智能家居设备的联动控制方法、系统、装置及存储介质与流程

1.本技术涉及智能家居设备控制领域，尤其涉及一种智能家居设备的联动控制方法、系统、装置、设备及存储介质。


背景技术：

2.随着互联网技术的不断普及，智能家居技术的发展得到了保障，其中智能家居的起床模式也迅速发展了起来，传统的一键起床模式是通过设定起床时间实现的。到了设定的时间之后，会出现闹钟、窗帘、灯光等智能家居设备的一系列联动。
3.但是，由于现有技术中只有到达了设定的时间才会产生联动，如果用户晚上上厕所，由于还没有到达设定的时间，则不会产生联动，不够智能，具有很大的局限性，严重影响了用户的体验。


技术实现要素：

4.本技术提供了一种智能家居设备的联动控制方法、系统、装置、设备及存储介质，用以解决现有的联动方案不够智能、局限性大，导致用户体验差的问题。
5.第一方面，本技术实施例提供了一种智能家居设备的联动控制方法，包括：
6.监测目标对象的当前运动参数值；
7.若基于所述当前运动参数值，判定所述目标对象做出起床动作时，则控制所述智能家居设备联动。
8.可选的，所述基于所述当前运动参数值，判定所述目标对象做出起床动作，包括：
9.对所述当前运动参数值进行惯性解算，得到所述目标对象的当前行为特征量；
10.将所述当前行为特征量输入到预先训练好的自适应神经网络模糊推理系统模型中，得到输出值；
11.判定所述输出值大于或等于预设阈值，则确定所述目标对象做出起床动作。
12.可选的，所述判定所述输出值大于或等于预设阈值，包括：
13.获取所述目标对象对应的预设阈值；
14.确定所述输出值大于或等于所述预设阈值。
15.可选的，所述获取所述目标对象对应的预设阈值，包括：
16.获取所述目标对象做出起床动作时的历史运动参数值；
17.对所述历史运动参数值进行惯性解算，得到历史行为特征量；
18.基于所述历史行为特征量对自适应神经网络模糊推理系统模型进行训练，得到历史输出值；
19.根据所述历史输出值，确定与所述目标对象对应的预设阈值。
20.可选的，所述自适应神经网络模糊推理系统模型包括：三角形隶属函数；
21.所述基于所述历史行为特征量对自适应神经网络模糊推理系统模型进行训练，得到历史输出值，包括：
22.确定所述历史行为特征量所属的模糊集；
23.获取所述模糊集对应的三角形隶属函数；
24.将所述历史行为特征量代入三角形隶属函数，计算得到所述历史输出值。
25.可选的，所述控制所述智能家居设备联动，包括：
26.获取判定所述目标对象做出起床动作的当前时刻；
27.基于所述当前时刻控制所述智能家居设备联动。
28.可选的，所述智能家居设备，包括：第一指定室内空间的第一照明装置；
29.所述基于所述当前时刻控制所述智能家居设备联动，包括：
30.当确定所述当前时刻处于所述目标对象的预设休息时间段内时，则控制所述第一照明装置开启。
31.可选的，所述智能家居设备，包括：窗帘和第二指定室内空间的第二照明装置；
32.所述基于所述当前时刻控制所述智能家居设备联动，包括：
33.若确定所述当前时刻处于所述目标对象的预设工作时间段内，则控制所述窗帘拉开；
34.在所述窗帘拉开后，检测所述目标对象所处的第二指定室内空间的光线的亮度参数值；
35.若所述亮度参数值小于预设亮度参数值，则控制所述第二照明装置开启。
36.第二方面，本技术实施例提供了一种智能家居设备的联动控制系统，包括：传感器、服务器和至少一个智能家居设备；所述传感器和所述服务器建立通信连接；每个所述智能家居设备均与所述服务器建立通信连接；
37.所述传感器，用于监测目标对象的当前运动参数值；
38.所述服务器，用于基于所述当前运动参数值，判定所述目标对象做出起床动作时，则控制所述智能家居设备联动。
39.第三方面，本技术实施例提供了一种智能家居设备的联动控制装置，包括：
40.监测模块，用于监测目标对象的当前运动参数值；
41.控制模块，用于若基于所述当前运动参数值，判定所述目标对象做出起床动作时，则控制所述智能家居设备联动。
42.第四方面，本技术实施例提供了一种电子设备，包括：处理器、存储器和通信总线，其中，处理器和存储器通过通信总线完成相互间的通信；
43.所述存储器，用于存储计算机程序；
44.所述处理器，用于执行所述存储器中所存储的程序，实现第一方面所述的智能家居设备的联动控制方法。
45.第五方面，本技术实施例提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的智能家居设备的联动控制方法。
46.本技术实施例提供的上述技术方案与现有技术相比具有如下优点：本技术实施例提供的该方法，监测目标对象的当前运动参数值，基于当前运动参数值，判定目标对象做出起床动作，则控制智能家居设备联动。本技术实施例提供的方案，能够根据目标对象的当前运动参数值，判定目标对象做出起床动作，判断的准确性较高，相比于现有技术中固定某一个时间作为联动方案的触发时间点，灵活性更高，能够根据当前目标对象的当前运动参数
