智能家居设备控制方法、路由器、智能家居系统及介质与流程

1.本发明涉及智能家居技术领域，尤其涉及一种智能家居设备控制方法、路由器、智能家居系统及介质。


背景技术：

2.相关技术中，智能家居系统的终端设备可通过从云端服务器远程获取ai服务来提高终端设备的智能化水平。
3.但是，从云端服务器远程调用ai服务延时较高，对用户的需求响应不及时。


技术实现要素：

4.本发明的主要目的在于提供一种智能家居设备控制方法、路由器、智能家居系统及介质，旨在解决现有从云端服务器远程调用ai服务延时较高，对用户的需求响应不及时的技术问题。
5.为实现上述目的，第一方面，本发明提供一种智能家居设备控制方法，用于路由器，所述路由器与至少一个智能家居设备通信连接，所述方法包括：
6.获取所述智能家居设备发送的接口调用请求，所述接口调用请求包括所述智能家居设备采集的输入信息；
7.调用预训练的终端控制模型，并将所述输入信息输入终端控制模型，得到所述终端控制模型输出的控制指令；
8.从至少一个智能家居设备中确定所述控制指令对应的目标智能家居设备；
9.将所述控制指令发送至目标智能家居设备，以使所述目标智能家居设备执行所述控制指令对应的操作。
10.在一实施例中，所述调用预训练的终端控制模型之前，所述方法还包括：
11.根据所述接口调用请求，从至少一个待选终端控制模型中确定所述接口调用请求对应的终端控制模型。
12.在一实施例中，所述获取所述智能家居设备发送的接口调用请求之前，所述方法还包括：
13.在所述智能家居设备注册至所述路由器时，将至少一个所述待选终端控制模型对应的接口信息反馈至所述智能家居设备，以使所述智能家居设备在采集到所述输入信息时，从至少一个所述接口信息中确定目标接口信息，基于所述目标接口信息，生成所述接口调用请求。
14.在一实施例中，所述将所述输入信息输入终端控制模型，得到所述终端控制模型输出的控制指令之前，所述方法还包括：
15.判断当前时刻是否在预设训练时间段内；
16.若不在所述预设训练时间段内，则执行所述将所述输入信息输入终端控制模型，得到所述终端控制模型输出的控制指令。
17.在一实施例中，所述判断当前时刻是否在预设训练时间段内之后，所述方法还包括：
18.若在所述预设训练时间段内，则将所述输入信息和/或历史输入信息作为训练样本训练所述终端控制模型，得到新的终端控制模型。
19.在一实施例中，所述将所述输入信息和/或历史输入信息作为训练样本训练所述终端控制模型，得到新的终端控制模型，包括：
20.将所述输入信息和/或历史输入信息作为训练样本训练所述终端控制模型，得到新的模型参数和训练结果指令；
21.从至少一个智能家居设备中确定所述训练结果指令对应的目标智能家居设备，并将所述控制指令发送至目标智能家居设备，以使所述智能家居设备执行所述训练结果指令对应的操作；
22.在接收到至少一个智能家居终端发送的用户反馈信息时，将所述用户反馈信息作为验证集对所述模型参数进行验证；
23.若验证结果为正反馈，根据所述模型参数更新所述终端控制模型。
24.在一实施例中，若在所述预设训练时间段内，则将所述输入信息和/或历史输入信息作为训练样本训练所述终端控制模型，得到新的终端控制模型，包括：
25.若在所述预设训练时间段内，则根据预设数据优先级排列规则，将所述输入信息和/历史排序信息排序，得到排序后的至少一个训练样本；
26.通过所述排序后的至少一个训练样本依次训练对应的所述终端控制模型，得到新的终端控制模型。
27.第二方面，本发明还提供了一种路由器，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的智能家居设备控制程序，所述智能家居设备控制方法程序配置为实现如上述的智能家居设备控制方法。
28.第三方面，本发明还提供了一种智能家居系统，包括：
29.至少一个智能家居设备；以及
30.如上所述的路由器，所述路由器与至少一个所述智能家居设备通信连接。
