CN113596229B - 一种基于云化架构的数字家庭的智能手机 - Google Patents

Abstract

本发明提供了一种基于云化架构的数字家庭的智能手机，包括：环境采集模块，用于采集用户住宅内的环境信息；智能处理模块，用于对所述环境信息进行智能分析，并基于用户住宅内现有家电信息，生成环境调节方案；远程控制模块，用于根据所述环境调节，下达工作指令，调节所述用户住宅内的环境，同时，将调节情况传输至智能手机终端。本发明可基于云化架构对用户住宅内的环境信息进行分析，计算出最适环境信息，并通过智能手机进行远程控制。

Description

一种基于云化架构的数字家庭的智能手机

技术领域

本发明涉及数字信息传输技术领域，特别涉及一种基于云化架构的数字家庭的智能手机。

背景技术

目前，数字家庭是物联网在家庭中的体现，不只是为人们提供了安全、便利、舒适的生活设施，而且还可以保证人们居住环境环保节能。随着越来越多的家电逐渐的走进了千家万户，所以很多家庭迫切的需要集中地对家电进行控制，因此需要引入智能家居。数字家庭可通过无线通信技术来控制家庭中的家电设备。传统地家庭中的半智能家电不适合老人和小孩使用，提高使用的危险性。

发明内容

本发明提供一种基于云化架构的数字家庭的智能手机，用以解决传统地家庭中的半智能家电不适合老人和小孩使用，提高使用的危险性。

一种基于云化架构的数字家庭的智能手机，其特征在于，包括：

环境采集模块，用于采集用户住宅内的总体环境信息；

智能处理模块，用于对所述环境信息进行智能分析，并基于用户住宅内现有家电的当前家电信息，生成环境调节方案；

远程控制模块，用于根据所述环境调节方案，下达工作指令，基于现有家电调节所述用户住宅内的当前环境，并将调节结果输出显示。

优选的，所述的一种基于云化架构的数字家庭的智能手机，还包括：

信息采集模块，用于采集智能手机的当前位置信息；

信息分析模块，用于基于所述当前位置信息，判断智能手机是否处于预设范围之内；

若处于，则控制所述智能手机向用户住宅大门发送解锁指令，控制用户住宅大门将门锁打开。

优选的，所述的一种基于云化架构的数字家庭的智能手机，所述环境采集模块，包括温度获取子模块与湿度获取子模块；

所述温度获取子模块，用于获取用户住宅内的温度信息；

所述湿度获取子模块，用于获取用户住宅内的湿度信息；

基于所述温度信息与湿度信息，生成用户住宅内总体环境信息。

优选的，所述的一种基于云化架构的数字家庭的智能手机，所述智能处理模块，包括：

环境分析子模块，用于基于实时天气情况，对用户住宅内的总体环境信息进行分析，得到最适环境信息；

方案生成子模块，用于基于用户住宅内现有家电的当前家电信息，模拟可使用户住宅内的总体环境信息与所述最适环境信息相匹配的过程，并生成相应环境调节方案。

优选的，所述的一种基于云化架构的数字家庭的智能手机，所述远程控制模块，包括：

指令生成子模块，用于接收所述智能处理模块发送的环境调节方案，并基于所述环境调节方案，生成对各个家电的调节指令；

指令发送子模块，用于将所述对各个家电的调节指令按相应时间与相应顺序发送至各家电控制端。

优选的，所述的一种基于云化架构的数字家庭的智能手机，还包括：

气体采集模块，设置在智能手机本体的各个方向，用于抽取所述用户住宅内的不同方向的定量的空气；

气体检测模块，与所述气体采集模块相连接，用于对所述气体采集模块采集的空气进行检测过程中，获取对应检测方向的电流信号，对所得电流信号进行分解，剔除其中的异常信号，获得第一电流信号；

