基于多模态融合的智能沙发姿态自适应调节方法及装置与流程

摘要: 本发明涉及沙发,尤其涉及一种基于多模态融合的智能沙发姿态自适应调节方法及装置。背景技术:1、随着智能家居技术的快速发展,智能沙发作为智能家居生态系统的重要组成部...
基于多模态融合的智能沙发姿态自适应调节方法及装置与流程

本发明涉及沙发,尤其涉及一种基于多模态融合的智能沙发姿态自适应调节方法及装置。

背景技术:

1、随着智能家居技术的快速发展,智能沙发作为智能家居生态系统的重要组成部分,正逐渐从单一的休息家具向智能化、个性化的人机交互终端演进。传统的智能沙发主要基于压力传感器或简单的体感检测来实现姿态调节,用户需要通过物理按键、遥控器或语音指令来触发智能沙发的姿态调节功能。

2、然而,现有的智能沙发姿态调节技术存在以下缺陷:首先,现有技术主要依赖压力传感器检测用户体态变化来推断调节意图,但用户的无意识体态变化(如翻身、调整坐姿)与主动调节意图难以区分,导致沙发频繁误触发调节动作,不仅影响用户体验,还可能打断用户的专注工作或休息状态。其次,部分现有技术方案采用语音控制方式,但在用户不便发声的场景(如专注工作、午休、夜间)下使用受限。再者,现有智能沙发在姿态调节时,采用统一的调节速度和灵敏度,容易在用户专注工作时造成干扰,或在用户困倦时因调节速度过快而产生不适感。这种一刀切的调节策略难以满足用户在不同场景下的差异化需求。此外,部分现有技术虽然引入了多种传感器(如压力、角度、温度等),但仅进行简单的数据叠加或独立判断,导致无法准确捕捉用户的主动调节意图。

3、综上所述,现有智能沙发姿态调节技术存在姿态调节准确性不高的问题。

技术实现思路

1、本发明提供一种基于多模态融合的智能沙发姿态自适应调节方法及装置,以解决现有智能沙发姿态调节的准确性不高的技术问题。

2、第一方面,提供了一种基于多模态融合的智能沙发姿态自适应调节方法,包括:

3、采集脑电信号、压力分布数据以及姿态角度数据;

4、基于所述脑电信号生成认知状态标签及脑电意图置信度;

5、对所述压力分布数据和所述姿态角度数据进行融合分析,生成体态变化置信度;

6、基于所述体态变化置信度和所述脑电意图置信度,结合所述脑电信号、所述压力分布数据以及所述姿态角度数据,确定最终意向坐姿;

7、根据所述最终意向坐姿和所述认知状态标签控制智能沙发执行姿态调节。

8、第二方面,提供了一种基于多模态融合的智能沙发姿态自适应调节装置,包括:

9、采集单元,用于采集脑电信号、压力分布数据以及姿态角度数据;

10、第一生成单元,用于基于所述脑电信号生成认知状态标签及脑电意图置信度;

11、第二生成单元,用于对所述压力分布数据和所述姿态角度数据进行融合分析,生成体态变化置信度;

12、确定单元,用于基于所述体态变化置信度和所述脑电意图置信度,结合所述脑电信号、所述压力分布数据以及所述姿态角度数据,确定最终意向坐姿;

13、控制调节单元,用于根据所述最终意向坐姿和所述认知状态标签控制智能沙发执行姿态调节。

14、上述基于多模态融合的智能沙发姿态自适应调节方法及装置所实现的方案中,可以采集脑电信号、压力分布数据以及姿态角度数据;基于所述脑电信号生成认知状态标签及脑电意图置信度;

15、对所述压力分布数据和所述姿态角度数据进行融合分析,生成体态变化置信度;基于所述体态变化置信度和所述脑电意图置信度,结合所述脑电信号、所述压力分布数据以及所述姿态角度数据,确定最终意向坐姿;根据所述最终意向坐姿和所述认知状态标签控制智能沙发执行姿态调节。在本发明中,通过采集脑电信号、压力分布数据及姿态角度数据,提供多源输入信息;基于脑电信号生成认知状态标签及脑电意图置信度,直接捕捉用户主观意图,有效区分无意识体态变化与主动调节意图;对压力分布数据和姿态角度数据融合分析生成体态变化置信度,实现多源数据交叉验证;基于脑电意图置信度和体态变化置信度结合多源数据确定最终意向坐姿,通过多模态融合提高决策准确性;根据最终意向坐姿和认知状态标签控制智能沙发执行自适应调节,使调节策略适配用户当前状态,从而有效提高了智能沙发姿态调节的准确性。

1.一种基于多模态融合的智能沙发姿态自适应调节方法,其特征在于,包括:

2.如权利要求1所述的基于多模态融合的智能沙发姿态自适应调节方法,其特征在于,所述基于所述脑电信号生成认知状态标签及脑电意图置信度的步骤,包括:

3.如权利要求2所述的基于多模态融合的智能沙发姿态自适应调节方法,其特征在于,所述对所述处理脑电信号进行特征提取,生成脑电特征向量的步骤,包括:

4.如权利要求2所述的基于多模态融合的智能沙发姿态自适应调节方法,其特征在于,所述基于所述处理脑电信号生成所述脑电意图置信度的步骤,包括:

5.如权利要求1所述的基于多模态融合的智能沙发姿态自适应调节方法,其特征在于,所述对所述压力分布数据和所述姿态角度数据进行融合分析,生成体态变化置信度的步骤,包括:

6.如权利要求1所述的基于多模态融合的智能沙发姿态自适应调节方法,其特征在于,所述基于所述体态变化置信度和所述脑电意图置信度,结合所述脑电信号、所述压力分布数据以及所述姿态角度数据,确定最终意向坐姿的步骤,包括:

7.如权利要求1所述的基于多模态融合的智能沙发姿态自适应调节方法,其特征在于,所述根据所述最终意向坐姿和所述认知状态标签控制智能沙发执行姿态调节的步骤,包括:

8.如权利要求1至7任一项所述的基于多模态融合的智能沙发姿态自适应调节方法,其特征在于,所述根据所述最终意向坐姿和所述认知状态标签控制智能沙发执行姿态调节的步骤之后,还包括:

9.如权利要求1-7任一项所述的基于多模态融合的智能沙发姿态自适应调节方法,其特征在于,所述根据所述最终意向坐姿和所述认知状态标签控制智能沙发执行姿态调节的步骤之后,还包括:

10.一种基于多模态融合的智能沙发姿态自适应调节装置,其特征在于,包括: