CN112788822B - 一种智慧灯具控制方法及智慧灯具 - Google Patents
一种智慧灯具控制方法及智慧灯具 Download PDFInfo
- Publication number
- CN112788822B CN112788822B CN202110032331.3A CN202110032331A CN112788822B CN 112788822 B CN112788822 B CN 112788822B CN 202110032331 A CN202110032331 A CN 202110032331A CN 112788822 B CN112788822 B CN 112788822B
- Authority
- CN
- China
- Prior art keywords
- physiological information
- user
- physiological
- equipment
- calculation
- 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
Images
Classifications
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/10—Controlling the light source
- H05B47/175—Controlling the light source by remote control
- H05B47/19—Controlling the light source by remote control via wireless transmission
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/10—Controlling the light source
- H05B47/105—Controlling the light source in response to determined parameters
- H05B47/115—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/10—Controlling the light source
- H05B47/105—Controlling the light source in response to determined parameters
- H05B47/115—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings
- H05B47/12—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings by detecting audible sound
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/10—Controlling the light source
- H05B47/105—Controlling the light source in response to determined parameters
- H05B47/115—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings
- H05B47/125—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings by using cameras
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Abstract
本申请属于智慧灯具技术领域,尤其涉及一种智慧灯具控制方法及智慧灯具。所述方法包括:通过预设的5G通信模块在智慧家居设备网络中发送用户生理信息采集指令;所述智慧家居设备网络为由若干个终端设备组成的网络,且各个终端设备之间基于5G协议进行数据通信;通过所述5G通信模块接收所述智慧家居设备网络中的各个终端设备分别采集的用户生理信息;根据所述用户生理信息确定用户的生理状态;控制预设的智慧灯具执行与所述生理状态对应的操作指令。通过本申请,可以通过智慧家居设备网络采集用户生理信息,基于用户生理信息确定用户的生理状态并执行对应的操作指令,极大提升了灯具控制的智能化程度,为用户提供了更好的使用体验。
Description
技术领域
本申请属于智慧灯具技术领域,尤其涉及一种智慧灯具控制方法及智慧灯具。
背景技术
在现有技术中,日常使用的灯具的智能化程度普遍较低,需要用户通过灯具上的按键、旋钮以及或者通过遥控器进行控制操作,用户体验较差。
发明内容
有鉴于此,本申请实施例提供了一种智慧灯具控制方法及智慧灯具,以解决现有的灯具控制方法智能化程度低,用户体验差的问题。
本申请实施例的第一方面提供了一种智慧灯具控制方法,可以包括:
通过预设的5G通信模块在智慧家居设备网络中发送用户生理信息采集指令;所述智慧家居设备网络为由若干个终端设备组成的网络,且各个终端设备之间基于5G协议进行数据通信;
通过所述5G通信模块接收所述智慧家居设备网络中的各个终端设备分别采集的用户生理信息;
根据所述用户生理信息确定用户的生理状态;
控制预设的智慧灯具执行与所述生理状态对应的操作指令。
进一步地,所述智慧家居设备网络中可以包括:人体生理参数采集设备、图像采集设备以及声音采集设备;
所述接收所述智慧家居设备网络中的各个终端设备分别采集的用户生理信息,包括:
接收所述人体生理参数采集设备采集的人体生理参数;
接收所述图像采集设备采集的用户图像信息;
接收所述声音采集设备采集的用户声音信息。
所述根据所述用户生理信息确定用户的生理状态,可以包括:
根据所述用户图像信息确定用户的身体姿势和眼睛状态;
根据所述人体生理参数、所述身体姿势、所述眼睛状态和所述声音信息构造目标生理信息特征向量;所述目标生理信息特征向量为与所述用户生理信息对应的生理信息特征向量;
通过所述5G通信模块从预设的云端数据库中分别提取出各个对照生理信息特征向量;
根据所述目标生理信息特征向量和各个对照生理信息特征向量确定用户的生理状态。
进一步地,所述根据所述用户图像信息确定用户的身体姿势和眼睛状态,可以包括:
使用身体姿势识别模型对所述用户图像信息进行处理,得到用户的身体姿势;所述身体姿势识别模型为预先训练得到的用于进行身体姿势识别的神经网络模型;
提取所述用户图像信息中的眼部图像信息;
使用眼睛状态识别模型对所述眼部图像信息进行处理,得到用户的眼睛状态;所述眼睛状态识别模型为预先训练得到的用于进行眼睛状态识别的神经网络模型。
进一步地,所述从预设的云端数据库中分别提取出各个对照生理信息特征向量,可以包括:
从所述云端数据库中分别获取在各个历史时刻采集的历史生理信息特征向量,任一个历史生理信息特征向量如下所示:
OldInfom=(OldSubm,1,OldSubm,2,…,OldSubm,d,…,OldSubm,D)
