CN112394647B - 家居设备的控制方法、装置、设备及存储介质 - Google Patents
家居设备的控制方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112394647B CN112394647B CN201910766152.5A CN201910766152A CN112394647B CN 112394647 B CN112394647 B CN 112394647B CN 201910766152 A CN201910766152 A CN 201910766152A CN 112394647 B CN112394647 B CN 112394647B
- Authority
- CN
- China
- Prior art keywords
- state information
- equipment
- home
- user
- household equipment
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 97
- 238000012549 training Methods 0.000 claims abstract description 46
- 230000007613 environmental effect Effects 0.000 claims description 37
- 230000000694 effects Effects 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 14
- 239000000047 product Substances 0.000 description 13
- 230000003993 interaction Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 206010070834 Sensitisation Diseases 0.000 description 3
- 238000001816 cooling Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008313 sensitization Effects 0.000 description 3
- 241000282326 Felis catus Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000013016 learning Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 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)
- Selective Calling Equipment (AREA)
Abstract
本申请实施例公开了一种家居设备的控制方法、装置、设备及存储介质，其中，所述方法包括：采用预设训练模型，对所获取的历史环境信息和所述家居设备的状态信息进行训练，得到控制算法，或者，采用预设训练模型，对所述家居设备的状态信息和用户与所述家居设备之间的相对位置关系进行训练，得到控制算法；采用所述控制算法对所述家居设备进行控制。
Description
技术领域
本申请实施例涉及智能家居技术领域，涉及但不限于一种家居设备的控制方法、装置、设备及存储介质。
背景技术
随着物联网技术的发展，智能家居已经融入到人们的生活，业界也推出了诸多智能家居用品，例如，智能门锁、智能猫眼、智能音箱等智能家居产品。
目前，这些智能家居产品更多的侧重于简化人工操作成本，或是通过预设相应阈值使得设备实现智能自动运行，这样，用户只需要在终端上安装相应的应用程序(Application，APP)，即可通过终端对智能家居产品进行控制，或者，用户通过APP设置智能家居产品的相应阈值，则智能家居产品可以根据该阈值来实现自身的状态调整。
但是，目前的诸多智能家居产品仅是侧重于用户的远程控制，仍对人力操作有一定的依赖，需要通过人机交互来实现对智能家居产品的状态进行调整，人机交互模式比较单一。
发明内容
有鉴于此，本申请实施例提供一种家居设备的控制方法、装置、设备及存储介质。
本申请实施例的技术方案是这样实现的：
第一方面，本申请实施例提供一种家居设备的控制方法，所述方法包括：
采用预设训练模型，对所获取的历史环境信息和所述家居设备的状态信息进行训练，得到控制算法，或者，采用预设训练模型，对所述家居设备的状态信息和用户与所述家居设备之间的相对位置关系进行训练，得到控制算法；
采用所述控制算法对所述家居设备进行控制。
第二方面，本申请实施例提供一种家居设备的控制装置，所述装置包括：
训练模块，用于采用预设训练模型，对所获取的历史环境信息和所述家居设备的状态信息进行训练，得到控制算法，或者，采用预设训练模型，对所述家居设备的状态信息和用户与所述家居设备之间的相对位置关系进行训练，得到控制算法；
控制模块，用于采用所述控制算法对所述家居设备进行控制。
第三方面，本申请实施例提供一种家居设备的控制设备，所述设备至少包括：处理器和配置为存储可执行指令的存储介质，其中：所述处理器配置为执行存储的可执行指令；
所述可执行指令配置为执行上述家居设备的控制方法。
第四方面，本申请实施例提供一种存储介质，所述存储介质中存储有计算机可执行指令，所述计算机可执行指令配置为执行上述的家居设备的控制方法。
本申请实施例提供的家居设备的控制方法、装置、设备及存储介质，采用预设训练模型，对所获取的历史环境信息和所述家居设备的状态信息进行训练，得到控制算法，或者，采用预设训练模型，对所述家居设备的状态信息和用户与所述家居设备之间的相对位置关系进行训练，得到控制算法。如此，可以根据所获取的信息即可确定出家居设备的控制算法，根据该控制算法对家具设备的状态进行控制，从而无需依赖人机交互，提高用户体验。
附图说明
在附图(其不一定是按比例绘制的)中，相似的附图标记可在不同的视图中描述相似的部件。具有不同字母后缀的相似附图标记可表示相似部件的不同示例。附图以示例而非限制的方式大体示出了本文中所讨论的各个实施例。
图1为本申请实施例提供的智能家居控制系统的结构示意图；
图2为本申请实施例提供的家居设备的控制方法的一个可选的流程示意图；
图3为本申请实施例提供的家居设备的控制方法的一个可选的流程示意图；
图4为本申请实施例提供的家居设备的控制方法的一个可选的流程示意图；
图5为本申请实施例提供的家居设备的控制方法的一个可选的流程示意图；
图6为本申请实施例中智能家居控制系统的结构示意图；
图7为本申请实施例提供的家居设备的控制方法的一个可选的流程示意图；
图8为本申请实施例提供的朴素贝叶斯分类的计算方法的实现流程示意图；
图9为本申请实施例中毫米波雷达安放的位置示例图；
图10为本申请实施例中毫米波雷达在二维平面上的最终检测结果示意图；
图11为本申请实施例所提供的家居设备的控制装置的组成结构示意图；
