合中的情感唤醒度预先关联情绪状态;将用户当前所处的情感唤醒度所关联的情绪状态确定为用户当前所处的情绪状态。
在一些实施例中,对心跳间期信号和皮肤电信号进行分析,确定用户当前所处的情感唤醒度,包括:基于预设时间窗,将心跳间期信号划分成至少一个心跳间期信号片段,以及将皮肤电信号划分成至少一个皮肤电信号片段;将处于同一时间段内的心跳间期信号片段和皮肤电信号片段的集合称为短时生理信号,对每个短时生理信号进行分析,在情感唤醒度集合中确定该短时生理信号所归属的情感唤醒度;基于各个短时生理信号分别归属的情感唤醒度,确定用户当前所处的情感唤醒度。
在一些实施例中,对每个短时生理信号进行分析,在情感唤醒度集合中确定该短时生理信号所归属的情感唤醒度,包括:对每个短时生理信号进行特征提取,生成与该短时生理信号对应的特征集合;对所生成的各个特征集合进行聚类分析,得到聚类分析结果,其中,聚类分析结果用于指示每个短时生理信号所归属的情感唤醒度。
在一些实施例中,情感唤醒度集合中的情感唤醒度预先关联第一数值区间;以及基于各个短时生理信号分别归属的情感唤醒度,确定用户当前所处的情感唤醒度,包括:将每个短时生理信号所归属的情感唤醒度映射为处于第二数值区间内的数值;对映射所得的各个数值求平均值,在情感唤醒度集合中的情感唤醒度所关联的第一数值区间的集合中确定平均值所处的目标第一数值区间;将目标第一数值区间所对应的情感唤醒度确定为用户当前所处的情感唤醒度。
在一些实施例中,聚类分析结果还用于指示每个短时生理信号对所归属的情感唤醒度的隶属度;以及将每个短时生理信号所归属的情感唤醒度映射为处于第二数值区间内的数值,包括:对于每个短时生理信号,基于该短时生理信号所归属的情感唤醒度在情感唤醒度集合中所处的位置的索引号、该短时生理信号对所归属的情感唤醒度的隶属度以及情感唤醒度集合中的情感唤醒度的数量,将该短时生理信号所归属的情感唤醒度映射为处于第二数值区间内的数值。
在一些实施例中,基于用户当前所处的情绪状态,对用户的目标智能设备进行控制,包括:若当前满足预设条件中的任一项且用户当前所处的情绪状态预先关联控制指令,则从用户当前所处的情绪状态所关联的控制指令中选取控制指令作为目标控制指令,以及向目标智能设备发送目标控制指令,其中,预设条件包括以下项:目标智能设备处于关闭状态、目标智能设备未处于关闭状态且用户当前所处的情绪状态不同于上一情绪状态。
在一些实施例中,基于用户当前所处的情绪状态,对用户的目标智能设备进行控制,包括:若用户当前所处的情绪状态预先关联控制指令,则从用户当前所处的情绪状态所关联的控制指令中选取控制指令作为目标控制指令,以及向目标智能设备发送目标控制指令。
第二方面,本申请实施例提供了一种用于控制智能设备的装置,该装置包括:获取单元,被配置成获取用户的目标生理数据;确定单元,被配置成基于目标生理数据,对用户进行情绪识别,确定用户当前所处的情绪状态;控制单元,被配置成基于用户当前所处的情绪状态,对用户的目标智能设备进行控制。
在一些实施例中,目标生理数据包括脉搏信号和皮肤电信号;以及确定单元包括:生成子单元,被配置成基于脉搏信号,生成心跳间期信号;第一确定子单元,被配置成对心跳间期信号和皮肤电信号进行分析,确定用户当前所处的情感唤醒度,其中,情感唤醒度包含在预设的情感唤醒度集合中,情感唤醒度集合中的情感唤醒度预先关联情绪状态;第二确定子单元,被配置成将用户当前所处的情感唤醒度所关联的情绪状态确定为用户当前所处的情绪状态。
在一些实施例中,第一确定子单元包括:划分模块,被配置成基于预设时间窗,将心跳间期信号划分成至少一个心跳间期信号片段,以及将皮肤电信号划分成至少一个皮肤电信号片段;第一确定模块,被配置成将处于同一时间段内的心跳间期信号片段和皮肤电信号片段的集合称为短时生理信号,对每个短时生理信号进行分析,在情感唤醒度集合中确定该短时生理信号所归属的情感唤醒度;第二确定模块,被配置成基于各个短时生理信号分别归属的情感唤醒度,确定用户当前所处的情感唤醒度。
在一些实施例中,第一确定模块进一步被配置成:对每个短时生理信号进行特征提取,生成与该短时生理信号对应的特征集合;对所生成的各个特征集合进行聚类分析,得到聚类分析结果,其中,聚类分析结果用于指示每个短时生理信号所归属的情感唤醒度。
在一些实施例中,情感唤醒度集合中的情感唤醒度预先关联第一数值区间;以及第二确定模块包括:映射子模块,被配置成将每个短时生理信号所归属的情感唤醒度映射为处于第二数值区间内的数值;第一确定子模块,被配置成对映射所得的各个数值求平均值,在情感唤醒度集合中的情感唤醒度所关联的第一数值区间的集合中确定平均值所处的目标第一数值区间;第二确定子模块,被配置成将目标第一数值区间所对应的情感唤醒度确定为用户当前所处的情感唤醒度。
在一些实施例中,聚类分析结果还用于指示每个短时生理信号对所归属的情感唤醒度的隶属度;以及映射子模块进一步被配置成:对于每个短时生理信号,基于该短时生理信号所归属的情感唤醒度在情感唤醒度集合中所处的位置的索引号、该短时生理信号对所归属的情感唤醒度的隶属度以及情感唤醒度集合中的情感唤醒度的数量,将该短时生理信号所归属的情感唤醒度映射为处于第二数值区间内的数值。
在一些实施例中,控制单元进一步被配置成:若当前满足预设条件中的任一项且用户当前所处的情绪状态预先关联控制指令,则从用户当前所处的情绪状态所关联的控制指令中选取控制指令作为目标控制指令,以及向目标智能设备发送目标控制指令,其中,预设条件包括以下项:目标智能设备处于关闭状态、目标智能设备未处于关闭状态且用户当前所处的情绪状态不同于上一情绪状态。
在一些实施例中,控制单元进一步被配置成:若用户当前所处的情绪状态预先关联控制指令,则从用户当前所处的情绪状态所关联的控制指令中选取控制指令作为目标控制指令,以及向目标智能设备发送目标控制指令。
第三方面,本申请实施例提供了一种用于控制智能设备的系统,该系统包括智能穿戴设备、移动设备和服务器;智能穿戴设备,被配置成定期地采集用户的生理数据,并将生理数据发送至移动设备;移动设备,被配置成将生理数据发送至服务器;服务器,被配置成从生理数据中获取目标生理数据;基于目标生理数据,对用户进行情绪识别,确定用户当前所处的情绪状态;基于用户当前所处的情绪状态,对用户的目标智能设备进行控制。
在一些实施例中,目标生理数据包括脉搏信号和皮肤电信号;以及服务器进一步被配置成:基于脉搏信号,生成心跳间期信号;对心跳间期信号和皮肤电信号进行分析,确定用户当前所处的情感唤醒度,其中,情感唤醒度包含在预设的情感唤醒度集合中,情感唤醒度集合中的情感唤醒度预先关联情绪状态;将用户当前所处的情感唤醒度所关联的情绪状态确定为用户当前所处的情绪状态。
在一些实施例中,服务器还进一步被配置成:基于预设时间窗,将心跳间期信号划分成至少一个心跳间期信号片段,以及将皮肤电信号划分成至少一个皮肤电信号片段;将处于同一时间段内的心跳间期信号片段和皮肤电信号片段的集合称为短时生理信号,对每个短时生理信号进行分析,在情感唤醒度集合中确定该短时生理信号所归属的情感唤醒度;基于各个短时生理信号分别归属的情感唤醒度,确定用户当前所处的情感唤醒度。
在一些实施例中,服务器还进一步被配置成:对每个短时生理信号进行特征提取,生成与该短时生理信号对应的特征集合;对所生成的各个特征集合进行聚类分析,得到聚类分析结果,其中,聚类分析结果用于指示每个短时生理信号所归属的情感唤醒度。
在一些实施例中,情感唤醒度集合中的情感唤醒度预先关联第一数值区间;以及服务器还进一步被配置成:将每个短时生理信号所归属的情感唤醒度映射为处于第二数值区间内的数值;对映射所得的各个数值求平均值,在情感唤醒度集合中的情感唤醒度所关联的第一数值区间的集合中确定该平均值所处的目标第一数值区间;将目标第一数值区间所对应的情感唤醒度确定为用户当前所处的情感唤醒度。
在一些实施例中,聚类分析结果还用于指示每个短时生理信号对所归属的情感唤醒度的隶属度;以及服务器还进一步被配置成:对于每个短时生理信号,基于该短时生理信号所归属的情感唤醒度在情感唤醒度集合中所处的位置的索引号、该短时生理信号对所归属的情感唤醒度的隶属度以及情感唤醒度集合中的情感唤醒度的数量,将该短时生理信号所归属的情感唤醒度映射为处于第二数值区间内的数值。
在一些实施例中,服务器还进一步被配置成:若当前满足预设条件中的任一项且用户当前所处的情绪状态预先关联控制指令,则从用户当前所处的情绪状态所关联的控制指令中选取控制指令作为目标控制指令,以及向目标智能设备发送目标控制指令,其中,预设条件包括以下项:目标智能设备处于关闭状态、目标智能设备未处于关闭状态且用户当前所处的情绪状态不同于上一情绪状态。
在一些实施例中,服务器还进一步被配置成:若用户当前所处的情绪状态预先关联控制指令,则从用户当前所处的情绪状态所关联的控制指令中选取控制指令作为目标控制指令,以及向目标智能设备发送目标控制指令。
