CN113031460A - 基于人居场景智能感知分析的智慧家庭系统及其方法 - Google Patents

基于人居场景智能感知分析的智慧家庭系统及其方法 Download PDF

Info

Publication number
CN113031460A
CN113031460A CN202110556135.6A CN202110556135A CN113031460A CN 113031460 A CN113031460 A CN 113031460A CN 202110556135 A CN202110556135 A CN 202110556135A CN 113031460 A CN113031460 A CN 113031460A
Authority
CN
China
Prior art keywords
human
human body
real
time
living scene
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
Application number
CN202110556135.6A
Other languages
English (en)
Other versions
CN113031460B (zh
Inventor
曲宗峰
焦利敏
李滟
张艳艳
王曦
冯长卿
袁晓曦
杨楠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Cheari Beijing Certification & Testing Co ltd
Original Assignee
Cheari Beijing Certification & Testing Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Cheari Beijing Certification & Testing Co ltd filed Critical Cheari Beijing Certification & Testing Co ltd
Priority to CN202110556135.6A priority Critical patent/CN113031460B/zh
Publication of CN113031460A publication Critical patent/CN113031460A/zh
Application granted granted Critical
Publication of CN113031460B publication Critical patent/CN113031460B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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], 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]

Abstract

本发明提供了一种基于人居场景智能感知分析的智慧家庭系统及其方法，本发明针对因有“人”的介入和参与而在家庭范围内形成的空间人居场景，以及该人居场景呈现的与“人”的状态相关的场景特征，实现对人居场景的全面感知和智能化的特征提取与分析，进而从匹配和适应人居场景特征为出发点，延伸出智慧家庭的各种功能，最终实现智慧家庭系统与“人”的融合一体和自然交互，达到为“人”提供有智能的、自适应的、舒适、友好易用的人居空间的智慧家庭构建目标。