图12为本申请实施例所提供的家居设备的控制设备的组成结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请的具体技术方案做进一步详细描述。以下实施例用于说明本申请，但不用来限制本申请的范围。
在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本申请的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
为了便于理解本申请实施例的方案，首先对相关技术中的智能家居控制系统进行分析说明：
随着物联网技术的发展，智能家居已经融入到人们的生活，无论是国内市场还是国际市场，智能家居产品充斥了生活的每一个角落，业界也推出了形式各异、功能种类繁多的智能家居产品，例如，智能电视、智能冰箱、智能开关、智能门锁、智能猫眼、智能音箱等设备，这些设备均支持远程操控等智能操作。但是，这些设备仍然是基于用户通过移动网络、家庭WIFI进行通讯传输指令或者通过实现预设的相应条件实现控制，绝大多数的智能家居产品及相关技术不具备自主控制的能力。也就是说，这些智能家居产品更多的侧重于简化人工操作成本，或是通过预设相应阈值使得设备实现智能自动运行，这样使得在设备安置或者更换时需要相应的人力成本对系统进行调节。
举例来说，相关技术中包括一种将智能家居控制、报警及监控进行集成的方法及装置，能够应用于智能家居系统，所述智能家居系统包括智能终端设备、监控报警智能控制中心、传感控制单元、被控家电，所述监控报警智能控制中心通过互联网分别与所述传感控制单元、被控家电连接。
相关技术中还包括一种基于人体红外感应器的智能家居控制中心设备，基于人体红外感应器的智能家居控制中心设备，所述智能家居控制中心设备与多个智能家居设备连接，所述控制中心设备包括依次连接的人体红外感应器、图像获得单元、图像判断单元和图像控制单元，所述人体红外感应器包括透镜、感光原件和感光电路，还包括由控制部分驱动的机械部分，所述感光原件安置在机械部分上。这种智能家居控制系统解决了目前所存在的智能家居设备的安全性较低的技术问题，实现了提高智能家居设备的安全性的技术效果。
相关技术中还包括一种智能家居控制系统，包括设备终端、语音遥控装置、监控报警装置、家用电灯、被控家电、电动窗帘、电动窗户、智能门锁、可视门铃和传感器单元；所述语音遥控装置包括语音收录器、与语音收录器无线连接的控制装置，语音收录器将使用者的语音指令收录，并发送至控制装置进行识别，控制装置将识别出的语音指令通过网络发送至监控报警装置等。这种智能家居控制系统的结构装配方便且结构稳定，具有很好的实用性，能够使智能家居得以推广使用，同时功能齐全，易于安装，保证了监控质量，提高了用户满意度。
但是，相关技术中的智能家居控制系统存在以下几个问题：
无法结合家庭内部位置信息来辅助对各类设备的控制，只能单一的按照事先预设的条件进行判断；人机交互模式比较单一，诸多设备侧重于远程控制，仍对人力操作有一定的依赖；相关技术中的智能家居控制系统无法收集日常生活场景中的相应规律，无法对不同运行环境构建相应的数据库信息；另外，尽管个别智能家居控制系统支持位置识别，但其基于视频图像进行分析会占用大量的资源，也更容易受外部环境影响。
基于相关技术所存在的上述至少一个问题，本申请实施例提供一种家居设备的控制方法、装置、设备及存储介质，能够实现控制系统自主识别并进行决策，同时本申请实施例中的家居设备的控制方法不依赖于图像视频数据，取而代之的是毫米波雷达，这使得本申请实施例的家居设备的控制方法保证了用户的隐私性，更符合智能家居这一场景。另外，本申请实施例中给出一种控制设备自学习的机制，意在让控制系统自主学习用户的使用习惯并自主决策。本申请实施例通过安置在家庭居室中的毫米波雷达实时监控人员在家居中的相应位置，并结合连入控制系统中的各类被控设备的使用记录生成用户的使用规律。通过本申请实施例中的自学习机制，将被控设备使用规律与人员活动规律相结合构造控制设备自动化。
图1为本申请实施例提供的智能家居控制系统的结构示意图，如图1所示，在所述智能家居10中，包括：系统控制单元11、传感器单元12、至少一个智能家具设备13(图1示例性的示出了智能空调131、智能冰箱132、智能窗帘133和智能门锁134)和毫米波雷达(图中未示出)。
其中，所述传感器单元12可以包括以下至少之一：温度传感器、湿度传感器、光线传感器、烟雾传感器和空气质量传感器等任意传感器，或者传感器单元12还可以包括指纹识别单元、语音识别单元、图像识别单元等。
在所述智能家居10中，通过所述传感器单元12采集所述智能家居10的环境信息，通过所述毫米波雷达获取用户与智能家居设备13之间的相对位置关系；然后，系统控制单元11根据所获取的环境信息和智能家居设备13的状态信息得到控制所述智能家居设备13的控制算法，或者根据所获取的相对位置关系和智能家居设备13的状态信息得到控制所述智能家居设备13的控制算法；最后，系统控制单元11根据所述控制算法对智能家居设备13进行控制。
基于上述智能家居控制系统，本申请实施例提供一种家居设备的控制方法，如图2所示，为本申请实施例提供的家居设备的控制方法的一个可选的流程示意图，所述方法包括以下步骤：
步骤S201，系统控制单元采用预设训练模型，对所获取的历史环境信息和所述家居设备的状态信息进行训练，得到控制算法，或者，采用预设训练模型，对所述家居设备的状态信息和用户与所述家居设备之间的相对位置关系进行训练，得到控制算法。
这里，所述系统控制单元为所述智能家居控制系统中的总控单元，用于对所述智能家居控制系统中的每个家居设备进行控制。例如，所述系统控制单元可以为云端处理器，通过所述云端处理器实现对所述智能家居控制系统中的每个家居设备进行控制。
所述预设训练模型用于对获取的信息进行训练，以得到适应当前智能家居控制系统中的家居设备的控制算法。需要说明的是，通过所述预设训练模型，可以对任一智能家居控制系统的信息进行训练，以得到适应该智能家居控制系统当前预设时间段内的控制算法。所述智能算法用于对智能家居中的家居设备的状态进行控制。
所述历史环境信息为预设历史时间段内的环境信息，所述历史环境信息可以包括以下至少之一：温度信息、湿度信息、光线信息、烟雾信息和空气质量信息(例如，PM2.5)等。
所述家居设备的状态信息可以包括以下至少之一：开启、关闭和运行等。举例来说，对于智能空调来说，所述状态信息包括：开启、关闭、空调制冷、温度为26℃和空调制热等；对于智能窗帘来说，所述状态信息包括：窗帘打开和窗帘关闭等；对于智能门锁来说，所述状态信息包括：打开门锁和关闭门锁等。
用户与所述家居设备之间的相对位置关系可以包括以下至少之一：用户与所述家居设备之间的距离、用户所在的位置是否在所述家居设备的服务范围内等。举例来说，对于房间1中的智能空调来说，当用户从房间2进入到房间1之后，检测到用户与所在的位置在所述智能空调的服务范围之内，因此开启房间1中的智能空调；或者，对于智能饮水机来说，当检测到用户靠近智能饮水机时，开启所述智能饮水机开始烧水。
步骤S202，系统控制单元采用所述控制算法对所述家居设备进行控制。
这里，当确定出所述控制算法之后，根据当前的环境信息或者根据用户与所述家居设备之间的相对位置关系，采用所述控制算法对所述家居设备进行控制，以控制所述家居设备处于合适的状态。
