CN112198853A - 智能家居设备的控制方法和装置 - Google Patents
智能家居设备的控制方法和装置 Download PDFInfo
- Publication number
- CN112198853A CN112198853A CN202011079880.8A CN202011079880A CN112198853A CN 112198853 A CN112198853 A CN 112198853A CN 202011079880 A CN202011079880 A CN 202011079880A CN 112198853 A CN112198853 A CN 112198853A
- Authority
- CN
- China
- Prior art keywords
- data
- human body
- control
- model
- home environment
- 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 43
- 238000011217 control strategy Methods 0.000 claims abstract description 61
- 238000013499 data model Methods 0.000 claims abstract description 35
- 238000012549 training Methods 0.000 claims description 26
- 230000004044 response Effects 0.000 claims description 23
- 238000013507 mapping Methods 0.000 claims description 17
- 230000006399 behavior Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000003062 neural network model Methods 0.000 claims description 8
- 238000004140 cleaning Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008821 health effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction 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
- 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
- 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
- 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)
- Selective Calling Equipment (AREA)
Abstract
本发明提出了一种智能家居设备的控制方法和装置，属于智能家居技术领域。本申请包括：获取智能家居设备所在的家居环境的数据信息；利用预先训练好的数据模型从所述家居环境的数据信息中识别出用户的人体特征数据；利用预先训练好的决策模型获取与所述人体特征数据相匹配的控制策略；将所述控制策略发送至所述智能家居设备，以对所述智能家居设备进行控制。通过本申请，有助于使得智能家居设备根据实际情况进行动态调整，提升了智能家居设备的用户使用体验。
Description
技术领域
本申请属于智能家居技术领域，具体涉及一种智能家居设备的控制方法、装置、计算机设备及计算机可读存储介质。
背景技术
智能家居场景切换作为多设备集中快捷操控的一种方式，目前市场上主流的解决方案是通过预设条件如温湿度环境、地理位置、时间等判断条件，当符合条件时系统自动触发、并向各种智能家居设备下达执行相应的预设指令，如开启空调、加湿器等。
在上述的解决方案中，存在需要用户提前手动选定和预设场景方案的问题，同时同一场景设置后，每次执行的策略固化，不能根据用户实际的情况进行进一步的调整，如场景方案中预设空调温度26度，但此时如果家中来访一名幼儿，用户的期望是在此场景其他的设定不变情况下，空调温度上调至27度，此时仍需要用户手动进行操作。
在上述的解决方案中，存在以下缺陷：
(1)家居场景需要用户进行预先定义、选择、设置；
(2)家居场景策略设定后，不能根据实际情况进行动态调整.
上述应用方案下智能家居设备的家居场景需要用户预先设定，且设定好家居场景策略后不能根据实际情况进行动态调整，进而降低用户的使用体验。
发明内容
为至少在一定程度上克服相关技术中存在的问题，本申请提供了一种智能家居设备的控制方法、装置、计算机设备及计算机可读存储介质，有助于智能家居设备根据实际情况进行动态调整，提升智能家居设备的用户使用体验。
为实现以上目的，本申请采用如下技术方案：
第一方面，
本申请提供了一种智能家居设备的控制方法，所述方法包括：