对各个方向的第一电流信号进行解析，提取其中的特征信号，并根据所述特征信号，生成特征信息，并生成对应方向的空气信息图像；

对所述空气信息图像进行分层处理，得到图像前景与图像背景，所述图像前景为杂质图像，图像背景为非杂质图像；

对所述杂质图像进行二值化处理，得到二值化图像，通过腐蚀算法消除所述二值化图像中的杂点，对消除杂点后的图像进行膨胀处理，得到第一处理图像；

计算所述第一处理图像中的杂质点个数，基于杂质点个数，获取杂质点所占像素面积，根据杂质点所占像素面积与所述非杂质图像总像素值的比值，得到空气中杂质的浓度数据；

第一控制模块，用于将所述气体检测模块得到的浓度数据设为输入数据，并根据所述输入数据，生成相应输入数据矩阵，将相同方向不同时间的气体浓度设为训练数据，计算输入数据与训练数据的映射矩阵，根据映射矩阵与输入数据矩阵得到特征样本，将所述特征样本与输入数据矩阵、训练数据矩阵分别用最小二乘回归法进行拟合处理，得到回归系数，用所得回归系数对输入数据进行处理，得到所采集空气中杂质的浓度值；

第一控制模块，还用于判断所得浓度值是否大于预设浓度阈值；

若否，则判定所采集空气中杂质的浓度值未超标；

若是，则根据采集方向，确定超标位置，进行输出显示，并对所采集空气进行分析，获取超标气体的成分；

根据超标气体的浓度值中超标气体的成分，生成相应处理方法，并基于处理方法，生成相应工作指令。

优选的，所述的一种基于云化架构的数字家庭的智能手机，还包括：

室内监测模块，设置于所述智能手机本体上，用于在智能手机处于用户住宅内时，对用户住宅进行全方位监控，获取监控视频；

视频处理模块，用于对所述监控视频生物识别，对所述监控视频中动态物进行轮廓确定，得到动态物体轮，将所得动态物轮廓进行标定，将所标定区域进行切割处理，得到切割子图像，并基于云化架构在互联网云端查找与所述切割子图像中生物相匹配的对照生物，并计算其匹配度，当匹配度大于预设阈值时，根据所述对照生物信息，确定所述切割子图像中生物的种类信息，基于所述种类，确定所述预设家庭成员中信息中是否与之相匹配信息；

若不存在，则将所述切割子图像中生物设为外来生物成员，并进行第一提示；

若存在，则提取所述切割子图像中生物的面部信息，并将所述面部信息与同种类预设家庭成员进行匹配，判断所述所述切割子图像中生物是否为预设家庭成员；

若不是，则将所述所述切割子图像中生物设为外来生物成员，并进行第一提示；

若是，则判定所述所述切割子图像中生物为家庭成员，将所述家庭成员进行标定，得到标定成员，对所述标定成员进行持续监控，获取所述标定成员的运动轨迹；

根据所述运动轨迹，提取与运动轨迹所对应的监控视频，得到第一待处理视频，对所述第一待处理视频进行增强处理，并对增强后的第一待处理视频进行滤波降噪，生成第二待处理视频；

模型建立模块，用于基于云化架构，查找所述第二待处理视频内存在的室内危险行为信息，将所得信息输入预设神经网络模型中进行训练，获取室内危险行为特征信息，生成危险特征信息，对所述危险特征信息进行分类，并将同类危险信息按严重程度进行分级，将分级后的结果作为输入训练神经网络模型，生成危险判断模型；

将所述标定成员运动信息输入所述危险判断模型，输出危险类型以及危险等级；

智能分析模块，用于基于标定成员预设健康信息，对所述危险类型以及危险等级进行分析，生成最佳应急方案，并输出显示。

优选的，所述的一种基于云化架构的数字家庭的智能手机，还包括：

数据采集模块，用于实时检测智能手机的网络数据信号，并根据检测结果，生成网络状态特征数据；

网络检测模块，基于所述网络状态特征数据，获取网络拓扑结构，并在所述网络拓扑结构中获取数据传输路径，基于所述数据传输路径记录数据传输文件信息；

根据源数据传输文件信息的数据包数与接收到的数据传输文件信息数据包数，计算丢包率；

将所述丢包率与预设丢包率阈值进行比较；

若所述丢包率小于预设丢包率阈值，则判定网络状态正常；

若所述丢包率大于预设丢包率阈值，则向补偿模块发送工作指令；

所述补偿模块，用于获取所述丢包数据的区段以及丢包位置，截取所述丢包位置上下区段数据信号，将所述数据段信号从时域变换为频域，得到第一频域参数，将所述第一频域参数输入预设深度神经网络补偿模型，得到第二频域参数；