其中,m为历史生理信息特征向量的序号,1≤m≤M,M为在所述云端数据库中的历史生理信息特征向量的总数,d为生理信息特征向量的维度序号,1≤d≤D,D为生理信息特征向量的维度总数,OldSubm,d为第m个历史生理信息特征向量在第d个维度上的取值,OldInfom为第m个历史生理信息特征向量;
根据下式构造中心特征向量:
MidInfo=(MidSub1,MidSub2,…,MidSubd,…,MidSubD)
其中,MidSubd为所述中心特征向量在第d个维度上的取值,且MidSubd=(OldSub1,d+OldSub2,d+…+OldSubm,d+…+OldSubM,d)÷M,MidInfo为所述中心特征向量;
根据下式分别计算各个历史生理信息特征向量与所述中心特征向量之间的距离:
MidDism=Sqrt(Pow(OldSubm,1-MidSub1)+Pow(OldSubm,2-MidSub2)+…+Pow(OldSubm,d-MidSubd)+…+Pow(OldSubm,D-MidSubD))
其中,Sqrt为求平方根函数,Pow为求平方函数,MidDism为第m个历史生理信息特征向量与所述中心特征向量之间的距离;
选取与所述中心特征向量之间的距离最小的前SM个历史生理信息特征向量作为对照生理信息特征向量,其中,SM=floor(Scale×M),其中,Scale为预设的系数,且0<Scale<1,floor为向下取整函数。
进一步地,所述根据所述目标生理信息特征向量和各个对照生理信息特征向量确定用户的生理状态,可以包括:
根据下式计算用户的生理评估指数:
Medium1sm,d=Coefd×Pow(TgtSubd-CtSubsm,d)
Medium2sm=Sqrt(Medium1sm,1+Medium1sm,2+…+Medium1sm,d+…+Medium1sm,D)
PhyIdx=(Medium21+Medium22+…+Medium2sm+…+Medium2SM)÷SM
其中,TgtSubd为目标生理信息特征向量在第d个维度上的取值,sm为对照生理信息特征向量的序号,1≤sm≤SM,CtSubsm,d为第sm个对照生理信息特征向量在第d个维度上的取值,Coefd为生理信息特征向量在第d个维度上的权重系数,Medium1sm,d为第sm个对照生理信息特征向量在第d个维度上的第一中间计算变量,Medium2sm为第sm个对照生理信息特征向量的第二中间计算变量,PhyIdx为用户的生理评估指数;
根据所述生理评估指数确定用户的生理状态。
进一步地,可以根据下式计算生理信息特征向量在各个维度上的权重系数:
Medium4sm,d=Pow(CtSubsm,d-(CtSub1,d+CtSub2,d+…+CtSubsm,d+…+CtSubSM,d)÷SM)
Medium5d=Medium41,d+Medium42,d+…+Medium4sm,d+…+Medium4SM,d
Medium6=Medium51+Medium52+…+Medium5d+…+Medium5D
Coefd=(Medium6-Medium5d)÷((D-1)×Medium6)
其中,Medium4sm,d为第sm个对照生理信息特征向量在第d个维度上的第四中间计算变量,Medium5d为生理信息特征向量在第d个维度上的第五中间计算变量,Medium6为第六中间计算变量。
进一步地,所述根据所述用户生理信息确定用户的生理状态,可以包括:
将整体计算块划分为若干个计算子块;所述整体计算块为根据所述用户生理信息确定用户的生理状态的完整计算流程;
分别获取所述智慧家居设备网络中的各个终端设备的可用计算资源量;
根据所述可用计算资源量分别计算各个终端设备的计算量配置比值;
将各个计算子块按照所述计算量配置比值配置给各个终端设备,各个终端设备配置到的计算子块的个数与所述计算量配置比值正相关。
进一步地,在将各个计算子块按照所述计算量配置比值配置给各个终端设备之后,所述方法还可以包括:
获取当前设备待处理的计算子块数目;所述当前设备为所述智慧家居设备网络中的任意一个终端设备;
向各个直连设备发送第一协调指令,并接收各个所述直连设备反馈的待处理的计算子块数目;所述直连设备为在所述智慧家居设备网络中与所述当前设备直接连接的其它终端设备;
根据所述当前设备的待处理的计算子块数目以及各个所述直连设备反馈的待处理的计算子块数目计算所述当前设备的计算子块目标数目;
向各个所述直连设备发送第二协调指令,并接收各个所述直连设备反馈的计算子块目标数目;
从预设的终端设备信息表中读取所述当前设备的计算子块最大数目与各个所述直连设备的计算子块最大数目;
根据所述当前设备待处理的计算子块数目、计算子块最大数目、计算子块目标数目,以及各个所述直连设备待处理的计算子块数目、计算子块最大数目、计算子块目标数目进行计算子块再配置。
本申请实施例的第二方面提供了一种智慧灯具控制装置,可以包括实现上述任一种智慧灯具控制方法的步骤的功能模块。
本申请实施例的第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述任一种智慧灯具控制方法的步骤。
本申请实施例的第四方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中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上述任一种智慧灯具控制方法的步骤。
本申请实施例的第五方面提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述任一种智慧灯具控制方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:通过本申请实施例,可以通过智慧家居设备网络采集用户生理信息,基于用户生理信息确定用户的生理状态并执行对应的操作指令,极大提升了灯具控制的智能化程度,为用户提供了更好的使用体验。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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它的附图。
图1为本申请实施例中一种智慧灯具控制方法的一个实施例流程图;
图2为根据用户生理信息确定用户的生理状态的示意流程图;
图3为本申请实施例中一种智慧灯具控制装置的一个实施例结构图;
图4为本申请实施例中一种智慧灯具的示意框图。
具体实施方式
为使得本申请的发明目的、特征、优点能够更加的明显和易懂,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本申请一部分实施例,而非全部的实施例。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前提下所获得的所有其它实施例,都属于本申请保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
