CN113359496A - 智能家居数据控制方法、装置、设备及存储介质 - Google Patents
智能家居数据控制方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113359496A CN113359496A CN202110720169.4A CN202110720169A CN113359496A CN 113359496 A CN113359496 A CN 113359496A CN 202110720169 A CN202110720169 A CN 202110720169A CN 113359496 A CN113359496 A CN 113359496A
- Authority
- CN
- China
- Prior art keywords
- information
- room
- state
- terminal
- result
- 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 65
- 238000001514 detection method Methods 0.000 claims abstract description 79
- 238000012544 monitoring process Methods 0.000 claims abstract description 44
- 206010048669 Terminal state Diseases 0.000 claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000012790 confirmation Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 11
- 230000001960 triggered effect Effects 0.000 claims description 4
- 206010063385 Intellectualisation Diseases 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 24
- 239000013598 vector Substances 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 7
- 230000000284 resting effect Effects 0.000 description 6
- 206010041235 Snoring Diseases 0.000 description 5
- 230000036578 sleeping time Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000002618 waking effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static 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
- 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
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2642—Domotique, domestic, home control, automation, smart house
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Selective Calling Equipment (AREA)
Abstract
本发明涉及数据处理技术领域，本发明公开了一种智能家居数据控制方法、装置、设备及存储介质，所述方法包括：通过获取状态检测请求中的居室编号；自预设数据库中获取与居室编号关联的包含对象标识、对象终端连接信息和对象声纹信息的居室对象信息；获取出入记录，进行分析得到居室成员信息；建立与对象终端连接信息对应的终端，并监控该终端的终端状态信息；实时采集居室声源信息，并进行状态识别，得到对象状态信息；根据居室成员信息、终端状态信息和对象状态信息，确认出居室状态，并发出居室控制数据。因此，本发明实现了结合居室成员信息、终端状态信息和对象状态信息，自动针对用户的状态执行控制数据，实现家居的智能化和自动化。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种智能家居数据控制方法、装置、设备及存储介质。
背景技术
目前，智能家居大部分都是通过语音识别或者智能手机APP进行控制开启、关闭以及执行指令，例如：通过语音“小x小x，我要听xxxx”或者“xx 精灵，打开xxxx”以唤醒或者命令智能音箱；通过移动终端安装的智能家居控制APP或语音指令以开关、控制智能家居，比如卧室里的灯光、窗帘、电视等，然而用户在现实使用过程中，该联动方式在大多数场景下并不实用，比如在准备睡觉的时候，还要语音或者手机来操作控制灯光变暗或者关闭，就打断了用户自然入睡的状态，又需要重新进入，或者在身体很疲惫的时候，要通过说话或者操作终端以操作智能家居，是十分乏力的事情，就使得身体得不到完全放松，因此，智能家居的智能化不够，不能根据人所处的场景自动作出操作，因此，传统的智能家居只在特定的场景才会应用上，存在应用局限性，智能化不高，推广性不强。
发明内容
本发明提供一种智能家居数据控制方法、装置、计算机设备及存储介质，实现了自动判断居室中的对象是否进入睡眠状态，无需人工发出语音或者指令以进行睡眠状态的操作，完全实现智能化和自动化。
一种智能家居数据控制方法，包括：
接收到状态检测请求，获取所述状态检测请求中的居室编号；
自预设数据库中获取与所述居室编号关联的居室对象信息；所述居室对象信息包括对象标识、对象终端连接信息和对象声纹信息；
从所述预设数据库中获取与所述居室编号关联的出入记录，对所述出入记录进行分析得到居室成员信息；
建立与所述对象终端连接信息对应的终端，并监控该终端的终端状态信息；
实时采集居室声源信息，并对所述居室声源信息与所述对象声纹信息进行状态识别，得到对象状态信息；
