本發(fā)明涉及智能家居，更具體地說，涉及一種智能家居系統(tǒng)的控制方法及控制系統(tǒng)。

背景技術：

1、智能家居是以住宅為平臺，利用綜合布線技術、網(wǎng)絡通信技術、安全防范技術、自動控制技術、音視頻技術將家居生活有關的設施集成，構(gòu)建高效的住宅設施與家庭日程事務的管理系統(tǒng)，以提升家居安全性、便利性、舒適性、藝術性，并實現(xiàn)環(huán)保節(jié)能的居住環(huán)境。智能家居并非單一產(chǎn)品，而是通過技術手段將家中各種設備連接成一個有機系統(tǒng)，讓主人可以隨時隨地控制和管理。

2、隨著智能家居的普及，用戶對于觀影體驗的智能化控制需求日益增加，智能家居的控制系統(tǒng)也日益完善，目前智能家居的控制系統(tǒng)主要是通過語音指令接收的方式對室內(nèi)智能家具進行控制，用戶需要對智能家居的控制系統(tǒng)主動發(fā)送指令，對于不同地區(qū)的用戶，其發(fā)出的口音往往存在差異，且不標準的指令輸入會導致控制系統(tǒng)無法識別相應的指令，或誤識別相應的指令，進而造成不必要的困擾，鑒于此，我們提出一種智能家居系統(tǒng)的控制方法及控制系統(tǒng)。

技術實現(xiàn)思路

1、本發(fā)明的目的在于提供一種智能家居系統(tǒng)的控制方法及控制系統(tǒng)，以解決當前傳統(tǒng)語音指令控制容易導致控制系統(tǒng)無法識別相應的指令，或誤識別相應的指令，進而造成不必要的困擾的技術問題。

2、為解決上述技術問題，本發(fā)明提供如下技術方案：一種智能家居系統(tǒng)的控制方法，包括以下步驟：

3、s1、多維度、精細化的觀影行為模式定義；

4、包括身體姿態(tài)、面部表情、眼球運動、聲音特征及手持設備操作等，為每類特征設定具體的識別標準和閾值，形成觀影行為模式庫；

5、s2、行為模式采集；

6、通過集成高清攝像頭、紅外傳感器、壓力傳感器、麥克風等多種高精度傳感器，實時采集用戶在觀影過程中的多維度行為數(shù)據(jù)，并進行預處理以提高數(shù)據(jù)質(zhì)量；

7、s3、行為模式識別；

8、采用基于深度學習與混合機器學習模型的行為模式識別系統(tǒng)，接收預處理后的數(shù)據(jù)輸入，輸出用戶是否處于觀影模式及具體行為模式的判斷結(jié)果，其中，使用svm分類算法進行識別，具體算法公式為：

9、

10、其中，moviemodepredicted是預測的觀影模式狀態(tài)，m是模式類別，即觀影模式或非觀影模式，n是支持向量的數(shù)量，αi和yi分別是支持向量的系數(shù)和標簽，k(xuser，xi)是核函數(shù)，用于計算用戶當前狀態(tài)xuser與支持向量xi之間的相似度，b是偏置項；

11、s4、智能家具聯(lián)動控制；

12、根據(jù)行為模式識別的結(jié)果，自動調(diào)整智能家居設備的狀態(tài)，包括窗簾、燈光、音箱、空調(diào)等，以營造最佳的觀影環(huán)境；

13、s5、長期學習與自適應優(yōu)化；

14、建立基于強化學習的長期學習與優(yōu)化機制，持續(xù)收集用戶反饋、行為數(shù)據(jù)及設備狀態(tài)信息，對行為模式識別模型和控制策略進行迭代優(yōu)化；

15、使用策略梯度算法進行模型參數(shù)調(diào)整，以提高識別準確率與控制效果，策略梯度算法公式如下：

16、

17、其中，θ是模型參數(shù)，α是學習率，πθ(at∣st)是在狀態(tài)st下采取動作a的策略，rt是即時獎勵，γ是折扣因子，rt+k是未來獎勵，b(st)是基線函數(shù)，用于減少方差，t是時間步長。

18、本發(fā)明通過行為模式采集模塊對用戶的行為模式進行采集，并通過行為模式識別模塊對用戶的具體行為進行識別，利用度學習與混合機器學習模型的行為模式識別系統(tǒng)，使用svm分類算法進行識別，并根據(jù)識別結(jié)果自動調(diào)整智能家居設備的狀態(tài)，從而實現(xiàn)了對智能家居設備的行為模式控制，摒棄了傳統(tǒng)語音控制模式，有效降低了指令無法識別或誤識別的情況出現(xiàn)，有利于提升智能家居設備控制的便捷性和準確性。

