本發(fā)明屬于智能家居技術(shù)領(lǐng)域，特別涉及一種智能家居中用戶行為預(yù)測(cè)方法。

背景技術(shù)：

近年來(lái)，人工智能發(fā)展突飛猛進(jìn)，得益于互聯(lián)網(wǎng)大數(shù)據(jù)和云計(jì)算的快速發(fā)展，深度學(xué)習(xí)已經(jīng)作為人工智能發(fā)展的核心驅(qū)動(dòng)。但在日常的工作生活中，尤其是家庭生活的智能家居方面，人工智能的實(shí)際應(yīng)用還停留在表面階段，更多地強(qiáng)調(diào)物聯(lián)、家電控制等，如用手機(jī)app控制家里所有電燈的開(kāi)關(guān),無(wú)人在家時(shí)掃地機(jī)器人自動(dòng)打掃衛(wèi)生等，所以現(xiàn)有的智能家居系統(tǒng)仍然停留在簡(jiǎn)單的電器開(kāi)關(guān)控制上，用戶的使用體驗(yàn)還有待進(jìn)一步提高。

技術(shù)實(shí)現(xiàn)要素：

一種智能家居中用戶行為預(yù)測(cè)方法，該方法包括以下步驟：

步驟一,在室內(nèi)設(shè)置的一個(gè)或多個(gè)傳感器，通過(guò)傳感器獲取的數(shù)據(jù)識(shí)別用戶身份，收集該用戶的特征數(shù)據(jù)；

步驟二，將所述傳感器獲取的數(shù)據(jù)歸類為包括圖像、聲音、姿態(tài)和位置維度，并以時(shí)間線關(guān)聯(lián)邏輯，然后發(fā)給后臺(tái)系統(tǒng)；

步驟三，后臺(tái)系統(tǒng)根據(jù)所獲取的同一時(shí)間點(diǎn)上的所有維度數(shù)據(jù)進(jìn)行綜合數(shù)據(jù)清洗、挖掘并與下一個(gè)時(shí)間點(diǎn)的相關(guān)數(shù)據(jù)進(jìn)行比較，同時(shí)預(yù)判出該用戶在未來(lái)某一時(shí)間點(diǎn)可能做出的行為或提出的需求；

步驟四，在用戶到達(dá)該未來(lái)時(shí)間點(diǎn)后，系統(tǒng)會(huì)根據(jù)在這一時(shí)間點(diǎn)獲取的所有維度的數(shù)據(jù)信息重新校驗(yàn)之前所做的預(yù)判。

重復(fù)步驟一至四，直至對(duì)用戶行為趨勢(shì)的預(yù)判正確率達(dá)到95％以上。

在步驟一中，傳感器收集到的用戶特征數(shù)據(jù)，均會(huì)打上相應(yīng)的時(shí)間點(diǎn)標(biāo)簽，使得所有的數(shù)據(jù)都可以時(shí)間軸進(jìn)行關(guān)聯(lián)邏輯。

在所述的傳感器之間，通過(guò)本地網(wǎng)絡(luò)或者云端網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)交換，以便獲取用戶更全面的特征數(shù)據(jù)。

當(dāng)后臺(tái)系統(tǒng)對(duì)用戶未來(lái)行為需求的推斷成功概率達(dá)到95％之后，后臺(tái)系統(tǒng)即會(huì)發(fā)出指令，要求前端設(shè)備跟用戶主動(dòng)進(jìn)行交互，以便提供相關(guān)的服務(wù)。

所述傳感器包括：

攝像頭，用于抓取用戶圖像特征數(shù)據(jù)；

麥克風(fēng)，用于獲取用戶聲音特征數(shù)據(jù)；

實(shí)感3d攝像頭，用于抓取用戶姿態(tài)特征數(shù)據(jù)；

超聲波傳感器，用于獲取用戶位置特征數(shù)據(jù)。

所述的用戶身份的識(shí)別過(guò)程是：

通過(guò)攝像頭檢測(cè)到拍攝范圍內(nèi)的人體，抓取人體面部特征，與樣本庫(kù)中預(yù)存的用戶照片進(jìn)行對(duì)比，計(jì)算出人臉匹配系數(shù)，初步判定該人體是否與某一授權(quán)用戶一致，判斷擁有權(quán)限的用戶是否存在拍攝范圍內(nèi)；