31.第四方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有智能家居设备控制程序，所述智能家居设备控制程序被处理器执行时实现如上述的智能家居设备控制方法。
32.本发明实施例提供了一种智能家居设备控制方法、路由器、智能家居系统及介质，该智能家居设备控制方法通过在路由器中部署终端控制模型等ai服务，使得智能家居设备可远程调用路由器中部署的ai服务，从而路由器可控制相应的目标智能家居设备执行相应的操作。该方法充分利用了路由器上较为丰富的计算、存储等硬件资源，通过将智能家居设备远程调用部署于路由器上的ai服务，为智能家居设备提供了低延时的ai服务。提升了智能终端设备的智能化水平，进而提高了用户体验。
附图说明
33.图1为本发明智能家居系统的结构示意图；
34.图2为本发明智能家居系统的路由器的模块示意图；
35.图3为本发明智能家居设备控制方法第一实施例的流程示意图；
36.图4为本发明智能家居设备控制方法第二实施例的流程示意图；
37.图5为本发明智能家居设备控制方法第三实施例的流程示意图。
38.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
39.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
40.如空调器、洗衣机或者音箱等智能家居设备设备往往计算、存储等硬件资源有限，不具备较高的智能化能力。为了提高用户使用体验，相关技术中，智能家居设备设备通过从云端服务器远程获取ai服务来提高智能家居设备设备的智能化水平。但是通过从云端服务器远程获取ai服务延时大，且还存在用户个人数据易泄漏等安全隐患。
41.为此，本技术提供了一种智能家居设备控制方法，充分利用了路由器上较为丰富的计算、存储等硬件资源，通过将智能家居设备远程调用部署于路由器上的ai服务，为智能家居设备提供了低延时的ai服务，提升了智能终端设备的智能化水平，进而提高了用户体验。
42.以下将对本发明技术实现中涉及的技术进行分别说明。
43.人工智能(artificial intelligence，ai)，指在计算机科学的基础上，综合信息论、心理学、生理学、语言学、逻辑学和数学等知识，制造能模拟人类智能行为的计算机系统的学科。目前人工智能受到了学术界和工业界的广泛关注，ai的应用越来越广泛，其在不少应用领域都超乎普通人类水平。例如：ai技术在机器视觉领域(人类识别、图像分类、物体检测等)的应用使得机器视觉的准确率高于人类，ai技术在自然语言处理和推荐系统等领域也有较好的应用。
44.机器学习，是一种实现ai的核心手段，计算机针对要解决的技术问题，根据已有的数据构建一种ai模型，再利用ai模型预测结果，这种方法使得计算机像模仿人类的学习能力(例如：认知能力、辨别能力、分类能力)去解决技术问题，因此将这种方法称为机器学习。
45.ai模型，是利用机器学习实现ai的各种应用时所用到的数学模型(例如：神经网络(neuralnetwork)模型),ai模型本质是一种算法，其包括大量的参数和计算公式(或计算规则)。ai模型可以采用学习输入数据的内在规律和表示层次，以获取用于输入与输出之间映射关系的非线性函数，并根据该非线性函数对新的输入数据进行处理和分析。ai模型可用于语音识别、视觉识别、安防等多个应用场景，例如：当采集到用户输入的“请打开空调”等语音数据时，ai模型可根据输入的语音数据识别出“请打开空调”文本。
46.ai模型多种多样，不同的应用场景和目标事件可采用不同的ai模型。如人工神经网络(artificial neural networks，anns)模型，也称为神经网络(nns)模型或连接模型(connection model)，神经网络模型是ai模型的一种典型代表。神经网络模型是一种模仿人脑神经网络的行为特征，进行分布式并行信息处理的数学计算模型。它的主要任务是借鉴人脑神经网络的原理，根据应用需求建造实用的人工神经网络，实现适用于应用需求的学习算法设计，模拟出人脑的智能活动，然后在技术上解决实际问题。神经网络是依靠网络结构的复杂程度，通过调整内部大量节点之间相互连接的关系，实现相应学习算法的设计的。
