CN114063459A - 一种终端和智能家居控制方法 - Google Patents

Abstract

本发明公开了一种终端和智能家居控制方法，本实施例终端包括：通信单元，用于接收采集设备发送的环境信息；处理器与所述通信单元连接，用于响应位于预设区域内的智能家居的参数调整指令，确定所述预设区域对应的用户画像包含的用户特征和所述用户特征的类别；将所述用户特征、所述类别和通过通信单元接收的所述预设区域的当前环境信息输入训练后的神经网络模型，根据输出结果确定所述智能家居的目标工作参数；控制所述智能家居基于对应的目标工作参数工作，考虑到了用户的不同类别对应的特征和当前环境的影响得到智能家居的目标工作参数，通过基于对应的目标工作参数工作的智能家居能够精准地将预设区域的环境调整到适合用户需求的合适的环境。

Description

一种终端和智能家居控制方法

技术领域

本发明涉及终端技术领域，特别涉及一种终端和智能家居控制方法。

背景技术

随着科技的迅速发展，越来越多的智能家居进入人们日常生活中。通过调节一些智能家居，例如空调、新风、空净等设备的工作参数，改变环境的温度、湿度等，从而为用户提供舒适健康的环境。

相关技术中，不同的智能家居配置有模式和工作参数的对应关系，用户通过对模式进行选择，确定智能家居的工作参数，然而影响环境的因素有很多，仅通过选择的模式对应的工作参数，难以精准地提供合适的环境。

发明内容

本发明提供一种终端和智能家居控制方法，用以使智能家居地提供合适的环境。

第一方面，本发明实施例提供一种终端，该终端包括：通信单元以及处理器；

所述通信单元，用于接收采集设备发送的环境信息；

所述处理器与所述通信单元连接，用于响应位于预设区域内的智能家居的参数调整指令，确定所述预设区域对应的用户画像包含的用户特征和所述用户特征的类别；将所述用户特征、所述类别和通过所述通信单元接收的所述预设区域的当前环境信息输入训练后的神经网络模型，根据输出结果确定所述智能家居的目标工作参数；控制所述智能家居基于对应的目标工作参数工作。

上述方案，通过将预设区域对应的用户画像包含的用户特征、用户特征的类别和该预设区域的当前环境信息输入训练后的神经网络模型，根据输出结果确定智能家居的目标工作参数，也就是说考虑到了用户的不同类别特征和当前环境的影响得到智能家居的目标工作参数，通过基于对应的目标工作参数工作的智能家居能够精准地将预设区域的环境调整到适合用户需求的合适的环境。

在一些示例性的实施方式中，所述终端还包括摄像头，

所述用户画像是通过以下方式得到：

基于用户在所述预设区域对应的画像添加界面触发的添加用户特征的操作，确定所述用户特征，以及将所述用户特征输入语义识别模型得到所述用户特征的类别或通过预设的特征与类别的对应关系得到所述用户特征的类别；或者

根据在预设区域确定的位置信息、通过所述摄像头在预设区域采集的用户面部特征，以及用户与目标应用的交互信息中的至少一项确定所述用户特征，通过预设的特征与类别的对应关系得到所述用户特征的类别；或者

接收其他终端发送的所述预设区域对应的包含所述用户特征和所述用户特征的类别的用户画像。

上述方案，通过用户在画像添加界面添加用户特征，并通过上述语义识别模型或者上述对应关系确定用户特征的类别，能够方便、准确地得到用户画像；通过终端采集得到用户的相关信息，进而基于这些信息得到用户特征，再通过上述对应关系确定用户特征的类别，在没有用户触发得到用户画像的场景中能够自动生成用户画像；通过接收其他终端发送的预设区域对应的用户画像，在用户需要更换房间等场景中，能够方便的得到预设区域对应的用户画像。

在一些示例性的实施方式中，所述参数调整指令为用户在所述预设区域对应的画像添加界面触发的修改特征的操作指令；或

所述参数调整指令为用户在所述预设区域对应的画像展示界面触发的修改特征指令；或

所述参数调整指令为用户在智能家居控制界面触发的启动智能家居的指令；或

所述参数调整指令为用户在智能家居控制界面触发的调整智能家居的指令；或

所述参数调整指令为用户在所述预设区域对应的画像展示界面触发的切换用户画像的指令。

上述方案，在用户画像修改、用户画像切换、启动智能家居或者调解智能家居时均可触发参数调整指令，满足不同应用场景的需求。

在一些示例性的实施方式中，所述处理器具体用于：

将所述用户特征、所述类别和所述预设区域的当前环境信息输入训练后的第一神经网络模型中；

将输出的预测工作参数作为所述目标工作参数；

其中，所述训练后的第一神经网络模型是将所述智能家居的实际工作参数，智能家居工作时的所述预设区域对应的第一样本画像中第一样本特征、所述第一样本特征的类别和所述预设区域的环境信息作为输入，将所述智能家居的预测工作参数作为输出对初始神经网络模型进行训练得到。

上述方案，如果预设区域的智能家居使用次数较多，即获得一定数量的智能家居使用数据，可将上述智能家居的实际工作参数，上述智能家居工作时的预设区域对应的画像中包含的特征、特征的类别和环境信息作为输入，将上述智能家居的预测工作参数作为输出对初始神经网络模型进行训练得到第一神经网络模型，通过将上述用户画像包含的用户特征、用户特征的类别和预设区域的当前环境信息输入训练后的第一神经网络模型中，直接将输出结果作为目标工作参数。