本申请实施例可以应用于预设的智慧家居设备网络中,所述智慧家居设备网络为由若干个终端设备组成的网络,具体的终端设备数目可以根据实际情况设置,例如,5个、10个、20个等等。各个终端设备均具有数据存储和数据计算处理的能力,且各个终端设备之间可以基于5G协议进行数据通信。所述智慧家居设备网络中包括智慧灯具,所述智慧灯具为具有数据存储能力和数据计算处理能力的灯具,本申请实施例的执行主体即可以为所述智慧灯具。
请参阅图1,本申请实施例中一种智慧灯具控制方法的一个实施例可以包括:
步骤S101、通过预设的5G通信模块在智慧家居设备网络中发送用户生理信息采集指令。
智慧灯具中内置有5G通信模块,用于与智慧家居设备网络中的其它终端设备的5G通信模块进行数据通信。所述用户生理信息采集指令用于指示智慧家居设备网络中的其它终端设备进行用户生理信息的采集,该指令的发送时机可以根据实际情况进行设置。在一种具体实现中,可以在智慧灯具启动后即发送用户生理信息采集指令,之后可以每隔一定的时长进行周期性的指令发送,智慧家居设备网络中的其它终端设备仅在收到指令后才进行一次用户生理信息的采集并反馈至智慧灯具。在另一种具体实现中,在智慧灯具启动后,仅发送一次用户生理信息采集指令,智慧家居设备网络中的其它终端设备在收到指令后,每隔一定的时长即进行周期性的用户生理信息采集并反馈至智慧灯具。
步骤S102、通过所述5G通信模块接收智慧家居设备网络中的各个终端设备分别采集的用户生理信息。
智慧家居设备网络中还可以包括:人体生理参数采集设备、图像采集设备以及声音采集设备等等各种类型的终端设备。其中,人体生理参数采集设备可以为手环、手表等可穿戴的智能设备,在其中可以集成各类传感器功能,这些传感器可以包括但不限于压力传感器、心率传感器、血压传感器、血氧传感器、呼吸传感器、心跳传感器、心电图(ECG)传感器、三向加速度传感器、温度传感器等。通过这些传感器可以采集用户的心率、呼吸(如呼吸率、呼吸深度)、血压、体温、表皮电导率、葡萄糖量等人体生理参数。图像采集设备可以为单目、双目、RGBD等各类相机,用于采集用户图像信息,一般存储为RGB形式的图像。声音采集设备可以为各类音箱、麦克风等终端设备,用于采集用户声音信息,例如声音的分贝值等。在完成数据采集之后,这些终端设备会将采集的数据通过各自的5G通信模块发送给智慧灯具,智慧灯具通过其5G通信模块分别接收人体生理参数采集设备采集的人体生理参数、图像采集设备采集的用户图像信息、以及声音采集设备采集的用户声音信息。
人体生理参数以及用户声音信息均为数值的形式,为了避免突发性的误差干扰,可以根据下式对其分别进行平滑处理:
SmoothSp(n)=SmCf1×Sp(n)+SmCf2×Sp(n-1)+SmCf3×Sp(n-2),n≥3
SmoothSp(n)=SmCf1’×Sp(n)+SmCf2’×Sp(n-1),n=2
SmoothSp(n)=Sp(n),n=1
其中,n为智慧灯具接收到的用户生理信息的次数序号,Sp(n)为第n次接收到的用户生理信息中的数值,以人体生理参数为例,即为心率、呼吸率、呼吸深度、血压、体温、表皮电导率、葡萄糖量等数值,以用户声音信息为例,即为声音的分贝值,SmoothSp(n)为对Sp(n)进行平滑处理后得到的数值。SmCf1、SmCf2、SmCf3、SmCf1’、SmCf2’均为预设的系数,且满足:SmCf1+SmCf2+SmCf3=1,SmCf1>SmCf2>SmCf3,SmCf1’+SmCf2’=1,SmCf1’>SmCf2’,每个系数的具体取值可以根据实际情况进行设置,此处对其不作具体限定。后续过程中所使用的用户生理信息均可以为平滑处理后的用户生理信息。
步骤S103、根据所述用户生理信息确定用户的生理状态。
如图2所示,步骤S103具体可以包括如下过程:
步骤S1031、根据所述用户图像信息确定用户的身体姿势和眼睛状态。
一方面,可以使用身体姿势识别模型对所述用户图像信息进行处理,得到用户的身体姿势。
所述身体姿势识别模型为预先训练得到的用于进行身体姿势识别的神经网络模型。具体采用何种类型的神经网络模型可以根据实际情况进行设置,包括但不限于卷积神经网络(Convolutional Neural Networks,CNN)、深度卷积神经网络(Deep ConvolutionalNeural Networks,DCNN)、逆向图网络(Inverse Graphics Networks,IGN)、生成式对抗网络(Generative Adversarial Networks,GAN)、循环神经网络(Recurrent NeuralNetworks,RNN)、深度残差网络(Deep Residual Networks,DRN)、支持向量机(SupportVector Machines,SVM)以及其它的神经网络模型。
为了提高所述身体姿势识别模型区分任意情况下身体姿势的能力,在使用所述身体姿势识别模型之前,需要首先构建对其进行训练的训练数据集,然后使用所述训练数据集对初始的身体姿势识别模型进行训练,直至满足预设的训练条件,以得到已训练的身体姿势识别模型。
所述训练数据集中包括若干训练样本,每个训练样本均包括一帧用户图像和与该图像对应的预期输出的身体姿势。为了提高模型的准确度,这些训练样本应尽量涵盖各种身体姿势的用户图像,如站立、静坐、侧躺、仰卧、俯卧等各种身体姿势。每种身体姿势均可设置对应的数值化表示形式,例如,可以用0表示站立的身体姿势,用1表示静坐的身体姿势,用2表示侧躺的身体姿势,…,以此类推。当然,也可以根据实际情况采用其它的数值化表示形式,本申请实施例对此不作具体限定。
在训练的过程中,可以针对所述训练数据集中的每个训练样本,使用所述身体姿势识别模型对该训练样本中的用户图像进行处理,得到实际输出的身体姿势,然后根据该训练样本中的预期输出的身体姿势和所述实际输出的身体姿势计算训练损失值。所述训练损失值的具体计算方式可以根据实际情况进行设置,在本申请实施例的一种具体实现中,可以计算所述预期输出的身体姿势和所述实际输出的身体姿势之间的平方误差,并将该平方误差确定为所述训练损失值。
在计算得到所述训练损失值之后,则可以根据所述训练损失值对所述身体姿势识别模型的模型参数进行调整。在本申请实施例中,假设所述身体姿势识别模型的模型参数为W1,将所述训练损失值反向传播修改所述身体姿势识别模型的模型参数W1,得到修改后的模型参数W2。修改参数之后再继续执行下一次的训练过程,在该次训练过程中,重新计算得到训练损失值,将该训练损失值反向传播修改所述身体姿势识别模型的模型参数W2,得到修改后的模型参数W3,……,以此类推,不断重复以上过程,每次训练过程均可对模型参数进行修改,直至满足预设的训练条件,其中,所述训练条件可以是训练次数达到预设的次数阈值,所述次数阈值可以根据实际情况进行设置,例如,可以将其设置为数千、数万、数十万甚至更大的数值;所述训练条件也可以是所述身体姿势识别模型收敛;由于可能出现训练次数还未达到所述次数阈值,但所述身体姿势识别模型已经收敛,可能导致重复不必要的工作;或者所述身体姿势识别模型始终无法收敛,可能导致无限循环,无法结束训练的过程,基于上述两种情况,所述训练条件还可以是训练次数达到所述次数阈值或所述身体姿势识别模型收敛。当满足所述训练条件,即可得到已训练的身体姿势识别模型。