第四方面,本申请实施例提供了一种电子设备,该电子设备包括:一个或多个处理器;存储装置,其上存储有一个或多个程序;当该一个或多个程序被该一个或多个处理器执行,使得该一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第五方面,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,该程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的用于控制智能设备的方法、装置和系统,通过获取用户的目标生理数据,而后基于目标生理数据对用户进行情绪识别,确定用户当前所处的情绪状态,最后基于用户当前所处的情绪状态,对用户的目标智能设备进行控制,有效利用了用户的目标生理数据,可以提高识别出的用户的情绪状态的可靠性和准确性,从而可以准确地控制用户的目标智能设备。另外,基于用户的目标生理数据来识别用户的情绪状态,可以避免让用户做指定的动作来表达喜怒哀乐等复杂情绪,可以节约用户针对目标智能设备的操作成本。
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是本申请的一些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设备的装置的一个实施例的结构示意图;
图6是根据本申请的用于控制智能设备的系统的一个实施例的时序图;
图7是适于用来实现本申请的一些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设备的方法或用于控制智能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可以包括智能设备101、102、103,网络104和服务器105。网络104用以在智能设备101、102、103和服务器105之间提供通信链路的介质。网络104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。
用户可以使用智能设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。智能设备101、102、103上可以安装有各种通讯客户端应用,例如智能设备控制类应用等等。
智能设备101、102、103可以是硬件,也可以是软件。当智能设备101、102、103为硬件时,可以是各种电子设备,包括但不限于智能空调、智能音响、智能音箱、智能吸尘器、智能窗帘、智能电灯、智能冰箱、智能电视等等。当智能设备101、102、103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105可以是提供各种服务的服务器,例如服务器105可以获取用户的目标生理数据,并对该目标生理数据进行分析等处理,基于处理结果(例如用户当前所处的情绪状态),对智能设备101、102、103进行控制。
需要说明的是,本申请实施例所提供的用于控制智能设备的方法一般由服务器105执行,相应地,用于控制智能设备的装置一般设置于服务器105中。
需要指出的是,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),也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的智能设备、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智能设备、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设备的方法的一个实施例的流程200。该用于控制智能设备的方法的流程200,包括以下步骤:
步骤201,获取用户的目标生理数据。
在本实施例中,用于控制智能设备的方法的执行主体(例如图1所示的服务器105)可以获取用户的目标生理数据。其中,目标生理数据可以包括用户的皮肤电信号和以下中的一项:心电信号、脉搏信号。
需要说明的是,上述用户的智能穿戴设备(例如智能手表或智能手环等)可以定期地(例如每隔10分钟、15分钟或半小时等)采集上述用户的生理数据,并将采集到的生理数据通蓝牙发送至所连接的移动设备(例如智能手机或平板电脑等)。该移动设备可以将接收到的生理数据发送至上述执行主体。
其中,上述智能穿戴设备采集的生理数据可以包括但不限于心率偏差信号、运动监测信号、皮肤电信号、呼吸频率信号和以下至少一项:脉搏信号、心电信号等等。运动监测可以用于监测上述用户是处于运动期(例如醒状态),还是处于少运动期(例如熟睡状态)。皮肤电测量了由汗腺活动所引起的皮肤电导变化。
上述执行主体在接收到上述移动设备发送的生理数据后,可以从该生理数据中获取目标生理数据。或者,上述执行主体在接收到上述移动设备发送的生理数据后,可以基于该生理数据中的运动监测信号确定上述用户是否处于运动期;若处于运动期,则上述执行主体可以从该生理数据中获取目标生理数据。
步骤202,基于目标生理数据,对用户进行情绪识别,确定用户当前所处的情绪状态。
在本实施例中,上述执行主体可以基于获取到的目标生理数据,对上述用户进行情绪识别,确定上述用户当前所处的情绪状态。其中,情绪状态例如可以包括但不限于崇敬、无情感、柏拉图的爱、厌恶、高兴、浪漫的爱、悲伤、愤怒等。
作为示例,假设目标生理数据包括上述用户的皮肤电信号和心电信号,则上述执行主体可以基于心电信号的相邻R波间期计算得到上述用户的心跳间期信号。其中,心跳间期信号可以指心脏的搏动周期,也可称为RR间期。而后,上述执行主体可以基于上述用户的皮肤电信号和心跳间期信号,确定上述用户当前所处的情绪状态。这里,上述执行主体本地可以存储有用于表征信号对和情绪状态之间的对应关系的预测模型。其中,信号对可以包括皮肤电信号和心跳间期信号。上述执行主体可以将上述用户的皮肤电信号和心跳间期信号组成信号对输入预测模型,得到预测结果。其中,预测结果可以包括上述用户当前处于以上所列举的每种情绪状态的概率。上述执行主体可以将预测结果中的最大概率所对应的情绪状态确定为上述用户当前所处的情绪状态。
需要说明的是,上述预测模型可以是经训练后的卷积神经网络(ConvolutionalNeural Network,CNN)、循环神经网络(Recurrent Neural Network,RNN)、朴素贝叶斯模型(Naive Bayesian Model,NBM)或支持向量机(Support Vector Machine,SVM)等。
步骤203,基于用户当前所处的情绪状态,对用户的目标智能设备进行控制。
在本实施例中,上述执行主体可以基于上述用户当前所处的情绪状态,对上述用户的目标智能设备(例如图1所示的智能设备101、102、103)进行控制。
例如,上述执行主体在确定上述用户当前所处的情绪状态后,若确定当前满足预设条件中的任一项且上述用户当前所处的情绪状态预先关联控制指令,则上述执行主体可以从上述用户当前所处的情绪状态所关联的控制指令中选取控制指令作为目标控制指令,并向目标智能设备发送目标控制指令,以使目标智能设备执行目标控制指令。
其中,预设条件例如可以包括但不限于目标智能设备处于关闭状态、目标智能设备未处于关闭状态且上述用户当前所处的情绪状态不同于上一情绪状态(上一次执行上述流程200时在步骤202中所确定的情绪状态)。需要说明的是,当目标智能设备处于关闭状态时,可以表征目标智能设备未进行任何工作,但目标智能设备依然可以接收上述执行主体发送的指令,并对该指令进行处理。
此外,上述执行主体本地可以存储有预先针对上述用户生成的用于表征情绪状态与控制指令之间的对应关系的对应关系信息列表。上述执行主体可以基于该对应关系信息列表,确定上述用户当前所处的情绪状态是否预先关联控制指令。
上述对应关系信息列表可以是上述执行主体或上述执行主体所连接的服务器基于上述用户处于不同情绪状态时使用目标智能设备所产生的历史行为数据而生成的。上述执行主体或该服务器可以预先收集上述历史行为数据,而后基于上述历史行为数据确定与不同情绪状态分别对应的控制指令,最后生成上述对应关系信息列表。
以浪漫的爱为例,假设目标智能设备为智能电视,与浪漫的爱情绪状态对应的历史行为数据例如可以包括但不限于上述用户在处于该情绪状态时所观看的电视节目的节目标识、播放该电视节目的电视频道的频道标识等等。对于基于该历史行为数据所确定的与浪漫的爱情绪状态对应的控制指令,该控制指令例如可以用于指示播放上述用户处于该情绪状态时所观看的某个电视节目,或者用于指示打开上述用户处于该情绪状态时所打开的某个电视频道等等。