在一些示例性的实施方式中，所述处理器还用于：

在确定所述目标工作参数之后，确定无法调整到对应目标工作参数的智能家居的可调整工作参数范围，基于所述可调整工作参数范围调整所述训练后的第一神经网络模型。

上述方案，在某些智能家居出现故障、或者其他原因不能调到对应目标工作参数时，通过根据这些智能家居当前可调整工作参数范围调整训练后的第一神经网络模型，能够及时得到在这些智能家居不能调到对应目标工作参数的影响下的其他智能家居的目标工作参数，通过其他功能互斥或者功能互补的智能家居工作参数的改变来弥补故障智能家居的工作参数不能调到目标工作参数的造成影响，从而在智能家居发生故障等场景中也能将环境调整到适合用户需求的合适的环境。

在一些示例性的实施方式中，所述处理器具体用于：

将所述用户特征、所述类别和所述预设区域的当前环境信息输入训练后的第二神经网络模型；

基于输出的预测环境参数以及所述智能家居当前工作状态，通过模糊预测得到所述智能家居的目标工作参数；

其中，所述训练后的第二神经网络模型是将样本区域对应的第二样本画像中第二样本特征、所述第二样本特征的类别、所述样本区域的环境信息、所述样本区域的目标环境参数作为输入，将所述样本区域的预测环境参数作为输出对初始神经网络模型进行训练得到。

上述方案，如果预设区域的智能家居使用次数较少，没有积累一定数量的智能家居使用数据，可将样本区域对应的画像中包含的特征、特征的类别、当时的环境信息以及合适的目标环境参数作为输入，将预测环境参数作为输出对初始神经网络模型进行训练得到第二神经网络模型，通过将上述预设区域对应用户画像包含的用户特征、用户特征的类别和预设区域的当前环境信息输入训练后的第二神经网络模型中，能够得到适合当前用户画像和环境信息的目标环境参数，进而根据该目标环境参数和预设区域各智能家居当前工作状态通过模糊预测的方式，在智能家居使用数据较少时也能精准地得到这些智能家居的目标工作参数。

第二方面，本发明实施例提供一种智能家居控制方法，包括：

响应位于预设区域内的智能家居的参数调整指令，确定所述预设区域对应的用户画像包含的用户特征和所述用户特征的类别；

将所述用户特征、所述类别和所述预设区域的当前环境信息输入训练后的神经网络模型，根据输出结果确定所述智能家居的目标工作参数；

控制所述智能家居基于对应的目标工作参数工作。

在一些示例性的实施方式中，所述用户画像是通过以下方式得到：

基于用户在所述预设区域对应的画像添加界面触发的添加用户特征的操作，确定所述用户特征，以及将所述用户特征输入语义识别得到所述用户特征的类别或通过预设的特征与类别的对应关系得到所述用户特征的类别；或者

根据在预设区域采集的用户面部特征、位置信息，以及用户与目标应用的交互信息中的至少一项确定所述用户特征，通过预设的特征与类别的对应关系得到所述用户特征的类别；或者

接收其他终端发送的所述预设区域对应的包含用户特征和所述用户特征的类别的用户画像。

在一些示例性的实施方式中，所述参数调整指令为用户在所述预设区域对应的画像添加界面触发的修改特征的操作指令；或

所述参数调整指令为用户在所述预设区域对应的画像展示界面触发的修改特征指令；或

所述参数调整指令为用户在智能家居控制界面触发的启动智能家居的指令；或

所述参数调整指令为用户在智能家居控制界面触发的调整智能家居的指令；或

所述参数调整指令为用户在所述预设区域对应的画像展示界面触发的切换用户画像的指令。

在一些示例性的实施方式中，将所述用户特征、所述类别和所述预设区域的当前环境信息输入训练后的神经网络模型，根据输出结果确定所述智能家居的目标工作参数，包括：

将所述用户特征、所述类别和所述预设区域的当前环境信息输入训练后的第一神经网络模型中；

将输出的预测工作参数作为所述目标工作参数；

其中，所述训练后的第一神经网络模型是将所述智能家居的实际工作参数，智能家居工作时的所述预设区域对应的第一样本画像中第一样本特征、所述第一样本特征的类别和所述预设区域的环境信息作为输入，将所述智能家居的预测工作参数作为输出对初始神经网络模型进行训练得到。

在一些示例性的实施方式中，在确定所述目标工作参数之后，包括：

确定无法调整到对应目标工作参数的智能家居的可调整工作参数范围，基于所述可调整工作参数范围调整所述训练后的第一神经网络模型。

在一些示例性的实施方式中，将所述用户特征、所述类别和所述预设区域的当前环境信息输入训练后的神经网络模型，根据输出结果确定所述智能家居的目标工作参数，包括：

将所述用户特征、所述类别和所述预设区域的当前环境信息输入训练后的第二神经网络模型；

基于输出的预测环境参数以及所述智能家居当前工作状态，通过模糊预测得到所述智能家居的目标工作参数；

其中，所述训练后的第二神经网络模型是将样本区域对应的第二样本画像中第二样本特征、所述第二样本特征的类别、所述样本区域的环境信息、所述样本区域的目标环境参数作为输入，将所述样本区域的预测环境参数作为输出对初始神经网络模型进行训练得到。

第三方面，本申请还提供一种智能家居控制装置，该装置包括：

确定模块，用于响应位于预设区域内的智能家居的参数调整指令，确定所述预设区域对应的用户画像包含的用户特征和所述用户特征的类别；

所述确定模块，还用于将所述用户特征、所述类别和所述预设区域的当前环境信息输入训练后的神经网络模型，根据输出结果确定所述智能家居的目标工作参数；

控制模块，用于控制所述智能家居基于对应的目标工作参数工作。

第四方面，本申请还提供一种非易失性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第二方面所述方法的步骤。

另外，第二至四方面中任一种实现方式所带来的技术效果可参见第一方面中不同实现方式所带来的技术效果，此处不再赘述。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，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，对于本领域的普通技术人员来讲，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。在附图中：