Description

基于人居场景智能感知分析的智慧家庭系统及其方法
技术领域
本申请涉及智慧家庭物联网领域，特别涉及基于人居场景智能感知分析的智慧家庭系统及其方法。
背景技术
智慧家庭系统是在家庭中建立无线物联网制式的通信网络覆盖，并布设家庭智能网关（根据不同的产品形态也称之为智慧家庭中控、智慧家庭盒子、智慧家庭机器人等）以及各种类型的传感器、智能设施（例如智慧家电）等，可以实现家内环境感知、家居环境自动控制、家电远程遥控、安全报警等功能。
但是，目前的智慧家庭技术仍然比较偏重于各种软硬件平台的搭建、各种智能设备和智慧家电自身功能的开发，传感器的布设集成、家庭环境数据的采集以及各类设备进一步的互联互通等方面，总的来说仍然停留在“物”的层面。
而家庭是人最重要的居住生活场所，智慧家庭的终极目标是为“人”提供有智能的人居空间。目前，对于因有“人”的介入和参与而在家庭范围内形成的空间人居场景，以及该人居场景呈现的与“人”的状态相关的场景特征，现有的智慧家庭系统仍然缺乏感知、识别、分析的能力和思路，也就无法提供解决方案来匹配适应人居场景的特征，进而达到为“人”提供有智能的、自适应的、舒适、友好易用的人居空间的智慧家庭构建目标。
发明内容
（一）申请目的
基于现有技术中存在的以上问题，本发明提供了一种基于人居场景智能感知分析的智慧家庭系统及其方法，本发明针对因有“人”的介入和参与而在家庭范围内形成的空间人居场景，以及该人居场景呈现的与“人”的状态相关的场景特征，实现对人居场景的全面感知和智能化的特征提取与分析，进而从匹配和适应人居场景特征为出发点，延伸出智慧家庭的各种功能，最终实现智慧家庭系统与“人”的融合一体和自然交互，达到为“人”提供有智能的、自适应的、舒适、友好易用的人居空间的智慧家庭构建目标。
（二）技术方案
本申请公开了基于人居场景智能感知分析的智慧家庭系统，其特征在于，包括：
人体介入定位模块，用于在智慧家庭范围中定位人体直接介入空间区域；
人居场景空间区域模块，根据预期实现的智慧家庭功能类型，在所述人体直接介入空间区域的基础上，延展划定人居场景相关空间区域；
人体状态感知模块，用于感知所述人体的实时人体状态信息；
空间区域传感模块，根据智慧家庭范围布设的传感设施，感知所述人居场景相关空间区域的实时空间状态信息；
人居场景特征提取模块，根据所述实时人体状态信息和实时空间状态信息，基于二者的关联关系进行整合，并进行规整化处理，形成人居场景特征向量；
人居场景特征分析识别模块，根据所述人居场景特征向量，利用神经网络模型对其进行训练，获得与判断窗口累计的人居场景特征向量适应的人居场景特征预测量；
智慧家庭功能调控模块，针对预期实现的智慧家庭功能类型，根据所述人居场景特征预测量，采用与该预测量适配的智慧家庭功能调控模式，实现对智慧家庭功能的调控。
优选的是，所述人体介入定位模块在定位人体实时所在的空间区域后，进一步判断该人体的行为模式，进而定位人体直接介入空间区域；其中，在一个预定长度时间段内持续进行人体的感应和识别，期间该人体实时所在的空间区域保持静止或者空间区域变动幅度小于预设阈值，则人体处于静止或者准静止的行为模式，将人体实时所在的空间区域判断为人体直接介入空间区域；如果上述预定长度时间段内人体实时所在的空间区域规律性移动，则将规律性移动的整个途径区域作为所述人体直接介入空间区域；如果上述预定长度时间段内人体实时所在的空间区域呈现无规律性移动，则可以预测性地划定区域范围作为所述人体直接介入空间区域。
优选的是，在确定了所述人体直接介入空间区域的基础上，所述人居场景空间区域模块根据预期实现的智慧家庭功能类型，确定该功能类型的相关传感设施和智能设施，以及所述传感设施和智能设施的有效作用空间区域，进而建立所述人体直接介入空间区域和有效作用空间区域的映射关系，基于该映射关系延伸扩展，形成所述人居场景相关空间区域。
优选的是，在上述人体直接介入空间区域的基础上，所述人居场景空间区域模块根据上述有效作用空间区域与人体直接介入空间区域的空间重叠、空间联通、空间辐射等空间相对关系以及空间距离，实现二者之间的分区块映射，进而基于该映射关系从人体直接介入空间区域延伸扩展形成所述人居场景相关空间区域。
优选的是，所述人体状态感知模块感知的实时人体状态信息包括：实时人体生理状态信息、实时人体动作状态信息、实时人体位置状态信息。
优选的是，所述人居场景特征分析识别模块采用LSTM神经网络模型。根据一个预定时长的判断窗口上历次取样的所述人居场景特征向量，获得LSTM预测模型产生的人居场景特征预测量，该人居场景特征预测量包含了对预测人体所在空间区块的实时人体状态预测和实时空间状态预测。
本申请提供了一种基于人居场景智能感知分析方法，其特征在于，包括：
人体介入定位步骤，用于在智慧家庭范围中定位人体直接介入空间区域；
人居场景空间区域步骤，根据预期实现的智慧家庭功能类型，在所述人体直接介入空间区域的基础上，延展划定人居场景相关空间区域；
人体状态感知步骤，用于感知所述人体的实时人体状态信息；
空间区域传感步骤，根据智慧家庭范围布设的传感设施，感知所述人居场景相关空间区域的实时空间状态信息；
人居场景特征提取步骤，根据所述实时人体状态信息和实时空间状态信息，基于二者的关联关系进行整合，并进行规整化处理，形成人居场景特征向量；
人居场景特征分析识别步骤，根据所述人居场景特征向量，利用神经网络模型对其进行训练，获得与判断窗口累计的人居场景特征向量适应的人居场景特征预测量；
智慧家庭功能调控步骤，针对预期实现的智慧家庭功能类型，根据所述人居场景特征预测量，采用与该预测量适配的智慧家庭功能调控模式，实现对智慧家庭功能的调控。
优选的是，所述人体介入定位步骤在定位人体实时所在的空间区域后，进一步判断该人体的行为模式，进而定位人体直接介入空间区域；其中，在一个预定长度时间段内持续进行人体的感应和识别，期间该人体实时所在的空间区域保持静止或者空间区域变动幅度小于预设阈值，则人体处于静止或者准静止的行为模式，将人体实时所在的空间区域判断为人体直接介入空间区域；如果上述预定长度时间段内人体实时所在的空间区域规律性移动，则将规律性移动的整个途径区域作为所述人体直接介入空间区域；如果上述预定长度时间段内人体实时所在的空间区域呈现无规律性移动，则可以预测性地划定区域范围作为所述人体直接介入空间区域。
优选的是，在确定了所述人体直接介入空间区域的基础上，所述人居场景空间区域步骤根据预期实现的智慧家庭功能类型，确定该功能类型的相关传感设施和智能设施，以及所述传感设施和智能设施的有效作用空间区域，进而建立所述人体直接介入空间区域和有效作用空间区域的映射关系，基于该映射关系延伸扩展，形成所述人居场景相关空间区域。
优选的是，在上述人体直接介入空间区域的基础上，所述人居场景空间区域步骤根据上述有效作用空间区域与人体直接介入空间区域的空间重叠、空间联通、空间辐射等空间相对关系以及空间距离，实现二者之间的分区块映射，进而基于该映射关系从人体直接介入空间区域延伸扩展形成所述人居场景相关空间区域。
优选的是，所述人体状态感知步骤感知的实时人体状态信息包括：实时人体生理状态信息、实时人体动作状态信息、实时人体位置状态信息。
优选的是，所述人居场景特征分析识别步骤采用LSTM神经网络模型。根据一个预定时长的判断窗口上历次取样的所述人居场景特征向量，获得LSTM预测模型产生的人居场景特征预测量，该人居场景特征预测量包含了对预测人体所在空间区块的实时人体状态预测和实时空间状态预测。
（三）有益效果
本申请公开的基于人居场景智能感知分析的智慧家庭系统及其方法，能够划定智慧家庭中与人居场景相关空间区域，并且基于对实时人体状态信息和实时空间状态信息的感知，实现对人居场景的全面感知和智能化的特征提取与分析，进而，以人体实时所在的区块为基准建立实时人体状态信息和实时空间状态信息的关联关系，形成人居场景特征向量；并且根据所述人居场景特征向量，利用神经网络模型实现人居场景特征预测，从匹配和适应人居场景特征预测为出发点，延伸出智慧家庭的各种功能，实现为“人”提供有智能的、自适应的、舒适、友好易用的人居空间的智慧家庭构建目标。