需要指出的是,上述对应关系信息列表内的任意一种情绪状态可以对应至少一条控制指令。上述执行主体可以采用各种选取方法从上述用户当前所处的情绪状态所关联的控制指令中选取控制指令作为目标控制指令。例如,若上述用户当前所处的情绪状态预先对应一条控制指令,则上述执行主体可以将该控制指令确定为目标控制指令。若上述用户当前所处的情绪状态预先对应至少两条控制指令且该至少两条控制指令没有预设优先级,则上述执行主体可以从该至少两条控制指令中随机选取一条控制指令作为目标控制指令。若上述用户当前所处的情绪状态对应至少两条控制指令且该至少两条控制指令预设有优先级,则上述执行主体可以从该至少两条控制指令中选取出优先级最高的控制指令作为目标控制指令。在此不做具体限定。
在本实施例的一些可选的实现方式中,若上述用户当前所处的情绪状态关联控制指令,则上述执行主体可以从上述用户当前所处的情绪状态所关联的控制指令中选取控制指令作为目标控制指令,以及将目标控制指令发送至目标智能设备,以使目标智能设备对目标控制指令进行处理。例如,目标智能设备可以基于当前的工作情况,确定是否执行目标控制指令。而后目标智能设备可以响应于确定执行目标控制指令而执行目标控制指令。目标智能设备也可以响应于确定不执行目标控制指令而放弃对目标控制指令的执行。
继续参见图3,图3是根据本实施例的用于控制智能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,目标生理数据可以包括心电信号和皮肤电信号。目标智能设备为智能电视。用户A的智能手环301可以每隔10分钟采集一次用户A的生理数据302。其中,每次的采集时长为1分钟。用户A的生理数据302可以包括但不限于心电信号、皮肤电信号等等。之后,智能手环301可以通过蓝牙将采集到的用户A的生理数据302发送至所连接的智能手机303。而后,智能手机303可以将接收到的用户A的生理数据302发送至所连接的服务器304。随后,服务器304可以从用户A的生理数据302中获取心电信号、皮肤电信号(如标号305所示)。接着,服务器304可以基于获取到的心电信号、皮肤电信号,确定用户A当前所处的情绪状态306。然后,服务器304可以基于预先针对用户A生成的用于表征情绪状态与控制指令之间的对应关系的对应关系信息列表,确定出与用户A当前所处的情绪状态306对应的目标控制指令307。最后,服务器304可以将目标控制指令307发送至用户A的智能电视308,以使智能电视308执行目标控制指令307。
本申请的上述实施例提供的方法,通过获取用户的目标生理数据,而后基于目标生理数据对用户进行情绪识别,确定用户当前所处的情绪状态,最后基于用户当前所处的情绪状态,对用户的目标智能设备进行控制,有效利用了用户的目标生理数据,可以提高识别出的用户的情绪状态的可靠性和准确性,从而可以准确地控制用户的目标智能设备。另外,基于用户的目标生理数据来识别用户的情绪状态,可以避免让用户做指定的动作来表达喜怒哀乐等复杂情绪,可以节约用户针对目标智能设备的操作成本。
进一步参考图4,其示出了用于控制智能设备的方法的又一个实施例的流程400。该用于控制智能设备的方法的流程400,包括以下步骤:
步骤401,获取用户的包括脉搏信号和皮肤电信号的目标生理数据。
在本实施例中,用于控制智能设备的方法的执行主体(例如图1所示的服务器105)可以获取用户的包括脉搏信号和皮肤电信号的目标生理数据。
需要说明的是,上述执行主体可以响应于接收到上述用户的移动设备(例如智能手机或平板电脑等)发送的上述用户的生理数据,从该生理数据中获取目标生理数据。或者,上述执行主体可以响应于接收到上述移动设备发送的上述用户的生理数据,基于该生理数据中的运动监测信号,确定上述用户是否处于运动期;若处于运动期,则上述执行主体可以从该生理数据中获取目标生理数据。其中,上述用户的生理数据可以包括但不限于心率偏差信号、运动监测信号、皮肤电信号、呼吸频率信号和以下至少一项:脉搏信号、心电信号等等。
需要指出的是,上述移动设备可以从所连接的智能穿戴设备(例如智能手表或智能手环等)接收上述用户的生理数据,并将接收到的生理数据发送至上述执行主体。上述智能穿戴设备可以定期地(例如每隔10分钟、15分钟或半小时等)采集上述用户的生理数据,并将采集到的生理数据通蓝牙发送上述移动设备。
步骤402,基于脉搏信号,生成心跳间期信号。
在本实施例中,上述执行主体可以基于上述脉搏信号,生成心跳间期信号。这里,心跳间期信号为心脏的搏动周期,也可以称为RR间期。心跳间期信号可基于脉搏波的峰峰间期计算得到。
步骤403,基于预设时间窗,将心跳间期信号划分成至少一个心跳间期信号片段,以及将皮肤电信号划分成至少一个皮肤电信号片段。
在本实施例中,上述执行主体可以基于预设时间窗,将心跳间期信号划分成至少一个心跳间期信号片段,以及将皮肤电信号划分成至少一个皮肤电信号片段。这里,预设时间窗例如可以是时长为第一时长且重叠第二时长的时间窗。其中,第一时长大于第二时长。第一时长例如可以是10秒等。第二时长例如可以是5秒等。应该理解,预设时间窗是可以根据实际需要设置的,在此不做具体限定。
步骤404,将处于同一时间段内的心跳间期信号片段和皮肤电信号片段的集合称为短时生理信号,对每个短时生理信号进行特征提取,生成与该短时生理信号对应的特征集合。
在本实施例中,可以将处于同一时间段内的心跳间期信号片段和皮肤电信号片段的集合称为短时生理信号。上述执行主体可以对每个短时生理信号进行特征提取,生成与该短时生理信号对应的特征集合。其中,上述执行主体可以从每个短时生理信号中提取出RRmean(心跳间期均值)、RRmin(心跳间期最小值)、RR1dSDNNi(心跳间期一阶差分信号5秒分段标准差的均值)和SCmean(皮肤电信号均值)这四维特征,生成包括这四维特征的特征集合。需要说明的是,RRmean、RRmin和RR1dSDNNi可以提取自心跳间期信号片段。SCmean可以提取自皮肤电信号片段。
步骤405,对所生成的各个特征集合进行聚类分析,得到聚类分析结果。
在本实施例中,上述执行主体可以对在步骤404中生成的各个特征集合进行聚类分析,得到聚类分析结果。这里,上述执行主体可以采用PSO(Particle SwarmOptimization,粒子群优化)-FCM(Fuzzy C-Means,模糊C均值)聚类分析方法,对上述各个特征集合进行聚类分析。由于PSO-FCM聚类分析方法是目前广泛研究和应用的公知技术,在此不再赘述。上述聚类分析结果可以用于指示每个短时生理信号所归属的情感唤醒度,以及该短时生理信号对所归属的情感唤醒度的隶属度。
其中,每个短时生理信号所归属的情感唤醒度可以包含在预设的情感唤醒度集合中。该情感唤醒度集合中的情感唤醒度可以预先关联情绪状态和第一数值区间。情绪状态例如可以包括但不限于崇敬、无情感、柏拉图的爱、厌恶、高兴、浪漫的爱、悲伤、愤怒等。上述情感唤醒度集合中的各个情感唤醒度分别关联的第一数值区间可以是第二数值区间的子区间。第二数值区间例如可以是[0,1]。
需要说明的是,情感唤醒度也可称为情绪唤醒度,可以是情绪在多大程度上激活的程度指标。上述情感唤醒度集合例如可以包括5种等级的情感唤醒度,按等级由低到高的顺序可以依次为:很低、低、中、高、很高。其中,等级为很低的情感唤醒度所关联的情绪状态例如可以包括崇敬状态。等级为低的情感唤醒度所关联的情绪状态例如可以包括无情感和厌恶状态。等级为中的情感唤醒度所关联的情绪状态例如可以包括柏拉图的爱和高兴状态。等级为高的情感唤醒度所关联的情绪状态例如可以包括悲伤和浪漫的爱。等级为很高的情感唤醒度所关联的情绪状态例如可以包括愤怒状态。
步骤406,对于每个短时生理信号,基于该短时生理信号所归属的情感唤醒度在情感唤醒度集合中所处的位置的索引号、该短时生理信号对所归属的情感唤醒度的隶属度以及情感唤醒度集合中的情感唤醒度的数量,将该短时生理信号所归属的情感唤醒度映射为处于第二数值区间内的数值。
在本实施例中,对于在步骤404中所确定的每个短时生理信号,上述执行主体可以基于该短时生理信号所归属的情感唤醒度在上述情感唤醒度集合中所处的位置的索引号、该短时生理信号对所归属的情感唤醒度的隶属度以及上述情感唤醒度集合中的情感唤醒度的数量,将该短时生理信号所归属的情感唤醒度映射为处于第二数值区间内的数值。
这里,上述执行主体可以采用以下公式将该短时生理信号所归属的情感唤醒度映射为处于第二数值区间内的数值:
A=(i-1)*(1/c)+ui*(1/c);
其中,A可以代表对短时生理信号所归属的情感唤醒度进行映射后所得的处于第二数值区间内的数值。i可以代表短时生理信号所归属的情感唤醒度在上述情感唤醒度集合中所处的位置的索引号。c可以代表上述情感唤醒度集合中的情感唤醒度的数量。u可以代表隶属度。ui可以代表短时生理信号对上述情感唤醒度集合中的第i个情感唤醒度的隶属度。
步骤407,对映射所得的各个数值求平均值,在情感唤醒度集合中的情感唤醒度所关联的第一数值区间的集合中确定平均值所处的目标第一数值区间,将目标第一数值区间所对应的情感唤醒度确定为用户当前所处的情感唤醒度。