需要说明的是，系统控制单元可以采用所述控制算法对所述智能家居中的一个或多个家居设备同时进行控制，例如，当检测到当前时间为夜间时，控制智能窗帘关闭，并控制智能空调处于夜间模式。
本申请实施例提供的家居设备的控制方法，采用预设训练模型，对所获取的历史环境信息和所述家居设备的状态信息进行训练，得到控制算法，或者，采用预设训练模型，对所述家居设备的状态信息和用户与所述家居设备之间的相对位置关系进行训练，得到控制算法，然后采用所述控制算法对所述家居设备进行控制。如此，可以根据所获取的信息即可确定出家居设备的控制算法，根据该控制算法对家具设备的状态进行控制，从而无需依赖人机交互，提高用户体验。
图3为本申请实施例提供的家居设备的控制方法的一个可选的流程示意图，如图3所示，所述方法包括以下步骤：
步骤S301，确定预设历史时间段内的所述历史环境信息所对应数据的均值和标准差。
这里，系统控制单元获取家居设备在任一状态信息下的预设历史时间段内的至少两个历史环境信息，并确定每一历史环境信息所对应的数据。例如，当所述历史环境信息中包括温度信息时，所述历史环境信息所对应的数据为温度值；当所述历史环境信息中包括空气质量信息时，所述历史环境信息所对应的数据可以为PM2.5的值。
在确定出所述至少两个历史环境信息所对应的数据之后，计算所述家居设备在任一状态信息下的每一历史环境信息所对应的至少两个数据的均值和标准差，例如，可以计算在第i个状态信息下的每一历史环境信息所对应的至少两个数据的均值μi和标准差σi。
步骤S302，根据所述均值和所述标准差，确定所述家居设备出现每一状态信息的概率。
本申请实施例中，可以采用以下公式确定所述家居设备出现第i个状态信息的概率：
其中，pi表示所述家居设备出现第i个状态信息的概率，EXP表示以e为底的指数函数；Xt表示t时刻的环境信息；μi表示在第i个状态信息下所述环境信息所对应数据的均值；σi表示在第i个状态信息下所述环境信息所对应数据的标准差。
其中，所述第i个状态信息可以是所述家居设备关机、所述家居设备开机、所述家居设备处于运行状态等，通过以上公式，计算出所述家居设备出现每一状态信息的概率。
步骤S303，将所述家居设备中概率最高的状态信息，确定为所述家居设备在所述历史环境信息下的第一常用状态信息。
这里，计算出所述家居设备出现每一状态信息的概率之后，确定所述家居设备出现概率最高的状态信息，将该状态信息确定为所述家居设备在所述历史环境信息下的第一常用状态信息。
举例来说，在某一历史环境信息下(环境温度30度，时间为晚上10点)，卧室1中的智能空调处于关机状态的概率为P1，处于制冷26℃的概率为P2，处于制冷28℃的概率为P3，其中，P1小于P2，P2小于P3。那么，可以确定出在环境温度30度，时间为晚上10点的环境信息下，卧室1中的智能空调处于运行状态且制冷温度为28℃的状态为该智能空调的第一常用状态信息。
步骤S304，根据至少一个家居设备的所述第一常用状态信息，得到所述控制算法。
这里，可以根据所述至少一个家居设备的所述第一常用状态信息，形成第一常用状态信息集合，并通过所述第一常用状态信息集合形成所述控制算法。其中，在所述第一常用状态信息集合中，包括所述家居设备与所述第一常用状态信息的对应关系，以及，所述家居设备在至少一种历史环境信息下的第一常用状态信息。
举例来说，对于卧室1中的智能空调，在所述第一常用状态信息集合中，既包括在环境温度30度且时间为晚上10点的第一常用状态信息，还可以包括在环境温度10度且时间为晚上7点的第一常用状态信息等。
本申请实施例中，可以将所得到所述第一常用状态信息集合保持在预设存储单元中，在需要对智能家居中的家居设备进行状态调整时，从所述预设存储单元中获取所述第一常用状态信息，并根据所述第一常用状态信息确定所述家居设备的当前状态。
步骤S305，采用所述控制算法，为所述家居设备匹配与当前预设时间段内的环境信息对应的所述第一常用状态信息。
这里，当需要对所述家居设备进行状态调整时，或者当确定需要控制所述家居设备的状态时，获取当前预设时间段内的环境信息，并采用所述控制算法得到与当前预设时间段内的环境信息对应的所述第一常用状态信息。也就是说，在所述第一常用状态信息集合中，为所述家居设备匹配与当前预设时间段内的环境信息对应的所述第一常用状态信息，将匹配得到的第一常用状态信息确定为所述家居设备当前的状态。
本申请实施例中，所述当前预设时间段内的环境信息，可以通过所获取到的当前预设时间段内的多个环境信息所对应的数据进行确定。举例来说，对于当前预设时间段内的温度信息，可以通过获取当前预设时间段内的多个温度值的均值得到所述温度信息。
步骤S306，控制所述家居设备处于所述第一常用状态信息所对应的状态。
这里，当匹配出与当前预设时间段内的环境信息对应的所述第一常用状态信息之后，可以直接以所述第一常用状态信息对应的参数为所述家居设备的控制参数，控制所述家居设备处于与所述第一常用状态信息对应的状态。
需要说明的是，所述第一常用状态信息可以是对应多个智能家居的状态信息，或者是对应多个相关联的智能家居的状态信息，因此，本申请实施例中，可以根据所述第一常用状态信息对所述智能家居中的一个或多个家居设备同时进行控制，例如，当检测到当前时间为夜间时，控制智能窗帘关闭，并控制智能空调处于夜间模式。
本申请实施例提供的家居设备的控制方法，将所述家居设备中概率最高的状态信息，确定为所述家居设备在所述历史环境信息下的第一常用状态信息；根据至少一个家居设备的所述第一常用状态信息，得到所述控制算法，并采用所述控制算法对所述家居设备进行控制。如此，可以根据所获取的信息计算所述家居设备出现概率最高的状态信息为所述家居设备的第一常用状态信息，确定出用户对所述家居设备经常设置的状态，从而明确用户的使用习惯，进而保证在之后的使用过程中，当存在相同或相关的环境信息时，自动根据所得到的所述控制算法对家居设备进行设置，而无需依赖人机交互进行家居设备的状态进行设置，提高用户体验。
图4为本申请实施例提供的家居设备的控制方法的一个可选的流程示意图，如图4所示，所述方法包括以下步骤：
步骤S401，根据预设历史时间段内的用户与所述家居设备之间的相对位置关系，确定预设历史时间段内的至少一个用户位置。
这里，获取预设历史时间段内所述用户在所述智能家居中的位置，或者，获取所述用户与所述家居设备之间的相对位置关系，通过所述相对位置关系确定所述用户在所述智能家居中的位置，即所述用户位置。当所述用户在所述预设历史时间段内在所述智能家居中处于静止状态时，则可以获取到一个用户位置；当所述用户在所述预设历史时间段内在所述智能家居中处于移动状态时，则可以获取到多个用户位置。
步骤S402，对所述至少一个用户位置进行聚类处理，得到至少一个簇。
这里，可以采用任意一种聚类算法对所述至少一个用户位置进行聚类处理，得到至少一个簇，每个簇中包括至少一个用户位置，每一簇中的任意一个用户位置与该簇中的其他用户位置之间的距离，小于该用户位置与其他簇中的用户位置之间的距离。
本申请实施例中，通过所述聚类处理，将位于同一区域内的用户位置聚类为同一个簇。
步骤S403，将每一簇的中心位置处的家居设备确定为对应簇的目标家居设备。