图1为本发明实施例提供的一种终端的硬件配置框图；

图2为本发明实施例提供的一种终端的软件结构框图；

图3为本发明实施例提供的一种智能家居控制方法示意流程图；

图4为本发明实施例提供的一种终端的画像展示界面示意图；

图5A为本发明实施例提供的一种终端的画像添加界面示意图；

图5B为本发明实施例提供的另一种终端的画像添加界面示意图；

图5C为本发明实施例提供的再一种终端的画像添加界面示意图；

图5D为本发明实施例提供的又一种终端的画像添加界面示意图；

图6为本发明实施例提供的一种终端的智能家居控制界面示意图；

图7为本发明实施例提供的一种终端的切换提醒界面示意图；

图8为本发明实施例提供的另一种智能家居控制方法示意流程图；

图9为本发明实施例提供的再一种智能家居控制方法示意流程图；

图10为本发明实施例提供的一种应答装置示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅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，都属于本发明保护的范围。

本发明实施例中术语“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。

术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。

在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“连接”应做广义理解，例如，可以是直接相连，也可以通过中间媒介间接相连，可以是两个器件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。

随着科技的迅速发展，越来越多的智能家居进入人们日常生活中。通过调节一些智能家居，例如空调、新风、空净等设备的工作参数，改变环境的温度、湿度等，从而为用户提供舒适健康的环境。

相关技术中，不同的智能家居配置有模式和工作参数的对应关系，用户通过对模式进行选择，确定智能家居的工作参数，然而影响环境的因素有很多，仅通过选择的模式对应的工作参数，难以精准地提供合适的环境。

鉴于此，本发明实施例为了使智能家居提供合适的环境，提出一种终端和智能家居控制方法，考虑到了用户的不同类别特征和当前环境的影响得到智能家居的目标工作参数，通过基于对应的目标工作参数工作的智能家居能够精准地将预设区域的环境调整到适合用户需求的合适的环境。下面结合附图及具体实施例对本发明作进一步详细的说明。

图1示出了终端100的硬件配置框图。

下面以终端100为例对实施例进行具体说明。应该理解的是，图1所示终端100仅是一个范例，并且终端100可以具有比图1中所示的更多的或者更少的部件，可以组合两个或多个的部件，或者可以具有不同的部件配置。图中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。

如图1所示，终端100包括：射频(radio frequency，RF)电路110、存储器120、显示单元130、摄像头140、传感器150、音频电路160、无线保真(Wireless Fidelity，Wi-Fi)模块170、处理器180、蓝牙模块181、以及电源190等部件。

RF电路110可用于在收发信息或通话过程中信号的接收和发送，可以接收基站的下行数据后交给处理器180处理；可以将上行数据发送给基站。通常，RF电路包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等器件。

存储器120可用于存储软件程序及数据。处理器180通过运行存储在存储器120的软件程序或数据，从而执行终端100的各种功能以及数据处理。存储器120可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。存储器120存储有使得终端100能运行的操作系统。本申请中存储器120可以存储操作系统及各种应用程序，还可以存储执行本申请实施例所述方法的代码。

显示单元130可用于接收输入的数字或字符信息，产生与终端100的用户设置以及功能控制有关的信号输入，具体地，显示单元130可以包括设置在终端100正面的触摸屏131，可收集用户在其上或附近的触摸操作，例如点击按钮，拖动滚动框等。

显示单元130还可用于显示由用户输入的信息或提供给用户的信息以及终端100的各种菜单的图形用户界面(graphical user interface，GUI)。具体地，显示单元130可以包括设置在终端100正面的显示屏132。其中，显示屏132可以采用液晶显示器、发光二极管等形式来配置。显示单元130可以用于显示本申请中所述的各种图形用户界面。

其中，触摸屏131可以覆盖在显示屏132之上，也可以将触摸屏131与显示屏132集成而实现终端100的输入和输出功能，集成后可以简称触摸显示屏。本申请中显示单元130可以显示应用程序以及对应的操作步骤。

摄像头140可用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device，CCD)或互补金属氧化物半导体(complementary metal-oxide-semiconductor，CMOS)光电晶体管。感光元件把光信号转换成电信号，之后将电信号传递给处理器180转换成数字图像信号。

终端100还可以包括至少一种传感器150，比如加速度传感器151、距离传感器152、指纹传感器153、温度传感器154。终端100还可配置有陀螺仪、气压计、湿度计、温度计、红外线传感器、光传感器、运动传感器等其他传感器。

音频电路160、扬声器161、麦克风162可提供用户与终端100之间的音频接口。音频电路160可将接收到的音频数据转换后的电信号，传输到扬声器161，由扬声器161转换为声音信号输出。终端100还可配置音量按钮，用于调节声音信号的音量。另一方面，麦克风162将收集的声音信号转换为电信号，由音频电路160接收后转换为音频数据，再将音频数据输出至RF电路110以发送给比如另一终端，或者将音频数据输出至存储器120以便进一步处理。本申请中麦克风162可以获取用户的语音。

Wi-Fi属于短距离无线传输技术，终端100可以通过Wi-Fi模块170帮助用户收发电子邮件、浏览网页和访问流媒体等，它为用户提供了无线的宽带互联网访问。还可以通过Wi-Fi模块来与其他具有Wi-Fi模块的设备进行信息交互。

处理器180是终端100的控制中心，利用各种接口和线路连接整个终端的各个部分，通过运行或执行存储在存储器120内的软件程序，以及调用存储在存储器120内的数据，执行终端100的各种功能和处理数据。在一些实施例中，处理器180可包括一个或多个处理单元；处理器180还可以集成应用处理器和基带处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，基带处理器主要处理无线通信。可以理解的是，上述基带处理器也可以不集成到处理器180中。本申请中处理器180可以运行操作系统、应用程序、用户界面显示及触控响应，以及本申请实施例所述的处理方法。另外，处理器180与显示单元130可以是耦接。