使用麥克風(fēng)接收用戶語(yǔ)音，將音頻模擬信號(hào)轉(zhuǎn)換為數(shù)字序列，再將數(shù)字序列與樣本庫(kù)中預(yù)存的用戶聲紋進(jìn)行對(duì)比，計(jì)算出聲紋匹配系數(shù)，對(duì)人臉匹配系數(shù)與聲紋識(shí)別匹配系數(shù)再次進(jìn)行計(jì)算，計(jì)算出匹配程度，從而判斷該用戶身份。

通過(guò)攝像頭檢測(cè)到拍攝范圍內(nèi)的用戶，抓取用戶圖像特征數(shù)據(jù)；

使用麥克風(fēng)接收用戶語(yǔ)音，通過(guò)對(duì)用戶聲音的采集、轉(zhuǎn)換，將音頻模擬信號(hào)轉(zhuǎn)換為數(shù)字序列，形成用戶聲音特征數(shù)據(jù)；

使用實(shí)感3d攝像頭檢測(cè)到拍攝范圍內(nèi)的用戶，抓取用戶姿態(tài)特征數(shù)據(jù)，用戶姿態(tài)含連續(xù)姿態(tài)；

使用超聲波傳感器檢測(cè)檢測(cè)范圍內(nèi)的用戶位置，通過(guò)超聲波采集、轉(zhuǎn)換，將超聲波音頻信號(hào)轉(zhuǎn)化為數(shù)字序列，行程用戶位置特征數(shù)據(jù)。

步驟三中的預(yù)判采用的推算算法包括：

以m為時(shí)間間隔進(jìn)行數(shù)據(jù)收集，先積累用戶前m×n時(shí)間段的特征數(shù)據(jù)，然后推斷出這m×n組特征數(shù)據(jù)的邏輯關(guān)聯(lián)；

然后做出對(duì)m×n+1時(shí)間點(diǎn)的特征數(shù)據(jù)推斷，之后則將推斷出的m×n+1時(shí)間點(diǎn)特征數(shù)據(jù)與經(jīng)過(guò)傳感器獲取的m×n+1時(shí)間點(diǎn)特征數(shù)據(jù)進(jìn)行比對(duì)，該比對(duì)包括步驟：

首先，嘗試單維度數(shù)據(jù)推斷，即根據(jù)1～m×n時(shí)間段的特征數(shù)據(jù)，用單維度數(shù)據(jù)先找出中間的規(guī)律，然后推斷m×n+1時(shí)間點(diǎn)的用戶行為趨勢(shì)，

如比對(duì)不正確，先把m×n+1時(shí)間點(diǎn)的信息采集下來(lái)放在庫(kù)中，然后，用兩個(gè)維度數(shù)據(jù)再去推斷m×n+1時(shí)間點(diǎn)用戶行為趨勢(shì)，如果比對(duì)仍然不正確，就用三個(gè)維度數(shù)據(jù)進(jìn)行推斷，以此類推，直至推斷正確；

如比對(duì)正確，先把正確的推斷邏輯放在正確庫(kù)內(nèi)，然后依舊用多個(gè)維度來(lái)推導(dǎo)m×n+1時(shí)間點(diǎn)的用戶行為趨勢(shì)，把正確推斷出m×n+1時(shí)間點(diǎn)用戶行為趨勢(shì)的推斷邏輯全部收錄到正確庫(kù)中，數(shù)量為n；

其次，使用這n個(gè)邏輯，根據(jù)2～m×n+1秒的特征數(shù)據(jù)，來(lái)推斷m×n+2時(shí)間點(diǎn)的用戶行為趨勢(shì)，通過(guò)這種推斷算法去復(fù)核、篩選不符合常理的推斷。

本發(fā)明通過(guò)傳感器收集數(shù)據(jù)并推斷用戶未來(lái)行為需求的趨勢(shì)，是人工智能深度學(xué)習(xí)在用戶日常家居生活方面的針對(duì)性應(yīng)用，目的在于通過(guò)大數(shù)據(jù)收集和云計(jì)算，后臺(tái)系統(tǒng)能夠正確推斷出用戶未來(lái)行為需求的趨勢(shì)，并對(duì)前端設(shè)備發(fā)出指令，為用戶主動(dòng)提供相關(guān)服務(wù)，提高生活便利。

附圖說(shuō)明

通過(guò)參考附圖閱讀下文的詳細(xì)描述，本發(fā)明示例性實(shí)施方式的上述以及其他目的、特征和優(yōu)點(diǎn)將變得易于理解。在附圖中，以示例性而非限制性的方式示出了本發(fā)明的若干實(shí)施方式，其中：