这里，在确定中所述至少一个簇之后，根据每一簇中的全部用户位置，确定所述该簇的中心位置，并将每一簇的中心位置处对应的家居设备确定该簇的目标家居设备。
举例来说，当经过聚类处理之后，得到一个位于客厅的簇之后，该簇的中心位置处对应的家居设备为智能电视，则说明用户经常去智能电视旁边，并很有可以对智能电视进行操作，因此，将所述智能电视确定为该簇的目标家居设备。
步骤S404，根据每一簇的目标家居设备的状态信息，得到对应簇的目标家居设备对应所述相对位置关系的第二常用状态信息。
本申请实施例中，可以通过以下方式确定所述第二常用状态信息：
步骤S4041，将每一簇的目标家居设备在所述预设历史时间段内出现次数最多的状态信息，确定为对应簇的目标家居设备的第二常用状态信息。
举例来说，当经过聚类处理之后，得到一个位于客厅的簇之后，该簇的中心位置处对应的家居设备为智能电视，则说明用户经常去智能电视旁边，并很有可以对智能电视进行操作，因此，确定智能电视在预设历史时间段内所出现的状态信息，并确定出现次数最多的状态信息。如果确定出该智能电视在预设历史时间段内所出现次数最多的状态信息是观看中央电视台，因此，将所述智能电视调到中央电视台为该智能电视的第二常用状态信息。
步骤S405，根据每一簇的目标家居设备的所述第二常用状态信息，得到所述控制算法。
这里，可以至少一个簇的目标家居设备的所述第二常用状态信息，形成第二常用状态信息集合，并通过所述第二常用状态信息集合形成所述控制算法。其中，在所述第二常用状态信息集合中，包括所述用户位置与所述目标家居设备的对应关系，以及，所述家居设备在所述用户位置下的第二常用状态信息。
步骤S406，采用所述控制算法，为所述家居设备匹配与用户当前位置对应的所述第二常用状态信息。
这里，当需要对所述家居设备进行状态调整时，或者当确定需要控制所述家居设备的状态时，获取用户当前位置，并采用所述控制算法得到与用户当前位置对应的所述第二常用状态信息。也就是说，在所述第二常用状态信息集合中，为所述家居设备匹配与用户当前位置对应的所述第二常用状态信息，将匹配得到的第二常用状态信息确定为所述家居设备当前的状态。
本申请实施例中，所述用户当前位置可以通过位置传感器或者图像传感器或者雷达来进行获取。
步骤S407，控制所述家居设备处于所述第二常用状态信息所对应的状态。
这里，当匹配出与用户当前位置对应的所述第二常用状态信息之后，可以直接以所述第二常用状态信息对应的参数为所述家居设备的控制参数，控制所述家居设备处于与所述第二常用状态信息对应的状态。
需要说明的是，所述第二常用状态信息也可以是对应多个智能家居的状态信息，或者是对应多个相关联的智能家居的状态信息，因此，本申请实施例中，可以根据所述第二常用状态信息对所述智能家居中的一个或多个家居设备同时进行控制，例如，当检测到用户处于客厅时，可以同时开启智能电视和客厅中的智能空调。
本申请实施例提供的家居设备的控制方法，根据预设历史时间段内的用户与所述家居设备之间的相对位置关系，确定预设历史时间段内的至少一个用户位置，对所述至少一个用户位置进行聚类处理，得到至少一个簇；将每一簇的中心位置处的家居设备确定为对应簇的目标家居设备；根据每一簇的目标家居设备的状态信息，得到对应簇的目标家居设备对应所述相对位置关系的第二常用状态信息；将每一簇的目标家居设备在所述预设历史时间段内出现次数最多的状态信息，确定为对应簇的目标家居设备的第二常用状态信息；根据每一簇的目标家居设备的所述第二常用状态信息，得到所述控制算法。如此，可以根据用户与家居设备的相对位置关系，确定所述家居设备的第二常用状态信息，确定出用户在处于智能家居中某一位置时常对哪些家居设备进行操作，以及对这些家居设备进行如何操作，进而保证在之后的使用过程中，当用户移动到该位置时，自动根据所用户位置信息对家居设备进行设置，而无需依赖人机交互进行家居设备的状态进行设置，提高用户体验。
图5为本申请实施例提供的家居设备的控制方法的一个可选的流程示意图，如图5所示，所述方法包括以下步骤：
步骤S501，采用预设训练模型，对所获取的历史环境信息和所述家居设备的状态信息进行训练，得到控制算法，或者，采用预设训练模型，对所述家居设备的状态信息和用户与所述家居设备之间的相对位置关系进行训练，得到控制算法。
步骤S502，采用所述控制算法对所述家居设备进行控制。
需要说明的是，步骤S501和步骤S502与上述步骤S201和步骤S202相同，本申请实施例不再赘述。
步骤S503，当检测到用户对所述家居设备的当前状态进行调整时，根据调整后的状态信息更新所述控制算法。
这里，当采用所述控制算法对所述家居设备进行控制之后，如果用户对所述家居设备的当前状态进行调整，则说明根据所述控制算法所确定的家居设备的状态不符合用户当前的使用习惯，因此，需要根据用户当前的使用习惯对所述控制算法进行调整，即需要重新确定符合用户当前使用习惯的新的控制算法，以采用新的控制算法继续对智能家居中的家居设备进行控制。
本申请实施例提供的家居设备的控制方法，当检测到用户对所述家居设备的当前状态进行调整时，根据调整后的状态信息更新所述控制算法。如此，可以根据用户的使用习惯对所述控制算法进行实时调整，从而保证所述控制算法能够更加适应用户的使用习惯，对家居设备进行更贴近用户使用习惯的控制，进一步提高用户体验。
在一些实施例中，在确定所述控制算法之前，需要获取所述历史环境信息、所述家居设备的状态信息和用户与所述家居设备之间的相对位置关系。
本申请实施例提供一种历史环境信息、所述家居设备的状态信息和用户与所述家居设备之间的相对位置关系的获取方法，所述方法还包括：
步骤S510，通过环境传感器采集所述历史环境信息。
本申请实施例中，可以通过环境传感器采集所述历史环境信息。举例来说，可以通过温度传感器采集预设历史时间段内的温度信息，通过空气质量传感器采集预设历史时间段内的PM2.5值。
步骤S511，接收所述家居设备上报的所述状态信息。
本申请实施例中，家居设备可以向系统控制单元上报自身的状态信息，则系统控制单元根据接收到的所述状态信息确定所述家居设备当前的状态。
步骤S512，通过毫米波雷达获取所述相对位置关系。
本申请实施例中，通过毫米波雷达获取所述相对位置关系，避免使用摄像头等图像采集设备进行用户与所述家居设备之间的相对位置关系的获取，从而能够保证用户的隐私性，且能够得到准确的所述相对位置关系。
基于以上实施例，本申请实施例再提供一种家居设备的控制方法，所述方法结合物联网以及模式识别、设备自学习等技术实现智能家居控制系统。本申请实施例中的智能家居控制系统包括终端设备(即家居设备)、系统决策中心(即系统控制单元)、控制模组、传感器单元。其中，传感器单元会针对不同的终端设备布置相应的传感器设施，例如，针对灯光安置光线传感器、针对空调设备安置温度传感器、针对净化器安置pm2.5传感器等。
图6为本申请实施例中智能家居控制系统的结构示意图，如图6所示，所述智能家居控制系统包括传感器单元60、数据存储模组61、系统决策中心62、控制模组63和终端设备64。
其中，传感器单元60包括温度传感器601、湿度传感器602、光线传感器603和PM2.5传感器604。数据存储模组61与所述传感器单元60连接，用于存储所述传感器单元60所采集的数据。系统决策中心62是所述智能家居控制系统总控单元，用于从所述数据存储模组61中获取数据，并根据获取的数据进行决策，以通过控制模组63对终端设备64进行控制。