对所述第二频域参数进行时域变换，得到丢包补偿数据信号。

优选的，所述的一种基于云化架构的数字家庭的智能手机，所述补偿模块，还包括：

数据还原子模块，用于将所述丢包补偿后的数据信号，对原始数据中丢包位置数据信号进行替换，得到合格数据信号。

优选的，所述的一种基于云化架构的数字家庭的智能手机，所述室内监测模块，还包括：

故障检测子模块，用于获取所述监控视频中的空白图像，当所述空白图像的帧数大于预设数量时，确定所述监控模块发生故障，生成检修指令并传送到智能手机进行显示。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种基于云化架构的数字家庭的智能手机流程图；

图2为本发明又一实施例中一种基于云化架构的数字家庭的智能手机流程图；

图3为本发明又一实施例中一种基于云化架构的数字家庭的智能手机流程图；

图4为本发明又一实施例中一种基于云化架构的数字家庭的智能手机流程图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

下面参考图1至图4来描述本发明实施例提出的一种基于云化架构的数字家庭的智能手机。

实施例1：

如图1所示，本发明实施例提供一种基于云化架构的数字家庭的智能手机，包括：

环境采集模块，用于采集用户住宅内的总体环境信息；

智能处理模块，用于对所述环境信息进行智能分析，并基于用户住宅内现有家电的当前家电信息，生成环境调节方案；

远程控制模块，用于根据所述环境调节方案，下达工作指令，基于现有家电调节所述用户住宅内的当前环境，并将调节结果输出显示。

该实施例中，总体环境信息为根据室内环境情况，生成的室内整体环境；现有家电的当前家电信息为家电的实时工作运行情况；环境调节方案为对基于用户住宅内现有家电的当前家电信息将室内环境情况调节至最舒适环境的方案；

上述方案的有益效果：本发明可根据环境采集模块采集用户住宅内的环境信息，并用于基于云化架构的智能处理模块对用户住宅内的环境信息进行分析，计算出最适环境信息，并通过智能手机进行远程控制，调节家电运行情况，起到调节室内环境的作用。

实施例2：

在实施例1的基础上，所述的一种基于云化架构的数字家庭的智能手机，还包括：

信息采集模块，用于采集智能手机的当前位置信息；

信息分析模块，用于基于所述当前位置信息，判断智能手机是否处于预设范围之内；

若处于，则控制所述智能手机向用户住宅大门发送解锁指令，控制用户住宅大门将门锁打开。

该实施例中，预设范围为预先设定好的自动开锁范围；解锁指令为可以控制用户住宅大门自动开锁的指令信息；

上述方案的有益效果：本发明可实时定位智能手机位置信息，并进行检测，当监测到所述智能手机处于预设范围时，智能手机自动向用户住宅大门发送开锁指令，控制用户住宅大门自动打开。

实施例3：

在实施例1的基础上，一种基于云化架构的数字家庭的智能手机，所述环境采集模块，包括温度获取子模块与湿度获取子模块；

所述温度获取子模块，用于获取用户住宅内的温度信息；

所述湿度获取子模块，用于获取用户住宅内的湿度信息；

基于所述温度信息与湿度信息，生成用户住宅内总体环境信息。

该实施例中，总体环境信息为根据所述温度信息与所述湿度信息进行总体分析后得到的室内总体环境信息。

上述方案的有益效果：本发明可分别采取室内的湿度与温度信息，并对所采集信息进行合并分析，得到室内的总体环境情况。

实施例4：

在实施例1的基础上，所述的一种基于云化架构的数字家庭的智能手机，所述智能处理模块，包括：

环境分析子模块，用于基于实时天气情况，对用户住宅内的总体环境信息进行分析，得到最适环境信息；

方案生成子模块，用于基于用户住宅内现有家电的当前家电信息，模拟可使用户住宅内的总体环境信息与所述最适环境信息相匹配的过程，并生成相应环境调节方案。

该实施例中，环境分析子模块可根据实时天气情况以及所得到的用户住宅内总体环境信息，分析出当前天气下的最适环境信息，并根据现有家电情况，模拟室内环境变为最适环境的过程，生成调节方案，可以准确地在合适的时间控制各个家电进行相应操作，是室内环境达到最佳。