蓝牙模块181，用于通过蓝牙协议来与其他具有蓝牙模块的蓝牙设备进行信息交互。

终端100还包括给各个部件供电的电源190(比如电池)。电源可以通过电源管理系统与处理器180逻辑相连，从而通过电源管理系统实现管理充电、放电以及功耗等功能。终端100还可配置有电源按钮，用于终端的开机和关机，以及锁屏等功能。

图2是本发明实施例的终端100的软件结构框图。

分层架构将软件分成若干个层，每一层都有清晰的角色和分工。层与层之间通过软件接口通信。在一些实施例中，将安卓(Android)系统分为四层，从上至下分别为应用程序层，应用程序框架层，安卓运行时(Android runtime)和系统库，以及内核层。

应用程序层可以包括一系列应用程序包。

如图2所示，应用程序包可以包括相机，图库，日历，通话，地图，导航，WLAN，蓝牙，音乐，视频，短信息等应用程序。

应用程序框架层为应用程序层的应用程序提供应用编程接口(applicationprogramming interface，API)和编程框架。应用程序框架层包括一些预先定义的函数。

如图2所示，应用程序框架层可以包括窗口管理器，内容提供器，视图系统，电话管理器，资源管理器，通知管理器等。

窗口管理器用于管理窗口程序。窗口管理器可以获取显示屏大小，判断是否有状态栏，锁定屏幕，截取屏幕等。

内容提供器用来存放和获取数据，并使这些数据可以被应用程序访问。所述数据可以包括视频，图像，音频，拨打和接听的电话，浏览历史和书签，电话簿等。

视图系统包括可视控件，例如显示文字的控件，显示图片的控件等。视图系统可用于构建应用程序。显示界面可以由一个或多个视图组成的。例如，包括短信通知图标的显示界面，可以包括显示文字的视图以及显示图片的视图。

电话管理器用于提供终端100的通信功能。例如通话状态的管理(包括接通，挂断等)。

资源管理器为应用程序提供各种资源，比如本地化字符串，图标，图片，布局文件，视频文件等等。

通知管理器使应用程序可以在状态栏中显示通知信息，可以用于传达告知类型的消息，可以短暂停留后自动消失，无需用户交互。比如通知管理器被用于告知下载完成，消息提醒等。通知管理器还可以是以图表或者滚动条文本形式出现在系统顶部状态栏的通知，例如后台运行的应用程序的通知，还可以是以对话窗口形式出现在屏幕上的通知。例如在状态栏提示文本信息，发出提示音，终端振动，指示灯闪烁等。

Android runtime包括核心库和虚拟机。Android runtime负责安卓系统的调度和管理。

核心库包含两部分：一部分是java语言需要调用的功能函数，另一部分是安卓的核心库。

应用程序层和应用程序框架层运行在虚拟机中。虚拟机将应用程序层和应用程序框架层的java文件执行为二进制文件。虚拟机用于执行对象生命周期的管理，堆栈管理，线程管理，安全和异常的管理，以及垃圾回收等功能。

系统库可以包括多个功能模块。例如：表面管理器(surface manager)，媒体库(Media Libraries)，三维图形处理库(例如：OpenGL ES)，2D图形引擎(例如：SGL)等。

表面管理器用于对显示子系统进行管理，并且为多个应用程序提供了2D和3D图层的融合。

媒体库支持多种常用的音频，视频格式回放和录制，以及静态图像文件等。媒体库可以支持多种音视频编码格式，例如:MPEG4，H.264，MP3，AAC，AMR，JPG，PNG等。

三维图形处理库用于实现三维图形绘图，图像渲染，合成，和图层处理等。

2D图形引擎是2D绘图的绘图引擎。

内核层是硬件和软件之间的层。内核层至少包含显示驱动，摄像头驱动，音频驱动，传感器驱动。

本申请实施例中的终端100可以为手机、平板电脑、可穿戴设备、笔记本电脑以及电视等。

针对上述场景，下面结合说明书附图对本发明实施例做进一步详细描述。

本发明实施例还提供一种智能家居控制方法，可以应用于上述终端，如图3所示，包括以下步骤：

步骤301：响应位于预设区域内的智能家居的参数调整指令，确定所述预设区域对应的用户画像包含的用户特征和所述用户特征的类别。

本实施例，预设区域对应的用户画像中的用户特征和用户特征的类别能够反映该预设区域中用户对环境的需求，基于此，在得到预设区域内的智能家居的参数调整指令时，需要确定该预设区域对应的用户画像包含的用户特征和所述用户特征的类别。

其中，上述类别可以为年龄、性别、职业、体质、地域气候偏好、舒适度偏好、清洁度偏好等类别，也可以为上述几种类别的子类别。年龄对应的用户特征可以为用户的具体年龄(如30岁)、表征年龄的信息(如80后)等等。

在一些具体的实施例中，上述参数调整指令可以为：

1)所述参数调整指令为用户在所述预设区域对应的画像展示界面触发的修改特征指令。

图4是用于示出终端上的画像展示界面的示意图，该界面展示了预设区域对应的用户画像中的用户特征和用户的头像，在一些具体实施中，用户通过触摸任意用户特征对应的图标，将触摸的特征删除并键入其他特征，可将触摸的特征替换为键入的特征。该画像展示界面有“房间详情”按键，触摸“房间详情”按键进入上述预设区域的信息的展示界面(图中未示出)，触摸“房间画像”按键返回上述画像展示界面。