做出准确判断，更加智能化，用户体验好。
附图说明
47.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
48.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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。
49.图1为本技术实施例提供的智能家居设备的联动控制方法所应用的系统架构的示意图；
50.图2为本技术实施例提供的一种智能家居设备的联动控制方法的流程示意图；
51.图3为本技术实施例提供的一种获取不同目标对象各自的预设阈值的方法的流程示意图；
52.图4为本技术实施例提供的一种智能家居设备的联动控制方法的整体流程示意图；
53.图5为本技术实施例提供的一种智能家居设备的联动控制装置的结构示意图；
54.图6为本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
55.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术的一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
56.现有技术中，起床联动主要是一键模式，只会在到达设定的时间时才会产生联动，不够智能，局限性较大，导致用户体验差。
57.为了解决上述技术问题，本技术实施例提供了一种智能家居设备的联动控制方法，首先，结合图1对本技术实施例提供的智能家居设备的联动控制方法所应用的系统架构进行说明。如图1所示，本技术实施例提供了一种智能家居设备的联动控制系统，包括：传感器101、服务器102和至少一个智能家居设备103；传感器101和服务器102建立通信连接；每个智能家居设备103与服务器102建立通信连接；传感器101，用于监测目标对象的当前运动参数值；服务器102，用于基于当前运动参数值，判定目标对象做出起床动作时，则控制智能家居设备103联动。
58.其中，在具体实现时，传感器的数量可以是一个，也可以是多个，例如：可以每一个家庭成员各自佩戴一个传感器。可以采用本地wifi局域网、zigbee网络或蓝牙mesh网络等方式实现服务器102和传感器101，以及服务器102和各个智能家居设备103之间的通信连接。其中，智能家居设备可以是照明装置、窗帘、闹钟或智能音箱等等，这里还需要说明的是，智能家居设备还可以是空调、电视或空气净化器等等，这里不做限定，可以是任何一种智能家居设备。
59.下面结合图2对本技术实施例提供的一种智能家居设备的联动控制方法做进一步
详细说明，如图2所示，该智能家居设备的联动控制方法包括：
60.步骤201，监测目标对象的当前运动参数值；
61.在具体实现时，利用传感器监测目标对象的当前运动参数值，其中，目标对象可以是人，具体的，可以是家庭中的各个家庭成员。具体的，可以利用mems
‑
imu传感器检测目标对象的当前运动参数值，mems
‑
imu传感器用于监测人体的三轴姿态角和加速度，当前运动参数值包括：角速率值和加速度值。在具体实现时，mems
‑
imu(微机电系统惯性测量单元)传感器可以周期性的监测目标对象的当前运动参数值。
62.步骤202，若基于当前运动参数值，判定目标对象做出起床动作时，则控制智能家居设备联动。
63.其中，通过对当前运动参数进行惯性解算，得到人体的姿态、速度和位移等特征量，将解算得到的特征量进行滤波处理，去除一些干扰因素，得到当前行为特征量，将当前行为特征量输入到预先训练好的自适应神经网络模糊推理系统模型(anfis模型)中，得到输出值，判断输出值是否大于或等于预设阈值，如果输出值大于或等于预设阈值，则确定目标对象做出起床动作，则控制智能家居设备联动。
64.当判定目标对象做出起床动作，控制智能家居设备联动时，可以同时结合目标对象做出起床动作的当前时刻，基于当前时刻控制智能家居设备联动。
65.具体的，当确定当前时刻处于目标对象的预设休息时间段内时，则控制第一照明装置开启。其中，预设休息时间段为目标对象预先设定的，例如：预设休息时间段为：每天23点～第二天早晨7点，假如用户凌晨3点起床上厕所，凌晨3点处于预设休息时间段内，则控制第一照明装置开启，其中，第一照明装置可以是厕所的照明装置，也可以是床头的照明装置，或者其他的不影响其他家庭成员睡眠的照明装置。在本技术实施例提供的技术方案中，在不影响其他家庭成员睡眠的基础上，同时还为起夜的用户提供一定的照明，避免摸黑走动，发生意外情况。由于传感器周期性的获取目标对象的当前运动参数值，当检测到目标对象躺到床上后，则控制第一照明装置关闭，避免浪费电，同时为目标对象营造一个良好的睡眠环境。