19、優(yōu)選的，所述s2中，數(shù)據(jù)預處理包括去噪、特征提取、數(shù)據(jù)融合和時間序列分析。

20、優(yōu)選的，所述s3中，行為模式識別還包括對用戶習慣、年齡、性別等個體差異的考慮，以實現(xiàn)個性化識別。

21、優(yōu)選的，所述s4中，智能家居設備聯(lián)動控制策略包括動態(tài)調(diào)整窗簾開閉角度、燈光亮度與色溫、音箱音量與音效、空調(diào)溫度與風速。

22、一種智能家居系統(tǒng)的控制系統(tǒng)，包括用于對用戶在觀影過程中的多維度行為數(shù)據(jù)進行采集的數(shù)據(jù)采集單元，所述數(shù)據(jù)采集單元連接有用于對數(shù)據(jù)進行預處理的數(shù)據(jù)處理單元，所述數(shù)據(jù)處理單元連接有用于對用戶是否處于觀影模式及其具體行為模式進行識別的行為模式識別單元，所述行為模式識別單元連接有根據(jù)行為模式識別單元的輸出結(jié)果，自動制定并執(zhí)行智能家居設備的控制策略的智能決策與識別單元，所述智能決策與識別單元連接有用于對行為模式識別以及智能決策與識別進行長期學習訓練以及自適應優(yōu)化調(diào)整的長期學習與自適應優(yōu)化單元，該系統(tǒng)還包括用戶交互與反饋單元。

23、優(yōu)選的，所述數(shù)據(jù)采集單元集成高清攝像頭、紅外傳感器、壓力傳感器和麥克風，用于實時捕捉和采集用戶在觀影過程中的多維度行為數(shù)據(jù)，包括但不限于身體姿態(tài)、面部表情、眼球運動、聲音特征及手持設備操作。

24、優(yōu)選的，所述數(shù)據(jù)處理單元對數(shù)據(jù)采集單元傳來的原始數(shù)據(jù)進行去噪、特征提取、數(shù)據(jù)融合和時間序列分析等預處理操作，以提高數(shù)據(jù)質(zhì)量和可分析性。

25、優(yōu)選的，所述行為模式識別單元采用深度學習與混合機器學習算法，構(gòu)建復雜的行為模式識別模型，對處理后的數(shù)據(jù)進行深入分析，以高精確度識別用戶是否處于觀影模式及其具體行為模式。

26、優(yōu)選的，所述智能決策與識別單元根據(jù)行為模式識別單元的輸出結(jié)果，自動制定并執(zhí)行智能家居設備的控制策略，包括動態(tài)調(diào)整窗簾的開閉角度、燈光的亮度與色溫、音箱的音量與音效、空調(diào)的溫度與風速等，以營造最佳的觀影環(huán)境。

27、優(yōu)選的，所述長期學習與自適應優(yōu)化單元具備自我學習和優(yōu)化的能力，通過不斷收集用戶行為數(shù)據(jù)、環(huán)境參數(shù)及系統(tǒng)反饋，利用強化學習算法調(diào)整和優(yōu)化行為模式識別模型及控制策略，以實現(xiàn)個性化服務和系統(tǒng)性能的持續(xù)提升。

28、與現(xiàn)有技術相比，本發(fā)明的有益效果是：

29、1、本發(fā)明通過行為模式采集模塊對用戶的行為模式進行采集，并通過行為模式識別模塊對用戶的具體行為進行識別，利用度學習與混合機器學習模型的行為模式識別系統(tǒng)，使用svm分類算法進行識別，并根據(jù)識別結(jié)果自動調(diào)整智能家居設備的狀態(tài)，從而實現(xiàn)了對智能家居設備的行為模式控制，摒棄了傳統(tǒng)語音控制模式，有效降低了指令無法識別或誤識別的情況出現(xiàn)，有利于提升智能家居設備控制的便捷性和準確性，解決了傳統(tǒng)語音指令控制容易導致控制系統(tǒng)無法識別相應的指令，或誤識別相應的指令，進而造成不必要的困擾的問題。

30、2、本發(fā)明還通過設計長期學習與自適應優(yōu)化單元，建立基于強化學習的長期學習與優(yōu)化機制，使用策略梯度算法進行模型參數(shù)調(diào)整，不斷對行為模式識別進行訓練，以提高識別準確率與控制效果。

技術特征：

1.一種智能家居系統(tǒng)的控制方法，其特征在于，包括以下步驟：

2.根據(jù)權利要求1所述的一種智能家居系統(tǒng)的控方法，其特征在于，所述s2中，數(shù)據(jù)預處理包括去噪、特征提取、數(shù)據(jù)融合和時間序列分析。