圖1是本發(fā)明傳感器獲取特征數(shù)據(jù)示意圖。

圖2是本發(fā)明實(shí)施例中后臺(tái)系統(tǒng)的推斷算法流程示意圖。

圖3是本發(fā)明預(yù)測(cè)方法流程示意圖。

具體實(shí)施方式

如圖3所示，本發(fā)明通過(guò)傳感器收集數(shù)據(jù)并推斷用戶未來(lái)行為需求的趨勢(shì)的方法，其特征在于，包括以下步驟：

步驟一,通過(guò)布置在有限空間內(nèi)的固定位置的一個(gè)或多個(gè)傳感器，獲取用戶身份，并在身份識(shí)別后，再收集該用戶的各方面特征數(shù)據(jù)；

步驟二，傳感器獲取數(shù)據(jù)之后，通過(guò)將這些數(shù)據(jù)歸類為圖像、聲音、姿態(tài)(含連續(xù)姿態(tài))、位置等維度(包括但不限于這四個(gè)維度)，并以時(shí)間線關(guān)聯(lián)邏輯，然后發(fā)給后臺(tái)系統(tǒng)；

步驟三，后臺(tái)系統(tǒng)根據(jù)所獲取的同一時(shí)間點(diǎn)上的所有維度數(shù)據(jù)進(jìn)行綜合數(shù)據(jù)清洗、挖掘并與下一個(gè)時(shí)間點(diǎn)的相關(guān)數(shù)據(jù)進(jìn)行比較，同時(shí)預(yù)判出該用戶在未來(lái)某一時(shí)間點(diǎn)可能做出的行為或提出的需求；

步驟四，在用戶到達(dá)該未來(lái)時(shí)間點(diǎn)后，系統(tǒng)會(huì)根據(jù)在這一時(shí)間點(diǎn)獲取的所有維度的數(shù)據(jù)信息重新校驗(yàn)之前所做的預(yù)判；

步驟五：重復(fù)上述步驟，直至對(duì)用戶行為趨勢(shì)的預(yù)判正確率達(dá)到95％以上。

傳感器需要布置在封閉或者半封閉的空間內(nèi)，且該空間完全處于傳感器的有效測(cè)量范圍內(nèi)，如住宅房間、辦公室等，當(dāng)用戶處于此空間時(shí)，傳感器能有效獲取用戶數(shù)據(jù)。在有限空間內(nèi)布置的一個(gè)或多個(gè)傳感器，必須以固定位置存在，以獲取用戶在空間內(nèi)的特征數(shù)據(jù)。傳感器收集用戶的圖像、聲音、姿態(tài)(含連續(xù)姿態(tài))、位置等維度(包括但不限于這四個(gè)維度)特征數(shù)據(jù)。

傳感器收集到的用戶特征數(shù)據(jù)，均會(huì)打上相應(yīng)的時(shí)間點(diǎn)標(biāo)簽，所有的數(shù)據(jù)都以時(shí)間軸進(jìn)行關(guān)聯(lián)邏輯。后臺(tái)系統(tǒng)對(duì)用戶未來(lái)行為需求做出推斷，此推斷的基礎(chǔ)即為以某一時(shí)間點(diǎn)標(biāo)簽上的所有維度的特征數(shù)據(jù)。

某一區(qū)域的傳感器，和同類傳感器或者不同類傳感器之間，可以通過(guò)本地網(wǎng)絡(luò)或者云端網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)交換，以便獲取用戶的全息化特征數(shù)據(jù)，獲取的特征數(shù)據(jù)越多，后臺(tái)系統(tǒng)推斷用戶未來(lái)行為需求的正確率就會(huì)越高。

當(dāng)后臺(tái)系統(tǒng)對(duì)用戶未來(lái)行為需求的推斷成功概率達(dá)到95％之后，后臺(tái)系統(tǒng)即會(huì)發(fā)出指令，要求前端設(shè)備跟用戶主動(dòng)進(jìn)行交互，以便提供相關(guān)的服務(wù)。

如圖1所示的用戶特征數(shù)據(jù)收集。

通過(guò)攝像頭檢測(cè)到拍攝范圍內(nèi)的用戶，抓取用戶圖像特征數(shù)據(jù)。

使用麥克風(fēng)接收用戶語(yǔ)音，通過(guò)對(duì)用戶聲音的采集、轉(zhuǎn)換，將音頻模擬信號(hào)轉(zhuǎn)換為數(shù)字序列，形成用戶聲音特征數(shù)據(jù)。