获取智能家居设备所在的家居环境的数据信息；
利用预先训练好的数据模型从所述家居环境的数据信息中识别出用户的人体特征数据；
利用预先训练好的决策模型获取与所述人体特征数据相匹配的控制策略；
将所述控制策略发送至所述智能家居设备，以对所述智能家居设备进行控制。
进一步地，在利用预先训练好的数据模型从所述家居环境的数据信息中识别出用户的人体特征数据之后，所述方法还包括：
利用所述家居环境的数据信息与识别出的所述人体特征数据之间的映射关系，对所述数据模型进行训练，得到更新后的数据模型。
进一步地，在利用预先训练好的决策模型获取与所述人体特征数据相匹配的控制策略之后，所述方法还包括：
利用所述人体特征数据与获取到的所述控制策略之间的映射关系，对所述决策模型进行训练，得到更新后的决策模型。
进一步地，在获取智能家居设备所在的家居环境的数据信息之前，所述方法还包括：
建立控制规则库，其中，所述控制规则库中包括：多个控制策略以及响应优先级策略，其中，所述响应优先级策略用于指示所述多个控制策略的响应优先级排序。
进一步地，利用预先训练好的决策模型获取与所述人体特征数据相匹配的控制策略包括：
若所述决策模型获取到与所述人体特征数据相匹配的多个控制策略，则按照所述响应优先级策略从所述多个控制策略中选择出响应优先级最高的控制策略。
进一步地，在获取智能家居设备所在的家居环境的数据信息之前，所述方法还包括：
利用所述智能家居设备所在的家居环境的数据信息与所述家居环境内用户的人体特征数据之间的映射关系对神经网络模型进行训练，得到所述数据模型；
利用所述家居环境内用户的人体特征数据与对所述智能家居设备的控制策略之间的映射关系对神经网络模型进行训练，得到所述决策模型。
进一步地，所述人体特征数据包括：身份特征和/或行为特征。
第二方面，
本申请提供了一种智能家居设备的控制装置，包括：
第一获取单元，用于获取智能家居设备所在的家居环境的数据信息；
识别单元，用于利用预先训练好的数据模型从所述家居环境的数据信息中识别出用户的人体特征数据；
第二获取单元，用于利用预先训练好的决策模型获取与所述人体特征数据相匹配的控制策略；
发送单元，用于将所述控制策略发送至所述智能家居设备，以对所述智能家居设备进行控制。
第三方面，
本申请提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的智能家居设备的控制方法。
第四方面，
本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的智能家居设备的控制方法。
本申请采用以上技术方案，至少具备以下有益效果：
本申请通过获取智能家居设备所在的家居环境的数据信息；利用预先训练好的数据模型从所述家居环境的数据信息中识别出用户的人体特征数据；利用预先训练好的决策模型获取与所述人体特征数据相匹配的控制策略；将所述控制策略发送至所述智能家居设备，以对所述智能家居设备进行控制，相比于现有技术智能家居设备的家居场景需要用户预先设定，且设定好家居场景策略后不能根据实际情况进行动态调整，本申请能够使得智能家居设备根据实际情况进行动态调整，提升了智能家居设备的用户使用体验。
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，并不能限制本申请。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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。
图1是根据一示例性实施例示出的智能家居设备的控制方法的流程图；
图2是根据本申请优选实施例的智能家居设备的控制流程的示意图；以及
图3是根据一示例性实施例示出的智能家居设备的控制装置的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将对本申请的技术方案进行详细的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本申请所保护的范围。
图1是根据一示例性实施例示出的智能家居设备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S101、获取智能家居设备所在的家居环境的数据信息；
步骤S102、利用预先训练好的数据模型从所述家居环境的数据信息中识别出用户的人体特征数据；
步骤S103、利用预先训练好的决策模型获取与所述人体特征数据相匹配的控制策略；
步骤S104，将所述控制策略发送至所述智能家居设备，以对所述智能家居设备进行控制。
具体的，智能家居设备可以包括但并不限于：空调、电视、冰箱等。智能家居设备所在的家居环境的数据信息可以包括但并不限于：空间人数、人体运动速度、人物位置、人体姿态、人体特征信息等。
在一个实施例中，智能家居设备中可以设置AI微感器，用来收集智能家居设备所在的家居环境的数据信息。在获取到智能家居设备所在的家居环境的数据信息之后，可以对其进行数据清洗，然后利用预先训练好的数据模型从所述家居环境的数据信息中识别出用户的人体特征数据，其中，人体特征数据可以包括：身份特征和/或行为特征。