附图说明
以下参考附图描述的实施例是示例性的，旨在用于解释和说明本申请，而不能理解为对本申请的保护范围的限制。
图1是本申请公开的智慧家庭系统结构示意图；
图2是智慧家庭空间区域区块分布关系示意图；
图3是人居场景特征分析识别模块采用的LSTM神经网络模型结构示意图；
图4是本申请公开的人居场景智能感知分析方法流程示意图。
具体实施方式
为使本申请实施的目的、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，对本申请实施例中的技术方案进行更加详细的描述。
下面参考图1，详细描述本申请的基于人居场景智能感知分析的智慧家庭系统，包括：人体介入定位模块、人居场景空间区域模块、人体状态感知模块、空间区域传感模块、人居场景特征提取模块、人居场景特征分析识别模块、智慧家庭功能调控模块。
人体介入定位模块，用于在智慧家庭范围中定位人体直接介入空间区域。智慧家庭范围一般指的是家庭住宅（包括庭院、阳台等非封闭建筑结构）占据的整个空间区域，以及合理限度内的一部分公共空间区域（例如住宅门前的一段走廊）。本模块可以运用视频、红外、毫米波等技术手段，面向所述智慧家庭范围进行人体的感应和识别；在识别到存在人体的情况下，进而，从智慧家庭范围当中定位该人体直接介入的空间区域。作为一种方式，在智慧家庭范围部署摄像机或者红外摄像机，从拍摄的画面中利用目前比较成熟的图像识别技术就能够判断是否存在人体，以及根据画面与真实空间的成像关系，在存在人体的情况下能够确定出该人体实时所在的空间区域。作为另一种方式，可以利用毫米波，即波长为1～10毫米的电磁波；由智慧家庭范围内部署的毫米波感应装置发射线性调频的连续毫米波，并实时接收智慧家庭范围内的各个目标的毫米波反射信号形成的点云；经过必要的信号处理之后，利用毫米波反射信号点云的形态特征，从中筛选符合人体形态特征的毫米波反射信号点云，而排除掉各种静止和运动干扰目标，还可以定位人体实时所在的空间区域；毫米波方式具有高精度、高分辨率、便于硬件小型化且成本低的特点。当然也可以将以上多种方式组合起来实现人体感应和识别，例如白天利用视频，夜间利用红外；或者，在室内利用毫米波而在室外利用视频等。利用以上提到的任意一种或者多种方式定位人体实时所在的空间区域后，则可以进一步判断该人体的行为模式，进而定位人体直接介入空间区域。例如，在一个预定长度时间段内持续进行人体的感应和识别，期间该人体实时所在的空间区域保持静止或者空间区域变动幅度小于预设阈值，则人体处于静止或者准静止的行为模式（可能是在睡眠，也可能在学习读书，要结合后续的人体状态感知模块进行判断），则可以将人体实时所在的空间区域判断为人体直接介入空间区域。如果上述预定长度时间段内人体实时所在的空间区域规律性移动（例如在一定的空间区域内巡回往复，可能是在运动或者家务劳动），则可以将规律性移动的整个途径区域作为所述人体直接介入空间区域。如果上述预定长度时间段内人体实时所在的空间区域呈现无规律性移动，则可以预测性地划定区域范围作为所述人体直接介入空间区域（例如上述无规律性移动发生在庭院的一部分区域，即将整个庭院作为所述人体直接介入空间区域）。
人居场景空间区域模块，根据预期实现的智慧家庭功能类型，在所述人体直接介入空间区域的基础上，延展划定人居场景相关空间区域。智慧家庭作为一个体系化的综合信息和控制平台，具备以智慧家电为代表的各种智能设施，例如智能空调、智能加湿器、智能灯具、自动窗帘、智能音箱、智能多媒体影像等。自然，智慧家庭也具备多种功能类型，例如温度、湿度、光照度等家居环境的自动调控，对智慧家电的音量、亮度的远程遥控等。从根本上说，这些功能都是为智慧家庭范围内的人来工作和服务的，其功能的实现自然也都有人的直接或者潜在的介入和参与，智慧家庭的功能不仅作用于智慧家庭范围内的各个空间区域，也直接或者间接作用于分布在各个空间区域中的人体，从而，智慧家庭功能与人的这种相互关系，共同形成了本发明所述的人居场景。对于智慧家庭的各种功能类型来说，考虑到每种功能在实现过程中人的介入度和介入方式不同，其作用于人体的方式和力度也不同，因此需要针对智慧家庭的每一种功能类型，在所述人体直接介入空间区域的基础上进行延伸，扩展为人居场景相关空间区域。
具体来说，在确定了所述人体直接介入空间区域的基础上，人居场景空间区域模块根据预期实现的智慧家庭功能类型，确定该功能类型的相关传感设施和智能设施，以及所述传感设施和智能设施的有效作用空间区域，进而建立所述人体直接介入空间区域和有效作用空间区域的映射关系，基于该映射关系延伸扩展，形成所述人居场景相关空间区域。更具体来说，在上述人体直接介入空间区域的基础上，可以根据上述有效作用空间区域与人体直接介入空间区域的空间重叠、空间联通、空间辐射等空间相对关系以及空间距离，实现二者之间的分区块映射，进而基于该映射关系从人体直接介入空间区域延伸扩展形成所述人居场景相关空间区域。
对于温度、湿度等家居环境自动调控的功能类型来说，可以确定相关的传感设施，包括智慧家庭范围内部署的温度、湿度的传感器；每个传感器都有其采集感应信号的有效范围，属于传感器可查的性能参数，因此能够根据每个传感器的安装位置及该参数确定每个传感器的有效作用空间区域。进而，确定智慧家庭范围内与该功能类型相关的智能设施，包括智能空调、智能加湿器等，可以根据这些智能设施的性能参数例如空调和加湿器的功率等，明确其调节温度、湿度的有效范围，从而能够根据每个智能设施的安装位置及该有效范围确定每个智能设施的有效作用空间区域。如图2所示，其中H1-H3为人体直接介入空间区域，S11-S33为温度（或者湿度）传感器的有效作用空间区域，E11-E33为智能空调（或者智能加湿器）的有效作用空间区域。家居环境温度（或者湿度）自动调控的功能类型来说，主要需要考虑人体直接介入空间区域H1-H3和上述有效作用空间区域S11-S33、E11-E33的空间重叠、空间联通相关的空间相对关系以及空间距离，通过映射规则定义与H1-H3空间重叠的S11-S33、E11-E33区域可以与H1-H3建立映射，以及，与H1-H3空间联通且空间距离在预定距离值之内的S11-S33、E11-E33区域可以与H1-H3建立映射。对所述人体直接介入空间区域进行分区块操作，细分为区块H1、H2、H3，按照上述映射的规则，为每个区块H1、H2、H3分别确定符合规则的S、E类型区域的区块，例如区块H1确定符合上述映射规则的区块S11、S12、S13和区块E11、E12、E13，建立相互之间的映射；同理，对H2、H3也可以按照映射规则从S、E区域确定区块区块S21、S22、S23、S31、S32、S33和区块E21、E22、E23、E31、E32、E33。
根据不同的功能类型，在有效作用空间区域与人体直接介入空间区域进行分区块映射的过程中，可以基于不同的空间相对关系和空间距离而定义映射规则。例如，在智慧家电远程遥控的智慧家庭功能类型中，可以主要需要考虑人体直接介入空间区域H和上述有效作用空间区域E的空间辐射的空间相对关系，例如智能音箱的音响播放、智能多媒体影像的影像观看的有效作用空间区域E能够辐射至所述人体直接介入空间区域H，且E区域可以与H建立映射。对所述人体直接介入空间区域H进行分区块操作，按照上述映射的规则，为每个区块分别确定符合规则的E区域的区块。