在本实施例中,上述执行主体可以对在步骤406中映射所得的各个数值求平均值。而后,上述执行主体可以在上述情感唤醒度集合中的情感唤醒度所关联的第一数值区间的集合中确定平均值所处的目标第一数值区间,将目标第一数值区间所对应的情感唤醒度确定为上述用户当前所处的情感唤醒度。
步骤408,将用户当前所处的情感唤醒度所关联的情绪状态确定为用户当前所处的情绪状态。
在本实施例中,上述执行主体可以将上述用户当前所处的情感唤醒度所关联的情绪状态确定为上述用户当前所处的情绪状态。
需要说明的是,不同的情绪状态可以预先对应处于上述第二数值区间内的数值。若上述用户当前所处的情感唤醒度关联一种情绪状态,则上述执行主体可以将该情绪状态直接确定为上述用户当前所处的情绪状态。若上述用户当前所处的情感唤醒度关联至少两种情绪状态,则上述执行主体可以基于在步骤407中计算出的平均值以及该至少两种情绪状态分别对应的数值,从该至少两种情绪状态中选取一种情绪状态作为上述用户当前所处的情绪状态。例如,上述执行主体可以选取该至少两种情绪状态中的所关联的数值与该平均值最接近的情绪状态作为上述用户当前所处的情绪状态。
步骤409,若当前满足预设条件中的任一项且用户当前所处的情绪状态预先关联控制指令,则从用户当前所处的情绪状态所关联的控制指令中选取控制指令作为目标控制指令,以及向用户的目标智能设备发送目标控制指令。
在本实施例中,上述执行主体在执行完步骤408后,若确定当前满足预设条件中的任一项且上述用户当前所处的情绪状态预先关联控制指令,则上述执行主体可以从上述用户当前所处的情绪状态所关联的控制指令中选取控制指令作为目标控制指令,以及向用户的目标智能设备(例如图1所示的智能设备101、102、103)发送目标控制指令。其中,预设条件可以包括但不限于目标智能设备处于关闭状态、目标智能设备未处于关闭状态且上述用户当前所处的情绪状态不同于上一情绪状态(上一次执行上述流程400时在步骤408中确定的情绪状态)等等。针对步骤409的解释说明,可参看图2所示实施例中的步骤203的相关说明,在此不再赘述。
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设备的方法的流程400突出了基于用户的脉搏信号,生成心跳间期信号,之后基于用户的心跳间期信号和皮肤电信号获得短时生理信号,接着基于所得的各个短时生理信号确定用户当前所处的情感唤醒度,然后基于用户当前所处的情感唤醒度确定用户当前所处的情绪状态的步骤。由此,本实施例描述的方案实现了信息处理的多样性,而且可以进一步提高识别出的用户的情绪状态的可靠性和准确性,以及更准确地控制用户的目标智能设备。
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设备的装置500包括:获取单元501被配置成获取用户的目标生理数据;确定单元502被配置成基于目标生理数据,对用户进行情绪识别,确定用户当前所处的情绪状态;控制单元503被配置成基于用户当前所处的情绪状态,对用户的目标智能设备进行控制。
在本实施例中,用于控制智能设备的装置500中:获取单元501、确定单元502和控制单元503的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202和步骤203的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,目标生理数据可以包括脉搏信号和皮肤电信号;以及确定单元502可以包括:生成子单元(图中未示出),被配置成基于脉搏信号,生成心跳间期信号;第一确定子单元(图中未示出),被配置成对心跳间期信号和皮肤电信号进行分析,确定用户当前所处的情感唤醒度,其中,情感唤醒度可以包含在预设的情感唤醒度集合中,情感唤醒度集合中的情感唤醒度可以预先关联情绪状态;第二确定子单元(图中未示出),被配置成将用户当前所处的情感唤醒度所关联的情绪状态确定为用户当前所处的情绪状态。
在本实施例的一些可选的实现方式中,第一确定子单元可以包括:划分模块(图中未示出),被配置成基于预设时间窗,将心跳间期信号划分成至少一个心跳间期信号片段,以及将皮肤电信号划分成至少一个皮肤电信号片段;第一确定模块(图中未示出),被配置成将处于同一时间段内的心跳间期信号片段和皮肤电信号片段的集合称为短时生理信号,对每个短时生理信号进行分析,在情感唤醒度集合中确定该短时生理信号所归属的情感唤醒度;第二确定模块(图中未示出),被配置成基于各个短时生理信号分别归属的情感唤醒度,确定用户当前所处的情感唤醒度。
在本实施例的一些可选的实现方式中,第一确定模块可以进一步被配置成:对每个短时生理信号进行特征提取,生成与该短时生理信号对应的特征集合;对所生成的各个特征集合进行聚类分析,得到聚类分析结果,其中,聚类分析结果可以用于指示每个短时生理信号所归属的情感唤醒度。
在本实施例的一些可选的实现方式中,情感唤醒度集合中的情感唤醒度可以预先关联第一数值区间;以及第二确定模块可以包括:映射子模块(图中未示出),被配置成将每个短时生理信号所归属的情感唤醒度映射为处于第二数值区间内的数值;第一确定子模块(图中未示出),被配置成对映射所得的各个数值求平均值,在情感唤醒度集合中的情感唤醒度所关联的第一数值区间的集合中确定平均值所处的目标第一数值区间;第二确定子模块(图中未示出),被配置成将目标第一数值区间所对应的情感唤醒度确定为用户当前所处的情感唤醒度。
在本实施例的一些可选的实现方式中,聚类分析结果还可以用于指示每个短时生理信号对所归属的情感唤醒度的隶属度;以及映射子模块可以进一步被配置成:对于每个短时生理信号,基于该短时生理信号所归属的情感唤醒度在情感唤醒度集合中所处的位置的索引号、该短时生理信号对所归属的情感唤醒度的隶属度以及情感唤醒度集合中的情感唤醒度的数量,将该短时生理信号所归属的情感唤醒度映射为处于第二数值区间内的数值。
在本实施例的一些可选的实现方式中,控制单元503可以进一步被配置成:若当前满足预设条件中的任一项且用户当前所处的情绪状态预先关联控制指令,则从用户当前所处的情绪状态所关联的控制指令中选取控制指令作为目标控制指令,以及向目标智能设备发送目标控制指令,其中,预设条件可以包括以下项:目标智能设备处于关闭状态、目标智能设备未处于关闭状态且用户当前所处的情绪状态不同于上一情绪状态。
在本实施例的一些可选的实现方式中,控制单元503可以进一步被配置成:若用户当前所处的情绪状态预先关联控制指令,则从用户当前所处的情绪状态所关联的控制指令中选取控制指令作为目标控制指令,以及向目标智能设备发送目标控制指令。
本申请的上述实施例提供的装置,通过获取用户的目标生理数据,而后基于目标生理数据对用户进行情绪识别,确定用户当前所处的情绪状态,最后基于用户当前所处的情绪状态,对用户的目标智能设备进行控制,有效利用了用户的目标生理数据,可以提高识别出的用户的情绪状态的可靠性和准确性,从而可以准确地控制用户的目标智能设备。另外,基于用户的目标生理数据来识别用户的情绪状态,可以避免让用户做指定的动作来表达喜怒哀乐等复杂情绪,可以节约用户针对目标智能设备的操作成本。
进一步参考图6,图6示出了根据本申请的用于控制智能设备的系统的一个实施例的时序图。
本实施例的用于控制智能设备的系统可以包括:智能穿戴设备、移动设备和服务器;智能穿戴设备,被配置成定期地采集用户的生理数据,并将生理数据发送至移动设备;移动设备,被配置成将生理数据发送至服务器;服务器,被配置成从生理数据中获取目标生理数据;基于目标生理数据,对用户进行情绪识别,确定用户当前所处的情绪状态;基于用户当前所处的情绪状态,对用户的目标智能设备进行控制。
如图6所示,在步骤601中,智能穿戴设备定期地采集用户的生理数据。
在本实施例中,用户的智能穿戴设备例如可以是智能手表或智能手环等。智能穿戴设备可以定期地(例如每隔10分钟、15分钟或半小时等)采集用户的生理数据。其中,每次的采集时长例如可以是1分钟、1.5分钟或2分钟等。生理数据可以包括但不限于心率偏差信号、运动监测信号、皮肤电信号、呼吸频率信号和以下至少一项:脉搏信号、心电信号等等。运动监测可以用于监测用户是处于运动期(例如醒状态),还是处于少运动期(例如熟睡状态)。皮肤电测量了由汗腺活动所引起的皮肤电导变化。
在步骤602中,智能穿戴设备将生理数据发送至移动设备。
在本实施例中,智能穿戴设备例如可以通过蓝牙将采集到的生理数据发送至所连接的移动设备(例如智能手机或平板电脑等)。
在步骤603中,移动设备将生理数据发送至服务器。
在本实施例中,移动设备在接收到智能穿戴设备发送的生理数据后,可以通过有线连接方式或者无线连接方式将该生理数据发送至所连接的服务器(例如图1所示的服务器105)。
在步骤604中,服务器从生理数据中获取目标生理数据。
在本实施例中,服务器可以从所接收的生理数据中获取目标生理数据。其中,目标生理数据可以包括用户的皮肤电信号和以下中的一项:心电信号、脉搏信号。