在一个实施例中，所述数据模型是预先训练所生成的，具体过程可以描述为：在获取智能家居设备所在的家居环境的数据信息之前，利用所述智能家居设备所在的家居环境的数据信息与所述家居环境内用户的人体特征数据之间的映射关系对神经网络模型进行训练，得到所述数据模型。
在一个实施例中，在利用预先训练好的数据模型从所述家居环境的数据信息中识别出用户的人体特征数据之后，利用所述家居环境的数据信息与识别出的所述人体特征数据之间的映射关系，对所述数据模型进行训练，得到更新后的数据模型。
本申请实施例利用预先训练好的数据模型识别人体特征数据，然后又利用识别到的人体特征数据对所述数据模型重新进行训练，以便不断修正所述数据模型，进而保障所述数据模型的准确度，以达到提高人体特征数据的识别准确度的目的。
在利用数据模型识别出人体特征数据之后，可以利用训练好的决策模型获取与所述人体特征数据项匹配的控制策略，以便于智能家居设备根据该控制策略进行状态调整。
在一个实施例中，所述决策模型是预先训练所生成的，具体过程可以描述为：在获取智能家居设备所在的家居环境的数据信息之前，利用所述家居环境内用户的人体特征数据与对所述智能家居设备的控制策略之间的映射关系对神经网络模型进行训练，得到所述决策模型。
在一个实施例中，在利用预先训练好的决策模型获取与所述人体特征数据相匹配的控制策略之后，利用所述人体特征数据与获取到的所述控制策略之间的映射关系，对所述决策模型进行训练，得到更新后的决策模型。
本申请实施例利用预先训练好的决策模型获取与人体特征数据相匹配的控制策略，然后又利用获取到的控制策略与人体特征数据之间的映射关系再对所述决策模型重新进行训练，以便不断修正所述决策模型，进而保障所述决策据模型的准确度，以达到提高智能家居设备的控制策略的准确度的目的。
在一个实施例中，在获取智能家居设备所在的家居环境的数据信息之前，所述方法还包括：建立控制规则库，其中，所述控制规则库中包括：多个控制策略以及响应优先级策略，其中，所述响应优先级策略用于指示所述多个控制策略的响应优先级排序。
在一个实施例中，利用预先训练好的决策模型获取与所述人体特征数据相匹配的控制策略包括：
若所述决策模型获取到与所述人体特征数据相匹配的多个控制策略，则按照所述响应优先级策略从所述多个控制策略中选择出响应优先级最高的控制策略。
通过预先建立控制规则库，并在库中规定好多个控制策略的响应优先级排序，以便于在根据人体特征数据获取到多个控制策略时，能够选择出响应优先级最高的一个控制策略对智能家居设备进行控制，进而达到提高用户使用体验的目的。
综上，本申请通过获取智能家居设备所在的家居环境的数据信息；利用预先训练好的数据模型从所述家居环境的数据信息中识别出用户的人体特征数据；利用预先训练好的决策模型获取与所述人体特征数据相匹配的控制策略；将所述控制策略发送至所述智能家居设备，以对所述智能家居设备进行控制，相比于现有技术智能家居设备的家居场景需要用户预先设定，且设定好家居场景策略后不能根据实际情况进行动态调整，本申请能够使得智能家居设备根据实际情况进行动态调整，提升了智能家居设备的用户使用体验。
下面通过优选实施例对本申请实施例进行描述和说明。
图2是根据本申请优选实施例的智能家居设备的控制流程的示意图，如图2所示，该控制流程包括：
步骤S1，AI微感器等数据源采集。
收集AI微感器等智能家居设备的上报数据，上报的数据信息包括了空间人数、人体运动速度、人物位置、人体姿态、人体特征信息等。
步骤S21，本地/边缘计算建模。
对收集上报的数据和信息进行清洗处理，提取数据中的用户身份特征以及用户行为特征信息，并通过数据模型进行分析，最终得出用户身份以及行为相关的结论，并且将结果通过数据接口上报服务器。
步骤S22，机器深度学习、训练。
步骤S3，进行用户身份和行为判断。
步骤S4，结果上传服务器。
对收集上报的数据和信息，经过数据筛选和清洗，创建有效的数据集，针对有效数据集进行用户身份和用户行为特征标签的标记、随后开始进行数据模型的训练、不断提升数据模型的准确性。
步骤S51，服务器匹配设备控制规则。
服务器根据本地上报的用户身份与行为特征结果，自动到设备控制规则库中匹配最优策略，设备控制规则主要包括了基于用户年龄的规则，例如老人、小孩、成人等；包括了针对用户行为和姿态的规则，例如躺卧、坐立、活动等；也包括了系统的各种场景解决方案规则等；同时系统将建立各种规则的响应优先级策略，并根据优先级做出最优的设备参数决策；
步骤S52，机器深度学习、训练。
服务器决策模型优化：对于本地上报的用户身份与行为数据，经过筛选和清洗后，也将进行决策模型的机器学习和训练，不断提升决策模型的准确性。
步骤S6，下发设备操控指令。服务器将决策结果下发至设备执行。
步骤S7，设备执行指令。设备收到下发结果，并且执行。
该优选实施例通过自主研发的AI微感器识别人体特征数据，不断进行机器学习，进行场景中的用户身份判断，如小孩、老人、成年人等，以及所处的行为判断，如躺睡、吃饭、嬉闹等状态；基于人体特征识别结果建立决策规则，并通过机器学习不断优化决策，无需用户提前设置，自动提供最优的设备调控方案。