本申请实施例中，所述终端设备64可以为任意一种或多种智能终端设备，例如，所述终端设备64可以为空调641、灯642、空气净化器643和补光灯644等。
本申请实施例中，为了监控室内人员活动情况，传感控制单元中还可以包含毫米波雷达，以取代摄像头在保持隐私性的同时进行有效的监控家居中人员活动情况。
图7为本申请实施例提供的家居设备的控制方法的一个可选的流程示意图，如图7所示，所述方法包括以下步骤：
步骤S701，当智能家居系统安置完成后，决策中心实时收集各类传感器单元的传感数据、终端设备的使用记录以及室内毫米波雷达记录数据，并记录终端设备的相应操作实施时各类环境信息和传感器状态。
步骤S702，通过预设终端设备操作执行条件实现设备自主运行以及人为控制设备的同时，根据各类终端的操作规律训练得到相应智能控制算法，并自主的控制相应终端设备，再结合后续人为操作反馈更新智能控制算法。
步骤S703，针对依赖位置信息进行人机交互的设备，智能家居控制系统结合室内毫米波雷，监控室内场景中的用户活动迹象，并将活动规律整合总结反馈至决策中心来制定终端设备的操作方案。
本申请实施例中，通过上述步骤中不同的操作模式完成对智能家居中各式终端设备的控制，另外结合传感器采集的数据，收集不同用户对于不同终端设备的使用规律，并通过自动控制进行反馈、交互，更利于智能控制算法的更新。同时，本申请实施例中的控制系统不受不同家居场景、不同用户、不同终端设备等因素的影响。本申请实施例中涉及到的毫米波雷达可以替带摄像头在保证隐私性的同时检测室内用户的活动规律，再通过结合终端设备的使用规律提高控制系统的可靠度。
在一些实施例中，在步骤S702中，本申请实施例提出了一种基于增强学习机制的智能控制算法，为智能家居控制系统提供对不同终端设备的无人值守、无人接入的智能控制。步骤S702中的算法流程包括以下步骤：
步骤S7021，获取智能家居系统中t时刻所收集到的各类环境数据，将环境数据记为Xt＝(xt,1,xt,2,...,xt,p)，t时刻收集到的室内用户位置为Yt＝(yt,1,yt,2)(如果没有检测到用户，上述位置计为缺失)，记家居系统中t时刻n个终端设备的当前状态为Ot＝(ot,1,...,ot,n)，并记录使用一段时间后的相关数据。
步骤S7022，分别计算不同终端设备下在其各种状态下各类环境数据的均值μ与标准差σ，采用基于密度的聚类算法(Density-Based Spatial Clustering of Applicationswith Noise，DBSCAN)对用户位置进行聚类后，选择聚类生成的每一簇中终端设备出现次数最多的状态，记为该簇中该终端设备的对应状态。
步骤S7023，对于收集到的新数据X＝(x1,x2,...,xp)，如果用户位置缺少(未检测到用户)，利用步骤S7022中得到的均值μ与标准差σ，采用机器学习之朴素贝叶斯分类( Bayes)计算新数据X到各类终端设备不同状态的概率分布，选择概率最高的状态组合O＝(o1,...,on)同当前设备状态对比分析决定各终端设备的操作，若有用户位置信息，采用K最近邻分类算法(k-NearestNeighbor，KNN)与步骤S7022中的聚类结果计算位置信息Y对应的状态概率，再加权组合得到最终的状态组合。
步骤S7024，若控制系统自主控制的设备状态得到用户的认同(用户没有再对某一终端进行后续操作)，则说明智能控制算法满足要求，不需要模型更改，若控制系统进行操作后用户对某一终端设备状态进行调节，则说明智能控制算法仍需要改进，此时将该时段收集的数据加入到之前采集到的训练集中，重复上述步骤S7021和S7022。
在一些实施例中，提供一种朴素贝叶斯分类( Bayes)的计算方法，如图8所示，为本申请实施例提供的朴素贝叶斯分类的计算方法的实现流程示意图，针对某一终端设备，上述步骤S7022中计算该终端设备在不同状态下的均值与标准差，然后根据均值与标准差计算在不同状态分布下的概率。
可以采用以下公式确定所述家居设备出现第i个状态信息的概率：
其中，pi表示所述家居设备出现第i个状态信息的概率，EXP表示以e为底的指数函数；Xt表示t时刻的环境信息；μi表示在第i个状态信息下所述环境信息所对应数据的均值；σi表示在第i个状态信息下所述环境信息所对应数据的标准差。
请参照图8，所述方法包括以下步骤：
步骤S801，记录已有环境数据、位置数据。
步骤S802，计算各终端设备在不同状态下的均值和标准差，以及位置聚类结果。
步骤S803，收集新数据，并计算各终端设备对应不同操作的概率。
步骤S804，选择概率最大的操作作为操作指令。
步骤S805，判断是否人为修改操作指令。
如果判断结果为是，则执行步骤S806；如果判断结果为否，则结束流程。
步骤S806，将新数据加入到已有的数据记录中。
在一些实施例中，步骤S703中和上述步骤S7021中均涉及到一种基于毫米波雷达获得用户位置信息的算法，该算法基于毫米波雷达以及多普勒效应可以在保证隐私性的同时检测室内用户位置信息，算法如下：
如图9所示，为本申请实施例中毫米波雷达安放的位置示例图，事先将毫米波雷达91放置在居室的某一角落，以毫米波雷达位置为原点构造二维平面坐标系，然后，实时接收毫米波雷达天线接收到的信号数据矩阵，先后对各个接收天线的信号数据矩阵按列、按行进行傅里叶变换得到雷达信号的多普勒热力图，将不同接收天线所对应的热力图数据矩阵拼接成三维矩阵，再进行傅里叶变换得到运动物体92(图9中示例性的示出了运动物体92a、92b和92c、)的极坐标位置估计以及对应的速度估计。最后，通过极坐标变换，将运动的坐标点描绘至二维平面坐标系中，得到相应的运动物体的坐标。
图10为本申请实施例中毫米波雷达在二维平面上的最终检测结果示意图，如图10所示，在所述毫米波雷达的检测范围内，对检测到的用户位置进行聚类，得到两个簇100(图10中示例性的示出了簇100a和簇100b)，这两个簇所对应的中心位置，即为用户的实际位置。
本申请实施例基于智能家居系统中各类传感器数据以及室内毫米波雷达定位技术，结合增强学习以及相应机器学习算法构建支持设备自学习、自适应的智能控制系统。首先，本申请实施例的智能控制系统不需要过多的人机交互成本，提高了系统的自动化运行效率；其次，本申请实施例中涉及的智能控制算法对于不同的家居场景均有良好的表现，不依赖过多的系统初始化过程，系统的适应性相较其他专利有很大提高；再次，本申请实施例中采用毫米波雷达替代摄像头实现检测室内用户位置数据，在保证检测准确度的同时又保护了用户的隐私性；最后，本申请实施例的智能推荐算法具备设备自学习能力，会根据用户的实际操作反馈自动优化。
本申请实施例的家居设备的控制方法，提出一种基于毫米波雷达的智能家居控制系统，可以克服以下四点缺陷：第一，相关技术中只能按照事先预设的条件进行判断，控制系统不具备自主性；第二，相关技术中人机交互模式比较单一，大多数操作仍依赖人机交互操作，更多技术侧重于用户对系统的控制上；第三，相关技术中，智能家居中如果使用摄像头会对用户隐私安全有很大影响，并且诸多设计中没有考虑用户室内位置信息对其操作的影响；第四，绝大多数的智能家居系统只是单纯的执行操作命令，并未构建用户使用规律的数据库，用来提高控制系统稳定性与效率。