这里,服务器在接收到移动设备发送的生理数据后,可以从该生理数据中获取目标生理数据。或者,服务器在接收到移动设备发送的生理数据后,可以基于该生理数据中的运动监测信号确定用户是否处于运动期;若处于运动期,则服务器可以从该生理数据中获取目标生理数据。
在步骤605中,服务器基于目标生理数据,对用户进行情绪识别,确定用户当前所处的情绪状态。
在本实施例中,服务器可以基于目标生理数据,对用户进行情绪识别,确定用户当前所处的情绪状态。这里,针对步骤605的解释说明,可参看图2所示实施例中的步骤202的相关说明,在此不再赘述。
在步骤606中,服务器基于用户当前所处的情绪状态,对用户的目标智能设备进行控制。
在本实施例中,服务器可以基于用户当前所处的情绪状态,对用户的目标智能设备(例如图1所示的智能设备101、102、103)进行控制。这里,针对步骤606的解释说明,可参看图2所示实施例中的步骤203的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,目标生理数据可以包括脉搏信号和皮肤电信号;以及服务器可以进一步被配置成:基于脉搏信号,生成心跳间期信号;对心跳间期信号和皮肤电信号进行分析,确定用户当前所处的情感唤醒度,其中,情感唤醒度可以包含在预设的情感唤醒度集合中,情感唤醒度集合中的情感唤醒度可以预先关联情绪状态;将用户当前所处的情感唤醒度所关联的情绪状态确定为用户当前所处的情绪状态。
在本实施例的一些可选的实现方式中,服务器还可以进一步被配置成:基于预设时间窗,将心跳间期信号划分成至少一个心跳间期信号片段,以及将皮肤电信号划分成至少一个皮肤电信号片段;将处于同一时间段内的心跳间期信号片段和皮肤电信号片段的集合称为短时生理信号,对每个短时生理信号进行分析,在情感唤醒度集合中确定该短时生理信号所归属的情感唤醒度;基于各个短时生理信号分别归属的情感唤醒度,确定用户当前所处的情感唤醒度。
在本实施例的一些可选的实现方式中,服务器还可以进一步被配置成:对每个短时生理信号进行特征提取,生成与该短时生理信号对应的特征集合;对所生成的各个特征集合进行聚类分析,得到聚类分析结果,其中,聚类分析结果用于指示每个短时生理信号所归属的情感唤醒度。
在本实施例的一些可选的实现方式中,情感唤醒度集合中的情感唤醒度可以预先关联第一数值区间;以及服务器还可以进一步被配置成:将每个短时生理信号所归属的情感唤醒度映射为处于第二数值区间内的数值;对映射所得的各个数值求平均值,在情感唤醒度集合中的情感唤醒度所关联的第一数值区间的集合中确定该平均值所处的目标第一数值区间;将目标第一数值区间所对应的情感唤醒度确定为用户当前所处的情感唤醒度。
在本实施例的一些可选的实现方式中,聚类分析结果还可以用于指示每个短时生理信号对所归属的情感唤醒度的隶属度;以及服务器还可以进一步被配置成:对于每个短时生理信号,基于该短时生理信号所归属的情感唤醒度在情感唤醒度集合中所处的位置的索引号、该短时生理信号对所归属的情感唤醒度的隶属度以及情感唤醒度集合中的情感唤醒度的数量,将该短时生理信号所归属的情感唤醒度映射为处于第二数值区间内的数值。
在本实施例的一些可选的实现方式中,服务器还可以进一步被配置成:若当前满足预设条件中的任一项且用户当前所处的情绪状态预先关联控制指令,则从用户当前所处的情绪状态所关联的控制指令中选取控制指令作为目标控制指令,以及向目标智能设备发送目标控制指令,其中,预设条件可以包括以下项:目标智能设备处于关闭状态、目标智能设备未处于关闭状态且用户当前所处的情绪状态不同于上一情绪状态。
在本实施例的一些可选的实现方式中,服务器还可以进一步被配置成:若用户当前所处的情绪状态预先关联控制指令,则从用户当前所处的情绪状态所关联的控制指令中选取控制指令作为目标控制指令,以及向目标智能设备发送目标控制指令。
本申请的上述实施例提供的用于控制智能设备的系统,通过智能穿戴设备定期地采集用户的生理数据,并将生理数据发送至移动设备,而后通过移动设备将生理数据发送至服务器,最后通过服务器从生理数据中获取目标生理数据,基于目标生理数据,对用户进行情绪识别,确定用户当前所处的情绪状态,以便基于用户当前所处的情绪状态,对用户的目标智能设备进行控制。本申请的上述实施例描述的方案有效利用了用户的目标生理数据,可以提高识别出的用户的情绪状态的可靠性和准确性,从而可以准确地控制用户的目标智能设备。另外,基于用户的目标生理数据来识别用户的情绪状态,可以避免让用户做指定的动作来表达喜怒哀乐等复杂情绪,可以节约用户针对目标智能设备的操作成本。
下面参考图7,其示出了适于用来实现本申请实施例的电子设备(例如图1所示的服务器105)的计算机系统700的结构示意图。图7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7所示,计算机系统700包括中央处理单元(CPU)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有系统700操作所需的各种程序和数据。CPU701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705:包括键盘、鼠标等的输入部分706;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707;包括硬盘等的存储部分708;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709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711,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710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708。
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709从网络上被下载和安装,和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时,执行本申请的系统中限定的上述功能。
需要说明的是,本申请所示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,上述模块、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,框图或流程图中的每个方框、以及框图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、确定单元和控制单元。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“获取用户的目标生理数据的单元”。
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电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。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一个该电子设备执行时,使得该电子设备:获取用户的目标生理数据;基于目标生理数据,对用户进行情绪识别,确定用户当前所处的情绪状态;基于用户当前所处的情绪状态,对用户的目标智能设备进行控制。
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上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设备的方法,包括:
获取用户的目标生理数据;
基于所述目标生理数据,对所述用户进行情绪识别,确定所述用户当前所处的情绪状态;
基于所述用户当前所处的情绪状态,对所述用户的目标智能设备进行控制。
2.根据权利要求1所述的方法,其中,所述目标生理数据包括脉搏信号和皮肤电信号;以及
所述基于所述目标生理数据,对所述用户进行情绪识别,确定所述用户当前所处的情绪状态,包括:
基于所述脉搏信号,生成心跳间期信号;
对所述心跳间期信号和所述皮肤电信号进行分析,确定所述用户当前所处的情感唤醒度,其中,所述情感唤醒度包含在预设的情感唤醒度集合中,所述情感唤醒度集合中的情感唤醒度预先关联情绪状态;
将所述用户当前所处的情感唤醒度所关联的情绪状态确定为所述用户当前所处的情绪状态。
3.根据权利要求2所述的方法,其中,所述对所述心跳间期信号和所述皮肤电信号进行分析,确定所述用户当前所处的情感唤醒度,包括:
基于预设时间窗,将所述心跳间期信号划分成至少一个心跳间期信号片段,以及将所述皮肤电信号划分成至少一个皮肤电信号片段;
将处于同一时间段内的心跳间期信号片段和皮肤电信号片段的集合称为短时生理信号,对每个短时生理信号进行分析,在所述情感唤醒度集合中确定该短时生理信号所归属的情感唤醒度;