实施例5：

在实施例1的基础上，所述的一种基于云化架构的数字家庭的智能手机，所述远程控制模块，包括：

指令生成子模块，用于接收所述智能处理模块发的环境调节方案，并基于所述环境调节方案，生成对各个家电的调节指令；

指令发送子模块，用于将所述对各个家电的调节指令按相应时间与相应顺序发送至各家电控制端。

该实施例中，调节指令为根据所述调节方案生成的各家电工作的时间与工作内容的指令；

上述方案的有益效果：本发明可对环境调节方案，生成对各个家电的具体调节指令，并在合适的时间进行指令的准确发送，确保各家电能按规定的方法运行，确保室内环境能调节到理想状态。

实施例6：

在实施例1的基础上，如图2所示，所述的一种基于云化架构的数字家庭的智能手机，还包括：

气体采集模块，设置在智能手机本体的各个方向，用于抽取所述用户住宅内的不同方向的定量的空气；

气体检测模块，与所述气体采集模块相连接，用于对所述气体采集模块采集的空气进行检测过程中，获取对应检测方向的电流信号，对所得电流信号进行分解，剔除其中的异常信号，获得第一电流信号；

对各个方向的第一电流信号进行解析，提取其中的特征信号，并根据所述特征信号，生成特征信息，并生成对应方向的空气信息图像；

对所述空气信息图像进行分层处理，得到图像前景与图像背景，所述图像前景为杂质图像，图像背景为非杂质图像；

对所述杂质图像进行二值化处理，得到二值化图像，通过腐蚀算法消除所述二值化图像中的杂点，对消除杂点后的图像进行膨胀处理，得到第一处理图像；

计算所述第一处理图像中的杂质点个数，基于杂质点个数，获取杂质点所占像素面积，根据杂质点所占像素面积与所述非杂质图像总像素值的比值，得到空气中杂质的浓度数据；

第一控制模块，用于将所述气体检测模块得到的浓度数据设为输入数据，并根据所述输入数据，生成相应输入数据矩阵，将相同方向不同时间的气体浓度设为训练数据，计算输入数据与训练数据的映射矩阵，根据映射矩阵与输入数据矩阵得到特征样本，将所述特征样本与输入数据矩阵、训练数据矩阵分别用最小二乘回归法进行拟合处理，得到回归系数，用所得回归系数对输入数据进行处理，得到所采集空气中杂质的浓度值；

第一控制模块，还用于判断所得浓度值是否大于预设浓度阈值；

若否，则判定所采集空气中杂质的浓度值未超标；

若是，则根据采集方向，确定超标位置，进行输出显示，并对所采集空气进行分析，获取超标气体的成分；

根据超标气体的浓度值中超标气体的成分，生成相应处理方法，并基于处理方法，生成相应工作指令。

该实施例中，异常信号为所述电流信号中数据异常的信号；第一电流信号为剔除其中异常数据以后剩下的电流信号；特征信号为电流信息中的特征信息对应的信号，比如，特征信息为空气中各杂质分子的信息；空气信息图像为可表示空气中分子分布的图像；图像前景为对图像进行分层后的上层图像；图像背景为图像进行分层后的下层图像；二值化处理为图像的二值化处理就是将图像上的点的灰度值为0或255，也就是将整个图像呈现出明显的黑白效果；腐蚀算法为使用算法，将图像的边缘腐蚀掉；膨胀处理为对腐蚀后的图像进行膨胀，补齐腐蚀部分的处理方法；杂点为图像中的无效像素点；浓度数据为空气中各项杂质的数据情况；映射矩阵是一种代表映射关系的矩阵数据；特征样本为表示映射矩阵与输入数据矩阵的特征信息的样本；最小二乘回归法为一种数学上的统计学方法；回归系数为可对浓度数据进行补偿处理的系数，可使所得浓度值更加准确；

上述方案的有益效果：本发明可实时手机所处环境内各个方向内的空气，并对所采集空气进行分析，得到所采集各个方向气体中杂质的浓度，当气体中杂质浓度超标时进行提示，并分析杂质成分，根据杂质成分与浓度生成相应的处理方法，本发明可在用户处于空气质量不达标环境下时及时发现，避免因空气质量不达标对人体造成危害。