人体状态感知模块，用于感知所述人体的实时人体状态信息。所述实时人体状态信息是针对所述人体直接介入空间区域中存在的人体，也即作为智慧家庭服务对象的用户，实时感知的状态信息。该实时人体状态信息包括但不限于实时人体生理状态信息、实时人体动作状态信息、实时人体位置状态信息。人体可以通过佩戴健康监测仪器（例如手环）、以及/或者利用非接触人体测量设备（例如红外体温测量）可以获得所述实时人体生理状态信息，该信息包括人体的体温、心率、呼吸频率、血氧度等参数，可以反映出人体当前是睡眠还是清醒、是静止还是运动、是低强度运动还是高强度运动等方面的行为，以及判断人体当前的身体生理状态是正常还是存在异常乃至风险。利用上述视频、红外、毫米波等技术手段，根据画面或者毫米波反射点云，提取人体的画面区域或者点云，并执行人体动静姿态识别，可以获得实时人体动作状态信息，包括识别人体的坐姿、站姿或者卧姿状态信息，根据连续的动态姿态识别人体的动作模式是走步、跑步、上肢活动（例如上肢锻炼或者是做饭等家务劳动）、读书写字等。同样，根据上述视频、红外、毫米波等技术手段，定位人体实时所在的空间区域位置，通过跟踪一段时间内人体实时所在空间区域位置的变化，进而归类实时人体位置状态信息，即人体是空间静止、小幅移动、大幅移动、规律往复移动还是非规律随机移动等。
空间区域传感模块，根据智慧家庭范围布设的传感设施，感知所述人居场景相关空间区域的实时空间状态信息。如上文所述，在智慧家庭范围内部署了温度、湿度、光照度、声音音量等类型的传感设施，因此能够感知在所述人居场景相关空间区域内以上类型的参量，并构成实时空间状态信息。如上文所述，所述人居场景相关空间区域当中包含了与智慧家庭功能类型相关的传感设施的有效作用空间区域；例如，图2中的人居场景相关空间区域就包含温度（或者湿度）传感器的有效作用空间区域的区块S11-S13、S21-S23、S31-S33，可以用以上传感设施有效作用空间区域感应的实时空间状态信息，作为人居场景相关空间区域的实时空间状态信息。
人居场景特征提取模块，根据所述实时人体状态信息和实时空间状态信息，基于二者的关联关系进行整合，并进行规整化处理，形成人居场景特征向量。具体来说，如上文所述，对于人体直接介入空间区域，可以细分为区块，例如图2中的H1-H3，因此可以将人体状态感知模块所感知提供的实时人体状态信息，对应到该人体实时所在的区块内。进而，可以根据人体直接介入空间区域的每个区块与传感设施的有效作用空间区域的区块之间的映射，将符合映射规则的传感设施有效作用空间区域的区块的实时空间状态信息，也对应到该人体实时所在的区块内；从而，对于人体实时所在的人体直接介入空间区域的区块，建立了实时人体状态信息与实时空间状态信息的关联关系。
进而，基于上述关联关系，对于人体实时所在的区块对应的实时空间状态信息和实时人体状态信息，实现规整化处理，形成所述的人居场景特征向量。显然，该人机场景特征向量面向人体实时所在的区块，整合了该空间区块中存在的人体的实时人体状态信息，以及整合了能够映射至该空间区块的实时空间状态信息，形成了作为对上文提到的人与空间相互作用的人居场景相关空间区域的描述特征向量。
人居场景特征分析识别模块，根据所述人居场景特征向量，利用神经网络模型对其进行训练，获得与判断窗口累计的人居场景特征向量适应的人居场景特征预测量。具体来说，所述人居场景特征分析识别模块采用LSTM神经网络模型。根据一个预定时长的判断窗口上历次取样的所述人居场景特征向量，按照该窗口的取样时间顺序生成数据集（X，Y），其中，
Figure 330239DEST_PATH_IMAGE001
Figure 971436DEST_PATH_IMAGE002
其中，N表示所述的人居场景特征向量所包含的实时空间状态信息和实时人体状态信息的维度数量，例如人居场景特征向量所包含的实时人体状态信息可以包括体温、心率、呼吸频率、血氧度等表示人体生理状态信息维度、坐姿、站姿或者卧姿状态等表示实时人体动作状态信息的维度，以及空间静止、小幅移动、大幅移动、规律往复移动、非规律随机移动等表示实时人体位置状态信息的维度；人居场景特征向量所包含的实时空间状态信息可以包括温度、湿度、光照度、声音音量等维度。data11表示判断窗口内第1次取样的人居场景特征向量包含的实时空间状态信息或者实时人体状态信息的第1维度，data1N表示判断窗口内第1次取样的人居场景特征向量包含的实时空间状态信息或者实时人体状态信息的第N维度，dataＭ1表示判断窗口内第M次取样的人居场景特征向量包含的实时空间状态信息或者实时人体状态信息的第1维度，dataMN表示判断窗口内第M次取样的人居场景特征向量包含的实时空间状态信息或者实时人体状态信息的第N维度。其中，第M+1次取样的人居场景特征向量是受到判断窗口上的时间顺序相邻的前M次取样的人居场景特征向量共同影响而形成的，因此，本模块采用LSTM神经网络模型对人居场景特征向量数据的时序联系进行挖掘，有利于提高人居场景特征预测量的预测准确率。
具体实施时，利用经过训练的LSTM预测模型，根据判断窗口上的m次取样的人居场景特征向量数据，获得LSTM预测模型产生的人居场景特征预测量，该人居场景特征预测量包含了对预测人体所在空间区块的实时人体状态预测和实时空间状态预测。
其中，LSTM预测模型在训练过程中会自动比较新训练的模型参数与之前的模型参数的性能，当模型的性能开始下降时停止训练，这样在停止训练之后，将保存整个训练过程中出现的最优模型。如图3所示，所述LSTM预测模型包括依次连通的两个LSTM层和一个全连接层，输入的N维度人居场景特征向量表示为X，输出的人居场景特征预测量表示为Y。每个LSTM层包括输入门、输出门和遗忘门，遗忘门的计算公式为：
Figure 329736DEST_PATH_IMAGE003
，
其中，
Figure 943252DEST_PATH_IMAGE004
表示判断窗口第ｍ次取样的数据，
Figure 259963DEST_PATH_IMAGE005
表示前一次即ｍ－１次取样的数据，
Figure 450773DEST_PATH_IMAGE006
表示遗忘门的权重矩阵，
Figure 878344DEST_PATH_IMAGE007
表示遗忘门的偏置参数，
Figure 877524DEST_PATH_IMAGE008
表示sigmoid激活函数，
Figure 302820DEST_PATH_IMAGE009
表示遗忘门的控制值；输入门的计算公式为：
Figure 918609DEST_PATH_IMAGE010
，其中，
Figure 212187DEST_PATH_IMAGE011
表示输入门的权重矩阵，
Figure 331453DEST_PATH_IMAGE012
表示输入门的偏置参数，
Figure 458809DEST_PATH_IMAGE013
表示sigmoid激活函数，
Figure 579472DEST_PATH_IMAGE014
的值决定保留多少新信息；输出门的计算公式为：
Figure 817687DEST_PATH_IMAGE015
，其中，
Figure 401246DEST_PATH_IMAGE016
表示输出门的权重矩阵，
Figure 496241DEST_PATH_IMAGE017
表示输出门的偏置参数，
Figure 24305DEST_PATH_IMAGE018
表示sigmoid激活函数，
Figure 597369DEST_PATH_IMAGE019
的值决定多少当前状态信息被输出；细胞状态更新的计算公式为：
Figure 753544DEST_PATH_IMAGE020
，其中，
Figure DEST_PATH_IMAGE021
表示候选状态，
Figure 894806DEST_PATH_IMAGE022
表示细胞状态更新的权重矩阵，
Figure DEST_PATH_IMAGE023
表示细胞状态更新的偏置参数，
Figure 644588DEST_PATH_IMAGE024
表示前一次细胞状态更新，表示tanh激活函数；隐状态输出数据
Figure DEST_PATH_IMAGE025
的计算公式：
Figure 286922DEST_PATH_IMAGE026
。
智慧家庭功能调控模块，针对预期实现的智慧家庭功能类型，根据所述人居场景特征预测量，采用与该预测量适配的智慧家庭功能调控模式，实现对智慧家庭功能的调控。
如上文所述，智慧家庭具备的功能类型包括温度、湿度、光照度等家居环境的自动调控，对智慧家电的音量、亮度的远程遥控等。人居场景特征预测量包含了对预测人体所在空间区块的实时人体状态预测和实时空间状态预测。对实时人体状态的预测包括实时人体生理状态信息、实时人体动作状态信息、实时人体位置状态信息的预测；实时空间状态的预测包括对空间区块的温度、湿度、光照度、声音音量等参量的预测。因此，可以根据智慧家庭的功能类型，确定功能调控面向的空间区块，并根据实时人体状态和实时空间状态的预测，确定空间区块与所述实时人体状态预测量和/或实时空间状态预测量相匹配的目标状态值，进而基于该目标状态值设定智慧家庭功能调控模式。
例如，对于温度、湿度、光照度等家居环境的自动调控，可以根据所述人居场景相关空间区域，进而根据空间静止、小幅移动、大幅移动、规律往复移动、非规律随机移动等人体位置状态的预测量，在人居场景相关空间区域的基础上进行扩展，作为功能调控面向的空间区块。进而，根据人体的体温、心率、呼吸频率、血氧度等人体生理状态预测量、坐姿、站姿或者卧姿状态等人体动作状态预测量，确定功能调控面向的空间区块中温度、湿度、光照度等因素的调控理想值，再基于该理想值与实时空间状态预测量，确定功能调控面向的空间区块的目标状态值，进而基于该目标状态值设定智慧家庭功能调控模式。
参见图４，本申请进而提供了一种基于人居场景智能感知分析方法，包括人体介入定位步骤、人居场景空间区域确定步骤、人体状态感知步骤、空间区域传感步骤、人居场景特征提取步骤、人居场景特征分析识别步骤、智慧家庭功能调控步骤。
人体介入定位步骤中，在智慧家庭范围中定位人体直接介入空间区域。智慧家庭范围一般指的是家庭住宅（包括庭院、阳台等非封闭建筑结构）占据的整个空间区域，以及合理限度内的一部分公共空间区域（例如住宅门前的一段走廊）。本步骤可以运用视频、红外、毫米波等技术手段，面向所述智慧家庭范围进行人体的感应和识别；在识别到存在人体的情况下，进而，从智慧家庭范围当中定位该人体直接介入的空间区域。作为一种方式，在智慧家庭范围部署摄像机或者红外摄像机，从拍摄的画面中利用目前比较成熟的图像识别技术就能够判断是否存在人体，以及根据画面与真实空间的成像关系，在存在人体的情况下能够确定出该人体实时所在的空间区域。作为另一种方式，可以利用毫米波，即波长为1～10毫米的电磁波；由智慧家庭范围内部署的毫米波感应装置发射线性调频的连续毫米波，并实时接收智慧家庭范围内的各个目标的毫米波反射信号形成的点云；经过必要的信号处理之后，利用毫米波反射信号点云的形态特征，从中筛选符合人体形态特征的毫米波反射信号点云，而排除掉各种静止和运动干扰目标，还可以定位人体实时所在的空间区域；毫米波方式具有高精度、高分辨率、便于硬件小型化且成本低的特点。当然也可以将以上多种方式组合起来实现人体感应和识别，例如白天利用视频，夜间利用红外；或者，在室内利用毫米波而在室外利用视频等。利用以上提到的任意一种或者多种方式定位人体实时所在的空间区域后，则可以进一步判断该人体的行为模式，进而定位人体直接介入空间区域。例如，在一个预定长度时间段内持续进行人体的感应和识别，期间该人体实时所在的空间区域保持静止或者空间区域变动幅度小于预设阈值，则人体处于静止或者准静止的行为模式（可能是在睡眠，也可能在学习读书，要结合后续的人体状态感知步骤进行判断），则可以将人体实时所在的空间区域判断为人体直接介入空间区域。如果上述预定长度时间段内人体实时所在的空间区域规律性移动（例如在一定的空间区域内巡回往复，可能是在运动或者家务劳动），则可以将规律性移动的整个途径区域作为所述人体直接介入空间区域。如果上述预定长度时间段内人体实时所在的空间区域呈现无规律性移动，则可以预测性地划定区域范围作为所述人体直接介入空间区域（例如上述无规律性移动发生在庭院的一部分区域，即将整个庭院作为所述人体直接介入空间区域）。
人居场景空间区域步骤，根据预期实现的智慧家庭功能类型，在所述人体直接介入空间区域的基础上，延展划定人居场景相关空间区域。智慧家庭作为一个体系化的综合信息和控制平台，具备以智慧家电为代表的各种智能设施，例如智能空调、智能加湿器、智能灯具、自动窗帘、智能音箱、智能多媒体影像等。自然，智慧家庭也具备多种功能类型，例如温度、湿度、光照度等家居环境的自动调控，对智慧家电的远程遥控等。对于智慧家庭的各种功能类型来说，考虑到每种功能在实现过程中人的介入度和介入方式不同，其作用于人体的方式和力度也不同，因此需要针对智慧家庭的每一种功能类型，在所述人体直接介入空间区域的基础上进行延伸，扩展为人居场景相关空间区域。
具体来说，在确定了所述人体直接介入空间区域的基础上，人居场景空间区域步骤根据预期实现的智慧家庭功能类型，确定该功能类型的相关传感设施和智能设施，以及所述传感设施和智能设施的有效作用空间区域，进而建立所述人体直接介入空间区域和有效作用空间区域的映射关系，基于该映射关系延伸扩展，形成所述人居场景相关空间区域。更具体来说，在上述人体直接介入空间区域的基础上，可以根据上述有效作用空间区域与人体直接介入空间区域的空间重叠、空间联通、空间辐射等空间相对关系以及空间距离，实现二者之间的分区块映射，进而基于该映射关系从人体直接介入空间区域延伸扩展形成所述人居场景相关空间区域。
对于温度、湿度等家居环境自动调控的功能类型来说，可以确定相关的传感设施，包括智慧家庭范围内部署的温度、湿度的传感器；每个传感器都有其采集感应信号的有效范围，属于传感器可查的性能参数，因此能够根据每个传感器的安装位置及该参数确定每个传感器的有效作用空间区域。进而，确定智慧家庭范围内与该功能类型相关的智能设施，包括智能空调、智能加湿器等，可以根据这些智能设施的性能参数例如空调和加湿器的功率等，明确其调节温度、湿度的有效范围，从而能够根据每个智能设施的安装位置及该有效范围确定每个智能设施的有效作用空间区域。如图2所示，其中H为人体直接介入空间区域，S为温度（或者湿度）传感器的有效作用空间区域，E为智能空调（或者智能加湿器）的有效作用空间区域。家居环境温度（或者湿度）自动调控的功能类型来说，主要需要考虑人体直接介入空间区域H和上述有效作用空间区域S、E的空间重叠、空间联通相关的空间相对关系以及空间距离，通过映射规则定义与H空间重叠的S、E区域可以与H建立映射，以及，与H空间联通且空间距离在预定距离值之内的S、E区域可以与H建立映射。对所述人体直接介入空间区域H进行分区块操作，细分为区块H1、H2、H3，按照上述映射的规则，为每个区块H1、H2、H3分别确定符合规则的S、E区域的区块，例如区块H1确定符合上述映射规则的区块S11、S12、S13和区块E11、E12、E13，建立相互之间的映射；同理，对H2、H3也可以按照映射规则从S、E区域确定区块区块S21、S22、S23、S31、S32、S33和区块E21、E22、E23、E31、E32、E33。
根据不同的功能类型，在有效作用空间区域与人体直接介入空间区域进行分区块映射的过程中，可以基于不同的空间相对关系和空间距离而定义映射规则。例如，在智慧家电远程遥控的智慧家庭功能类型中，可以主要需要考虑人体直接介入空间区域H和上述有效作用空间区域E的空间辐射的空间相对关系，例如智能音箱的音响播放、智能多媒体影像的影像观看的有效作用空间区域E能够辐射至所述人体直接介入空间区域H，且E区域可以与H建立映射。对所述人体直接介入空间区域H进行分区块操作，按照上述映射的规则，为每个区块分别确定符合规则的E区域的区块。
人体状态感知步骤，用于感知所述人体的实时人体状态信息。所述实时人体状态信息是针对所述人体直接介入空间区域中存在的人体，也即作为智慧家庭服务对象的用户，实时感知的状态信息。该实时人体状态信息包括但不限于实时人体生理状态信息、实时人体动作状态信息、实时人体位置状态信息。人体可以通过佩戴健康监测仪器（例如手环）、以及/或者利用非接触人体测量设备（例如红外体温测量）可以获得所述实时人体生理状态信息，该信息包括人体的体温、心率、呼吸频率、血氧度等参数，可以反映出人体当前是睡眠还是清醒、是静止还是运动、是低强度运动还是高强度运动等方面的行为，以及判断人体当前的身体生理状态是正常还是存在异常乃至风险。利用上述视频、红外、毫米波等技术手段，根据画面或者毫米波反射点云，提取人体的画面区域或者点云，并执行人体动静姿态识别，可以获得实时人体动作状态信息，包括识别人体的坐姿、站姿或者卧姿状态信息，根据连续的动态姿态识别人体的动作模式是走步、跑步、上肢活动（例如上肢锻炼或者是做饭等家务劳动）、读书写字等。同样，根据上述视频、红外、毫米波等技术手段，定位人体实时所在的空间区域位置，通过跟踪一段时间内人体实时所在空间区域位置的变化，进而归类实时人体位置状态信息，即人体是空间静止、小幅移动、大幅移动、规律往复移动还是非规律随机移动等。