根据所述居室成员信息、所述终端状态信息和所述对象状态信息，确认出居室状态，并发出与所述居室状态对应的居室控制数据。
一种智能家居数据控制装置，包括：
接收模块，用于接收到状态检测请求，获取所述状态检测请求中的居室编号；
获取模块，用于自预设数据库中获取与所述居室编号关联的居室对象信息；所述居室对象信息包括对象标识、对象终端连接信息和对象声纹信息；
关联模块，用于从所述预设数据库中获取与所述居室编号关联的出入记录，对所述出入记录进行分析得到居室成员信息；
建立模块，用于建立与所述对象终端连接信息对应的终端，并监控该终端的终端状态信息；
采集模块，用于实时采集居室声源信息，并对所述居室声源信息与所述对象声纹信息进行状态识别，得到对象状态信息；
确认模块，用于根据所述居室成员信息、所述终端状态信息和所述对象状态信息，确认出居室状态，并发出与所述居室状态对应的居室控制数据。
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智能家居数据控制方法的步骤。
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智能家居数据控制方法的步骤。
本发明提供的智能家居数据控制方法、装置、计算机设备及存储介质，通过接收到状态检测请求，获取所述状态检测请求中的居室编号；自预设数据库中获取与所述居室编号关联的包含有对象标识、对象终端连接信息和对象声纹信息的居室对象信息；从所述预设数据库中获取与所述居室编号关联的出入记录，并分析得到居室成员信息；建立与所述对象终端连接信息对应的终端，并监控该终端的终端状态信息；实时采集居室声源信息，并对所述居室声源信息与所述对象声纹信息进行状态识别，获得对象状态信息；根据所述居室成员信息、所述终端状态信息和所述对象状态信息，输出居室状态，并发出与所述居室状态对应的居室控制数据，如此，实现了通过自动获取居室对象信息，自动根据出入记录分析出居室成员信息，和监控终端状态信息，以及通过对所述居室声源信息和所述对象声纹信息进行状态识别，得到对象状态信息，结合居室成员信息、终端状态信息和对象状态信息，自动确认出居室状态并发出相应的居室控制数据，能够达到自动判断居室中的对象是否进入睡眠状态，无需人工发出语音或者指令以进行睡眠状态的操作，自动针对用户的状态执行控制数据，实现家居的智能化和自动化。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中智能家居数据控制方法的应用环境示意图；
图2是本发明一实施例中智能家居数据控制方法的流程图；
图3是本发明一实施例中智能家居数据控制方法的步骤S10的流程图；
图4是本发明一实施例中智能家居数据控制方法的步骤S30的流程图；
图5是本发明一实施例中智能家居数据控制方法的步骤S40的流程图；
图6是本发明一实施例中智能家居数据控制方法的步骤S50的流程图；
图7是本发明一实施例中智能家居数据控制方法的步骤S60的流程图；
图8是本发明一实施例中智能家居数据控制装置的原理框图；
图9是本发明一实施例中计算机设备的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供的智能家居数据控制方法，可应用在如图1的应用环境中，其中，客户端(计算机设备或终端)通过网络与服务器进行通信。其中，客户端(计算机设备或终端)包括但不限于为各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一实施例中，如图2所示，提供一种智能家居数据控制方法，其技术方案主要包括以下步骤S10-S60：
S10，接收到状态检测请求，获取所述状态检测请求中的居室编号。
可理解地，用户在进入自己的卧室后，卧室中的服务器接收到所述状态检测请求，所述状态检测请求的触发方式可以根据需求设定，比如触发方式为定时触发，即每隔预设时间段触发一次，或者检测到当前时刻与设置的关键作息时间点相等时自动触发等等，所述状态检测请求包括所述居室编号，所述居室编号为给予安装有智能家居的房间唯一的标识，通过所述居室编号可以对与其对应的房间中的智能家居进行管理。
在一实施例中，如图3所示，所述步骤S10之前，即所述接收到状态检测请求之前，包括：
S101，获取历史预设时间段与所述居室编号关联的作息记录。
可理解地，所述历史预设时间段为历史的一段时间，所述历史预设时间段可以根据需求设置，比如一个月、三个月等等，通过从所述预设数据库中获取历史预设时间段内与所述居室编号关联的所有作息记录，所述作息记录为历史与所述居室编号对应的房间执行睡眠状态相关操作的时间点，所述作息记录包括执行历史的居室控制数据的时间点，该时间点可以为当天最后一次执行当天的居室控制数据的时刻，即当天真实的作息时间点。
S102，对所述作息记录进行曲线生成处理，得到与所述居室编号关联的作息曲线。
可理解地，所述曲线生成处理的过程为将所述预设时间段作为横轴，24 小时作为纵轴，构建时间坐标，将所述作息记录中的时间点在该时间坐标中进行标记，并绘制成曲线的过程，将绘制的曲线确定为所述作息曲线。
S103，对所述作息曲线进行分析，得到关键作息时间点。
可理解地，所述分析的过程为识别出所述对象的工作日和休息日，并从工作日和休息日中找出所述作息曲线中的周期规律，所述作息曲线包括历史作息时间点和历史真实入睡时间点，找出所述作息曲线中的周期规律的过程为从所述作息曲线中分离出工作日的曲线，根据工作日的曲线中的所有历史作息时间点和所有历史真实入睡时间点，得到与所有历史作息时间点对应的一个历史准备时间函数，以及与所有历史真实入睡时间点对应的一个历史入睡时间函数，确定出所述历史准备时间函数和所述历史入睡时间函数的时间差距函数，对该时间差距函数进行周期递减，所述周期递减为连续的预设周期之间两两相邻预设周期的差距函数输出的值的递减比例，可以找出工作日的曲线中的周期规律，同理可以找出休息日中的曲线的周期规律，将找出工作日的曲线中的周期规律和休息日的曲线中的周期规律合并，得到作息曲线中的周期规律的过程，从而能够预测出下一个工作日或下一个工作日周期的作息时间点，以及下一个休息日或下一个休息日周期的作息时间点，将预测出的所述时间点记录为关键作息时间点。
其中，识别所述对象的工作日和休息日的过程可以为通过对象的所述历史预设时间段之前的历史作息记录分析出对象的工作日时间表和休息日时间表，即通过历史作息记录中的进出房间的时间距离，进出房间的时间距离包括进入房间和离开房间的时间距离以及离开房间和进入房间的时间距离，判断出历史预设时间段之前哪天为工作日或者休息日，形成一个工作日时间表和休息日时间表，通过对工作日时间表和休息日时间表进行预测，得到所述作息曲线的工作日和休息日。
S104，在所述关键作息时间点被触发时，响应所述状态检测请求。
可理解地，所述关键作息时间点被触发是指当前的时刻达到所述关键作息时间点时触发，从而触发生成所述状态检测请求。
本发明实现了通过获取历史预设时间段与所述居室编号关联的作息记录；对所述作息记录进行曲线生成处理，得到与所述居室编号关联的作息曲线；对所述作息曲线进行分析，得到关键作息时间点；在所述关键作息时间点被触发时，响应所述状态检测请求，如此，实现了通过历史的作息记录，合理地分析出对象的关键作息时间点的周期，能够根据关键作息时间点的周期预测出未来的关键作息时间点。
S20，自预设数据库中获取与所述居室编号关联的居室对象信息；所述居室对象信息包括对象标识、对象终端连接信息和对象声纹信息。
可理解地，所述预设数据库为提供所有房间的智能家居通信和存储数据的数据库，所述居室对象信息为与居住在所述居室编号的房间的主人或者对象的相关信息，所述对象标识为在使用智能家居过程中给不同的用户赋予一个唯一的标识，所述对象终端连接信息为连接与所述对象标识对应的用户的终端的信息，即允许与所述对象标识对应的用户的终端进行方位或者通信的协议信息，所述对象声纹信息为与所述对象标识对应的用户的声纹样本的信息，或者与所述对象标识对应的用户的声纹特征的信息。
S30，从所述预设数据库中获取与所述居室编号关联的出入记录，对所述出入记录进行分析得到居室成员信息。
可理解地，所述出入记录为用户进出卧室或者居室的相关记录，对所述出入记录进行分析的过程可以为判断所述出入记录中的各个对象进入卧室还是离开卧室，从而确定出与所述居室编号对应的房间中的成员，从而得到所述居室成员信息，所述居室成员信息体现了当前在与所述居室编号对应的房间中的成员相关的信息。
在一实施例中，如图4所示，所述步骤S30之前，即所述获取与所述对象标识关联的出入记录之前，包括：
S301，实时获取来自与所述居室编号对应的图像采集设备的出入监控视频，以及获取与所述对象标识对应的对象出入检测模型。
可理解地，所述居室编号对应的图像采集设备是指安装在与所述居室编号对应的房间外的门口上方的图像采集设备，或者能够监控到与所述居室编号对应的房间外的门口的角落的图像采集设备，所述出入监控视频为进出与所述居室编号对应的房间的视频，通过实时获取所述出入监控视频，以及从所述预设数据库中查找到与所述居室编号对应的所述对象标识对应的所述对象出入检测模型，一个所述对象标识对应一个所述对象出入检测模型，所述出入居室检测模型为训练完成的用于检测该对象标识进出的深度卷积神经网络模型。
S302，通过获取的所述对象出入检测模型，对所述出入监控视频进行对象识别和出入状态识别，得到与所述监控视频对应的出入结果；所述出入结果表征了与所述对象标识对应的对象出入与所述居室编号对应的房间的结果。
可理解地，所述对象识别为对输入的图像或者视频进行与所述对象相关的特征的识别，从而识别出是否为该对象的过程，所述出入状态识别为识别进出房间的动作的过程，根据所述对线识别的结果和出入状态识别的结果确定出所述出入结果。
在一实施例中，所述步骤S302中，即所述通过获取的所述对象出入检测模型，对所述出入监控视频进行对象识别和出入状态识别，得到与所述监控视频对应的出入结果，包括：
通过所述对象出入检测模型对所述出入监控视频进行抽取，得到多个待识别图像。
可理解地，从对所述监控视频进行均等划分，得到与所述预设数量相同数量的均分视频，所述预设数量可以根据需求设定，比如预设数量为10、15 等，作为优选，所述预设数量为10，从各所述均分视频中抽取出与各所述均分视频一一对应的所述待识别图像，抽取的方式可以为时间戳最早的所述均分视频中随机抽取所述待识别图像，再按照所述待识别图像的间距进行抽取，所述待识别图像的间距为T＝S/N，其中，S为所述预设时间段的总帧数，N为所述预设数量；也可以为对每段所述均分视频进行随机抽取一个所述待识别图像，所述待识别图像为抽取出的一帧图像。
将所有所述待识别图像分别输入对象检测模型和出入检测模型。
可理解地，所述对象出入检测模型包括所述对象检测模型和出入检测模型，所述对象检测模型为训练完成的用于识别对象的目标检测模型，所述出入检测模型为训练完成的用于识别目标对象的时序动作的分类模型，所述对象检测模型的网络结构可以根据需求设定，比如对象检测模型的网络结构为 YOLO、SSD或者VGG19等等目标检测模型的网络结构。
通过所述对象检测模型对各所述待识别图像进行对象特征提取及识别，得到与各所述识别图像对应的概率结果，根据所有所述概率结果，确定出第一识别结果。
可理解地，所述对象检测模型能够识别出输入的所述待识别图像中的目标是否为与所述对象标识对应的对象的模型，所述对象检测模型为通过运用注意力机制的ResNet18进行卷积，将卷积后的结果再通过SSD模型的卷积层进行卷积，以及通过SSD模型的全连接层进行全连接，输出对象区域，再通过对所述对象区域进行尺寸转换处理，并对尺寸转换后的区域进行对象特征的提取，然后通过基于SSD的VGG16的卷积层(或者部分SSD模型中的部分VGG16的卷积层)对所述对象特征图进行卷积，从而进行对象识别，识别出所述待识别图像中的对象，并输出所述概率结果，所述概率结果表明了识别出与所述对象标识对应的对象的概率，根据所有待识别图像的所述概率结果，确定出所述第一识别结果，确定的过程可以取所有所述概率结果中的概率均值，判断该概率均值是否大于或者等于预设阈值，若大于或者等于该预设阈值，确定出第一识别结果为该对象标识，否则确定出第一识别结果不为该对象标识，所述第一识别结果表明了所述监控视频中是否为与所述对象标识对应的对象，以及与所述对象标识对应的对象的概率。
通过所述出入检测模型对各所述待识别图像进行姿态时序识别，得到第二识别结果。
可理解地，所述出入检测模型能够识别出输入的图像中的移动对象进出的分类模型，由于人体姿态变化是一个过程动作，所以各所述待识别图像就会存在时间上的时序过程，所述出入检测模型为通过求两帧图像之间的运动信息-光流来获取时序信息，输出光流图，然后对转换成光流图进行目标姿态时序识别的模型，所述目标姿态时序识别为对光流图进行人体移动光流特征识别，即横向和纵向的特征识别，对提取后的人体移动光流特征进行识别，判断是否存在横向或纵向的快速移动的特征向量，从而确定出所述待识别图像的对象进出的概率，即光流结果，从而根据所有光流结果，计算出所述第二识别结果。