processing unit，cpu)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(wireless-fidelity，wi-fi)接口)。存储器1005可以是高速的随机存取存储器(random access memory，ram)存储器，也可以是稳定的非易失性存储器(non-volatile memory，nvm)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
58.本领域技术人员可以理解，图2中示出的结构并不构成对路由器的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
59.如图2所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、蓝牙通信模块、用户接口模块以及智能家居设备控制程序。
60.在图2所示的播放终端中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明路由器中的处理器1001、存储器1005可以设置在路由器中，路由器通过处理器1001调用存储器1005中存储的智能家居设备控制程序，并执行本技术实施例提供的智能家居设备控制方法。
61.基于上述硬件设备但不限于上述硬件设备，提出本技术一种智能家居设备控制方法第一实施例。参阅图3，图3为本技术智能家居设备控制方法第一实施例的流程示意图。
62.本实施例中，方法包括：
63.步骤s101、获取智能家居设备发送的接口调用请求，接口调用请求包括智能家居设备采集的输入信息。
64.智能家居设备在运行中可通过其自身携带的传感器或者采集设备采集用户输入的语音数据，或者采集智能家居设备的当前环境信息。输入信息中可包括语音数据或者当前环境信息终端中的至少一种。
65.在采集到输入信息后，智能家居系统需要对该输入信息作出响应。为了提高智能化水平，智能家居设备可通过与路由器之间的rpc协议，或者restful架构，向路由器发出接口调用请求，从而远程调用路由器中部署的ai模型，利用路由器的ai服务。
66.路由器在接收到智能家居终端发送的接口调用请求后，可对该接口调用请求进行解析，得到该接口调用请求中携带的服务接口地址、输入信息、输入信息类型等数据。
67.步骤s102、调用预训练的终端控制模型，并将输入信息输入终端控制模型，得到终端控制模型输出的控制指令。
68.预训练的终端控制模型为路由器内提前部署的ai模型。路由器在获取接口调用请求，并解析该接口调用请求后，可调用路由器内部署的预训练的终端控制模型，并将输入信息输入终端控制模型，得到终端控制模型输出的控制指令。该终端控制模型可以为卷积神经网络模型。预训练的终端控制模型，可根据输入的输入信息输出相应的控制指令。
69.步骤s103、从至少一个智能家居设备中确定控制指令对应的目标家居设备。
70.步骤s104、将控制指令反馈至目标智能家居设备，以使目标智能家居设备执行控制指令对应的操作。
71.可以理解，对于智能家居系统而言，信息输入端和动作执行端可以不同，也可以相同。如智能空调采集到用户输入的语音数据，需要调用语音识别ai服务，然后执行该语音数
据对应的动作，此时，信息输入端和动作执行端一致。信息输入端和动作执行端一致时，路由器可直接将控制指令反馈至智能家居设备，以使智能家居设备执行控制指令。
72.在另一些实施例中，摄像头采集到厨房烟雾报警信号，调用家用安防ai模型，然后路由器将控制指令发送至智能窗户，执行家用安防ai模型输出的打开窗户指令，以及路由器将控制指令发送至用户的移动终端，该移动终端配置有智能家居app，从而发出报警信号，以提醒用户厨房发生意外事故。