66.如果确定当前时刻处于目标对象的预设工作时间段内，则控制窗帘拉开；在窗帘拉开后，检测目标对象所处的第二指定室内空间的光线的亮度参数值；若亮度参数值小于预设亮度参数值，则控制第二照明装置开启。
67.其中，在具体实现时，目标对象可以根据自身需要预先设定预设工作时间段，例如：某家庭成员设定的预设工作时间段为每天早晨7点～晚上23点，第二指定室内空间可以为卧室。假如用户早晨7点半起床了，早晨7点半处于用户预先设定的预设工作时间段，则控制拉开窗帘，在窗帘拉开后，检测目标对象所处的卧室的光线的亮度参数值，如果卧室的亮度不够，则控制卧室的第二照明装置开启，以提供足够的照明。此外，为了叫其他家庭成员起床，还可以控制闹钟打开，以及控制音响播放音乐。
68.此外，还需要说明的是，传感器周期性的采集目标对象的当前运动参数值，如果依据当前周期采集的运动参数值，确定目标对象还处在睡眠状态，则采集下一周的运动参数值，继续监测人体行为特征。
69.在本技术实施例中，结合目标对象的当期的行为状态和时间共同确定智能家居设备的联动方案，更加智能化，更能满足用户的实际需求，用户体验好。
70.在本技术实施例中，监测目标对象的当前运动参数值，基于当前运动参数值，判定目标对象做出起床动作，则控制智能家居设备联动。本技术实施例提供的方案，能够根据目标对象的当前运动参数值，判定目标对象做出起床动作，判断的准确性较高，相比于现有技术中固定某一个时间作为联动方案的触发时间点，灵活性更高，能够根据当前目标对象的当前运动参数做出准确判断，更加智能化，用户体验好。
71.此外，在具体实现时，不同的目标对象的预设阈值不同，对于一个家庭来讲，每个家庭成员对应的预设阈值都可能不同，为了更加智能化，使得用户体验更好，可以根据不同目标对象的起床习惯，预先根据不同目标对象的历史运动参数值进行训练，得到不同目标对象各自的预设阈值。
72.考虑到这一点，如图3所示，本技术实施例提供了一种获取不同目标对象各自的预设阈值的方法，通过每个目标对象各自的历史运动参数值对自适应神经网络模糊推理系统模型进行训练，从而获取每个目标对象的预设阈值，具体包括如下步骤：
73.步骤301，获取目标对象做出起床动作时的历史运动参数值；
74.不同目标对象的习惯起床动作是不同的；而且，不同时期，同一目标对象的起床动作的特点也是不同的，例如：一位年轻女性，在怀孕月份比较大时，起床动作会显得笨拙，而在未怀孕时和怀孕初期的时候，起床动作会比较灵活。在具体实现时，每个目标对象佩戴一个传感器，在训练时，用户可以根据自身的身体情况选择训练的时机进行训练。在具体实现时，通过传感器向服务器发送训练的指示，待传感器收到服务器反馈的采集运动参数值的指示后，目标对象做出多组起床动作，传感器采集目标对象做出起床动作时的运动参数值，以供后续模型训练。
75.步骤302，对历史运动参数值进行惯性解算，得到历史行为特征量；
76.其中，对于惯性解算的方法这里不做限定，可以使用mems
‑
imu传感器自带的惯性解算方法；惯性解算后，将惯性解算获得的特征量进行滤波处理，去除一些干扰因素，最终得到历史行为特征量。
77.步骤303，基于历史行为特征量对自适应神经网络模糊推理系统模型进行训练，得到历史输出值；
78.其中，对于自适应神经网络模糊推理系统模型可以选用三角形隶属函数。在获取历史输出值时，具体方法包括：确定历史行为特征量所属的模糊集；获取模糊集对应的三角形隶属函数；将历史行为特征量代入三角形隶属函数，计算得到历史输出值。
79.在具体实现时，自适应神经网络模糊推理系统模型可以为三角形隶属函数，三角形隶属函数为：
[0080][0081]
其中，x代表行为特征量，具体的，可以为姿态、速度或位移。a、b、c为三角形隶属函数的三个参数；其中，b为标准值；a小于b，a为下限值；c大于b，c为上限值。
[0082]
对于姿态、速度或位移这三个特征量的训练方法思路都是一致的，下面以历史行
为特征量为速度进行举例，对自适应神经网络模糊推理系统模型进行训练的过程进行说明。
[0083]
假设获取到目标对象的速度值2组，设第一组中速度值为x0，这个值作为标准值b，在x0的基础上加上预设值δx，得到的值作为下限值a；在x0的基础上减去预设值δx，得到的值作为上限值c；其中，预设值δx可以根据经验预先设定好，以此得到利用第一组数据建立三角形隶属函数模型。将第二组的速度值为x，确定x所属的模糊集，若第二组的速度值落入的范围是a≤x≤b，则x所属的模糊集为a≤x≤b，利用模糊集a≤x≤b对应的来计算历史输出值，将第二组的速度值作为x代入得到的值即为历史输出值。
[0084]