根据所述第一识别结果和所述第二识别结果，确定出所述出入结果。
可理解地，若所述第一识别结果为所述对象标识，将所述第一识别结果和所述第二识别结果进行组合，并引入此时确定的时刻，输出所述出入结果，例如：第一识别结果为对象标识“001”，第二识别结果为“入”，此时为“2020-08-09 19:00”，则出入结果为“2020-08-09 19:00 001入”，若所述第一识别结果不为所述对象标识，则不做处理，将出入结果设置为他人信息。
本发明实现了通过所述对象出入检测模型对所述出入监控视频进行抽取，得到多个待识别图像；将所有所述待识别图像分别输入对象检测模型和出入检测模型；通过所述对象检测模型对各所述待识别图像进行对象特征提取及识别，得到与各所述识别图像对应的概率结果，根据所有所述概率结果，确定出第一识别结果；通过所述出入检测模型对各所述待识别图像进行姿态时序识别，得到第二识别结果；根据所述第一识别结果和所述第二识别结果，确定出所述出入结果，如此，通过对象检测模型和出入检测模型分别从对象特征和出入的姿态时序进行识别，能够准确地识别出出入结果，提高了识别准确性和可靠性。
S303，将所述出入结果插入至与所述对象标识关联的所述出入记录中。
可理解地，在与所述对象标识关联的所述出入记录的最后插入所述出入结果，如此，可以不断将最新的出入结果插入其后，可以按照时间顺序不断滚动记录。
本发明实现了通过实时获取来自与所述居室编号对应的图像采集设备的出入监控视频，以及获取与所述对象标识对应的对象出入检测模型；通过获取的所述对象出入检测模型，对所述出入监控视频进行对象识别和出入状态识别，得到与所述监控视频对应的出入结果；所述出入结果表征了与所述对象标识对应的对象出入与所述居室编号对应的房间的结果；将所述出入结果插入至与所述对象标识关联的所述出入记录中，如此，通过实时对出入监控视频的识别，能够准确地记录对象的出入记录，为后续的状态识别提供了数据基础。
S40，建立与所述对象终端连接信息对应的终端，并监控该终端的终端状态信息。
可理解地，所述终端可以为手环、手机或者心率检测仪等等，所述终端状态信息为通过终端检测的所述对象的移动或者运动相关的信息，通过终端可以采集到对象是否进入睡眠状态，或者进入睡眠状态的过程中。
在一实施例中，如图5所示，所述步骤S40中，即所述建立与所述对象终端连接信息对应的终端，并监控该终端的终端状态信息，包括：
S401，实时监控所述终端的运行状态信息。
可理解地，实时监控为定时获取所述终端返回的监控数据，所述监控数据体现了该终端的运行状态信息，其中，所述终端可以为手环、手机或者心率检测仪等等，所述运行状态信息为终端运行过程中的过程数据的集合，例如：终端为手环，运行状态信息为手环中的移动步数和是否在移动状态的状态数据；终端为心率检测仪，运行状态信息为心率数值以及心率周期性数据等等。
S402，对预设时间内监控的所有所述运行状态信息进行运行分析，得到运行状态结果。
可理解地，所述运行分析可以为检测是否已经超过15分钟没有运行动作，即判定处于睡眠状态，或者检测心率处于缓和的周期性的心跳规律，也可以为检测是否未出现动作晃动或者移动的时间超过10分钟等等。
S403，根据所述运行状态结果实时更新所述终端状态信息。
本发明实现了通过实时监控所述终端的运行状态信息；对预设时间内监控的所有所述运行状态信息进行运行分析，得到运行状态结果；根据所述运行状态结果实时更新所述终端状态信息，如此，通过监控终端的运行状态信息并做运行分析，实时更新终端状态信息，及时反馈对象的生命体征信息，为后续的确认居室状态提供准确的数据基础。
S50，实时采集居室声源信息，并对所述居室声源信息与所述对象声纹信息进行状态识别，得到对象状态信息。
可理解地，通过声音采集器实时采集居室声源信息，所述声音采集器为安装在与所述居室编号对应的房间中，优选地，所述声音采集器安装在所述对象休息的床边，如此，能够更加方便接收到对象未进入睡眠状态以及进入睡眠状态的声音，所述居室声源信息为通过所述声音采集器采集到房间内的声音的音频文件，。
其中，通过所述声音采集器可以在确认对象进入睡眠状态后采集对象在睡眠状态下的睡眠声音，例如：用户在睡觉过程中发出的鼾声，采集鼾声作为用户进入睡眠状态中的其中一个对象声纹信息，也采集没有鼾声的音频文件作为用户进入睡眠状态中的其中一个对象声纹信息，还采集用户进入睡眠状态之前发出的用户的声音，将发出的声音作为用户未进入睡眠状态且处于清醒状态的一个对象声纹信息。
在一实施例中，如图6所示，所述步骤S50中，即所述实时采集居室声源信息，并对所述居室声源信息与所述对象声纹信息进行状态识别，得到对象状态信息，包括：
S501，对所述居室声源信息进行声纹提取，得到声纹结果。
可理解地，对所述居室声源信息进行高斯噪声过滤，以去除房间内的杂音或者外界传入的噪声，将高斯噪声过滤后的所述居室声源信息输入训练完成的声纹检测模型中，通过该声纹检测模型提取高斯噪声过滤后的所述居室声源信息中的声纹特征(例如：i-vector、j-vector等等特征)，输出该居室声源信息的声纹特征向量，将该声纹特征向量确定为所述声纹结果。
S502，将所述声纹结果与所述对象声纹信息进行对比，得到对比结果。
可理解地，所述对比过程包括对所述对象声纹信息进行所述声纹特征的提取，得到与所述声纹信息对应的样本特征向量，一个所述对象声纹信息对应一个所述样本特征向量，再将所述声纹结果分别与各所述样本特征向量进行声纹特征维度的对比，得出所述声纹结果是否与其中一个所述样本特征向量相似的所述对比结果。
其中，提取鼾声所对应的对象声纹信息得到的声纹特征向量，和提取清醒状态发出的用户声音所对应的对象声纹信息得到的声纹特征向量不同，因为鼾声主要是通过鼻音发出的声音，普通用户声音是嗓音发出的声音。
S503，根据所述对比结果进行状态识别，识别出所述对象状态信息。
可理解地，根据所述对比结果中与一个所述样本特向量相似的所述对象声纹信息所对应的状态进行状态识别，将该状态确认为所述对象状态信息，所述状态识别还包括根据当前的所述对比结果，以及该对比结果之前邻近出现的历史的对比结果，进行概率分布统计，得到当前该对象所处的状态的识别过程，如此，能够通过声纹特征方面准确地识别出此时对象所处的对象状态信息。
本发明实现了通过对所述居室声源信息进行声纹提取，得到声纹结果；将所述声纹结果与所述对象声纹信息进行对比，得到对比结果；根据所述对比结果进行状态识别，识别出所述对象状态信息，如此，实现了自动对比声纹结果和对象声纹信息，进行状态识别，识别出对象状态信息，避免鼾声也判断成未进入睡眠状态，作出误判的操作，从而能够提高识别准确率和可靠性。
S60，根据所述居室成员信息、所述终端状态信息和所述对象状态信息，确认出居室状态，并发出与所述居室状态对应的居室控制数据。
可理解地，在所述居室成员信息仅为与所述对象标识对应的对象，且所述终端状态信息和所述对象状态信息均体现为与所述对象标识对应的对象处于睡眠状态时，确认出所述居室状态为进入睡眠状态，所述居室状态包括睡眠状态、阅读状态或者其他状态，此时向服务器或者智能家居发出与该居室状态对应的所述居室控制数据，所述居室控制数据为控制与所述居室状态对应的所述居室编号关联的智能家居作出相应操作的数据，通过所述居室控制数据，可以控制智能家居作出关灯、关上窗帘、调整室内温度及播放自然音乐等操作。
本发明实现了通过接收到状态检测请求，获取所述状态检测请求中的居室编号；自预设数据库中获取与所述居室编号关联的包含有对象标识、对象终端连接信息和对象声纹信息的居室对象信息；从所述预设数据库中获取与所述居室编号关联的出入记录，并分析得到居室成员信息；建立与所述对象终端连接信息对应的终端，并监控该终端的终端状态信息；实时采集居室声源信息，并对所述居室声源信息与所述对象声纹信息进行状态识别，获得对象状态信息；根据所述居室成员信息、所述终端状态信息和所述对象状态信息，输出居室状态，并发出与所述居室状态对应的居室控制数据，如此，实现了通过自动获取居室对象信息，自动根据出入记录分析出居室成员信息，和监控终端状态信息，以及通过对所述居室声源信息和所述对象声纹信息进行状态识别，得到对象状态信息，结合居室成员信息、终端状态信息和对象状态信息，自动确认出居室状态并发出相应的居室控制数据，能够达到自动判断居室中的对象是否进入睡眠状态，无需人工发出语音或者指令以进行睡眠状态的操作，自动针对用户的状态执行控制数据，实现家居的智能化和自动化。
在一实施例中，如图7所示，所述步骤S60中，即所述根据所述居室成员信息、所述终端状态信息和所述对象状态信息，确认出居室状态，包括：
S601，获取与所述居室成员信息、所述终端状态信息和所述对象状态信息均匹配的蜂鸣数据，并发出该蜂鸣数据。
可理解地，根据所述居室成员信息、所述终端状态信息和所述对象状态信息，从数据库中查找与所述居室成员信息、所述终端状态信息和所述对象状态信息完全匹配的所述蜂鸣数据，所述蜂鸣数据为根据所述居室成员信息、所述终端状态信息和所述对象状态信息的不同组合对应的不同的蜂鸣声音以及蜂鸣声的大小的音频文件，将查找到的所述蜂鸣数据进行播放。
S602，针对所述蜂鸣数据进行二次确认，接收到二次确认后的确认结果。
可理解地，在发出所述蜂鸣数据之后，通过所述声音采集器采集环境的声音，进行二次确认，所述二次确认的过程包括在发出所述蜂鸣数据之后是否采集到用户发出“中止”或者“未睡眠”等中断居室状态进入睡眠状态的声音，可以通过语音识别识别出用户发出的声音，然后判断是否进行中断，所述二次确认的过程还包括在发出所述蜂鸣数据之后是否接收到用户轻触感知设备等设备的中断信号，以判断是否进行中断，从而将判断的结果确认为所述确认结果，为了避免检测失误，能够通过轻触感知设备或者发出中断操作的语音，以取消进一步的操作，还原到起初前的状态。
S603，根据所述确认结果，确认出所述居室状态。
可理解地，将所述确认结果刷新所述居室状态，即将进入睡眠状态的居室状态切换回起初未进入睡眠状态的居室状态。
本发明实现了通过获取与所述居室成员信息、所述终端状态信息和所述对象状态信息均匹配的蜂鸣数据，并发出该蜂鸣数据；针对所述蜂鸣数据进行二次确认，接收到二次确认后的确认结果；根据所述确认结果，确认出所述居室状态，如此，实现了通过二次确认，避免检测失误，提高了确认居室状态的准确性。
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，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，提供一种智能家居数据控制装置，该智能家居数据控制装置与上述实施例中智能家居数据控制方法一一对应。如图8所示，该智能家居数据控制装置包括接收模块11、配置模块12、获取模块13、存储模块 14和设置模块15。各功能模块详细说明如下：
接收模块11，用于接收到状态检测请求，获取所述状态检测请求中的居室编号；
获取模块12，用于自预设数据库中获取与所述居室编号关联的居室对象信息；所述居室对象信息包括对象标识、对象终端连接信息和对象声纹信息；
关联模块13，用于从所述预设数据库中获取与所述居室编号关联的出入记录，对所述出入记录进行分析得到居室成员信息；
建立模块14，用于建立与所述对象终端连接信息对应的终端，并监控该终端的终端状态信息；
采集模块15，用于实时采集居室声源信息，并对所述居室声源信息与所述对象声纹信息进行状态识别，得到对象状态信息；
确认模块16，用于根据所述居室成员信息、所述终端状态信息和所述对象状态信息，确认出居室状态，并发出与所述居室状态对应的居室控制数据。
在一实施例中，所述接收模块11包括：
获取子模块，用于获取历史预设时间段与所述居室编号关联的作息记录；
生成子模块，用于对所述作息记录进行曲线生成处理，得到与所述居室编号关联的作息曲线；
分析子模块，用于对所述作息曲线进行分析，得到关键作息时间点；
响应子模块，用于在所述关键作息时间点被触发时，响应所述状态检测请求。
在一实施例中，所述关联模块13包括：
获取单元，用于实时获取来自与所述居室编号对应的图像采集设备的出入监控视频，以及获取与所述对象标识对应的对象出入检测模型；
识别单元，用于通过获取的所述对象出入检测模型，对所述出入监控视频进行对象识别和出入状态识别，得到与所述监控视频对应的出入结果；所述出入结果表征了与所述对象标识对应的对象出入与所述居室编号对应的房间的结果；
插入单元，用于将所述出入结果插入至与所述对象标识关联的所述出入记录中。
在一实施例中，所述识别单元包括：
抽取子单元，用于通过所述对象出入检测模型对所述出入监控视频进行抽取，得到多个待识别图像；
输入子单元，用于将所有所述待识别图像分别输入对象检测模型和出入检测模型；
提取子单元，用于通过所述对象检测模型对各所述待识别图像进行对象特征提取及识别，得到与各所述识别图像对应的概率结果，根据所有所述概率结果，确定出第一识别结果；
识别子单元，用于通过所述出入检测模型对各所述待识别图像进行姿态时序识别，得到第二识别结果；
确定子单元，用于根据所述第一识别结果和所述第二识别结果，确定出所述出入结果。
在一实施例中，所述建立模块14包括：
监控子模块，用于实时监控所述终端的运行状态信息；
运行分析子模块，用于对预设时间内监控的所有所述运行状态信息进行运行分析，得到运行状态结果；
更新子模块，用于根据所述运行状态结果实时更新所述终端状态信息。
在一实施例中，所述采集模块15包括：
声纹提取子模块，用于对所述居室声源信息进行声纹提取，得到声纹结果；
声纹对比子模块，用于将所述声纹结果与所述对象声纹信息进行对比，得到对比结果；
状态识别子模块，用于根据所述对比结果进行状态识别，识别出所述对象状态信息。
在一实施例中，所述确认模块16包括：
发出子模块，用于获取与所述居室成员信息、所述终端状态信息和所述对象状态信息均匹配的蜂鸣数据，并发出该蜂鸣数据；
接收子模块，用于针对所述蜂鸣数据进行二次确认，接收到二次确认后的确认结果；
返回子模块，用于根据所述确认结果，确认出所述居室状态。
关于智能家居数据控制装置的具体限定可以参见上文中对于智能家居数据控制方法的限定，在此不再赘述。上述智能家居数据控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是客户端或者服务端，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括可读存储介质、内存储器。该可读存储介质存储有操作系统、计算机程序和数据库。该内存储器为可读存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种智能家居数据控制方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中智能家居数据控制方法。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中智能家居数据控制方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是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非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM (DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM (DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
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。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种智能家居数据控制方法，其特征在于，包括：
接收到状态检测请求，获取所述状态检测请求中的居室编号；
自预设数据库中获取与所述居室编号关联的居室对象信息；所述居室对象信息包括对象标识、对象终端连接信息和对象声纹信息；
从所述预设数据库中获取与所述居室编号关联的出入记录，对所述出入记录进行分析得到居室成员信息；
建立与所述对象终端连接信息对应的终端，并监控该终端的终端状态信息；
实时采集居室声源信息，并对所述居室声源信息与所述对象声纹信息进行状态识别，得到对象状态信息；
根据所述居室成员信息、所述终端状态信息和所述对象状态信息，确认出居室状态，并发出与所述居室状态对应的居室控制数据。
2.如权利要求1所述的智能家居数据控制方法，其特征在于，所述接收到状态检测请求之前，包括：
获取历史预设时间段与所述居室编号关联的作息记录；
对所述作息记录进行曲线生成处理，得到与所述居室编号关联的作息曲线；
对所述作息曲线进行分析，得到关键作息时间点；
在所述关键作息时间点被触发时，响应所述状态检测请求。
3.如权利要求1所述的智能家居数据控制方法，其特征在于，所述获取与所述对象标识关联的出入记录之前，包括：
实时获取来自与所述居室编号对应的图像采集设备的出入监控视频，以及获取与所述对象标识对应的对象出入检测模型；
通过获取的所述对象出入检测模型，对所述出入监控视频进行对象识别和出入状态识别，得到与所述监控视频对应的出入结果；所述出入结果表征了与所述对象标识对应的对象出入与所述居室编号对应的房间的结果；
将所述出入结果插入至与所述对象标识关联的所述出入记录中。
4.如权利要求3所述的智能家居数据控制方法，其特征在于，所述通过获取的所述对象出入检测模型，对所述出入监控视频进行对象识别和出入状态识别，得到与所述监控视频对应的出入结果，包括：
通过所述对象出入检测模型对所述出入监控视频进行抽取，得到多个待识别图像；
将所有所述待识别图像分别输入对象检测模型和出入检测模型；
通过所述对象检测模型对各所述待识别图像进行对象特征提取及识别，得到与各所述识别图像对应的概率结果，根据所有所述概率结果，确定出第一识别结果；
通过所述出入检测模型对各所述待识别图像进行姿态时序识别，得到第二识别结果；
根据所述第一识别结果和所述第二识别结果，确定出所述出入结果。
5.如权利要求1所述的智能家居数据控制方法，其特征在于，所述建立与所述对象终端连接信息对应的终端，并监控该终端的终端状态信息，包括：
实时监控所述终端的运行状态信息；
对预设时间内监控的所有所述运行状态信息进行运行分析，得到运行状态结果；
根据所述运行状态结果实时更新所述终端状态信息。
6.如权利要求1所述的智能家居数据控制方法，其特征在于，所述实时采集居室声源信息，并对所述居室声源信息与所述对象声纹信息进行状态识别，得到对象状态信息，包括：
对所述居室声源信息进行声纹提取，得到声纹结果；
将所述声纹结果与所述对象声纹信息进行对比，得到对比结果；
根据所述对比结果进行状态识别，识别出所述对象状态信息。
7.如权利要求1所述的智能家居数据控制方法，其特征在于，所述根据所述居室成员信息、所述终端状态信息和所述对象状态信息，确认出居室状态，包括：