空间区域传感步骤，根据智慧家庭范围布设的传感设施，感知所述人居场景相关空间区域的实时空间状态信息。如上文所述，在智慧家庭范围内部署了温度、湿度、光照度、声音音量等类型的传感设施，因此能够感知在所述人居场景相关空间区域内以上类型的参量，并构成实时空间状态信息。如上文所述，所述人居场景相关空间区域当中包含了与智慧家庭功能类型相关的传感设施的有效作用空间区域；例如，图2中的人居场景相关空间区域就包含温度（或者湿度）传感器的有效作用空间区域的区块S11-S13、S21-S23、S31-S33，可以用以上传感设施有效作用空间区域感应的实时空间状态信息，作为人居场景相关空间区域的实时空间状态信息。
人居场景特征提取步骤，根据所述实时人体状态信息和实时空间状态信息，基于二者的关联关系进行整合，并进行规整化处理，形成人居场景特征向量。具体来说，如上文所述，对于人体直接介入空间区域，可以细分为区块，例如图2中的H1-H3，因此可以将人体状态感知步骤所感知提供的实时人体状态信息，对应到该人体实时所在的区块内。进而，可以根据人体直接介入空间区域的每个区块与传感设施的有效作用空间区域的区块之间的映射，将符合映射规则的传感设施有效作用空间区域的区块的实时空间状态信息，也对应到该人体实时所在的区块内；从而，对于人体实时所在的人体直接介入空间区域的区块，建立了实时人体状态信息与实时空间状态信息的关联关系。
进而，基于上述关联关系，对于人体实时所在的区块对应的实时空间状态信息和实时人体状态信息，实现规整化处理，形成所述的人居场景特征向量。显然，该人机场景特征向量面向人体实时所在的区块，整合了该空间区块中存在的人体的实时人体状态信息，以及整合了能够映射至该空间区块的实时空间状态信息，形成了作为对上文提到的人与空间相互作用的人居场景相关空间区域的描述特征向量。
人居场景特征分析识别步骤，根据所述人居场景特征向量，利用神经网络模型对其进行训练，获得与判断窗口累计的人居场景特征向量适应的人居场景特征预测量。具体来说，采用LSTM神经网络模型。根据一个预定时长的判断窗口上历次取样的所述人居场景特征向量，按照该窗口的取样时间顺序生成数据集（X，Y），其中，
Figure DEST_PATH_IMAGE027
Figure 641811DEST_PATH_IMAGE002
其中，N表示所述的人居场景特征向量所包含的实时空间状态信息和实时人体状态信息的维度数量，例如人居场景特征向量所包含的实时人体状态信息可以包括体温、心率、呼吸频率、血氧度等表示人体生理状态信息维度、坐姿、站姿或者卧姿状态等表示实时人体动作状态信息的维度，以及空间静止、小幅移动、大幅移动、规律往复移动、非规律随机移动等表示实时人体位置状态信息的维度；人居场景特征向量所包含的实时空间状态信息可以包括温度、湿度、光照度、声音音量等维度。data 11表示判断窗口内第1次取样的人居场景特征向量包含的实时空间状态信息或者实时人体状态信息的第1维度，data1N表示判断窗口内第1次取样的人居场景特征向量包含的实时空间状态信息或者实时人体状态信息的第N维度，data Ｍ1表示判断窗口内第M次取样的人居场景特征向量包含的实时空间状态信息或者实时人体状态信息的第1维度，data MN表示判断窗口内第M次取样的人居场景特征向量包含的实时空间状态信息或者实时人体状态信息的第N维度。其中，第M+1次取样的人居场景特征向量是受到判断窗口上的时间顺序相邻的前M次取样的人居场景特征向量共同影响而形成的，因此，本模块采用LSTM神经网络模型对人居场景特征向量数据的时序联系进行挖掘，有利于提高人居场景特征预测量的预测准确率。
具体实施时，利用经过训练的LSTM预测模型，根据判断窗口上的m次取样的人居场景特征向量数据，获得LSTM预测模型产生的人居场景特征预测量，该人居场景特征预测量包含了对预测人体所在空间区块的实时人体状态预测和实时空间状态预测。
其中，LSTM预测模型在训练过程中会自动比较新训练的模型参数与之前的模型参数的性能，当模型的性能开始下降时停止训练，这样在停止训练之后，将保存整个训练过程中出现的最优模型。如图3所示，所述LSTM预测模型包括依次连通的两个LSTM层和一个全连接层，输入的N维度人居场景特征向量表示为X，输出的人居场景特征预测量表示为Y。每个LSTM层包括输入门、输出门和遗忘门，遗忘门的计算公式为：
Figure 547450DEST_PATH_IMAGE003
，其中，
Figure 909161DEST_PATH_IMAGE028
表示判断窗口第ｍ次取样的数据，
Figure 818168DEST_PATH_IMAGE005
表示前一次即ｍ－１次取样的数据，
Figure DEST_PATH_IMAGE029
表示遗忘门的权重矩阵，
Figure 27564DEST_PATH_IMAGE030
表示遗忘门的偏置参数，
Figure DEST_PATH_IMAGE031
表示sigmoid激活函数，
Figure 369683DEST_PATH_IMAGE032
表示遗忘门的控制值；输入门的计算公式为：
Figure 359636DEST_PATH_IMAGE010
，其中，
Figure 547035DEST_PATH_IMAGE033
表示输入门的权重矩阵，
Figure 735571DEST_PATH_IMAGE034
表示输入门的偏置参数，
Figure 310908DEST_PATH_IMAGE035
表示sigmoid激活函数，
Figure 584895DEST_PATH_IMAGE014
的值决定保留多少新信息；输出门的计算公式为：
Figure 779247DEST_PATH_IMAGE015
，其中，
Figure 822289DEST_PATH_IMAGE016
表示输出门的权重矩阵，
Figure 568529DEST_PATH_IMAGE017
表示输出门的偏置参数，
Figure 64232DEST_PATH_IMAGE018
表示sigmoid激活函数，
Figure 62275DEST_PATH_IMAGE019
的值决定多少当前状态信息被输出；细胞状态更新的计算公式为：
Figure 959824DEST_PATH_IMAGE036
，其中，
Figure 876964DEST_PATH_IMAGE037
表示候选状态，
Figure 859964DEST_PATH_IMAGE038
表示细胞状态更新的权重矩阵，
Figure 458435DEST_PATH_IMAGE039
表示细胞状态更新的偏置参数，
Figure 148174DEST_PATH_IMAGE024
表示前一次细胞状态更新，表示tanh激活函数；隐状态输出数据
Figure DEST_PATH_IMAGE040
的计算公式：
Figure 699198DEST_PATH_IMAGE026
。
智慧家庭功能调控步骤，针对预期实现的智慧家庭功能类型，根据所述人居场景特征预测量，采用与该预测量适配的智慧家庭功能调控模式，实现对智慧家庭功能的调控。
智慧家庭具备的功能类型包括温度、湿度、光照度等家居环境的自动调控，对智慧家电的音量、亮度的远程遥控等。人居场景特征预测量包含了对预测人体所在空间区块的实时人体状态预测和实时空间状态预测。对实时人体状态的预测包括实时人体生理状态信息、实时人体动作状态信息、实时人体位置状态信息的预测；实时空间状态的预测包括对空间区块的温度、湿度、光照度、声音音量等参量的预测。因此，可以根据智慧家庭的功能类型，确定功能调控面向的空间区块，并根据实时人体状态和实时空间状态的预测，确定空间区块与所述实时人体状态预测量和/或实时空间状态预测量相匹配的目标状态值，进而基于该目标状态值设定智慧家庭功能调控模式。