基于前述的实施例，本申请实施例提供一种家居设备的控制装置，该装置包括所包括的各模块、以及各模块所包括的各部件，可以通过家居设备的控制设备中的处理器来实现；当然也可通过逻辑电路实现；在实施的过程中，处理器可以为中央处理器(CentralProcessing Unit，CPU)、微处理器(Micro Processor Uint，MPU)、数字信号处理器(DemandSide Platform，DSP)或现场可编程门阵列(Field－Programmable Gate Array，FPGA)等。
图11为本申请实施例所提供的家居设备的控制装置的组成结构示意图，如图11所示，该家居设备的控制装置1100包括：
训练模块1101，用于采用预设训练模型，对所获取的历史环境信息和所述家居设备的状态信息进行训练，得到控制算法，或者，采用预设训练模型，对所述家居设备的状态信息和用户与所述家居设备之间的相对位置关系进行训练，得到控制算法；
控制模块1102，用于采用所述控制算法对所述家居设备进行控制。
在一些实施例中，所述训练模块包括：
第一确定子模块，用于确定预设历史时间段内的所述历史环境信息所对应数据的均值和标准差；
第二确定子模块，用于根据所述均值和所述标准差，确定所述家居设备出现每一状态信息的概率；
第三确定子模块，用于将所述家居设备中概率最高的状态信息，确定为所述家居设备在所述历史环境信息下的第一常用状态信息；
第一处理子模块，用于根据至少一个家居设备的所述第一常用状态信息，得到所述控制算法。
在一些实施例中，所述第二确定子模块还用于：采用以下公式确定所述家居设备出现每一状态信息的概率：
其中，pi表示所述家居设备出现第i个状态信息的概率，EXP表示以e为底的指数函数；Xt表示t时刻的环境信息；μi表示在第i个状态信息下所述环境信息所对应数据的均值；σi表示在第i个状态信息下所述环境信息所对应数据的标准差。
在一些实施例中，所述控制模块包括：
第一匹配子模块，用于采用所述控制算法，为所述家居设备匹配与当前预设时间段内的环境信息对应的所述第一常用状态信息；
第一控制子模块，用于控制所述家居设备处于所述第一常用状态信息所对应的状态。
在一些实施例中，所述训练模块包括：
第四确定子模块，用于根据预设历史时间段内的用户与所述家居设备之间的相对位置关系，确定预设历史时间段内的至少一个用户位置；
聚类处理子模块，用于对所述至少一个用户位置进行聚类处理，得到至少一个簇；
第五确定子模块，用于将每一簇的中心位置处的家居设备确定为对应簇的目标家居设备；
第二处理子模块，用于根据每一簇的目标家居设备的状态信息，得到对应簇的目标家居设备对应所述相对位置关系的第二常用状态信息；
第三处理子模块，用于根据每一簇的目标家居设备的所述第二常用状态信息，得到所述控制算法。
在一些实施例中，所述第二处理子模块还用于：将每一簇的目标家居设备在所述预设历史时间段内出现次数最多的状态信息，确定为对应簇的目标家居设备的第二常用状态信息。
在一些实施例中，所述控制模块，包括：
第二匹配子模块，用于采用所述控制算法，为所述家居设备匹配与用户当前位置对应的所述第二常用状态信息；
第二控制子模块，用于控制所述家居设备处于所述第二常用状态信息所对应的状态。
在一些实施例中，所述装置还包括：
更新模块，用于在采用所述控制算法对所述家居设备进行控制之后，当检测到用户对所述家居设备的当前状态进行调整时，根据调整后的状态信息更新所述控制算法。
在一些实施例中，所述装置还包括：
获取模块，用于通过环境传感器采集所述历史环境信息；和/或，接收所述家居设备上报的所述状态信息；和/或，通过毫米波雷达获取所述相对位置关系。
需要说明的是，本申请实施例中，如果以软件功能模块的形式实现上述的家居设备的控制方法，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。基于这样的理解，本申请实施例的技术方案本质上或者说对相关技术做出贡献的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终端执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本发明实施例不限制于任何特定的硬件和软件结合。
对应的，本申请实施例提供一种家居设备的控制设备，图12为本申请实施例所提供的家居设备的控制设备的组成结构示意图，如图12所示，所述家居设备的控制设备1200至少包括：处理器1201、通信接口1202和配置为存储可执行指令的存储介质1203，其中：处理器1201通常控制所述家居设备的控制设备1200的总体操作。
通信接口1202可以使家居设备的控制设备通过网络与其他终端或服务器通信。
存储介质1203配置为存储由处理器1201可执行的指令和应用，还可以缓存待处理器1201和家居设备的控制设备1200中各模块待处理或已处理的数据，可以通过闪存(FLASH)或随机访问存储器(Random Access Memory，RAM)实现。
应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本发明的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。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。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器、磁碟或者光盘等各种可以存储程序代码的介质。或者，本发明上述集成的单元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。基于这样的理解，本发明实施例的技术方案本质上或者说对相关技术做出贡献的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终端执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种家居设备的控制方法，其特征在于，所述方法包括：
采用预设训练模型，对所获取的历史环境信息和所述家居设备的状态信息进行训练，得到控制算法，或者，采用预设训练模型，对所述家居设备的状态信息和用户与所述家居设备之间的相对位置关系进行训练，得到控制算法；其中，所述用户与所述家居设备之间的相对位置关系，是通过毫米波雷达监控室内场景中的用户活动迹象得到的；
采用所述控制算法对所述家居设备进行控制；
其中，所述采用预设训练模型，对所获取的历史环境信息和所述家居设备的状态信息进行训练，得到控制算法，包括：
确定预设历史时间段内的所述历史环境信息所对应数据的均值和标准差；
根据所述均值和所述标准差，确定所述家居设备出现每一状态信息的概率；
将所述家居设备中概率最高的状态信息，确定为所述家居设备在所述历史环境信息下的第一常用状态信息；
根据至少一个家居设备的所述第一常用状态信息，得到所述控制算法；