获取与所述居室成员信息、所述终端状态信息和所述对象状态信息均匹配的蜂鸣数据，并发出该蜂鸣数据；
针对所述蜂鸣数据进行二次确认，接收到二次确认后的确认结果；
根据所述确认结果，确认出所述居室状态。
8.一种智能家居数据控制装置，其特征在于，包括：
接收模块，用于接收到状态检测请求，获取所述状态检测请求中的居室编号；
获取模块，用于自预设数据库中获取与所述居室编号关联的居室对象信息；所述居室对象信息包括对象标识、对象终端连接信息和对象声纹信息；
关联模块，用于从所述预设数据库中获取与所述居室编号关联的出入记录，对所述出入记录进行分析得到居室成员信息；
建立模块，用于建立与所述对象终端连接信息对应的终端，并监控该终端的终端状态信息；
采集模块，用于实时采集居室声源信息，并对所述居室声源信息与所述对象声纹信息进行状态识别，得到对象状态信息；
确认模块，用于根据所述居室成员信息、所述终端状态信息和所述对象状态信息，确认出居室状态，并发出与所述居室状态对应的居室控制数据。
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任一项所述智能家居数据控制方法。
10.一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，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述智能家居数据控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110720169.4A CN113359496A (zh) | 2021-06-28 | 2021-06-28 | 智能家居数据控制方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110720169.4A CN113359496A (zh) | 2021-06-28 | 2021-06-28 | 智能家居数据控制方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113359496A true CN113359496A (zh) | 2021-09-07 |
Family
ID=77536847
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110720169.4A Pending CN113359496A (zh) | 2021-06-28 | 2021-06-28 | 智能家居数据控制方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113359496A (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103648209A (zh) * | 2013-11-25 | 2014-03-19 | 银川博聚工业产品设计有限公司 | 睡眠控制的灯具 |
| CN105020849A (zh) * | 2015-06-29 | 2015-11-04 | 广东美的制冷设备有限公司 | 空调控制方法及装置 |
| CN105094093A (zh) * | 2015-07-30 | 2015-11-25 | 四川长虹电器股份有限公司 | 一种智能家居控制方法及控制中心 |
| CN105249948A (zh) * | 2015-09-11 | 2016-01-20 | 上海卓易科技股份有限公司 | 基于睡眠监测的电器控制系统及方法 |
| CN107370645A (zh) * | 2017-07-18 | 2017-11-21 | 广东美的制冷设备有限公司 | 智能手环、空调、智能手环与空调绑定方法及系统 |
| CN107817688A (zh) * | 2014-12-29 | 2018-03-20 | 联想(北京)有限公司 | 一种控制方法及穿戴式电子设备 |
| CN108269333A (zh) * | 2018-01-08 | 2018-07-10 | 平安科技（深圳）有限公司 | 人脸识别方法、应用服务器及计算机可读存储介质 |
| CN110245556A (zh) * | 2019-05-06 | 2019-09-17 | 深圳耄耋看护科技有限公司 | 一种在家离家状态的检测方法、装置、系统及存储介质 |
| CN110362184A (zh) * | 2019-07-05 | 2019-10-22 | 深圳前海微众银行股份有限公司 | 一种控制电子设备的方法及可穿戴设备 |
| CN111258224A (zh) * | 2018-11-30 | 2020-06-09 | 西安欧思奇软件有限公司 | 智能家居控制方法、装置、计算机设备及存储介质 |
| CN111726271A (zh) * | 2020-05-28 | 2020-09-29 | 青岛海尔智能技术研发有限公司 | 起夜情况下的电器配置方法和智能家居系统 |
| CN111766798A (zh) * | 2019-04-02 | 2020-10-13 | 青岛海信智慧家居系统股份有限公司 | 一种智能家居设备控制方法及其装置 |
| CN112435441A (zh) * | 2020-11-19 | 2021-03-02 | 维沃移动通信有限公司 | 睡眠检测方法和可穿戴电子设备 |
| CN112991585A (zh) * | 2021-02-08 | 2021-06-18 | 亚萨合莱(广州)智能科技有限公司 | 一种出入人员管理方法及计算机可读存储介质 |
-
2021
- 2021-06-28 CN CN202110720169.4A patent/CN113359496A/zh active Pending
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103648209A (zh) * | 2013-11-25 | 2014-03-19 | 银川博聚工业产品设计有限公司 | 睡眠控制的灯具 |
| CN107817688A (zh) * | 2014-12-29 | 2018-03-20 | 联想(北京)有限公司 | 一种控制方法及穿戴式电子设备 |