实施例7：

在实施例1的基础上，如图3所示，所述的一种基于云化架构的数字家庭的智能手机，还包括：

室内监测模块，设置于所述智能手机本体上，用于在智能手机处于用户住宅内时，对用户住宅进行全方位监控，获取监控视频；

视频处理模块，用于对所述监控视频生物识别，对所述监控视频中动态物进行轮廓确定，得到动态物体轮，将所得动态物轮廓进行标定，将所标定区域进行切割处理，得到切割子图像，并基于云化架构在互联网云端查找与所述切割子图像中生物相匹配的对照生物，并计算其匹配度，当匹配度大于预设阈值时，根据所述对照生物信息，确定所述切割子图像中生物的种类信息，基于所述种类，确定所述预设家庭成员中信息中是否与之相匹配信息；

若不存在，则将所述切割子图像中生物设为外来生物成员，并进行第一提示；

若存在，则提取所述切割子图像中生物的面部信息，并将所述面部信息与同种类预设家庭成员进行匹配，判断所述所述切割子图像中生物是否为预设家庭成员；

若不是，则将所述所述切割子图像中生物设为外来生物成员，并进行第一提示；

若是，则判定所述所述切割子图像中生物为家庭成员，将所述家庭成员进行标定，得到标定成员，对所述标定成员进行持续监控，获取所述标定成员的运动轨迹；

根据所述运动轨迹，提取与运动轨迹所对应的监控视频，得到第一待处理视频，对所述第一待处理视频进行增强处理，并对增强后的第一待处理视频进行滤波降噪，生成第二待处理视频；

模型建立模块，用于基于云化架构，查找所述第二待处理视频内存在的室内危险行为信息，将所得信息输入预设神经网络模型中进行训练，获取室内危险行为特征信息，生成危险特征信息，对所述危险特征信息进行分类，并将同类危险信息按严重程度进行分级，将分级后的结果作为输入训练神经网络模型，生成危险判断模型；

将所述标定成员运动信息输入所述危险判断模型，输出危险类型以及危险等级；

智能分析模块，用于基于标定成员预设健康信息，对所述危险类型以及危险等级进行分析，生成最佳应急方案，并输出显示。

上述方案中，所述基于云化架构在互联网云端查找与所述切割子图像中生物相匹配的对照生物，并计算其匹配度，还包括：

获取所述切割子图像与对照生物图像的图像信息，包括其图像的像素点数量、平均像素值；

根据所得图像信息，可计算所述切割子图像与对照生物图像的相似系数K，计算公式如下所示：

其中，S为所述切割子图像中的像素点数量，且所述切割子图像与对照生物图像中像素点数量相同，取值为5；D_i为所述切割子图像中第i个像素点的像素值，且所述切割子图像像素值从D₁到D₅依次为{101,202,133,156,103}；D为所述切割子图像中平均像素值，取值为139；F_i为所述对照生物图像中第i个像素点的像素值，所述切割子图像像素值从F₁到F₅依次为{80,130,240,200,160,}；F为所述对照生物图像的平均像素值，取值为162；σ₁为所述切割子图像与所述对照生物图像的清晰度，取值为88×72；将数据带入可得所述相似系数K＝1.09；

根据所得相似系数K，可计算所述切割子图像与对照生物图像的匹配度P，计算公式如下所示：

其中，H_x为所述切割子图像与对照生物图像中生物轮廓非相似的长度，且取值为0.8cm；H_z为所述切割子图像中生物轮廓长度，且取值为3.2cm；H_z为所述对照生物图像中生物轮廓的长度，取值为3.0cm；将数据带入，可计算出所述切割子图像与对照生物图像的匹配度P＝0.94。

该实施例中，生物识别为识别监控视频中是否存在生物；切割子图像为将标定区域切割处理后形成的子图像；匹配度为所切割子图像中标定生物与互联网云端查找到的生物的相似程度；种类信息为切割子图像中生物的种类；第一提示为提示用户住宅内有外来生物入侵；预设家庭成员为预先输入的家庭成员信息；运动轨迹为标定成员的运动路线与动作信息；第一待处理视频为所标定人员运动轨迹对应的视频；第二待处理视频对所述第一待处理视频进行降噪处理，增强清晰度以后的视频；云化架构为云计算构架；危险行为信息为所述行为可能造成一定的危害的行为；

上述方案的有益效果：本发明可在智能手机处于用户住宅内时，对用户住宅进行全方位监控，并对所述监控视频进行处理，获取视频内出现的生物是否为预设家庭成员，当确定视频内出现的生物为家庭成员后继续对其实时监控，根据其运动轨迹判断有无危险行为，本发明可极大的避免幼小儿童因家长看管不利而干一些危险的事情，具有很强的实用性；

实施例8：

在实施例1的基础上，如图4所示，所述的一种基于云化架构的数字家庭的智能手机，还包括：

数据采集模块，用于实时检测智能手机的网络数据信号，并根据检测结果，生成网络状态特征数据；

网络检测模块，基于所述网络状态特征数据，获取网络拓扑结构，并在所述网络拓扑结构中获取数据传输路径，基于所述数据传输路径记录数据传输文件信息；

根据源数据传输文件信息的数据包数与接收到的数据传输文件信息数据包数，计算丢包率；

将所述丢包率与预设丢包率阈值进行比较；

若所述丢包率小于预设丢包率阈值，则判定网络状态正常；

若所述丢包率大于预设丢包率阈值，则向补偿模块发送工作指令；

所述补偿模块，用于获取所述丢包数据的区段以及丢包位置，截取所述丢包位置上下区段数据信号，将所述数据段信号从时域变换为频域，得到第一频域参数，将所述第一频域参数输入预设深度神经网络补偿模型，得到第二频域参数；

对所述第二频域参数进行时域变换，得到丢包补偿数据信号。

该实施例中，网络状态特征数据为网络数据信号中表示关键信息的数据；网络拓扑结构为一种计算机的连接方式；丢包率为测试中所丢失数据包数量占所发送数据组的比率；深度神经网络补偿模型为预设可对所述第一频域参数进行补偿处理的模型；丢包补偿数据信号为对丢包率高的信号进行补偿处理之后的信号；第一频域参数为数据段信号从时域变换为频域后其中的常数信息；第二频域参数为对第一频域参数进行补偿，减小其中误差后得到的；

上述方案的有益效果：本发明可实时检测智能手机的网络数据信号，并根据检测结果，计算数据传输时的丢包率，并当丢包率过大时，对丢包率过大的数据段进行补偿处理，可以减小因数据传输丢包率过大而影响正常使用。

实施例9：

在实施例8的基础上，所述的一种基于云化架构的数字家庭的智能手机，所述补偿模块，还包括：

数据还原子模块，用于将所述丢包补偿后的数据信号，对原始数据中丢包位置数据信号进行替换，得到合格数据信号。

该实施例中，替换为将补偿后的数据信号替换原来丢包率过大的数据信号的过程；

上述方案的有益效果为：可将原数据中丢包率过高的部分进行替换，从而提升数据传输质量，避免因数据丢包率过高造成损失。

实施例10：

在实施例7的基础上，所述的一种基于云化架构的数字家庭的智能手机，所述室内监测模块，还包括：

故障检测子模块，用于获取所述监控视频中的空白图像，当所述空白图像的帧数大于预设数量时，确定所述监控模块发生故障，生成检修指令并传送到智能手机进行显示

该实施例中，空白图像为10种以下灰度组成的色彩单一的图像；

上述方案的有益效果：本发明可实时对所述室内监测模块进行检测，当监测到空白图像帧数超标时，判定室内监控模块故障，可自动进行维修并且在智能手机上显示，可以有效避免室内监控模块故障没有及时被检查出的问题，有很强的的实用性。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种基于云化架构的数字家庭的智能手机，其特征在于，包括：

环境采集模块，用于采集用户住宅内的总体环境信息；

智能处理模块，用于对所述环境信息进行智能分析，并基于用户住宅内现有家电的当前家电信息，生成环境调节方案；

远程控制模块，用于根据所述环境调节方案，下达工作指令，基于现有家电调节所述用户住宅内的当前环境，并将调节结果输出显示；

还包括：

室内监测模块，设置于所述智能手机本体上，用于在智能手机处于用户住宅内时，对用户住宅进行全方位监控，获取监控视频；

视频处理模块，用于对所述监控视频生物识别，对所述监控视频中动态物进行轮廓确定，得到动态物体轮，将所得动态物轮廓进行标定，将所标定区域进行切割处理，得到切割子图像，并基于云化架构在互联网云端查找与所述切割子图像中生物相匹配的对照生物，并计算其匹配度，当匹配度大于预设阈值时，根据所述对照生物信息，确定所述切割子图像中生物的种类信息，基于所述种类，确定所述预设家庭成员中信息中是否与之相匹配信息；

若不存在，则将所述切割子图像中生物设为外来生物成员，并进行第一提示；

若存在，则提取所述切割子图像中生物的面部信息，并将所述面部信息与同种类预设家庭成员进行匹配，判断所述所述切割子图像中生物是否为预设家庭成员；

若不是，则将所述所述切割子图像中生物设为外来生物成员，并进行第一提示；

若是，则判定所述所述切割子图像中生物为家庭成员，将所述家庭成员进行标定，得到标定成员，对所述标定成员进行持续监控，获取所述标定成员的运动轨迹；

根据所述运动轨迹，提取与运动轨迹所对应的监控视频，得到第一待处理视频，对所述第一待处理视频进行增强处理，并对增强后的第一待处理视频进行滤波降噪，生成第二待处理视频；

模型建立模块，用于基于云化架构，查找所述第二待处理视频内存在的室内危险行为信息，将所得信息输入预设神经网络模型中进行训练，获取室内危险行为特征信息，生成危险特征信息，对所述危险特征信息进行分类，并将同类危险信息按严重程度进行分级，将分级后的结果作为输入训练神经网络模型，生成危险判断模型；

将所述标定成员运动信息输入所述危险判断模型，输出危险类型以及危险等级；

智能分析模块，用于基于标定成员预设健康信息，对所述危险类型以及危险等级进行分析，生成最佳应急方案，并输出显示；

所述基于云化架构在互联网云端查找与所述切割子图像中生物相匹配的对照生物，并计算其匹配度，还包括：

获取所述切割子图像与对照生物图像的图像信息，包括其图像的像素点数量、平均像素值；

根据所得图像信息，可计算所述切割子图像与对照生物图像的相似系数K，计算公式如下所示：

其中，S为所述切割子图像中的像素点数量，且所述切割子图像与对照生物图像中像素点数量相同；D_i为所述切割子图像中第i个像素点的像素值；D为所述切割子图像中平均像素值；F_i为所述对照生物图像中第i个像素点的像素值；F为所述对照生物图像的平均像素值；σ₁为所述切割子图像与所述对照生物图像的清晰度；

根据所得相似系数K，可计算所述切割子图像与对照生物图像的匹配度P，计算公式如下所示：

其中，H_x为所述切割子图像与对照生物图像中生物轮廓非相似的长度；H_z为所述切割子图像中生物轮廓长度；H_z为所述对照生物图像中生物轮廓的长度；P为所述切割子图像与对照生物图像的匹配度。