所述采用预设训练模型，对所述家居设备的状态信息和用户与所述家居设备之间的相对位置关系进行训练，得到控制算法，包括：
根据预设历史时间段内的用户与所述家居设备之间的相对位置关系，确定预设历史时间段内的至少一个用户位置；
对所述至少一个用户位置进行聚类处理，得到至少一个簇；
将每一簇的中心位置处的家居设备确定为对应簇的目标家居设备；
根据每一簇的目标家居设备的状态信息，得到对应簇的目标家居设备对应所述相对位置关系的第二常用状态信息；
根据每一簇的目标家居设备的所述第二常用状态信息，得到所述控制算法。
2.根据权利要求1所述的方法，其特征在于，所述根据所述均值和所述标准差，确定所述家居设备出现每一状态信息的概率，包括：
采用以下公式确定所述家居设备出现每一状态信息的概率：
；
其中，表示所述家居设备出现第i个状态信息的概率，EXP表示以e为底的指数函数；表示t时刻的环境信息；/>表示在第i个状态信息下所述环境信息所对应数据的均值；/>表示在第i个状态信息下所述环境信息所对应数据的标准差。
3.根据权利要求1所述的方法，其特征在于，所述采用所述控制算法对所述家居设备进行控制，包括：
采用所述控制算法，为所述家居设备匹配与当前预设时间段内的环境信息对应的所述第一常用状态信息；
控制所述家居设备处于所述第一常用状态信息所对应的状态。
4.根据权利要求1所述的方法，其特征在于，所述根据每一簇的目标家居设备的状态信息，得到对应簇的目标家居设备对应所述相对位置关系的第二常用状态信息，包括：
将每一簇的目标家居设备在所述预设历史时间段内出现次数最多的状态信息，确定为对应簇的目标家居设备的第二常用状态信息。
5.根据权利要求1所述的方法，其特征在于，所述采用所述控制算法对所述家居设备进行控制，包括：
采用所述控制算法，为所述家居设备匹配与用户当前位置对应的所述第二常用状态信息；
控制所述家居设备处于所述第二常用状态信息所对应的状态。
6.根据权利要求1至5任一项所述的方法，其特征在于，所述方法还包括：
在采用所述控制算法对所述家居设备进行控制之后，当检测到用户对所述家居设备的当前状态进行调整时，根据调整后的状态信息更新所述控制算法。
7.根据权利要求1至5任一项所述的方法，其特征在于，所述方法还包括：
通过环境传感器采集所述历史环境信息；和/或，接收所述家居设备上报的所述状态信息。
8.一种家居设备的控制装置，其特征在于，所述装置包括：
训练模块，用于采用预设训练模型，对所获取的历史环境信息和所述家居设备的状态信息进行训练，得到控制算法，或者，采用预设训练模型，对所述家居设备的状态信息和用户与所述家居设备之间的相对位置关系进行训练，得到控制算法；其中，所述用户与所述家居设备之间的相对位置关系，是通过毫米波雷达监控室内场景中的用户活动迹象得到的；
控制模块，用于采用所述控制算法对所述家居设备进行控制；
其中，所述训练模块，具体用于：
确定预设历史时间段内的所述历史环境信息所对应数据的均值和标准差；
根据所述均值和所述标准差，确定所述家居设备出现每一状态信息的概率；
将所述家居设备中概率最高的状态信息，确定为所述家居设备在所述历史环境信息下的第一常用状态信息；
根据至少一个家居设备的所述第一常用状态信息，得到所述控制算法；或者，
根据预设历史时间段内的用户与所述家居设备之间的相对位置关系，确定预设历史时间段内的至少一个用户位置；
对所述至少一个用户位置进行聚类处理，得到至少一个簇；
将每一簇的中心位置处的家居设备确定为对应簇的目标家居设备；
根据每一簇的目标家居设备的状态信息，得到对应簇的目标家居设备对应所述相对位置关系的第二常用状态信息；
根据每一簇的目标家居设备的所述第二常用状态信息，得到所述控制算法。
9.一种家居设备的控制设备，其特征在于，所述设备至少包括：处理器和配置为存储可执行指令的存储介质，其中：所述处理器配置为执行存储的可执行指令；
所述可执行指令配置为执行上述权利要求1至7任一项所提供的家居设备的控制方法。
10.一种存储介质，其特征在于，所述存储介质中存储有计算机可执行指令，所述计算机可执行指令配置为执行上述权利要求1至7任一项所提供的家居设备的控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910766152.5A CN112394647B (zh) | 2019-08-19 | 2019-08-19 | 家居设备的控制方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910766152.5A CN112394647B (zh) | 2019-08-19 | 2019-08-19 | 家居设备的控制方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112394647A CN112394647A (zh) | 2021-02-23 |
| CN112394647B true CN112394647B (zh) | 2024-04-19 |
Family
ID=74603592
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910766152.5A Active CN112394647B (zh) | 2019-08-19 | 2019-08-19 | 家居设备的控制方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112394647B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113515256B (zh) * | 2021-05-19 | 2024-02-02 | 云米互联科技(广东)有限公司 | 一种基于HomeMap的设备声源状态视觉化控制方法及装置 |
| CN113900383A (zh) * | 2021-10-08 | 2022-01-07 | 中移（杭州）信息技术有限公司 | 智能家居设备控制方法、路由器、智能家居系统及介质 |
| CN116165911B (zh) * | 2023-04-19 | 2023-07-11 | 深圳市吉方工控有限公司 | 智能家居控制方法、装置、嵌入式工控设备及介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104133427A (zh) * | 2013-05-03 | 2014-11-05 | 于庆广 | 智能家居控制方法及其系统 |
| CN104252527A (zh) * | 2014-09-02 | 2014-12-31 | 百度在线网络技术（北京）有限公司 | 一种确定移动用户的常驻点信息的方法和装置 |
| CN107490977A (zh) * | 2017-09-25 | 2017-12-19 | 深圳市斑点猫信息技术有限公司 | 智能家居的控制模型训练方法、控制方法及装置 |
| CN108052014A (zh) * | 2017-12-18 | 2018-05-18 | 美的集团股份有限公司 | 智能家居的控制方法、系统及计算机可读存储介质 |