| CN105020849A (zh) * | 2015-06-29 | 2015-11-04 | 广东美的制冷设备有限公司 | 空调控制方法及装置 |
| CN105094093A (zh) * | 2015-07-30 | 2015-11-25 | 四川长虹电器股份有限公司 | 一种智能家居控制方法及控制中心 |
| CN105249948A (zh) * | 2015-09-11 | 2016-01-20 | 上海卓易科技股份有限公司 | 基于睡眠监测的电器控制系统及方法 |
| CN107370645A (zh) * | 2017-07-18 | 2017-11-21 | 广东美的制冷设备有限公司 | 智能手环、空调、智能手环与空调绑定方法及系统 |
| CN108269333A (zh) * | 2018-01-08 | 2018-07-10 | 平安科技（深圳）有限公司 | 人脸识别方法、应用服务器及计算机可读存储介质 |
| CN111258224A (zh) * | 2018-11-30 | 2020-06-09 | 西安欧思奇软件有限公司 | 智能家居控制方法、装置、计算机设备及存储介质 |
| CN111766798A (zh) * | 2019-04-02 | 2020-10-13 | 青岛海信智慧家居系统股份有限公司 | 一种智能家居设备控制方法及其装置 |
| CN110245556A (zh) * | 2019-05-06 | 2019-09-17 | 深圳耄耋看护科技有限公司 | 一种在家离家状态的检测方法、装置、系统及存储介质 |
| CN110362184A (zh) * | 2019-07-05 | 2019-10-22 | 深圳前海微众银行股份有限公司 | 一种控制电子设备的方法及可穿戴设备 |
| CN111726271A (zh) * | 2020-05-28 | 2020-09-29 | 青岛海尔智能技术研发有限公司 | 起夜情况下的电器配置方法和智能家居系统 |
| CN112435441A (zh) * | 2020-11-19 | 2021-03-02 | 维沃移动通信有限公司 | 睡眠检测方法和可穿戴电子设备 |
| CN112991585A (zh) * | 2021-02-08 | 2021-06-18 | 亚萨合莱(广州)智能科技有限公司 | 一种出入人员管理方法及计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220122435A1 (en) | Systems and Methods for Categorizing Motion Events | |
| CN108205282B (zh) | 智能控制面板及其控制方法和控制装置 | |
| US20200211347A1 (en) | Automatic detection of zones of interest in a video | |
| TWI665584B (zh) | 語音控制系統及方法 | |
| US9449229B1 (en) | Systems and methods for categorizing motion event candidates | |
| US11754986B2 (en) | Systems and methods for evaluating sensor data of internet-of-things (IoT) devices and responsively controlling control devices | |
| WO2020135334A1 (zh) | 电视应用主题切换方法、电视、可读存储介质及设备 | |
| CN109951363B (zh) | 数据处理方法、装置及系统 | |
| CN110705356B (zh) | 功能控制方法及相关设备 | |
| CN110288648A (zh) | 用于对自适应相机系统进行导向的系统和方法 | |
| CN111797861A (zh) | 信息处理方法、装置、存储介质及电子设备 | |
| WO2023015152A1 (en) | Systems and methods for on-device person recognition and provision of intelligent alerts | |
| CN114137845A (zh) | 智能设备控制系统、方法、智能设备和存储介质 | |
| CN108010583A (zh) | 数据处理方法、装置、终端设备及存储介质 | |
| US11595320B1 (en) | Multi-tier resource, subsystem, and load orchestration | |
| CN113359496A (zh) | 智能家居数据控制方法、装置、设备及存储介质 | |
| KR20220009088A (ko) | 고객 만족도 조사 수행 시스템 | |
| US10914811B1 (en) | Locating a source of a sound using microphones and radio frequency communication | |
| US20170160892A1 (en) | Individual customization system and method | |
| CN113761989B (zh) | 行为识别方法、装置、计算机及可读存储介质 | |
| CN115019798A (zh) | 语音识别设备的控制方法、装置、电子设备及存储介质 | |
| CN112733647A (zh) | 基于mac地址与人脸信息绑定的方法、分析服务器和系统 | |
| US20200151461A1 (en) | Resident activity recognition system and method thereof | |
| US12003426B1 (en) | Multi-tier resource, subsystem, and load orchestration | |
| CN113095110B (zh) | 人脸数据动态入库的方法、装置、介质及电子设备 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210907 |