可选地,为了进一步提高模型对真实场景的适用性,在得到已训练的身体姿势识别模型之后,还可以对所述身体姿势识别模型进行知识蒸馏,得到知识蒸馏后的身体姿势识别模型。在知识蒸馏过程中,以训练得到的身体姿势识别模型作为教师模型,以另一个随机初始化的神经网络模型为学生模型,以真实数据为学习对象。学生模型通过学习教师模型产生的软目标来提升在真实数据集上的预测能力,能够达到更好的预测精度。
另一方面,可以提取所述用户图像信息中的眼部图像信息,并使用眼睛状态识别模型对所述眼部图像信息进行处理,得到用户的眼睛状态。
从图像中定位眼睛所在区域,并从该区域中提取眼部图像为较为成熟的技术,可以参考现有技术中的任意一种眼部图像提取方法,本申请实施例不再赘述。
所述眼睛状态识别模型为预先训练得到的用于进行眼睛状态识别的神经网络模型。具体采用何种类型的神经网络模型可以根据实际情况进行设置,包括但不限于现有技术中的任意一种神经网络模型。其训练过程与所述身体姿势识别模型类似,具体可参照对于所述身体姿势识别模型的详细描述,此处不再赘述。需要注意的是,所述眼睛状态识别模型的每个训练样本均包括一个眼部图像和与该图像对应的预期输出的眼睛状态。为了提高模型的准确度,这些训练样本应尽量涵盖各种情况下眼睛睁开及眼睛闭合的眼部图像。本申请实施例中可以为眼睛状态设置对应的数值化表示形式,例如,可以用0表示睁开的眼睛状态,用1表示闭合的眼睛状态,或者,可以用1表示睁开的眼睛状态,用0表示闭合的眼睛状态。当然,也可以根据实际情况采用其它的数值化表示形式,本申请实施例对此不作具体限定。
步骤S1032、根据所述人体生理参数、所述身体姿势、所述眼睛状态和所述声音信息构造目标生理信息特征向量。
从上述过程可知,人体生理参数、身体姿势、眼睛状态和声音信息均可以数值化的形式进行表示,则可以将这些数值化的信息组合为向量的形式,称之为生理信息特征向量。为了便于区分,此处将与所述用户生理信息对应的生理信息特征向量记为目标生理信息特征向量,并表示如下:
TgtInfo=(TgtSub1,TgtSub2,…,TgtSubd,…,TgtSubD)
其中,d为生理信息特征向量的维度序号,1≤d≤D,D为生理信息特征向量的维度总数,TgtSubd为所述目标生理信息特征向量在第d个维度上的取值,TgtInfo为所述目标生理信息特征向量。
步骤S1033、通过所述5G通信模块从预设的云端数据库中分别提取出各个对照生理信息特征向量。
在本申请实施例中,可以预先对用户生理信息进行长期的采集和存储,优选地,可以在每天的某一固定的用户处于睡眠状态的时段内进行用户生理信息的采集,例如,可以在凌晨一点至凌晨五点的时段内进行用户生理信息的采集。对于不同的用户,其作息规律会有较大差异,具体的信息采集时段需要对应进行调整。采集到用户生理信息经处理后,可以得到对应的生理信息特征向量,为了便于区分,此处其记为历史生理信息特征向量。为了减少对本地存储资源的占用,智慧灯具可以将这些历史生理信息特征向量通过其5G通信模块发送至云端数据库中进行存储,以备后续使用。
当需要对所述目标生理信息特征向量进行分析时,智慧灯具首先通过其5G通信模块从云端数据库中分别获取在各个历史时刻采集的历史生理信息特征向量,任一个历史生理信息特征向量如下所示:
OldInfom=(OldSubm,1,OldSubm,2,…,OldSubm,d,…,OldSubm,D)
其中,m为历史生理信息特征向量的序号,1≤m≤M,M为在所述云端数据库中的历史生理信息特征向量的总数,OldSubm,d为第m个历史生理信息特征向量在第d个维度上的取值,OldInfom为第m个历史生理信息特征向量。
然后,可以根据下式构造中心特征向量:
MidInfo=(MidSub1,MidSub2,…,MidSubd,…,MidSubD)
其中,MidSubd为所述中心特征向量在第d个维度上的取值,且MidSubd=(OldSub1,d+OldSub2,d+…+OldSubm,d+…+OldSubM,d)÷M,MidInfo为所述中心特征向量。
接着,可以根据下式分别计算各个历史生理信息特征向量与所述中心特征向量之间的距离:
MidDism=Sqrt(Pow(OldSubm,1-MidSub1)+Pow(OldSubm,2-MidSub2)+…+Pow(OldSubm,d-MidSubd)+…+Pow(OldSubm,D-MidSubD))
其中,Sqrt为求平方根函数,Pow为求平方函数,MidDism为第m个历史生理信息特征向量与所述中心特征向量之间的距离。
最后,选取与所述中心特征向量之间的距离最小的前SM个历史生理信息特征向量作为对照生理信息特征向量,其中,SM=floor(Scale×M),其中,Scale为预设的系数,且0<Scale<1,floor为向下取整函数。
步骤S1034、根据所述目标生理信息特征向量和各个对照生理信息特征向量确定用户的生理状态。
具体地,可以根据下式计算用户的生理评估指数:
Medium1sm,d=Coefd×Pow(TgtSubd-CtSubsm,d)
Medium2sm=Sqrt(Medium1sm,1+Medium1sm,2+…+Medium1sm,d+…+Medium1sm,D)
PhyIdx=(Medium21+Medium22+…+Medium2sm+…+Medium2SM)÷SM
其中,sm为对照生理信息特征向量的序号,1≤sm≤SM,CtSubsm,d为第sm个对照生理信息特征向量在第d个维度上的取值,Coefd为生理信息特征向量在第d个维度上的权重系数,Medium1sm,d为第sm个对照生理信息特征向量在第d个维度上的第一中间计算变量,Medium2sm为第sm个对照生理信息特征向量的第二中间计算变量,PhyIdx为用户的生理评估指数。
Coefd的具体取值可以根据实际情况进行设置,例如,可以将其均设置为1。在本申请实施例的一种具体实现中,还可以根据下式对其进行计算:
Medium4sm,d=Pow(CtSubsm,d-(CtSub1,d+CtSub2,d+…+CtSubsm,d+…+CtSubSM,d)÷SM)
Medium5d=Medium41,d+Medium42,d+…+Medium4sm,d+…+Medium4SM,d
Medium6=Medium51+Medium52+…+Medium5d+…+Medium5D
Coefd=(Medium6-Medium5d)÷((D-1)×Medium6)
其中,Medium4sm,d为第sm个对照生理信息特征向量在第d个维度上的第四中间计算变量,Medium5d为生理信息特征向量在第d个维度上的第五中间计算变量,Medium6为第六中间计算变量。
在确定用户的生理状态之后,则可以根据该生理评估指数确定用户的生理状态。生理评估指数表征的是目标生理信息特征向量与对照生理信息特征向量之间的差异性,生理评估指数越小,则两者之间的差异也越小,反之,生理评估指数越大,则两者之间的差异也越大。