基于各个短时生理信号分别归属的情感唤醒度,确定所述用户当前所处的情感唤醒度。
4.根据权利要求3所述的方法,其中,所述对每个短时生理信号进行分析,在所述情感唤醒度集合中确定该短时生理信号所归属的情感唤醒度,包括:
对每个短时生理信号进行特征提取,生成与该短时生理信号对应的特征集合;
对所生成的各个特征集合进行聚类分析,得到聚类分析结果,其中,所述聚类分析结果用于指示每个短时生理信号所归属的情感唤醒度。
5.根据权利要求4所述的方法,其中,所述情感唤醒度集合中的情感唤醒度预先关联第一数值区间;以及
所述基于各个短时生理信号分别归属的情感唤醒度,确定所述用户当前所处的情感唤醒度,包括:
将每个短时生理信号所归属的情感唤醒度映射为处于第二数值区间内的数值;
对映射所得的各个数值求平均值,在所述情感唤醒度集合中的情感唤醒度所关联的第一数值区间的集合中确定所述平均值所处的目标第一数值区间;
将所述目标第一数值区间所对应的情感唤醒度确定为所述用户当前所处的情感唤醒度。
6.根据权利要求5所述的方法,其中,所述聚类分析结果还用于指示每个短时生理信号对所归属的情感唤醒度的隶属度;以及
所述将每个短时生理信号所归属的情感唤醒度映射为处于第二数值区间内的数值,包括:
对于每个短时生理信号,基于该短时生理信号所归属的情感唤醒度在所述情感唤醒度集合中所处的位置的索引号、该短时生理信号对所归属的情感唤醒度的隶属度以及所述情感唤醒度集合中的情感唤醒度的数量,将该短时生理信号所归属的情感唤醒度映射为处于所述第二数值区间内的数值。
7.根据权利要求1-6之一所述的方法,其中,所述基于所述用户当前所处的情绪状态,对所述用户的目标智能设备进行控制,包括:
若当前满足预设条件中的任一项且所述用户当前所处的情绪状态预先关联控制指令,则从所述用户当前所处的情绪状态所关联的控制指令中选取控制指令作为目标控制指令,以及向所述目标智能设备发送所述目标控制指令,其中,所述预设条件包括以下项:所述目标智能设备处于关闭状态、所述目标智能设备未处于关闭状态且所述用户当前所处的情绪状态不同于上一情绪状态。
8.根据权利要求1-6之一所述的方法,其中,所述基于所述用户当前所处的情绪状态,对所述用户的目标智能设备进行控制,包括:
若所述用户当前所处的情绪状态预先关联控制指令,则从所述用户当前所处的情绪状态所关联的控制指令中选取控制指令作为目标控制指令,以及向所述目标智能设备发送所述目标控制指令。
9.一种用于控制智能设备的装置,包括:
获取单元,被配置成获取用户的目标生理数据;
确定单元,被配置成基于所述目标生理数据,对所述用户进行情绪识别,确定所述用户当前所处的情绪状态;
控制单元,被配置成基于所述用户当前所处的情绪状态,对所述用户的目标智能设备进行控制。
10.一种用于控制智能设备的系统,包括智能穿戴设备、移动设备和服务器;
所述智能穿戴设备,被配置成定期地采集用户的生理数据,并将所述生理数据发送至所述移动设备;
所述移动设备,被配置成将所述生理数据发送至所述服务器;
所述服务器,被配置成从所述生理数据中获取目标生理数据;基于所述目标生理数据,对所述用户进行情绪识别,确定所述用户当前所处的情绪状态;基于所述用户当前所处的情绪状态,对所述用户的目标智能设备进行控制。
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1-8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1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910014566.2A CN111413874B (zh) | 2019-01-08 | 2019-01-08 | 用于控制智能设备的方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910014566.2A CN111413874B (zh) | 2019-01-08 | 2019-01-08 | 用于控制智能设备的方法、装置和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111413874A true CN111413874A (zh) | 2020-07-14 |
CN111413874B CN111413874B (zh) | 2021-02-26 |
Family
ID=71488830
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910014566.2A Active CN111413874B (zh) | 2019-01-08 | 2019-01-08 | 用于控制智能设备的方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111413874B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112297023A (zh) * | 2020-10-22 | 2021-02-02 | 新华网股份有限公司 | 智能陪护机器人系统 |
CN116736734A (zh) * | 2023-08-08 | 2023-09-12 | 深圳小米房产网络科技有限公司 | 一种基于感知网络的智能家居设备控制方法及系统 |
Citations (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1300831A1 (en) * | 2001-10-05 | 2003-04-09 | Sony International (Europe) GmbH | Method for detecting emotions involving subspace specialists |
US20080287821A1 (en) * | 2007-03-30 | 2008-11-20 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational user-health testing |
US20090018407A1 (en) * | 2007-03-30 | 2009-01-15 | Searete Llc, A Limited Corporation Of The State Of Delaware | Computational user-health testing |
US20090285456A1 (en) * | 2008-05-19 | 2009-11-19 | Hankyu Moon | Method and system for measuring human response to visual stimulus based on changes in facial expression |
CN101887721A (zh) * | 2010-07-19 | 2010-11-17 | 东南大学 | 一种基于心电信号与语音信号的双模态情感识别方法 |
CN102715902A (zh) * | 2012-06-15 | 2012-10-10 | 天津大学 | 特殊人群的情绪监护方法 |
CN104699972A (zh) * | 2015-03-18 | 2015-06-10 | 小米科技有限责任公司 | 情绪识别提醒方法及装置 |
CN104965552A (zh) * | 2015-07-03 | 2015-10-07 | 北京科技大学 | 一种基于情感机器人的智能家居环境协同控制方法及系统 |
US20160033950A1 (en) * | 2014-07-04 | 2016-02-04 | Yoo Chol Ji | Control station utilizing user's state information provided by mobile device and control system including the same |
CN105701325A (zh) * | 2014-11-24 | 2016-06-22 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
KR20160095257A (ko) * | 2015-02-02 | 2016-08-11 | 한양대학교 에리카산학협력단 | 뇌파를 이용한 전자기기 구동 방법 |
CN106200395A (zh) * | 2016-08-05 | 2016-12-07 | 易晓阳 | 一种多维识别家居控制方法 |