使用實(shí)感3d攝像頭檢測(cè)到拍攝范圍內(nèi)的用戶，抓取用戶姿態(tài)(含連續(xù)姿態(tài))特征數(shù)據(jù)。

使用集成在固定位置終端設(shè)備內(nèi)的超聲波傳感器檢測(cè)一定范圍內(nèi)的用戶位置，通過(guò)超聲波采集、轉(zhuǎn)換，將超聲波音頻信號(hào)轉(zhuǎn)化為數(shù)字序列，行程用戶位置特征數(shù)據(jù)。

使用其他傳感器獲取的其他用戶數(shù)據(jù)。

將以上特征數(shù)據(jù)以時(shí)間線關(guān)聯(lián)邏輯，并打上相應(yīng)的時(shí)間點(diǎn)標(biāo)簽。

如圖2所示的后臺(tái)系統(tǒng)推斷算法。

假設(shè)以秒為單位進(jìn)行數(shù)據(jù)收集，后臺(tái)系統(tǒng)會(huì)先積累用戶前1000秒的特征數(shù)據(jù)，然后推斷出這1000組特征數(shù)據(jù)的邏輯關(guān)聯(lián)，然后系統(tǒng)會(huì)做出對(duì)1001秒的特征數(shù)據(jù)推斷，之后則將其推斷的1001秒特征數(shù)據(jù)與經(jīng)過(guò)傳感器獲取的1001秒特征數(shù)據(jù)進(jìn)行比對(duì)，包括步驟：

首先，系統(tǒng)嘗試單維度數(shù)據(jù)推斷，即根據(jù)1-1000秒的特征數(shù)據(jù)，用單維度數(shù)據(jù)先找出中間它認(rèn)為的規(guī)律，然后推斷1001秒的用戶行為趨勢(shì)，如比對(duì)不正確，系統(tǒng)會(huì)先把1001秒的信息采集下來(lái)放在庫(kù)中。然后，用兩個(gè)維度數(shù)據(jù)再去推斷1001秒用戶行為趨勢(shì)，如果比對(duì)仍然不正確，就用三個(gè)維度數(shù)據(jù)進(jìn)行推斷，以此類推，直至推斷正確。

如比對(duì)正確，系統(tǒng)會(huì)先把正確的邏輯放在正確庫(kù)內(nèi)，然后依舊用多個(gè)維度來(lái)推導(dǎo)1001秒的用戶行為趨勢(shì)。系統(tǒng)會(huì)把正確推斷出1001秒用戶行為趨勢(shì)的邏輯全部收錄到正確庫(kù)中，數(shù)量為n。

其次，系統(tǒng)將使用這個(gè)n個(gè)邏輯，根據(jù)2-1001秒的特征數(shù)據(jù)，來(lái)推斷1002秒的用戶行為趨勢(shì)。

通過(guò)這種推斷算法去復(fù)核、篩選不符合常理的推斷。比如說(shuō)它工作了一天(86400秒)，系統(tǒng)就能知道哪些推斷是準(zhǔn)確的。一個(gè)動(dòng)作多次重復(fù)，它就能對(duì)單一的用戶行為趨勢(shì)做出準(zhǔn)確的推斷。

推斷算法必須依靠大數(shù)據(jù)+云計(jì)算才能完成，因?yàn)閿?shù)據(jù)的多維度，造成參與演算的數(shù)據(jù)量將會(huì)非常大，只有依靠云計(jì)算才能完成。

關(guān)于推斷正確率，單一數(shù)據(jù)推斷的準(zhǔn)確率必須超過(guò)99.99％，然后然后在此基礎(chǔ)上再疊加到不同需求，最后多維度數(shù)據(jù)推斷成功率要求超過(guò)95％。

關(guān)于計(jì)算速度，云計(jì)算的數(shù)據(jù)推斷時(shí)間遠(yuǎn)低于1秒，同時(shí)，系統(tǒng)會(huì)根據(jù)正確的推斷邏輯編排公式，對(duì)用戶行為趨勢(shì)進(jìn)行驗(yàn)證。

值得說(shuō)明的是，雖然前述內(nèi)容已經(jīng)參考若干具體實(shí)施方式描述了本發(fā)明創(chuàng)造的精神和原理，但是應(yīng)該理解，本發(fā)明并不限于所公開(kāi)的具體實(shí)施方式，對(duì)各方面的劃分也不意味著這些方面中的特征不能組合，這種劃分僅是為了表述的方便。本發(fā)明旨在涵蓋所附權(quán)利要求的精神和范圍內(nèi)所包括的各種修改和等同布置。