当生理评估指数小于预设的阈值时,则可以认为两者之间的差异足够小,用户的生理状态应为睡眠状态;当生理评估指数大于或等于该阈值时,则用户的生理状态应为清醒状态或者介于清醒与睡眠之间的过渡状态。该阈值的具体取值可以根据实际情况进行设置,本申请实施例对其不作具体限定。
在本申请实施例的另一种具体实现中,也可以通过使用生理状态识别模型对所述目标生理信息特征向量进行处理,得到用户的生理状态。
所述生理状态识别模型为预先训练得到的用于进行生理状态识别的神经网络模型。具体采用何种类型的神经网络模型可以根据实际情况进行设置,包括但不限于现有技术中的任意一种神经网络模型。其训练过程与所述身体姿势识别模型类似,具体可参照对于所述身体姿势识别模型的详细描述,此处不再赘述。需要注意的是,所述生理状态识别模型的每个训练样本均包括一个生理信息特征向量和与该向量对应的预期输出的生理状态。为了提高模型的准确度,这些训练样本应尽量涵盖各种情况下用户处于睡眠状态及其它状态的生理信息特征向量。本申请实施例中可以为生理状态设置对应的数值化表示形式,例如,可以用0表示睡眠状态,用1表示其它状态,或者,可以用1表示睡眠状态,用0表示睡眠状态。当然,也可以根据实际情况采用其它的数值化表示形式,本申请实施例对此不作具体限定。
从上述过程中可以看出,在根据所述用户生理信息确定用户的生理状态的过程中,涉及到了大量的计算,当智慧灯具的计算能力足够大时,这些计算可以由智慧灯具完成,但是,当智慧灯具的计算能力不足时,则可能耗费大量的计算时间。
在本申请实施例的一种具体实现中,智慧灯具可以充分利用智慧家居设备网络中的计算资源来参与计算过程。
具体地,智慧灯具可以首先将整体计算块划分为若干个计算子块。所述整体计算块为根据所述用户生理信息确定用户的生理状态的完整计算流程。具体划分的计算子块的数目,以及每个计算子块的计算量均可以根据实际情况进行设置,本申请实施例对此不作具体限定,但应尽量保证各个计算子块的计算量大致相当。
然后,智慧灯具可以通过其5G通信模块分别向智慧家居设备网络中的各个终端设备发送可用计算资源量查询请求,并接收反馈消息,从而获取各个终端设备的可用计算资源量。
接着,智慧灯具可以根据所述可用计算资源量分别计算各个终端设备的计算量配置比值。
各个终端设备的计算量配置比值与所述可用计算资源量正相关。在本申请实施例的一种具体实现中,可以根据下式计算各个终端设备的计算量配置比值:Ratiop=Resourcep÷(Resource1+Resource2+…+Resourcep+…+ResourcePN)
其中,p为智慧家居设备网络中的终端设备的序号,1≤p≤PN,PN为在智慧家居设备网络中的终端设备的总数,Resourcep为第p个终端设备的可用计算资源量,Ratiop为第p个终端设备的计算量配置比值。
最后,智慧灯具可以将各个计算子块按照所述计算量配置比值配置给各个终端设备。
各个终端设备配置到的计算子块的个数与所述计算量配置比值正相关。在本申请实施例的一种具体实现中,可以根据下式计算配置给各个终端设备的计算子块数目:
Block1=Round(Ratio1×TotalBlock)
SumRatio1=Ratio1
SumBlock1=Block1
SumRatiop=Ratiop+SumRatiop-1,p>1
Blockp=Round(SumRatiop×TotalBlock)-SumBlockp-1,p>1
SumBlockp=Blockp+SumBlockp-1,p>1
其中,Round为四舍五入求整函数,TotalBlock为计算子块的总数,Blockp为配置给第p个终端设备的计算子块数目,SumRatiop为前p个终端设备的计算量配置比值之和,SumBlockp为配置给前p个终端设备的计算子块数目之和,SumBlockp为配置给前p个终端设备的计算子块数目。
通过以上过程,完成了计算子块的初始配置,由于在各个终端设备的计算过程中,还会存在很多不确定的因素对计算进度造成影响,从而逐渐出现终端设备之间计算进度不均衡的情况,在本申请实施例的一种具体实现中,还可以在初始配置后每隔预设的时长即进行一次计算子块再配置。
以智慧家居设备网络中的任意一个终端设备(将其记为当前设备)为例进行说明,当前设备首先获取其自身待处理的计算子块数目,且向各个直连设备发送第一协调指令,并接收各个直连设备反馈的待处理的计算子块数目。所述第一协调指令用于指示各个直连设备获取其自身待处理的计算子块数目并进行反馈。所述直连设备为在所述智慧家居设备网络中与所述当前设备直接连接的其它终端设备,在本申请实施例中,任意两个终端设备之间可以是直接连接的,即不通过其它的终端设备进行连接,也可以是间接连接的,即通过其它的终端设备作为中介进行连接。
然后,当前设备可以根据当前设备的待处理的计算子块数目以及各个直连设备反馈的待处理的计算子块数目计算当前设备的计算子块目标数目。具体地,可以根据下式计算当前设备的计算子块目标数目:
TtDrBlock=DrBlock1+DrBlock2+…+DrBlockdr+DrBlockDrNum
TgtBlock=(ResBlock+TtDrBlock)÷(DrNum+1)
其中,ResBlock为当前设备的待处理的计算子块数目,dr为直连设备的序号,1≤dr≤DrNum,DrNum为直连设备的数目,DrBlockdr为第dr个直连设备反馈的待处理的计算子块数目,TtDrBlock为各个直连设备反馈的待处理的计算子块数目之和,TgtBlock为当前设备的计算子块目标数目。
接着,当前设备可以向各个直连设备发送第二协调指令,并接收各个直连设备反馈的计算子块目标数目。所述第二协调指令用于指示各个直连设备计算其自身的计算子块目标数目并进行反馈。其中,各个直连设备的计算子块目标数目的计算过程与当前设备的计算子块目标数目的计算过程类似,具体可参照前述内容,此处不再赘述。
最后,当前设备可以从预设的终端设备信息表中读取当前设备的计算子块最大数目与所述直连设备的计算子块最大数目,并根据当前设备待处理的计算子块数目、计算子块最大数目、计算子块目标数目,以及各个直连设备待处理的计算子块数目、计算子块最大数目、计算子块目标数目进行计算子块再配置。
具体地,可以根据下式对当前设备以及各个直连设备的计算余量比率进行计算:
BgBlockRatio=(TgtBlock-ResBlock)÷MaxBlock
DrBlockRatiodr=(TgtDrBlockdr-DrBlockdr)÷MaxDrBlockdr
其中,MaxBlock为当前设备的计算子块最大数目,MaxDrBlockdr为第dr个直连设备的计算子块最大数目,TgtDrBlockdr为第dr个直连设备反馈的计算子块目标数目,BgBlockRatio为当前设备的计算余量比率,DrBlockRatiodr为第dr个直连设备的计算余量比率。