上述图4仅是举例说明画像展示界面可能的实现方式，本实施例也可采用其他展示用户特征的界面。

2)用户在所述预设区域对应的画像添加界面触发的修改特征的操作指令。

图5A-D是用于示出终端上的一组画像添加界面的示意图。在一些具体实施中，用户通过触摸上述图4所示的画像展示界面中的“添加画像”按键，进入图5A所示的界面，该界面用于展示年龄、性别、职业、体质等基本信息，用户触摸该界面上的任一图标旁边的“+”，可增加基本信息相关的特征，通过触摸“下一步”按键或者“跳过”按键进入图5B所示的界面，该界面用于展示当前的位置和喜爱的气候带，如触摸“寒冷地区”按键，将寒冷地区作为喜爱的气候带，用户触摸“体验外国气候”按键进入显示国外的气候的界面(图中未示出)，用户通过触摸“下一步”按键或者“跳过”按键进入图5C所示的界面，用户触摸5C所示的界面上的任一图标旁边的“+”，可增加温度喜好相关的特征，通过触摸“下一步”按键或者“跳过”按键进入图5D所示的界面，用户触摸5D所示的界面上的任一图标旁边的“+”，可增加风速喜好相关的特征。

上述图5A-D仅是举例说明画像添加界面可能的实现方式，本实施例也可采用其他展示用户年龄、性别、职业、体质、地域气候偏好、温度偏好、风速偏好等信息的界面。另外，在每个界面除了可以提供预设的特征供用户选择，还可以提供“自定义选项”，用户可以进行自定义修改。

3)所述参数调整指令为用户在智能家居控制界面触发的启动智能家居的指令。

图6是用于示出终端上的智能家居控制界面的示意图，用户触摸“启动智能家居”图标旁边的“开”按键，触发的启动智能家居的指令。

上述图6仅是举例说明智能家居控制界面可能的实现方式，本实施例也可采用其他智能家居控制界面，例如上述“启动智能家居”图标和“调整智能家居”按键可以在不同界面上。

4)所述参数调整指令为用户在智能家居控制界面触发的调整智能家居的指令。

参阅上述图6所示，用户触摸“调整智能家居”按键，触发的调整智能家居的指令。

5)所述参数调整指令为用户在所述预设区域对应的画像展示界面触发的切换用户画像的指令。

参阅上述图4所示，用户触摸“可选画像”按键，进入展示其他画像的界面(图中未示出)，用户选择任意画像，触发的切换用户画像的指令，可将选择的画像作为预设区域对应的新的用户画像。

或者，用户触摸“可选画像”按键，进入展示其他画像的界面，用户选择任意画像，会进入图7所示的切换提醒界面，用户选择“确定后头像将被覆盖”，并触摸“确定”按键，触发的切换用户画像的指令，可将选择的画像作为预设区域对应的新的用户画像。

通过上述几种方式，在用户画像更新、用户画像切换、启动智能家居或者调解智能家居时均可触发参数调整指令，满足不同应用场景的需求。

在一些具体的实施例中，用户画像可以通过以下方式得到：

1)基于用户在所述预设区域对应的画像添加界面触发的添加用户特征的操作，确定所述用户特征，以及将所述用户特征输入语义识别得到所述用户特征的类别或通过预设的特征与类别的对应关系得到所述用户特征的类别。

参阅上述图5A-D，如果用户触摸界面上的“+”可添加用户特征，此时添加的是预设的特征，通过预设的特征与类别的对应关系得到添加的用户特征的类别；用户如果选择“自定义选项”，键入想要添加的特征，此时需要将特征输入语义识别模型进行语义识别才能得到用户特征的类别。

用户在画像添加界面添加用户特征，并通过上述语义识别模型或者上述对应关系确定用户特征的类别，能够方便、准确地得到用户画像。

2)根据在预设区域采集的用户面部特征、位置信息，以及用户与目标应用的交互信息中的至少一项确定所述用户特征，通过预设的特征与类别的对应关系得到所述用户特征的类别。

在一些实施例中，可通过摄像头采集用户的面部特征，进而确定用户特征，例如确定用户的性别、年龄范围等。

在一些实施例中，可通过全球定位系统(Global Positioning System，GPS)获取当前的位置。

在一些实施例中，如果有访问目标应用(例如购物应用、社交应用等应用)的权限，得到用户的温度偏好、职业等信息。

通过终端采集得到用户的相关信息，进而基于这些信息得到用户特征，再通过上述对应关系确定用户特征的类别，在没有用户触发得到用户画像的场景中能够自动生成用户画像。

3)接收其他终端发送的所述预设区域对应的包含用户特征和所述用户特征的类别的用户画像。

示例性的，用户A想要换到用户B的房间，用户A可将其画像通过其手机A向用户B的手机B发送，用户B触摸手机B中画像展示界面的“可选画像”按键，进入展示其他画像的界面，用户B选择用户A的画像，触发的切换用户画像的指令，可将用户A的画像作为预设区域对应的新的用户画像。

通过接收其他终端发送的预设区域对应的用户画像，在用户需要更换房间等场景中，能够方便的得到预设区域对应的用户画像。

步骤302：将所述用户特征、所述类别和所述预设区域的当前环境信息输入训练后的神经网络模型，根据输出结果确定所述智能家居的目标工作参数。

本实施例，将预设区域对应的用户画像包含的用户特征、用户特征的类别和该预设区域的当前环境信息输入训练后的神经网络模型，根据输出结果确定智能家居的目标工作参数，也就是说考虑到了用户的不同类别特征和当前环境的影响得到智能家居的目标工作参数，因此得到的是每个智能家居的最佳工作参数。

在一些具体的实施例中，预设区域为预设的房间，上述预设区域的当前环境信息可以包括接收房间内的采集设备发送的其采集到的房间内环境信息和房间外的采集设备发送的其采集到的房间外环境信息，例如房间内外温度、二氧化碳浓度、风速等。