3.根據(jù)權利要求1所述的一種智能家居系統(tǒng)的控制方法，其特征在于，所述s3中，行為模式識別還包括對用戶習慣、年齡、性別等個體差異的考慮，以實現(xiàn)個性化識別。

4.根據(jù)權利要求1所述的一種智能家居系統(tǒng)的控制方法，其特征在于，所述s4中，智能家居設備聯(lián)動控制策略包括動態(tài)調(diào)整窗簾開閉角度、燈光亮度與色溫、音箱音量與音效、空調(diào)溫度與風速。

5.一種智能家居系統(tǒng)的控制系統(tǒng)，其特征在于，包括用于對用戶在觀影過程中的多維度行為數(shù)據(jù)進行采集的數(shù)據(jù)采集單元，所述數(shù)據(jù)采集單元連接有用于對數(shù)據(jù)進行預處理的數(shù)據(jù)處理單元，所述數(shù)據(jù)處理單元連接有用于對用戶是否處于觀影模式及其具體行為模式進行識別的行為模式識別單元，所述行為模式識別單元連接有根據(jù)行為模式識別單元的輸出結(jié)果，自動制定并執(zhí)行智能家居設備的控制策略的智能決策與識別單元，所述智能決策與識別單元連接有用于對行為模式識別以及智能決策與識別進行長期學習訓練以及自適應優(yōu)化調(diào)整的長期學習與自適應優(yōu)化單元，該系統(tǒng)還包括用戶交互與反饋單元。

6.根據(jù)權利要求5所述的一種智能家居系統(tǒng)的控制系統(tǒng)，其特征在于，所述數(shù)據(jù)采集單元集成高清攝像頭、紅外傳感器、壓力傳感器和麥克風，用于實時捕捉和采集用戶在觀影過程中的多維度行為數(shù)據(jù)，包括但不限于身體姿態(tài)、面部表情、眼球運動、聲音特征及手持設備操作。

7.根據(jù)權利要求6所述的一種智能家居系統(tǒng)的控制系統(tǒng)，其特征在于，所述數(shù)據(jù)處理單元對數(shù)據(jù)采集單元傳來的原始數(shù)據(jù)進行去噪、特征提取、數(shù)據(jù)融合和時間序列分析等預處理操作，以提高數(shù)據(jù)質(zhì)量和可分析性。

8.根據(jù)權利要求7所述的一種智能家居系統(tǒng)的控制系統(tǒng)，其特征在于，所述行為模式識別單元采用深度學習與混合機器學習算法，構(gòu)建復雜的行為模式識別模型，對處理后的數(shù)據(jù)進行深入分析，以高精確度識別用戶是否處于觀影模式及其具體行為模式。

9.根據(jù)權利要求8所述的一種智能家居系統(tǒng)的控制系統(tǒng)，其特征在于，所述智能決策與識別單元根據(jù)行為模式識別單元的輸出結(jié)果，自動制定并執(zhí)行智能家居設備的控制策略，包括動態(tài)調(diào)整窗簾的開閉角度、燈光的亮度與色溫、音箱的音量與音效、空調(diào)的溫度與風速等，以營造最佳的觀影環(huán)境。

10.根據(jù)權利要求9所述的一種智能家居系統(tǒng)的控制系統(tǒng)，其特征在于，所述長期學習與自適應優(yōu)化單元具備自我學習和優(yōu)化的能力，通過不斷收集用戶行為數(shù)據(jù)、環(huán)境參數(shù)及系統(tǒng)反饋，利用強化學習算法調(diào)整和優(yōu)化行為模式識別模型及控制策略，以實現(xiàn)個性化服務和系統(tǒng)性能的持續(xù)提升。

技術總結(jié)
本發(fā)明公開了一種智能家居系統(tǒng)的控制方法及控制系統(tǒng)，涉及智能家居技術領域，旨在解決當前傳統(tǒng)語音指令控制容易導致控制系統(tǒng)無法識別相應的指令，或誤識別相應的指令，進而造成不必要的困擾的技術問題，包括以下步驟：S1、多維度、精細化的觀影行為模式定義；包括身體姿態(tài)、面部表情、眼球運動、聲音特征及手持設備操作等，為每類特征設定具體的識別標準和閾值，形成觀影行為模式庫；S2、行為模式采集；通過集成高清攝像頭、紅外傳感器、壓力傳感器、麥克風等多種高精度傳感器，實時采集用戶在觀影過程中的多維度行為數(shù)據(jù)，并進行預處理以提高數(shù)據(jù)質(zhì)量；S3、行為模式識別。本發(fā)明具有提升智能家居設備控制的便捷性和準確性的優(yōu)點。

技術研發(fā)人員：楊登峰
受保護的技術使用者：鹽城蔚萊智能科技有限公司
技術研發(fā)日：
技術公布日：2024/12/10