例如，对于温度、湿度、光照度等家居环境的自动调控，可以根据所述人居场景相关空间区域，进而根据空间静止、小幅移动、大幅移动、规律往复移动、非规律随机移动等人体位置状态的预测量，在人居场景相关空间区域的基础上进行扩展，作为功能调控面向的空间区块。进而，根据人体的体温、心率、呼吸频率、血氧度等人体生理状态预测量、坐姿、站姿或者卧姿状态等人体动作状态预测量，确定功能调控面向的空间区块中温度、湿度、光照度等因素的调控理想值，再基于该理想值与实时空间状态预测量，确定功能调控面向的空间区块的目标状态值，进而基于该目标状态值设定智慧家庭功能调控模式。
本文中的步骤的划分仅仅是一种逻辑功能的划分，在实际实现时可以有其他的划分方式，例如多个模块可以结合或集成于另一个系统中。作为分离部件说明的模块在物理上可以是分开的，也可以是不分开的。
以上所述，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.基于人居场景智能感知分析的智慧家庭系统，其特征在于，包括：
人体介入定位模块，用于在智慧家庭范围中定位人体直接介入空间区域；
人居场景空间区域模块，根据预期实现的智慧家庭功能类型，在所述人体直接介入空间区域的基础上，延展划定人居场景相关空间区域；
人体状态感知模块，用于感知所述人体的实时人体状态信息；
空间区域传感模块，根据智慧家庭范围布设的传感设施，感知所述人居场景相关空间区域的实时空间状态信息；
人居场景特征提取模块，根据所述实时人体状态信息和实时空间状态信息，基于二者的关联关系进行整合，并进行规整化处理，形成人居场景特征向量；
人居场景特征分析识别模块，根据所述人居场景特征向量，利用神经网络模型对其进行训练，获得与判断窗口累计的人居场景特征向量适应的人居场景特征预测量；
智慧家庭功能调控模块，针对预期实现的智慧家庭功能类型，根据所述人居场景特征预测量，采用与该预测量适配的智慧家庭功能调控模式，实现对智慧家庭功能的调控。
2.根据权利要求1所述的基于人居场景智能感知分析的智慧家庭系统，其特征在于，所述人体介入定位模块在定位人体实时所在的空间区域后，进一步判断该人体的行为模式，进而定位人体直接介入空间区域；其中，在一个预定长度时间段内持续进行人体的感应和识别，期间该人体实时所在的空间区域保持静止或者空间区域变动幅度小于预设阈值，则人体处于静止或者准静止的行为模式，将人体实时所在的空间区域判断为人体直接介入空间区域；如果上述预定长度时间段内人体实时所在的空间区域规律性移动，则将规律性移动的整个途径区域作为所述人体直接介入空间区域；如果上述预定长度时间段内人体实时所在的空间区域呈现无规律性移动，则可以预测性地划定区域范围作为所述人体直接介入空间区域。
3.根据权利要求1所述的基于人居场景智能感知分析的智慧家庭系统，其特征在于，在确定了所述人体直接介入空间区域的基础上，所述人居场景空间区域模块根据预期实现的智慧家庭功能类型，确定该功能类型的相关传感设施和智能设施，以及所述传感设施和智能设施的有效作用空间区域，进而建立所述人体直接介入空间区域和有效作用空间区域的映射关系，基于该映射关系延伸扩展，形成所述人居场景相关空间区域。
4.根据权利要求3所述的基于人居场景智能感知分析的智慧家庭系统，其特征在于，在上述人体直接介入空间区域的基础上，所述人居场景空间区域模块根据上述有效作用空间区域与人体直接介入空间区域的空间重叠、空间联通、空间辐射等空间相对关系以及空间距离，实现二者之间的分区块映射，进而基于该映射关系从人体直接介入空间区域延伸扩展形成所述人居场景相关空间区域。
5.根据权利要求1所述的基于人居场景智能感知分析的智慧家庭系统，其特征在于，所述人居场景特征分析识别模块采用LSTM神经网络模型，根据一个预定时长的判断窗口上历次取样的所述人居场景特征向量，获得LSTM预测模型产生的人居场景特征预测量，该人居场景特征预测量包含了对预测人体所在空间区块的实时人体状态预测和实时空间状态预测。
6.一种基于人居场景智能感知分析方法，其特征在于，包括：
人体介入定位步骤，用于在智慧家庭范围中定位人体直接介入空间区域；
人居场景空间区域步骤，根据预期实现的智慧家庭功能类型，在所述人体直接介入空间区域的基础上，延展划定人居场景相关空间区域；
人体状态感知步骤，用于感知所述人体的实时人体状态信息；
空间区域传感步骤，根据智慧家庭范围布设的传感设施，感知所述人居场景相关空间区域的实时空间状态信息；
人居场景特征提取步骤，根据所述实时人体状态信息和实时空间状态信息，基于二者的关联关系进行整合，并进行规整化处理，形成人居场景特征向量；
人居场景特征分析识别步骤，根据所述人居场景特征向量，利用神经网络模型对其进行训练，获得与判断窗口累计的人居场景特征向量适应的人居场景特征预测量；
智慧家庭功能调控步骤，针对预期实现的智慧家庭功能类型，根据所述人居场景特征预测量，采用与该预测量适配的智慧家庭功能调控模式，实现对智慧家庭功能的调控。
7.根据权利要求6所述的基于人居场景智能感知分析方法，其特征在于，所述人体介入定位步骤在定位人体实时所在的空间区域后，进一步判断该人体的行为模式，进而定位人体直接介入空间区域；其中，在一个预定长度时间段内持续进行人体的感应和识别，期间该人体实时所在的空间区域保持静止或者空间区域变动幅度小于预设阈值，则人体处于静止或者准静止的行为模式，将人体实时所在的空间区域判断为人体直接介入空间区域；如果上述预定长度时间段内人体实时所在的空间区域规律性移动，则将规律性移动的整个途径区域作为所述人体直接介入空间区域；如果上述预定长度时间段内人体实时所在的空间区域呈现无规律性移动，则可以预测性地划定区域范围作为所述人体直接介入空间区域。
8.根据权利要求6所述的基于人居场景智能感知分析方法，其特征在于，在确定了所述人体直接介入空间区域的基础上，所述人居场景空间区域步骤根据预期实现的智慧家庭功能类型，确定该功能类型的相关传感设施和智能设施，以及所述传感设施和智能设施的有效作用空间区域，进而建立所述人体直接介入空间区域和有效作用空间区域的映射关系，基于该映射关系延伸扩展，形成所述人居场景相关空间区域。
9.根据权利要求8所述的基于人居场景智能感知分析方法，其特征在于，在上述人体直接介入空间区域的基础上，所述人居场景空间区域步骤根据上述有效作用空间区域与人体直接介入空间区域的空间重叠、空间联通、空间辐射等空间相对关系以及空间距离，实现二者之间的分区块映射，进而基于该映射关系从人体直接介入空间区域延伸扩展形成所述人居场景相关空间区域。
10.根据权利要求6所述的基于人居场景智能感知分析方法，其特征在于，所述人居场景特征分析识别步骤采用LSTM神经网络模型，根据一个预定时长的判断窗口上历次取样的所述人居场景特征向量，获得LSTM预测模型产生的人居场景特征预测量，该人居场景特征预测量包含了对预测人体所在空间区块的实时人体状态预测和实时空间状态预测。
CN202110556135.6A 2021-05-21 2021-05-21 基于人居场景智能感知分析的智慧家庭系统及其方法 Active CN113031460B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110556135.6A CN113031460B (zh) 2021-05-21 2021-05-21 基于人居场景智能感知分析的智慧家庭系统及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110556135.6A CN113031460B (zh) 2021-05-21 2021-05-21 基于人居场景智能感知分析的智慧家庭系统及其方法