步骤303：控制所述智能家居基于对应的目标工作参数工作。

本实施例，通过上述步骤确定了预设范围需要工作的智能家居的目标工作参数，需要控制这些智能家居基于对应的目标工作参数工作，才能将环境调整到适合用户需求的环境。

示例性的，终端通过云端向智能家居发送携带对应目标工作参数的指令，或者直接向智能家居发送携带对应目标工作参数的指令，智能家居在收到指令后，按照目标工作参数工作。

上述方案，通过将预设区域对应的用户画像包含的用户特征、用户特征的类别和该预设区域的当前环境信息输入训练后的神经网络模型，根据输出结果确定智能家居的目标工作参数，也就是说考虑到了用户的不同类别特征和当前环境的影响得到智能家居的目标工作参数，通过基于对应的目标工作参数工作的智能家居能够精准地将环境调整到适合用户需求的合适的环境。

图8为本发明实施例提供的另一种智能家居控制方法示意流程图，如图8所示，具体包括以下步骤：

步骤801：响应位于预设区域内的智能家居的参数调整指令，确定所述预设区域对应的用户画像包含的用户特征和所述用户特征的类别。

该步骤801与上述步骤301的实现方式相同，此处不再赘述。

步骤802：将所述用户特征、所述类别和所述预设区域的当前环境信息输入训练后的第一神经网络模型。

其中，所述训练后的第一神经网络模型是将所述智能家居的实际工作参数，智能家居工作时所述预设区域对应的第一样本画像中第一样本特征、所述第一样本特征的类别和所述预设区域的环境信息作为输入，将所述智能家居的预测工作参数作为输出对初始神经网络模型进行训练得到。

步骤803：将输出的预测工作参数作为所述目标工作参数。

在一些实施例中，上述预设区域的智能家居使用次数较多，即能够获得一定数量的智能家居历史使用数据，可通过历史使用数据，使用时对应的样本画像和使用时预设区域的环境信息对初始神经网络模型进行训练，将上述预设区域的用户特征及其类别和当前环境信息通过该训练后的神经网络模型，输出结果即为预设区域中各智能家居的目标工作参数。

在上述智能家居工作过程中，某些智能家居可能会出现故障，出现不能调到对应目标工作参数的情况，此时如果其他智能家居还按照对应目标工作参数工作，提供的环境可能会不适合用户需求。例如：空调目标工作参数是27℃，但是现在只能将在29-32℃范围内调整，此时，如果不对智能家居进行重新调整弥补故障智能家居的工作参数不能调到目标工作参数的造成影响，会使预设区域的温度较高。

基于此，在确定所述目标工作参数之后，确定无法调整到对应目标工作参数的智能家居的可调整工作参数范围，基于所述可调整工作参数范围调整所述训练后的第一神经网络模型。例如：

空调目标工作参数是27℃，但是现在只能将在29-32℃范围内调整，将空调可调整工作参数范围(29-32℃)作为约束条件，调整上述训练后的第一神经网络模型，得到风机、加湿器等设备的新的目标工作参数，从而可以得到在空调故障状态下，各智能家居的理想工作参数。

本实施例，在某些智能家居出现故障、或者其他原因不能调到对应目标工作参数时，通过根据这些智能家居当前可调整工作参数范围调整训练后的第一神经网络模型，能够及时得到在这些智能家居不能调到对应目标工作参数的影响下的其他智能家居的目标工作参数，通过其他功能互斥或者功能互补的智能家居工作参数的改变来弥补故障智能家居的工作参数不能调到目标工作参数的造成影响，从而在智能家居发生故障等场景中也能将环境调整到适合用户需求的合适的环境。

步骤804：控制所述智能家居基于对应的目标工作参数工作。

该步骤804与上述步骤303的实现方式相同，此处不再赘述。

上述方案，如果预设区域的智能家居使用次数较多，即获得一定数量的智能家居使用数据，可将上述智能家居的实际工作参数，上述智能家居工作时的预设区域对应的画像中包含的特征、特征的类别和环境信息作为输入，将上述智能家居的预测工作参数作为输出对初始神经网络模型进行训练得到第一神经网络模型，通过将上述用户画像包含的用户特征、用户特征的类别和预设区域的当前环境信息输入训练后的第一神经网络模型中，直接将输出结果作为目标工作参数。

图9为本发明实施例提供的另一种智能家居控制方法示意流程图，如图9所示，具体包括以下步骤：

步骤901：响应位于预设区域内的智能家居的参数调整指令，确定所述预设区域对应的用户画像包含的用户特征和所述用户特征的类别。

该步骤901与上述步骤301的实现方式相同，此处不再赘述。

步骤902：将所述用户特征、所述类别和所述预设区域的当前环境信息输入训练后的第二神经网络模型。

其中，所述训练后的第二神经网络模型是将样本区域对应的第二样本画像中第二样本特征、所述第二样本特征的类别、所述样本区域的环境信息、所述样本区域的目标环境参数作为输入，将所述样本区域的预测环境参数作为输出对初始神经网络模型进行训练得到。

步骤903：基于输出的预测环境参数以及所述智能家居当前工作状态，通过模糊预测得到所述智能家居的目标工作参数。

在一些实施例中，上述预设区域的智能家居使用次数较少，也就是说智能家居历史使用数据较少，因此无法采用上述实施例的方式训练初始神经网络模型。而且每个区域的智能家居种类、型号、性能都不相同，也无法通过其他区域内智能家居历史使用数据训练初始神经网络模型。

虽然每个区域的智能家居种类、型号、性能不相同，但相同画像和相同环境信息所需求的理想环境是相同的，基于此，可以通过样本区域对应的样本画像中样本特征及其类别，以及样本区域环境信息和理想的目标环境参数作为输入，将样本区域的预测环境参数作为输出对初始神经网络模型进行训练。将用户特征、用户特征的类别和预设区域的当前环境信息输入该训练后的神经网络模型中，输出结果是预测的预设区域理想的环境参数。进而根据预测的预设区域理想的环境参数，以及智能家居当前工作状态，如智能家居的联网状态、使用情况、耗电量等，进行模糊预测，得到智能家居的目标工作参数。

步骤904：控制所述智能家居基于对应的目标工作参数工作。

该步骤904与上述步骤303的实现方式相同，此处不再赘述。

上述方案，如果预设区域的智能家居使用次数较少，没有积累一定数量的智能家居使用数据，可将样本区域对应的画像中包含的特征、特征的类别、当时的环境信息以及合适的环境参数作为输入，将上预测环境参数作为输出对初始神经网络模型进行训练得到第二神经网络模型，通过将上述预设区域对应用户画像包含的用户特征、用户特征的类别和预设区域的当前环境信息输入训练后的第二神经网络模型中，能够得到适合当前用户画像和环境信息的目标环境参数，进而根据该目标环境参数和预设区域各智能家居当前工作状态通过模糊预测的方式，在智能家居使用数据较少时也能精准地得到这些智能家居的目标工作参数。

如图10所示，基于相同的发明构思，本发明实施例提供一种智能家居控制装置1000，该装置包括：

确定模块1001，用于响应位于预设区域内的智能家居的参数调整指令，确定所述预设区域对应的用户画像包含的用户特征和所述用户特征的类别；

所述确定模块1001，还用于将所述用户特征、所述类别和所述预设区域的当前环境信息输入训练后的神经网络模型，根据输出结果确定所述智能家居的目标工作参数；

控制模块1002，用于控制所述智能家居基于对应的目标工作参数工作。

在一些示例性的实施方式中，该装置还包括接收模块1003，

所述用户画像是通过以下方式得到：

确定模块1001基于用户在所述预设区域对应的画像添加界面触发的添加用户特征的操作，确定所述用户特征，以及将所述用户特征输入语义识别得到所述用户特征的类别或通过预设的特征与类别的对应关系得到所述用户特征的类别；或者

确定模块1001根据在预设区域采集的用户面部特征、位置信息，以及用户与目标应用的交互信息中的至少一项确定所述用户特征，通过预设的特征与类别的对应关系得到所述用户特征的类别；或者

接收模块1003接收其他终端发送的所述预设区域对应的包含用户特征和所述用户特征的类别的用户画像。

在一些示例性的实施方式中，所述参数调整指令为用户在所述预设区域对应的画像添加界面触发的修改特征的操作指令；或

所述参数调整指令为用户在所述预设区域对应的画像展示界面触发的修改特征指令；或

所述参数调整指令为用户在智能家居控制界面触发的启动智能家居的指令；或

所述参数调整指令为用户在智能家居控制界面触发的调整智能家居的指令；或

所述参数调整指令为用户在所述预设区域对应的画像展示界面触发的切换用户画像的指令。

在一些示例性的实施方式中，确定模块1001将所述用户特征、所述类别和所述预设区域的当前环境信息输入训练后的神经网络模型，根据输出结果确定所述智能家居的目标工作参数，包括：

将所述用户特征、所述类别和所述预设区域的当前环境信息输入训练后的第一神经网络模型中；

将输出的预测工作参数作为所述目标工作参数；

其中，所述训练后的第一神经网络模型是将所述智能家居的实际工作参数，智能家居工作时的所述预设区域对应的第一样本画像中第一样本特征、所述第一样本特征的类别和所述预设区域的环境信息作为输入，将所述智能家居的预测工作参数作为输出对初始神经网络模型进行训练得到。

在一些示例性的实施方式中，确定模块1001在确定所述目标工作参数之后，包括：

确定无法调整到对应目标工作参数的智能家居的可调整工作参数范围，基于所述可调整工作参数范围调整所述训练后的第一神经网络模型。

在一些示例性的实施方式中，确定模块1001将所述用户特征、所述类别和所述预设区域的当前环境信息输入训练后的神经网络模型，根据输出结果确定所述智能家居的目标工作参数，包括：

将所述用户特征、所述类别和所述预设区域的当前环境信息输入训练后的第二神经网络模型；

基于输出的预测环境参数以及所述智能家居当前工作状态，通过模糊预测得到所述智能家居的目标工作参数；

所述训练后的第二神经网络模型是将样本区域对应的第二样本画像中第二样本特征、所述第二样本特征的类别、所述样本区域的环境信息、所述样本区域的目标环境参数作为输入，将所述样本区域的预测环境参数作为输出对初始神经网络模型进行训练得到。

由于该装置即是本发明实施例中的方法中的装置，并且该装置解决问题的原理与该方法相似，因此该装置的实施可以参见方法的实施，重复之处不再赘述。

本发明实施例还提供一种计算机可读非易失性存储介质，包括程序代码，当所述程序代码在计算终端上运行时，所述程序代码用于使所述计算终端执行上述本发明实施例智能家居控制方法的步骤。

以上参照示出根据本申请实施例的方法、装置(系统)和/或计算机程序产品的框图和/或流程图描述本申请。应理解，可以通过计算机程序指令来实现框图和/或流程图示图的一个块以及框图和/或流程图示图的块的组合。可以将这些计算机程序指令提供给通用计算机、专用计算机的处理器和/或其它可编程数据处理装置，以产生机器，使得经由计算机处理器和/或其它可编程数据处理装置执行的指令创建用于实现框图和/或流程图块中所指定的功能/动作的方法。

相应地，还可以用硬件和/或软件(包括固件、驻留软件、微码等)来实施本申请。更进一步地，本申请可以采取计算机可使用或计算机可读存储介质上的计算机程序产品的形式，其具有在介质中实现的计算机可使用或计算机可读程序代码，以由指令执行系统来使用或结合指令执行系统而使用。在本申请上下文中，计算机可使用或计算机可读介质可以是任意介质，其可以包含、存储、通信、传输、或传送程序，以由指令执行系统、装置或设备使用，或结合指令执行系统、装置或设备使用。