73.在路由器内部的终端控制模型等ai模型根据输入的输入信息输出控制指令后，路由器将控制指令返回至智能家居设备或者发送至目标智能家居设备，目标智能家居设备执行该控制指令对应的操作，从而响应于输入信息，智能化，低延时地提供智能服务。
74.在又一些实施例中，步骤s104还可具体为：
75.(1)将控制指令反馈至智能家居设备，以使智能家居设备将控制指令返回至路由器；
76.(2)路由器接收到控制指令后，控制目标智能家居设备执行控制指令对应的操作。
77.此时，路由器调用内部的终端控制模型等ai模型根据输入的输入信息输出控制指令后，路由器将输出结果，即控制指令返回至智能家居设备，即信息输入端。智能家居设备接收到该控制指令后，识别出该控制指令的对象并非自身，而是目标智能家居设备，即动作执行端，此时，该智能家居设备将该控制指令再反馈至路由器，路由器将控制指令发送至目标智能家居设备(动作执行端)，控制目标智能家居设备执行的对应的操作，从而使得本实施例可响应于输入信息，智能化、低延时地提供智能服务。
78.为了便于理解，下面示出一些具体场景。
79.智能空调通过室内机壳体内安装的麦克风采集到用户输入的语音数据“关闭扫风”时，智能空调器通过其内部的通信模块将该语音数据打包至语音识别接口调用请求中，并将其发送至与智能空调器连接的路由器中。路由器接收到该语音识别接口调用请求后，解析该语音识别接口调用请求，得到语音数据“关闭扫风”。路由器调用预训练的语音识别模型，识别出相应的“关闭扫风”指令，并将其发送至智能空调。智能空调器接收到该关闭扫风指令后，执行关闭扫风模式指令。
80.在智能台灯通过其内置的红外传感器检测到用户起身时，可将该被用户触发的红外传感信息打包至控制调用请求中，并将该控制调用请求发送至与智能台灯连接的路由器中。路由器接收到该控制调用请求中后，解析该控制调用请求，得到红外传感信息。路由器调用预训练的控制模型，得到控制模型输出的“开窗”指令和“智能衣柜打开”，并将其发送至智能窗帘和智能衣柜，智能窗帘接收到开窗指令后，执行开窗动作，智能衣柜接收到打开指令后，柜门打开并打开柜内灯。
81.在智能台灯通过其内置的红外传感器检测到用户起身时，可将该被用户触发的红外传感信息打包至控制调用请求中，并将该控制调用请求发送至与智能台灯连接的路由器中。路由器接收到该控制调用请求中后，解析该控制调用请求，得到红外传感信息。路由器调用预训练的控制模型，得到控制模型输出的“开窗”指令和“智能衣柜打开”，并将其反馈至智能台灯，智能台灯得到该控制指令后，将其返回至路由器，路由器再将“开窗”指令和“智能衣柜打开”分别发送至智能窗帘和智能衣柜，智能窗帘接收到开窗指令后，执行开窗动作，智能衣柜接收到打开指令后，柜门打开并打开柜内灯。
82.本实施例中，通过充分利用了路由器上较为丰富的计算、存储等硬件资源，通过将智能家居设备远程调用部署于路由器上的ai模型等ai服务，为智能家居设备提供了低延时的ai服务。提升了智能终端设备的智能化水平，进而提高了用户体验。
83.且本实施例中，智能家居设备远程调用部署于路由器上的ai模型等ai服务，使得智能家居设备采集的输入信息，如用户指令，当前环境信息等并没有经过路由器发送至云端服务器，从而可保障用户的数据安全。
84.基于本技术智能家居设备控制方法第一实施例，提出本技术智能家居设备控制方法第二实施例。参阅图4，图4为本技术智能家居设备控制方法第二实施例的流程示意图。
85.本实施例中，方法包括以下步骤：
86.步骤s201、获取智能家居设备发送的接口调用请求，接口调用请求包括智能家居设备采集的输入信息。
87.步骤s202、根据接口调用请求，从至少一个待选终端控制模型中确定接口调用请求对应的终端控制模型。
88.可以理解的，路由器内可布置有多种ai模型，如语音识别模型、图像识别模型、红外信息识别模型等。在接收到智能家居终端发送的接口调用请求时，路由器路由器可对接口调用请求进行解析，得到该接口调用请求对应的服务接口地址，从而从至少一个待选终端控制模型中确定接口调用请求对应的终端控制模型。