CN106383449A (zh) * | 2016-10-27 | 2017-02-08 | 江苏金米智能科技有限责任公司 | 基于生理数据分析的智能家居音乐控制方法及系统 |
EP3175786A1 (en) * | 2015-12-01 | 2017-06-07 | Panasonic Intellectual Property Corporation of America | Estimation of physical conditions |
CN107080546A (zh) * | 2017-04-18 | 2017-08-22 | 安徽大学 | 基于脑电图的青少年环境心理的情绪感知系统及方法、刺激样本选择方法 |
CN107085464A (zh) * | 2016-09-13 | 2017-08-22 | 天津大学 | 基于p300字符拼写任务的情绪识别方法 |
CN107145236A (zh) * | 2017-05-12 | 2017-09-08 | 中国科学技术大学 | 一种基于腕部肌腱压力相关特性的手势识别方法及系统 |
US20170277144A1 (en) * | 2016-03-28 | 2017-09-28 | David Webster | System and Method for Setting Moods and Experiences Through Use of a Mobile Device |
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 |
CN107292296A (zh) * | 2017-08-04 | 2017-10-24 | 西南大学 | 一种使用脑电信号的人类情感唤醒度分类识别方法 |
US20170336878A1 (en) * | 2016-05-17 | 2017-11-23 | Samsung Electronics Co., Ltd. | Method and apparatus for facilitating interaction with virtual reality equipment |
CN107392124A (zh) * | 2017-07-10 | 2017-11-24 | 珠海市魅族科技有限公司 | 情绪识别方法、装置、终端及存储介质 |
CN107456218A (zh) * | 2017-09-05 | 2017-12-12 | 清华大学深圳研究生院 | 一种情绪感测系统及可穿戴设备 |
US20180014739A1 (en) * | 2016-07-13 | 2018-01-18 | Sentio Solutions, Inc. | Unobtrusive emotion recognition system |
CN107942695A (zh) * | 2017-12-04 | 2018-04-20 | 北京贞宇科技有限公司 | 情感智能音响系统 |
CN108153810A (zh) * | 2017-11-24 | 2018-06-12 | 广东小天才科技有限公司 | 一种音乐推荐方法、装置、设备及存储介质 |
CN108334200A (zh) * | 2018-02-11 | 2018-07-27 | 广东欧珀移动通信有限公司 | 电子设备控制方法及相关产品 |
CN108577866A (zh) * | 2018-04-03 | 2018-09-28 | 中国地质大学(武汉) | 一种多维情感识别与缓解的系统及方法 |
CN108721048A (zh) * | 2018-05-02 | 2018-11-02 | 南京邮电大学 | 康复训练控制方法、计算机可读存储介质和终端 |
CN109124619A (zh) * | 2017-06-16 | 2019-01-04 | 西南大学 | 一种使用多通道信息融合的个人情感唤醒度识别方法 |
-
2019
- 2019-01-08 CN CN201910014566.2A patent/CN111413874B/zh active Active
Patent Citations (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1300831A1 (en) * | 2001-10-05 | 2003-04-09 | Sony International (Europe) GmbH | Method for detecting emotions involving subspace specialists |
US20080287821A1 (en) * | 2007-03-30 | 2008-11-20 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational user-health testing |
US20090018407A1 (en) * | 2007-03-30 | 2009-01-15 | Searete Llc, A Limited Corporation Of The State Of Delaware | Computational user-health testing |
US20090285456A1 (en) * | 2008-05-19 | 2009-11-19 | Hankyu Moon | Method and system for measuring human response to visual stimulus based on changes in facial expression |
CN101887721A (zh) * | 2010-07-19 | 2010-11-17 | 东南大学 | 一种基于心电信号与语音信号的双模态情感识别方法 |
CN102715902A (zh) * | 2012-06-15 | 2012-10-10 | 天津大学 | 特殊人群的情绪监护方法 |
US20160033950A1 (en) * | 2014-07-04 | 2016-02-04 | Yoo Chol Ji | Control station utilizing user's state information provided by mobile device and control system including the same |
CN105701325A (zh) * | 2014-11-24 | 2016-06-22 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
KR20160095257A (ko) * | 2015-02-02 | 2016-08-11 | 한양대학교 에리카산학협력단 | 뇌파를 이용한 전자기기 구동 방법 |
CN104699972A (zh) * | 2015-03-18 | 2015-06-10 | 小米科技有限责任公司 | 情绪识别提醒方法及装置 |
CN104965552A (zh) * | 2015-07-03 | 2015-10-07 | 北京科技大学 | 一种基于情感机器人的智能家居环境协同控制方法及系统 |
EP3175786A1 (en) * | 2015-12-01 | 2017-06-07 | Panasonic Intellectual Property Corporation of America | Estimation of physical conditions |
US20170277144A1 (en) * | 2016-03-28 | 2017-09-28 | David Webster | System and Method for Setting Moods and Experiences Through Use of a Mobile Device |
US20170336878A1 (en) * | 2016-05-17 | 2017-11-23 | Samsung Electronics Co., Ltd. | Method and apparatus for facilitating interaction with virtual reality equipment |
US20180014739A1 (en) * | 2016-07-13 | 2018-01-18 | Sentio Solutions, Inc. | Unobtrusive emotion recognition system |
CN106200395A (zh) * | 2016-08-05 | 2016-12-07 | 易晓阳 | 一种多维识别家居控制方法 |
CN107085464A (zh) * | 2016-09-13 | 2017-08-22 | 天津大学 | 基于p300字符拼写任务的情绪识别方法 |