2.如权利要求1所述的一种基于云化架构的数字家庭的智能手机，其特征在于，还包括：

信息采集模块，用于采集智能手机的当前位置信息；

信息分析模块，用于基于所述当前位置信息，判断智能手机是否处于预设范围之内；

若处于，则控制所述智能手机向用户住宅大门发送解锁指令，控制用户住宅大门的门锁打开。

3.如权利要求1所述的一种基于云化架构的数字家庭的智能手机，其特征在于，所述环境采集模块，包括温度获取子模块与湿度获取子模块；

所述温度获取子模块，用于获取用户住宅内的温度信息；

所述湿度获取子模块，用于获取用户住宅内的湿度信息；

基于所述温度信息与湿度信息，生成用户住宅内总体环境信息。

4.如权利要求1所述的一种基于云化架构的数字家庭的智能手机，其特征在于，所述智能处理模块，包括：

环境分析子模块，用于基于实时天气情况，对用户住宅内的总体环境信息进行分析，得到最适环境信息；

方案生成子模块，用于基于用户住宅内现有家电的当前家电信息，模拟可使用户住宅内的总体环境信息与所述最适环境信息相匹配的过程，并生成相应环境调节方案。

5.如权利要求1所述的一种基于云化架构的数字家庭的智能手机，其特征在于，所述远程控制模块，包括：

指令生成子模块，用于接收所述智能处理模块发送的环境调节方案，并基于所述环境调节方案，生成对各个家电的调节指令；

指令发送子模块，用于将所述对各个家电的调节指令按相应时间与相应顺序发送至各家电控制端。

6.如权利要求1所述的一种基于云化架构的数字家庭的智能手机，其特征在于，还包括：

气体采集模块，设置在智能手机本体的各个方向，用于抽取所述用户住宅内的不同方向的定量的空气；

气体检测模块，与所述气体采集模块相连接，用于对所述气体采集模块采集的空气进行检测过程中，获取对应检测方向的电流信号，对所得电流信号进行分解，剔除其中的异常信号，获得第一电流信号；

对各个方向的第一电流信号进行解析，提取其中的特征信号，并根据所述特征信号，生成特征信息，并生成对应方向的空气信息图像；

对所述空气信息图像进行分层处理，得到图像前景与图像背景，所述图像前景为杂质图像，图像背景为非杂质图像；

对所述杂质图像进行二值化处理，得到二值化图像，通过腐蚀算法消除所述二值化图像中的杂点，对消除杂点后的图像进行膨胀处理，得到第一处理图像；

计算所述第一处理图像中的杂质点个数，基于杂质点个数，获取杂质点所占像素面积，根据杂质点所占像素面积与所述非杂质图像总像素值的比值，得到空气中杂质的浓度数据；

第一控制模块，用于将所述气体检测模块得到的浓度数据设为输入数据，并根据所述输入数据，生成相应输入数据矩阵，将相同方向不同时间的气体浓度设为训练数据，计算输入数据与训练数据的映射矩阵，根据映射矩阵与输入数据矩阵得到特征样本，将所述特征样本与输入数据矩阵、训练数据矩阵分别用最小二乘回归法进行拟合处理，得到回归系数，用所得回归系数对输入数据进行处理，得到所采集空气中杂质的浓度值；

第一控制模块，还用于判断所得浓度值是否大于预设浓度阈值；

若否，则判定所采集空气中杂质的浓度值未超标；

若是，则根据采集方向，确定超标位置，进行输出显示，并对所采集空气进行分析，获取超标气体的成分；

根据超标气体的浓度值中超标气体的成分，生成相应处理方法，并基于处理方法，生成相应工作指令。

7.如权利要求1所述的一种基于云化架构的数字家庭的智能手机，其特征在于，还包括：

数据采集模块，用于实时检测智能手机的网络数据信号，并根据检测结果，生成网络状态特征数据；

网络检测模块，基于所述网络状态特征数据，获取网络拓扑结构，并在所述网络拓扑结构中获取数据传输路径，基于所述数据传输路径记录数据传输文件信息；

根据源数据传输文件信息的数据包数与接收到的数据传输文件信息数据包数，计算丢包率；

将所述丢包率与预设丢包率阈值进行比较；

若所述丢包率小于预设丢包率阈值，则判定网络状态正常；

若所述丢包率大于预设丢包率阈值，则向补偿模块发送工作指令；

所述补偿模块，用于获取所述丢包数据的区段以及丢包位置，截取所述丢包位置上下区段数据信号，将所述数据段信号从时域变换为频域，得到第一频域参数，将所述第一频域参数输入预设深度神经网络补偿模型，得到第二频域参数；

对所述第二频域参数进行时域变换，得到丢包补偿数据信号。

8.如权利要求7所述的一种基于云化架构的数字家庭的智能手机，其特征在于，所述补偿模块，还包括：

数据还原子模块，用于将所述丢包补偿后的数据信号，对原始数据中丢包位置数据信号进行替换，得到合格数据信号。

9.如权利要求1所述的一种基于云化架构的数字家庭的智能手机，其特征在于，所述室内监测模块，还包括：

故障检测子模块，用于获取所述监控视频中的空白图像，当所述空白图像的帧数大于预设数量时，确定所述监控模块发生故障，生成检修指令并传送到智能手机进行显示。

Images