步骤304，根据历史输出值，确定与目标对象对应的预设阈值。
[0085]
在具体实现时，可以将历史输出值作为预设阈值，还可以在历史输出值的基础上减去一个预设修正值，将得到的差值作为预设阈值。也可以获取多个历史输出值，求多个历史输出值的平均值，将平均值作为预设阈值；还可以在平均值的基础上减去一个预设修正值，得到的差值作为预设阈值。
[0086]
另外，在获取多个历史输出值时，还可以设定一个最小值和一个最大值，当得到的历史输出值小于该最小值或者大于该最大值，则剔除该历史输出值，将在最小值和最大值之间的历史输出值作为有效的历史输出值，根据有效的历史输出值确定预设阈值。具体的，可以将某个有效历史输出值作为预设阈值，也可以在该有效历史输出值的基础上减去一个预设修正值，得到预设阈值。还可以求多个有效历史输出值的平均值，将平均值作为预设阈值；还可以在有效历史输出值的平均值的基础上减去一个预设修正值，得到的差值作为预设阈值。对于确定预设阈值的方法这里不做限定，可以采取任何一种方法。
[0087]
得到每个目标对象的预设阈值后，存储在服务器中，以供在后续识别过程中调用。
[0088]
下面结合附图4对本技术提供的技术方案做进一步说明，具体包括如下两部分：
[0089]
第一部分：训练anfis模型，得到目标对象的预设阈值，具体包括如下步骤：
[0090]
步骤401，构建anfis模型；
[0091]
步骤402，利用目标对象做出起床动作时的历史运行参数值对anfis模型进行训练，得到训练好的anfis模型及预设阈值。
[0092]
第二部分：对目标对象的起床动作进行识别，具体包括如下步骤：
[0093]
步骤403，传感器采集当前周期的运动参数值，通过解算获得目标对象的行为特征量；
[0094]
步骤404，将行为特征量进行滤波处理，将滤波处理后的行为特征量输入到训练好的anfis模型中，得到输出值；
[0095]
步骤405，判断输出值是否大于预设阈值，如果是，则执行步骤406；
[0096]
步骤406，确定目标对象做出起床动作，则控制智能家居设备联动；
[0097]
在本技术实施例中，通过传感器检测目标对象的运动参数值，基于运动参数值判断目标对象是否起床，若起床则控制智能家居设备联动。
[0098]
基于同一构思，本技术实施例中提供了一种智能家居设备的联动控制装置，该装置的具体实施可参见方法实施例部分的描述，重复之处不再赘述，如图5所示，该装置主要
component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该通信总线603可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0113]
存储器602可以包括随机存取存储器(random access memory，简称ram)，也可以包括非易失性存储器(non
‑
volatile memory)，例如至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器601的存储装置。
[0114]
上述的处理器601可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等，还可以是数字信号处理器(digital signal processing，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现场可编程门阵列(field
‑
programmable gate array，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
[0115]
在本技术的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，当该计算机程序在计算机上运行时，使得计算机执行上述实施例中所描述的一种智能家居设备的联动控制方法。
[0116]
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机指令时，全部或部分地产生按照本技术实施例所述的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、微波等)方式向另外一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如软盘、硬盘、磁带等)、光介质(例如dvd)或者半导体介质(例如固态硬盘)等。
[0117]
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0118]
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。