| CN109358515A (zh) * | 2018-10-09 | 2019-02-19 | 珠海格力电器股份有限公司 | 一种家居设备控制方法、装置、控制设备及可读存储介质 |
| CN109451751A (zh) * | 2018-05-31 | 2019-03-08 | 深圳市蚂蚁雄兵物联技术有限公司 | 存储介质与家居设备智能控制装置、方法及系统 |
| CN109947029A (zh) * | 2019-04-10 | 2019-06-28 | 广东工业大学 | 智能家居设备的控制方法、装置及设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104932455B (zh) * | 2015-04-27 | 2018-04-13 | 小米科技有限责任公司 | 智能家居系统中智能设备的分组方法和分组装置 |
-
2019
- 2019-08-19 CN CN201910766152.5A patent/CN112394647B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104133427A (zh) * | 2013-05-03 | 2014-11-05 | 于庆广 | 智能家居控制方法及其系统 |
| CN104252527A (zh) * | 2014-09-02 | 2014-12-31 | 百度在线网络技术（北京）有限公司 | 一种确定移动用户的常驻点信息的方法和装置 |
| CN107490977A (zh) * | 2017-09-25 | 2017-12-19 | 深圳市斑点猫信息技术有限公司 | 智能家居的控制模型训练方法、控制方法及装置 |
| CN108052014A (zh) * | 2017-12-18 | 2018-05-18 | 美的集团股份有限公司 | 智能家居的控制方法、系统及计算机可读存储介质 |
| CN109451751A (zh) * | 2018-05-31 | 2019-03-08 | 深圳市蚂蚁雄兵物联技术有限公司 | 存储介质与家居设备智能控制装置、方法及系统 |
| CN109358515A (zh) * | 2018-10-09 | 2019-02-19 | 珠海格力电器股份有限公司 | 一种家居设备控制方法、装置、控制设备及可读存储介质 |
| CN109947029A (zh) * | 2019-04-10 | 2019-06-28 | 广东工业大学 | 智能家居设备的控制方法、装置及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112394647A (zh) | 2021-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10936655B2 (en) | Security video searching systems and associated methods | |
| US11587320B2 (en) | Methods and systems for person detection in a video feed | |
| CN112394647B (zh) | 家居设备的控制方法、装置、设备及存储介质 | |
| US10599950B2 (en) | Systems and methods for person recognition data management | |
| US20200167834A1 (en) | Intelligent identification and provisioning of devices and services for a smart home environment | |
| US11743578B2 (en) | Systems and methods of power-management on smart devices | |
| US10192415B2 (en) | Methods and systems for providing intelligent alerts for events | |
| US20220245396A1 (en) | Systems and Methods of Person Recognition in Video Streams | |
| US10481561B2 (en) | Managing home automation system based on behavior | |
| CN105100724B (zh) | 一种基于视觉分析的智能家居远程安全监控方法 | |
| KR20190094133A (ko) | 객체를 인식하는 인공 지능 장치 및 그 방법 | |
| US20180012462A1 (en) | Methods and Systems for Providing Event Alerts | |
| US11875659B2 (en) | Privacy-preserving radar-based fall monitoring | |
| US11748993B2 (en) | Anomalous path detection within cameras' fields of view | |
| WO2018222387A1 (en) | Systems and methods for person recognition data management | |
| WO2023015152A1 (en) | Systems and methods for on-device person recognition and provision of intelligent alerts | |
| US20240242496A1 (en) | Adversarial masks for scene-customized false detection removal | |
| CN107958434B (zh) | 智能看护方法、装置、电子设备及存储介质 | |
| US11580333B2 (en) | Training image classifiers | |
| CN107844734B (zh) | 监控目标确定方法及装置、视频监控方法及装置 | |
| KR20210042452A (ko) | 냉장고에 탑재된 인공 지능 장치 | |
| CN115733705A (zh) | 基于空间的信息处理方法、装置、电子设备及存储介质 | |
| CN206541401U (zh) | 家庭安保装置、家庭安保系统、空调器 | |
| CN116055238A (zh) | 用于控制家电设备的方法及装置、电子设备、存储介质 | |
| US20230394741A1 (en) | Virtual reality assisted camera placement |
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 |