CN106383449A (zh) * | 2016-10-27 | 2017-02-08 | 江苏金米智能科技有限责任公司 | 基于生理数据分析的智能家居音乐控制方法及系统 |
CN107080546A (zh) * | 2017-04-18 | 2017-08-22 | 安徽大学 | 基于脑电图的青少年环境心理的情绪感知系统及方法、刺激样本选择方法 |
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 |
CN107145236A (zh) * | 2017-05-12 | 2017-09-08 | 中国科学技术大学 | 一种基于腕部肌腱压力相关特性的手势识别方法及系统 |
CN109124619A (zh) * | 2017-06-16 | 2019-01-04 | 西南大学 | 一种使用多通道信息融合的个人情感唤醒度识别方法 |
CN107392124A (zh) * | 2017-07-10 | 2017-11-24 | 珠海市魅族科技有限公司 | 情绪识别方法、装置、终端及存储介质 |
CN107292296A (zh) * | 2017-08-04 | 2017-10-24 | 西南大学 | 一种使用脑电信号的人类情感唤醒度分类识别方法 |
CN107456218A (zh) * | 2017-09-05 | 2017-12-12 | 清华大学深圳研究生院 | 一种情绪感测系统及可穿戴设备 |
CN108153810A (zh) * | 2017-11-24 | 2018-06-12 | 广东小天才科技有限公司 | 一种音乐推荐方法、装置、设备及存储介质 |
CN107942695A (zh) * | 2017-12-04 | 2018-04-20 | 北京贞宇科技有限公司 | 情感智能音响系统 |
CN108334200A (zh) * | 2018-02-11 | 2018-07-27 | 广东欧珀移动通信有限公司 | 电子设备控制方法及相关产品 |
CN108577866A (zh) * | 2018-04-03 | 2018-09-28 | 中国地质大学(武汉) | 一种多维情感识别与缓解的系统及方法 |
CN108721048A (zh) * | 2018-05-02 | 2018-11-02 | 南京邮电大学 | 康复训练控制方法、计算机可读存储介质和终端 |
Non-Patent Citations (6)
Title |
---|
MIMOUN BEN HENIA WIEM 等: "Emotion Recognition System Based on Physiological Signals with Raspberry Pi III Implementation", 《2017 3RD INTERNATIONAL CONFERENCE ON FRONTIERS OF SIGNAL PROCESSING》 * |
MOUHANNAD ALI 等: "A Globally Generalized Emotion Recognition System Involving Different Physiological Signals", 《SENSORS》 * |
ZHONG YIN 等: "Recognition of emotions using multimodal physiological signals and", 《COMPUTER METHODS AND PROGRAMS IN BIOMEDICINE》 * |
李超: "多模态生理信号情感识别研究", 《中国博士学位论文全文数据库医药卫生科技辑》 * |
裴金胤 等: "情感化智能家居系统设计", 《电子制作》 * |
赵国朕 等: "基于生理大数据的情绪识别研究进展", 《计算机研究与发展》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112297023A (zh) * | 2020-10-22 | 2021-02-02 | 新华网股份有限公司 | 智能陪护机器人系统 |
CN116736734A (zh) * | 2023-08-08 | 2023-09-12 | 深圳小米房产网络科技有限公司 | 一种基于感知网络的智能家居设备控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111413874B (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Miu et al. | Bootstrapping personalised human activity recognition models using online active learning | |
KR102446811B1 (ko) | 복수의 디바이스들로부터 수집된 데이터 통합 및 제공 방법 및 이를 구현한 전자 장치 | |
EP3705032A1 (en) | Open api-based medical information providing method and system | |
EP3171248A1 (en) | Gesture recognition method, apparatus and wearable device | |
US20150199010A1 (en) | Systems and methods for collecting, analyzing, and sharing bio-signal and non-bio-signal data | |
KR20180013325A (ko) | 동영상 컨텐츠 제공 방법 및 이를 지원하는 전자 장치 | |
US20180125405A1 (en) | Mental state estimation using feature of eye movement | |
CN111413874B (zh) | 用于控制智能设备的方法、装置和系统 | |
US20200085330A1 (en) | Methods and Systems for Automatically Detecting Events Based on ECG Signals Determined From Compressed Sensed Measurements | |
KR20160092256A (ko) | 이미지 처리 방법 및 이를 지원하는 전자 장치 | |
KR102585230B1 (ko) | 통화 요청에 대한 알림 메시지를 제공하는 디바이스 및 방법 | |
US20190205786A1 (en) | Method and system for classifying time-series data | |
Dao et al. | Daily human activities recognition using heterogeneous sensors from smartphones | |
CN111107278B (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
CN110781881A (zh) | 一种视频中的赛事比分识别方法、装置、设备及存储介质 | |
US20150058615A1 (en) | Apparatus and method for enhancing system usability | |
CN108279777B (zh) | 脑电波控制方法及相关设备 | |
CN113206774A (zh) | 一种基于室内定位信息的智能家居设备的控制方法及装置 | |
Suciu et al. | Big data fusion for eHealth and ambient assisted living cloud applications | |
CN112398952A (zh) | 电子资源推送方法、系统、设备及存储介质 | |
CN112995402A (zh) | 控制方法及装置、计算机可读介质和电子设备 | |
CN114223139B (zh) | 界面切换方法、装置、可穿戴电子设备及存储介质 | |
Stankoski et al. | Real-time Eating Detection Using a Smartwatch. | |
CN118092668A (zh) | 一种多模态输入的人机交互方法、装置及电子设备 | |
CN111312243B (zh) | 设备交互方法和装置 |
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 |