对当前设备以及各个直连设备的计算余量比率进行比较,确定最大值,若当前设备的计算余量比率为最大值,则当前设备无需进行计算子块再配置。若某一直连设备的计算余量比率为最大值,则将该直连设备记为目标直连设备,当前设备与其进行计算子块再配置,即当前设备将自身的若干个待处理的计算子块转移至目标直连设备进行处理,具体转移的计算子块数目可以根据实际情况进行设置,本申请实施例对此不作具体限定。
智慧家居设备网络中的各个终端设备均进行以上计算子块再配置的过程,即可以实现整个智慧家居设备网络的动态均衡,从而充分利用智慧家居设备网络中的计算资源来确定用户的生理状态。
步骤S104、控制智慧灯具执行与所述生理状态对应的操作指令。
具体执行何种操作指令可以根据实际情况进行设置。作为一个示例,当用户的生理状态为睡眠状态,智慧灯具可以自动调暗灯光或者关闭灯光,当用户的生理状态为其它的状态时,智慧灯具可以继续保持当前的灯光亮度。
综上所述,通过本申请实施例,可以通过智慧家居设备网络采集用户生理信息,基于用户生理信息确定用户的生理状态并执行对应的操作指令,极大提升了灯具控制的智能化程度,为用户提供了更好的使用体验。
需要注意的是,上述实施例中均基于5G协议进行数据通信,但这只是一种优选方案。在实际应用中,也可以根据具体情况选择基于其它的通信协议进行数据通信,包括但不限于2G、3G、4G、WIFI、ZigBee、蓝牙等等现有技术中的任意一种通信协议,在这种情况下,前述的5G通信模块需替换为与选择的通信协议对应的通信模块。
应理解,上述实施例中各步骤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,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的一种智慧灯具控制方法,图3示出了本申请实施例提供的一种智慧灯具控制装置的一个实施例结构图。
本实施例中,一种智慧灯具控制装置可以包括:
采集指令发送模块301,用于通过预设的5G通信模块在智慧家居设备网络中发送用户生理信息采集指令;所述智慧家居设备网络为由若干个终端设备组成的网络,且各个终端设备之间基于5G协议进行数据通信;
用户生理信息接收模块302,用于通过所述5G通信模块接收所述智慧家居设备网络中的各个终端设备分别采集的用户生理信息;
生理状态确定模块303,用于根据所述用户生理信息确定用户的生理状态;
智慧灯具控制模块304,用于控制预设的智慧灯具执行与所述生理状态对应的操作指令。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
图4示出了本申请实施例提供的一种终端设备的示意框图,为了便于说明,仅示出了与本申请实施例相关的部分。
如图4所示,该实施例的终端设备4包括:处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机程序42。所述处理器40执行所述计算机程序42时实现上述各个智慧灯具控制方法实施例中的步骤,例如图1所示的步骤S101至步骤S104。或者,所述处理器40执行所述计算机程序42时实现上述各装置实施例中各模块/单元的功能,例如图3所示模块301至模块304的功能。
示例性的,所述计算机程序42可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器41中,并由所述处理器40执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序42在所述终端设备4中的执行过程。
所述终端设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。本领域技术人员可以理解,图4仅仅是终端设备4的示例,并不构成对终端设备4的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备4还可以包括输入输出设备、网络接入设备、总线等。
所述处理器40可以是中央处理单元(Central Processing Unit,CPU),还可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41可以是所述终端设备4的内部存储单元,例如终端设备4的硬盘或内存。所述存储器41也可以是所述终端设备4的外部存储设备,例如所述终端设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器41还可以既包括所述终端设备4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述终端设备4所需的其它程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,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,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述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网络单元上。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,在本申请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。
所述集成的模块/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存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读存储介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (8)
1.一种智慧灯具控制方法,其特征在于,包括:
通过预设的5G通信模块在智慧家居设备网络中发送用户生理信息采集指令;所述智慧家居设备网络为由若干个终端设备组成的网络,且各个终端设备之间基于5G协议进行数据通信;
通过所述5G通信模块接收所述智慧家居设备网络中的各个终端设备分别采集的用户生理信息;
根据所述用户生理信息确定用户的生理状态;
控制预设的智慧灯具执行与所述生理状态对应的操作指令;
所述根据所述用户生理信息确定用户的生理状态,包括:
将整体计算块划分为若干个计算子块;所述整体计算块为根据所述用户生理信息确定用户的生理状态的完整计算流程;
分别获取所述智慧家居设备网络中的各个终端设备的可用计算资源量;
根据所述可用计算资源量分别计算各个终端设备的计算量配置比值;
将各个计算子块按照所述计算量配置比值配置给各个终端设备,各个终端设备配置到的计算子块的个数与所述计算量配置比值正相关;
获取当前设备待处理的计算子块数目;所述当前设备为所述智慧家居设备网络中的任意一个终端设备;
向各个直连设备发送第一协调指令,并接收各个所述直连设备反馈的待处理的计算子块数目;所述直连设备为在所述智慧家居设备网络中与所述当前设备直接连接的其它终端设备;
根据所述当前设备的待处理的计算子块数目以及各个所述直连设备反馈的待处理的计算子块数目计算所述当前设备的计算子块目标数目;