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 (10)

1.一种终端，其特征在于，该终端包括：通信单元以及处理器；

所述通信单元，用于接收采集设备发送的环境信息；

所述处理器与所述通信单元连接，用于响应位于预设区域内的智能家居的参数调整指令，确定所述预设区域对应的用户画像包含的用户特征和所述用户特征的类别；将所述用户特征、所述类别和通过所述通信单元接收的所述预设区域的当前环境信息输入训练后的神经网络模型，根据输出结果确定所述智能家居的目标工作参数；控制所述智能家居基于对应的目标工作参数工作。

2.如权利要求1所述的终端，其特征在于，所述终端还包括摄像头，

所述用户画像是通过以下方式得到：

基于用户在所述预设区域对应的画像添加界面触发的添加用户特征的操作，确定所述用户特征，以及将所述用户特征输入语义识别模型得到所述用户特征的类别或通过预设的特征与类别的对应关系得到所述用户特征的类别；或者

根据在预设区域确定的位置信息、通过所述摄像头在预设区域采集的用户面部特征，以及用户与目标应用的交互信息中的至少一项确定所述用户特征，通过预设的特征与类别的对应关系得到所述用户特征的类别；或者

接收其他终端发送的所述预设区域对应的包含用户特征和所述用户特征的类别的用户画像。

3.如权利要求1所述的终端，其特征在于：

所述参数调整指令为用户在所述预设区域对应的画像添加界面触发的修改特征的操作指令；或

所述参数调整指令为用户在所述预设区域对应的画像展示界面触发的修改特征指令；或

所述参数调整指令为用户在智能家居控制界面触发的启动智能家居的指令；或

所述参数调整指令为用户在智能家居控制界面触发的调整智能家居的指令；或

所述参数调整指令为用户在所述预设区域对应的画像展示界面触发的切换用户画像的指令。

4.如权利要求1～3任一所述的终端，其特征在于，所述处理器具体用于：

将所述用户特征、所述类别和所述预设区域的当前环境信息输入训练后的第一神经网络模型中；

将输出的预测工作参数作为所述目标工作参数；

其中，所述训练后的第一神经网络模型是将所述智能家居的实际工作参数，所述智能家居工作时所述预设区域对应的第一样本画像中第一样本特征、所述第一样本特征的类别和所述预设区域的环境信息作为输入，将所述智能家居的预测工作参数作为输出对初始神经网络模型进行训练得到。

5.如权利要求4所述的终端，其特征在于，所述处理器还用于：

在确定所述目标工作参数之后，确定无法调整到对应目标工作参数的智能家居的可调整工作参数范围，基于所述可调整工作参数范围调整所述训练后的第一神经网络模型。

6.如权利要求1～3任一所述的终端，其特征在于，所述处理器具体用于：

将所述用户特征、所述类别和所述预设区域的当前环境信息输入训练后的第二神经网络模型中；

基于输出的预测环境参数以及所述智能家居当前工作状态，通过模糊预测得到所述智能家居的目标工作参数；

其中，所述训练后的第二神经网络模型是将样本区域对应的第二样本画像中第二样本特征、所述第二样本特征的类别、所述样本区域的环境信息、所述样本区域的目标环境参数作为输入，将所述样本区域的预测环境参数作为输出对初始神经网络模型进行训练得到。

7.一种智能家居控制方法，其特征在于，所述方法包括：

响应位于预设区域内的智能家居的参数调整指令，确定所述预设区域对应的用户画像包含的用户特征和所述用户特征的类别；

将所述用户特征、所述类别和所述预设区域的当前环境信息输入训练后的神经网络模型，根据输出结果确定所述智能家居的目标工作参数；

控制所述智能家居基于对应的目标工作参数工作。

8.如权利要求7所述的方法，其特征在于，所述用户画像是通过以下方式得到：

基于用户在所述预设区域对应的画像添加界面触发的添加用户特征的操作，确定所述用户特征，以及将所述用户特征输入语义识别得到所述用户特征的类别或通过预设的特征与类别的对应关系得到所述用户特征的类别；或者

根据在预设区域采集的用户面部特征、位置信息，以及用户与目标应用的交互信息中的至少一项确定所述用户特征，通过预设的特征与类别的对应关系得到所述用户特征的类别；或者

接收其他终端发送的所述预设区域对应的包含用户特征和所述用户特征的类别的用户画像。

9.如权利要求7所述的方法，其特征在于：

所述参数调整指令为用户在所述预设区域对应的画像添加界面触发的修改特征的操作指令；或

所述参数调整指令为用户在所述预设区域对应的画像展示界面触发的修改特征指令；或

所述参数调整指令为用户在智能家居控制界面触发的启动智能家居的指令；或

所述参数调整指令为用户在智能家居控制界面触发的调整智能家居的指令；或

所述参数调整指令为用户在所述预设区域对应的画像展示界面触发的切换用户画像的指令。

10.如权利要求7～9任一所述的方法，其特征在于，将所述用户特征、所述类别和所述预设区域的当前环境信息输入训练后的神经网络模型，根据输出结果确定所述智能家居的目标工作参数，包括：

将所述用户特征、所述类别和所述预设区域的当前环境信息输入训练后的第一神经网络模型中；

将输出的预测工作参数作为所述目标工作参数；

其中，所述训练后的第一神经网络模型是将所述智能家居的实际工作参数，智能家居工作时所述预设区域对应的第一样本画像中第一样本特征、所述第一样本特征的类别和所述预设区域的环境信息作为输入，将所述智能家居的预测工作参数作为输出对初始神经网络模型进行训练得到。

Images