该优选实施例中用户无需预先定义、选择、设置场景，即可享受这种“以人(身份特征)为本”的健康家居场景体验。对于已启用的场景，根据家居环境内的人体身份和特征识别，自动微调设备运行参数和策略，以达到普遍更舒适的健康效果。
本实施例还提供了一种智能家居设备的控制装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图3是根据一示例性实施例示出的智能家居设备的控制装置的示意图，如图3所示，该装置包括：
第一获取单元31，用于获取智能家居设备所在的家居环境的数据信息；
识别单元32，用于利用预先训练好的数据模型从所述家居环境的数据信息中识别出用户的人体特征数据；
第二获取单元33，用于利用预先训练好的决策模型获取与所述人体特征数据相匹配的控制策略；
发送单元34，用于将所述控制策略发送至所述智能家居设备，以对所述智能家居设备进行控制。
在一个实施例中，所述装置还包括：第一更新单元，用于在利用预先训练好的数据模型从所述家居环境的数据信息中识别出用户的人体特征数据之后，利用所述家居环境的数据信息与识别出的所述人体特征数据之间的映射关系，对所述数据模型进行训练，得到更新后的数据模型。
在一个实施例中，所述装置还包括：第二更新单元，用于在利用预先训练好的决策模型获取与所述人体特征数据相匹配的控制策略之后，利用所述人体特征数据与获取到的所述控制策略之间的映射关系，对所述决策模型进行训练，得到更新后的决策模型。
在一个实施例中，所述装置还包括：建立单元，用于在获取智能家居设备所在的家居环境的数据信息之前，建立控制规则库，其中，所述控制规则库中包括：多个控制策略以及响应优先级策略，其中，所述响应优先级策略用于指示所述多个控制策略的响应优先级排序。
在一个实施例中，所述第二获取单元33包括：选择模块，用于若所述决策模型获取到与所述人体特征数据相匹配的多个控制策略，则按照所述响应优先级策略从所述多个控制策略中选择出响应优先级最高的控制策略。
在一个实施例中，所述装置还包括：第一训练单元，用于在获取智能家居设备所在的家居环境的数据信息之前，利用所述智能家居设备所在的家居环境的数据信息与所述家居环境内用户的人体特征数据之间的映射关系对神经网络模型进行训练，得到所述数据模型；第二训练单元，用于利用所述家居环境内用户的人体特征数据与对所述智能家居设备的控制策略之间的映射关系对神经网络模型进行训练，得到所述决策模型。
在一个实施例中，所述人体特征数据包括：身份特征和/或行为特征。
需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
本申请实施例还提供了一种计算机设备，本申请实施例智能家居设备的控制方法可以由计算机设备来实现。本申请实施例中的计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，处理器执行所述计算机程序时实现上述实施例中的任意一种智能家居设备的控制方法。
本申请实施例还提供了一种计算机可读存储介质。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种智能家居设备的控制方法。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”、“多”的含义是指至少两个。
应该理解，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者可能同时存在居中元件；当一个元件被称为“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件,此外，这里使用的“连接”可以包括无线连接；使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为：表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种智能家居设备的控制方法，其特征在于，包括：
获取智能家居设备所在的家居环境的数据信息；
利用预先训练好的数据模型从所述家居环境的数据信息中识别出用户的人体特征数据；
利用预先训练好的决策模型获取与所述人体特征数据相匹配的控制策略；
将所述控制策略发送至所述智能家居设备，以对所述智能家居设备进行控制。
2.根据权利要求1所述的方法，其特征在于，在利用预先训练好的数据模型从所述家居环境的数据信息中识别出用户的人体特征数据之后，所述方法还包括：
利用所述家居环境的数据信息与识别出的所述人体特征数据之间的映射关系，对所述数据模型进行训练，得到更新后的数据模型。
3.根据权利要求1所述的方法，其特征在于，在利用预先训练好的决策模型获取与所述人体特征数据相匹配的控制策略之后，所述方法还包括：
利用所述人体特征数据与获取到的所述控制策略之间的映射关系，对所述决策模型进行训练，得到更新后的决策模型。
4.根据权利要求1所述的方法，其特征在于，在获取智能家居设备所在的家居环境的数据信息之前，所述方法还包括：
建立控制规则库，其中，所述控制规则库中包括：多个控制策略以及响应优先级策略，其中，所述响应优先级策略用于指示所述多个控制策略的响应优先级排序。