向各个所述直连设备发送第二协调指令,并接收各个所述直连设备反馈的计算子块目标数目;
从预设的终端设备信息表中读取所述当前设备的计算子块最大数目与各个所述直连设备的计算子块最大数目;
根据所述当前设备待处理的计算子块数目、计算子块最大数目、计算子块目标数目,以及各个所述直连设备待处理的计算子块数目、计算子块最大数目、计算子块目标数目进行计算子块再配置。
2.根据权利要求1所述的智慧灯具控制方法,其特征在于,所述智慧家居设备网络中包括:人体生理参数采集设备、图像采集设备以及声音采集设备;
所述接收所述智慧家居设备网络中的各个终端设备分别采集的用户生理信息,包括:
接收所述人体生理参数采集设备采集的人体生理参数;
接收所述图像采集设备采集的用户图像信息;
接收所述声音采集设备采集的用户声音信息。
3.根据权利要求2所述的智慧灯具控制方法,其特征在于,所述根据所述用户生理信息确定用户的生理状态,包括:
根据所述用户图像信息确定用户的身体姿势和眼睛状态;
根据所述人体生理参数、所述身体姿势、所述眼睛状态和所述声音信息构造目标生理信息特征向量;所述目标生理信息特征向量为与所述用户生理信息对应的生理信息特征向量;
通过所述5G通信模块从预设的云端数据库中分别提取出各个对照生理信息特征向量;
根据所述目标生理信息特征向量和各个对照生理信息特征向量确定用户的生理状态。
4.根据权利要求3所述的智慧灯具控制方法,其特征在于,所述根据所述用户图像信息确定用户的身体姿势和眼睛状态,包括:
使用身体姿势识别模型对所述用户图像信息进行处理,得到用户的身体姿势;所述身体姿势识别模型为预先训练得到的用于进行身体姿势识别的神经网络模型;
提取所述用户图像信息中的眼部图像信息;
使用眼睛状态识别模型对所述眼部图像信息进行处理,得到用户的眼睛状态;所述眼睛状态识别模型为预先训练得到的用于进行眼睛状态识别的神经网络模型。
5.根据权利要求3所述的智慧灯具控制方法,其特征在于,所述从预设的云端数据库中分别提取出各个对照生理信息特征向量,包括:
从所述云端数据库中分别获取在各个历史时刻采集的历史生理信息特征向量,任一个历史生理信息特征向量如下所示:
OldInfom=(OldSubm,1,OldSubm,2,…,OldSubm,d,…,OldSubm,D)
其中,m为历史生理信息特征向量的序号,1≤m≤M,M为在所述云端数据库中的历史生理信息特征向量的总数,d为生理信息特征向量的维度序号,1≤d≤D,D为生理信息特征向量的维度总数,OldSubm,d为第m个历史生理信息特征向量在第d个维度上的取值,OldInfom为第m个历史生理信息特征向量;
根据下式构造中心特征向量:
MidInfo=(MidSub1,MidSub2,…,MidSubd,…,MidSubD)
其中,MidSubd为所述中心特征向量在第d个维度上的取值,且MidSubd=(OldSub1,d+OldSub2,d+…+OldSubm,d+…+OldSubM,d)÷M,MidInfo为所述中心特征向量;
根据下式分别计算各个历史生理信息特征向量与所述中心特征向量之间的距离:
MidDism=Sqrt(Pow(OldSubm,1-MidSub1)+Pow(OldSubm,2-MidSub2)+…+Pow(OldSubm,d-MidSubd)+…+Pow(OldSubm,D-MidSubD))
其中,Sqrt为求平方根函数,Pow为求平方函数,MidDism为第m个历史生理信息特征向量与所述中心特征向量之间的距离;
选取与所述中心特征向量之间的距离最小的前SM个历史生理信息特征向量作为对照生理信息特征向量,其中,SM=floor(Scale×M),其中,Scale为预设的系数,且0<Scale<1,floor为向下取整函数。
6.根据权利要求5所述的智慧灯具控制方法,其特征在于,所述根据所述目标生理信息特征向量和各个对照生理信息特征向量确定用户的生理状态,包括:
根据下式计算用户的生理评估指数:
Medium1sm,d=Coefd×Pow(TgtSubd-CtSubsm,d)
Medium2sm=Sqrt(Medium1sm,1+Medium1sm,2+…+Medium1sm,d+…+
Medium1sm,D)
PhyIdx=(Medium21+Medium22+…+Medium2sm+…+Medium2SM)÷SM
其中,TgtSubd为目标生理信息特征向量在第d个维度上的取值,sm为对照生理信息特征向量的序号,1≤sm≤SM,CtSubsm,d为第sm个对照生理信息特征向量在第d个维度上的取值,Coefd为生理信息特征向量在第d个维度上的权重系数,Medium1sm,d为第sm个对照生理信息特征向量在第d个维度上的第一中间计算变量,Medium2sm为第sm个对照生理信息特征向量的第二中间计算变量,PhyIdx为用户的生理评估指数;
根据所述生理评估指数确定用户的生理状态。
7.根据权利要求6所述的智慧灯具控制方法,其特征在于,根据下式计算生理信息特征向量在各个维度上的权重系数:
Medium4sm,d=Pow(CtSubsm,d-(CtSub1,d+CtSub2,d+…+CtSubsm,d+…+CtSubSM,d)÷SM)
Medium5d=Medium41,d+Medium42,d+…+Medium4sm,d+…+Medium4SM,d
Medium6=Medium51+Medium52+…+Medium5d+…+Medium5D
Coefd=(Medium6-Medium5d)÷((D-1)×Medium6)
其中,Medium4sm,d为第sm个对照生理信息特征向量在第d个维度上的第四中间计算变量,Medium5d为生理信息特征向量在第d个维度上的第五中间计算变量,Medium6为第六中间计算变量。
8.一种智慧灯具,包括存储器、处理器以及存储在所述存储器中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中任一项所述的智慧灯具控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110032331.3A CN112788822B (zh) | 2021-01-11 | 2021-01-11 | 一种智慧灯具控制方法及智慧灯具 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110032331.3A CN112788822B (zh) | 2021-01-11 | 2021-01-11 | 一种智慧灯具控制方法及智慧灯具 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112788822A CN112788822A (zh) | 2021-05-11 |
CN112788822B true CN112788822B (zh) | 2023-02-21 |
Family