Publications (2)

Publication Number Publication Date
CN113031460A true CN113031460A (zh) 2021-06-25
CN113031460B CN113031460B (zh) 2021-08-03

Family

ID=76455714

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110556135.6A Active CN113031460B (zh) 2021-05-21 2021-05-21 基于人居场景智能感知分析的智慧家庭系统及其方法

Country Status (1)

Country Link
CN (1) CN113031460B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116226655A (zh) * 2022-12-05 2023-06-06 广州视声智能股份有限公司 智慧家庭环境感知方法、装置、存储介质和电子设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105045234A (zh) * 2015-07-10 2015-11-11 西安交通大学 基于智能可穿戴设备行为感知的智能家庭能源管理方法
CN105843065A (zh) * 2016-05-11 2016-08-10 南京邮电大学 一种基于可穿戴设备的情景感知系统及控制方法
US20160349719A1 (en) * 2015-05-29 2016-12-01 Honeywell International Inc. Electronic wearable activity identifier and environmental controller
CN106842972A (zh) * 2017-03-14 2017-06-13 上海斐讯数据通信技术有限公司 一种智能家居设备的预测控制方法及系统
CN107179700A (zh) * 2017-07-03 2017-09-19 杭州善居科技有限公司 一种基于Alljoyn和机器学习的智能家居控制系统和方法
CN109074329A (zh) * 2016-05-12 2018-12-21 索尼公司 信息处理设备、信息处理方法和程序

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160349719A1 (en) * 2015-05-29 2016-12-01 Honeywell International Inc. Electronic wearable activity identifier and environmental controller
CN105045234A (zh) * 2015-07-10 2015-11-11 西安交通大学 基于智能可穿戴设备行为感知的智能家庭能源管理方法
CN105843065A (zh) * 2016-05-11 2016-08-10 南京邮电大学 一种基于可穿戴设备的情景感知系统及控制方法
CN109074329A (zh) * 2016-05-12 2018-12-21 索尼公司 信息处理设备、信息处理方法和程序
CN106842972A (zh) * 2017-03-14 2017-06-13 上海斐讯数据通信技术有限公司 一种智能家居设备的预测控制方法及系统
CN107179700A (zh) * 2017-07-03 2017-09-19 杭州善居科技有限公司 一种基于Alljoyn和机器学习的智能家居控制系统和方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116226655A (zh) * 2022-12-05 2023-06-06 广州视声智能股份有限公司 智慧家庭环境感知方法、装置、存储介质和电子设备

Also Published As

Publication number Publication date
CN113031460B (zh) 2021-08-03

Similar Documents

Publication Publication Date Title
AU2020265650B2 (en) Machine learning motion sensing with auxiliary sensors
CN105357842B (zh) 主控智能灯
Lee et al. A pyroelectric infrared sensor-based indoor location-aware system for the smart home
Shih A robust occupancy detection and tracking algorithm for the automatic monitoring and commissioning of a building
WO2018093463A1 (en) Controlling connected devices using a relationship graph
CN110456320B (zh) 一种基于自由空间步态时序特征的超宽带雷达身份识别方法
CN110377084B (zh) 一种基于智慧控制策略的建筑室内环境调控方法
CN113031460B (zh) 基于人居场景智能感知分析的智慧家庭系统及其方法
US11495054B2 (en) Motion-based human video detection
CN107360066A (zh) 一种家居服务机器人及智能家居系统
US11164435B1 (en) Audio/video recording and communication doorbell devices with supercapacitors
CN112444805A (zh) 基于雷达的分布式多目标检测、定位跟踪与身份识别系统
CN109883016A (zh) 一种空气舒适度调节方法和设备
Hillyard et al. Never use labels: Signal strength-based Bayesian device-free localization in changing environments
CN110989430A (zh) 一种智能家居联动方法、系统和可读存储介质
CN115220034A (zh) 一种人员状态监测方法
JP2011122802A (ja) 空調制御装置、空調制御方法及び輻射温度計測装置
Ma et al. Enabling cognitive pyroelectric infrared sensing: From reconfigurable signal conditioning to sensor mask design
CN114484804B (zh) 空调器控制方法、空调器、电子设备及存储介质
KR101788784B1 (ko) Uwb 센서를 이용해 제스처를 인식하는 방법 및 장치
CN115031847A (zh) 建筑内目标状态判断方法、系统、电子设备、存储介质
CN115273401A (zh) 一种自动感知人员跌倒的方法及系统
CN113915774A (zh) 热水器、水温控制方法、装置、电子设备和存储介质
CA3184629A1 (en) Precipitation removal from video
CN113960692B (zh) 毫米波的感知方法、装置、电子设备和存储介质

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