5.根据权利要求4所述的方法，其特征在于，利用预先训练好的决策模型获取与所述人体特征数据相匹配的控制策略包括：
若所述决策模型获取到与所述人体特征数据相匹配的多个控制策略，则按照所述响应优先级策略从所述多个控制策略中选择出响应优先级最高的控制策略。
6.根据权利要求1至5中任一项所述的方法，其特征在于，在获取智能家居设备所在的家居环境的数据信息之前，所述方法还包括：
利用所述智能家居设备所在的家居环境的数据信息与所述家居环境内用户的人体特征数据之间的映射关系对神经网络模型进行训练，得到所述数据模型；
利用所述家居环境内用户的人体特征数据与对所述智能家居设备的控制策略之间的映射关系对神经网络模型进行训练，得到所述决策模型。
7.根据权利要求1至5中任一项所述的方法，其特征在于，所述人体特征数据包括：身份特征和/或行为特征。
8.一种智能家居设备的控制装置，其特征在于，包括：
第一获取单元，用于获取智能家居设备所在的家居环境的数据信息；
识别单元，用于利用预先训练好的数据模型从所述家居环境的数据信息中识别出用户的人体特征数据；
第二获取单元，用于利用预先训练好的决策模型获取与所述人体特征数据相匹配的控制策略；
发送单元，用于将所述控制策略发送至所述智能家居设备，以对所述智能家居设备进行控制。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011079880.8A CN112198853A (zh) | 2020-10-10 | 2020-10-10 | 智能家居设备的控制方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011079880.8A CN112198853A (zh) | 2020-10-10 | 2020-10-10 | 智能家居设备的控制方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112198853A true CN112198853A (zh) | 2021-01-08 |
Family
ID=74013523
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011079880.8A Pending CN112198853A (zh) | 2020-10-10 | 2020-10-10 | 智能家居设备的控制方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112198853A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113706029A (zh) * | 2021-08-31 | 2021-11-26 | 广东电网有限责任公司 | 一种家庭能量的自适应管理方法、装置及系统 |
| CN113852657A (zh) * | 2021-05-26 | 2021-12-28 | 浪潮软件科技有限公司 | 一种基于边缘计算的智慧家庭本地控制方法及系统 |
| CN118068736A (zh) * | 2024-02-26 | 2024-05-24 | 贝塔智能科技(北京)有限公司 | 一种喷雾智能感应控制方法及系统 |
| CN118655859A (zh) * | 2024-08-19 | 2024-09-17 | 圣奥科技股份有限公司 | 基于行为特征识别的智能家具舒适度调节方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6353764B1 (en) * | 1997-11-27 | 2002-03-05 | Matsushita Electric Industrial Co., Ltd. | Control method |
| CN108055179A (zh) * | 2018-01-11 | 2018-05-18 | 青岛海尔智能家电科技有限公司 | 智能家居控制的方法、装置及系统 |
| CN108073079A (zh) * | 2017-12-14 | 2018-05-25 | 上海斐讯数据通信技术有限公司 | 一种基于联动策略的智能家居控制方法及系统 |
| CN110955148A (zh) * | 2019-10-14 | 2020-04-03 | 珠海格力电器股份有限公司 | 环境舒适性的控制方法、系统、电子设备和存储介质 |
| CN111475710A (zh) * | 2020-03-06 | 2020-07-31 | 珠海格力电器股份有限公司 | 一种策略推荐方法、装置、电子设备以及计算机可读介质 |
-
2020
- 2020-10-10 CN CN202011079880.8A patent/CN112198853A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6353764B1 (en) * | 1997-11-27 | 2002-03-05 | Matsushita Electric Industrial Co., Ltd. | Control method |