ID=75756566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110032331.3A Active CN112788822B (zh) | 2021-01-11 | 2021-01-11 | 一种智慧灯具控制方法及智慧灯具 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112788822B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102043385A (zh) * | 2010-10-09 | 2011-05-04 | 浙江大学 | 一种基于使用者睡眠状态的家电控制装置及其控制方法 |
CN102811658A (zh) * | 2010-03-25 | 2012-12-05 | 皇家飞利浦电子股份有限公司 | 用于控制环境物理特征的系统和方法、计算机程序产品、颜色和强度可调的灯以及电子装置 |
CN108447480A (zh) * | 2018-02-26 | 2018-08-24 | 深圳市晟瑞科技有限公司 | 智能家居设备控制的方法、智能语音终端和网络设备 |
CN109951392A (zh) * | 2019-01-31 | 2019-06-28 | 武汉大学 | 一种基于深度学习的中大型网络智能路由选择方法 |
CN110113843A (zh) * | 2019-05-26 | 2019-08-09 | 中国计量大学上虞高等研究院有限公司 | 基于入睡效率因素的照明控制系统与调光映射装置 |
CN110140428A (zh) * | 2017-01-04 | 2019-08-16 | 昕诺飞控股有限公司 | 自适应照明自动化 |
CN110958750A (zh) * | 2018-09-25 | 2020-04-03 | 珠海格力电器股份有限公司 | 照明设备控制方法及装置 |
-
2021
- 2021-01-11 CN CN202110032331.3A patent/CN112788822B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102811658A (zh) * | 2010-03-25 | 2012-12-05 | 皇家飞利浦电子股份有限公司 | 用于控制环境物理特征的系统和方法、计算机程序产品、颜色和强度可调的灯以及电子装置 |
CN102043385A (zh) * | 2010-10-09 | 2011-05-04 | 浙江大学 | 一种基于使用者睡眠状态的家电控制装置及其控制方法 |
CN110140428A (zh) * | 2017-01-04 | 2019-08-16 | 昕诺飞控股有限公司 | 自适应照明自动化 |
CN108447480A (zh) * | 2018-02-26 | 2018-08-24 | 深圳市晟瑞科技有限公司 | 智能家居设备控制的方法、智能语音终端和网络设备 |
CN110958750A (zh) * | 2018-09-25 | 2020-04-03 | 珠海格力电器股份有限公司 | 照明设备控制方法及装置 |
CN109951392A (zh) * | 2019-01-31 | 2019-06-28 | 武汉大学 | 一种基于深度学习的中大型网络智能路由选择方法 |
CN110113843A (zh) * | 2019-05-26 | 2019-08-09 | 中国计量大学上虞高等研究院有限公司 | 基于入睡效率因素的照明控制系统与调光映射装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112788822A (zh) | 2021-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106709254B (zh) | 一种医疗诊断机器人系统 | |
US11551103B2 (en) | Data-driven activity prediction | |
CN111315278B (zh) | 用于基于屏幕的交互的自适应接口 | |
CN105654952A (zh) | 用于输出语音的电子设备、服务器和方法 | |
CN107595243A (zh) | 一种病症评估方法及终端设备 | |
CN109276255A (zh) | 一种肢体震颤检测方法及装置 | |
CN113592345A (zh) | 基于聚类模型的医疗分诊方法、系统、设备及存储介质 | |
CN109581981B (zh) | 一种数据融合系统及其工作方法 | |
CN108549276B (zh) | 一种智能交互控制制水设备的方法及系统 | |
CN113469340A (zh) | 一种模型处理方法、联邦学习方法及相关设备 | |
CN109512390B (zh) | 基于eeg时域多维度特征及m-wsvm的睡眠分期方法及可穿戴装置 | |
CN114781439B (zh) | 模型获取系统、手势识别方法、装置、设备及存储介质 | |
CN110244854A (zh) | 一种多类别脑电数据识别的人工智能方法 | |
CN111276159A (zh) | 一种婴儿发音分析方法及服务器 | |
CN112788822B (zh) | 一种智慧灯具控制方法及智慧灯具 | |
CN114242202A (zh) | 脑卒中手部康复训练方法、装置及系统 | |
Lei et al. | AFC-ECG: An adaptive fuzzy ECG classifier | |
CN110580941A (zh) | 信息处理方法及装置、电子设备及存储介质 | |
CN106725514A (zh) | 一种数据处理方法及其装置 | |
CN109995642A (zh) | 一种自动生成快捷回复的方法及装置、即时通讯系统 | |
WO2021061699A1 (en) | Adaptive interface for screen-based interactions | |
CN109313673A (zh) | 网络模型的运行方法及相关产品 | |
Granados et al. | Towards workload-balanced, live deep learning analytics for confidentiality-aware IoT medical platforms | |
CN115047773A (zh) | 一种智能家居自动控制方法、装置及智能网关 | |
Hadi et al. | The design and preliminary implementation of low-cost brain-computer interface for enable moving of rolling robot |
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 |