| CN108073079A (zh) * | 2017-12-14 | 2018-05-25 | 上海斐讯数据通信技术有限公司 | 一种基于联动策略的智能家居控制方法及系统 |
| CN108055179A (zh) * | 2018-01-11 | 2018-05-18 | 青岛海尔智能家电科技有限公司 | 智能家居控制的方法、装置及系统 |
| CN110955148A (zh) * | 2019-10-14 | 2020-04-03 | 珠海格力电器股份有限公司 | 环境舒适性的控制方法、系统、电子设备和存储介质 |
| CN111475710A (zh) * | 2020-03-06 | 2020-07-31 | 珠海格力电器股份有限公司 | 一种策略推荐方法、装置、电子设备以及计算机可读介质 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113852657A (zh) * | 2021-05-26 | 2021-12-28 | 浪潮软件科技有限公司 | 一种基于边缘计算的智慧家庭本地控制方法及系统 |
| CN113852657B (zh) * | 2021-05-26 | 2024-05-31 | 浪潮软件科技有限公司 | 一种基于边缘计算的智慧家庭本地控制方法及系统 |
| CN113706029A (zh) * | 2021-08-31 | 2021-11-26 | 广东电网有限责任公司 | 一种家庭能量的自适应管理方法、装置及系统 |
| CN118068736A (zh) * | 2024-02-26 | 2024-05-24 | 贝塔智能科技(北京)有限公司 | 一种喷雾智能感应控制方法及系统 |
| CN118655859A (zh) * | 2024-08-19 | 2024-09-17 | 圣奥科技股份有限公司 | 基于行为特征识别的智能家具舒适度调节方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112198853A (zh) | 智能家居设备的控制方法和装置 | |
| WO2020258779A1 (zh) | 空调器的控制方法及控制系统 | |
| WO2017008321A1 (zh) | 基于智能可穿戴设备行为感知的智能家庭能源管理方法 | |
| CN111720974A (zh) | 运行控制方法、控制面板、空调设备和计算机存储介质 | |
| CN106152408A (zh) | 智能空调控制器、控制方法及空调器 | |
| CN111121239B (zh) | 一种智能家电智能控制方法、控制系统、智能家电 | |
| CN102865644A (zh) | 空调自动调节工作模式的方法 | |
| CN110895012A (zh) | 一种空调控制方法、装置、存储介质及空调 | |
| CN109269036B (zh) | 多联机空调的云端控制方法以及多联机空调系统 | |
| CN111240220B (zh) | 一种设备的控制方法和装置 | |
| WO2023284536A1 (zh) | 用于空调控制的方法、装置及空调 | |
| CN109595757B (zh) | 空调器的控制方法、装置及具有其的空调器 | |
| CN110736233B (zh) | 空调控制方法及装置 | |
| CN110726212B (zh) | 空调器的控制方法及装置、空调器设备 | |
| WO2023035686A1 (zh) | 用于控制空调的方法及装置、空调、存储介质 | |
| CN113251610A (zh) | 用于空调控制的方法、装置和空调 | |
| CN108278727A (zh) | 控制规则和控制参数的调整方法、空调、服务器和系统 | |
| CN112147911A (zh) | 一种设备控制方法和装置 | |
| CN109357366B (zh) | 调节控制方法、装置、存储介质和空调系统 | |
| CN112782990A (zh) | 一种智能设备的控制方法、装置、存储介质及电子设备 | |
| CN112880119A (zh) | 一种空调控制方法、装置、存储介质及空调 | |
| CN111650842A (zh) | 一种家电设备控制方法及装置 | |
| CN108302694B (zh) | 一种空调控制方法和装置 | |
| CN112146236A (zh) | 调节系统、控制方法、装置、线控设备、服务器和介质 | |
| CN110726222A (zh) | 空调控制方法、装置、存储介质以及处理器 |
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: 20210108 |
|
| RJ01 | Rejection of invention patent application after publication |