89.在另一些实施例中，在智能家居设备注册至路由器时，将至少一个待选终端控制模型对应的接口信息反馈至智能家居设备，以使智能家居设备在采集到输入信息时，从至少一个接口信息中确定目标接口信息，以生成接口调用请求。
90.任一智能家居设备注册至智能家居系统内时，并对应有相应的路由器时，路由器将本地部署部署的所有ai模型的接口信息发送至智能家居设备，从而使得智能家居设备可以知晓路由器可以提供的ai服务。智能家居设备可以将所有ai模型的接口信息存储在本地数据库内，在需要使用ai服务时，智能家居设备将根据采集的数据类型，确定目标接口信息，并基于目标接口信息生成接口调用服务。
91.具体而言，用户将一ai家用机器人注册至一路由器时，路由器将本地部署的语音识别模型、图像识别模型的接口信息均发送至ai家用机器人。家用机器人在采集到图像数据和语音数据时，根据图像数据和图像识别模型的接口信息生成第一接口调用请求，并根据语音数据和语音识别模型的接口信息生成第二接口调用请求。
92.步骤s203、调用预训练的终端控制模型，将输入信息输入预训练的终端控制模型，得到终端控制模型输出的控制指令。
93.步骤s204、从至少一个智能家居设备中确定控制指令对应的目标家居设备。
94.步骤s205、将控制指令反馈至目标智能家居设备，以使目标智能家居设备执行控制指令对应的操作。
95.本实施例中，在智能家居设备注册至路由器时，将路由器内的ai服务能力，即各个ai模型的接口地址发送至智能家居设备，以使智能家居设备在后续使用时可以根据相应的数据类型生成相应的接口调用请求，方便智能家居设备调用相应的ai模型，以利于路由器更好地为智能家居设备提供ai服务。
96.基于上述实施例，参阅图5，提出本技术智能家居设备控制方法第三实施例，本实
施例中，路由器部署的ai模型通过下述方法训练。
97.步骤s301、判断当前时刻是否在预设训练时间段内；
98.步骤s302、若不在预设训练时间段内，则执行将输入信息输入终端控制模型，得到终端控制模型输出的控制指令。
99.步骤s303、若在预设训练时间段内，则将输入信息和/历史输入信息作为训练样本训练终端控制模型，得到新的终端控制模型。
100.具体而言，本实施例中，用户可根据个人习惯在路由器内配置预设训练时间段，以在不影响路由器本身的数据传输功能实现的基础上训练ai模型，使得ai模型与用户更加适应，从而可以提供更加智能化的服务，提高用户体验。其中，历史输入信息可以是没有训练过的输入信息。
101.预设训练时间段可以是晚上，此时，路由器可以利用输入信息或者历史输入信息进行训练，以更新内部ai模型的模型参数。
102.在一些实施例中，为了使得训练更加有效，可根据输入信息的优先级进行训练。此时，步骤s303包括：
103.步骤a10、若在预设训练时间段内，则根据预设数据优先级排列规则，将输入信息和/历史输入信息排序，得到排序后的至少一个训练样本。
104.在该预设时间段内，路由器将此时收到的输入信息和/或历史输入信息按照预设的优先级排列规则进行排序，从而得到排序后的至少一个训练样本。
105.如路由器具有语音数据a，以及传感器数据b时，预设数据优先级排列规则中语音数据的优先级最高，则此时语音数据a排序在前，传感器数据b排序在后。
106.步骤a20、通过排序后的至少一个训练样本依次训练对应的终端控制模型，得到新的终端控制模型。
107.路由器可识别每个输入信息的数据类型，从而将该优先级排序在前的数据先输入至对应的ai模型中。在该优先级在前的数据训练完毕后，再把后续的优先级在后的数据发送至对应的ai模型中，进行训练。
108.如路由器先将语音数据a作为训练样本训练语音识别模型进行训练，更新语音识别模型的模型参数。训练完毕后，在将传感器数据b作为训练样本训练传感器信号识别模型进行训练。
109.本实施例中，根据数据优先级依次训练各个ai模型，以使得训练有效性更高，特别是更加注重训练与用户体验关联度较高的ai模型，如语音识别模型等。
110.在一些实施例中，为了使得训练更加有效，可根据用户反馈进行修正。
111.此时，步骤s303包括：
112.步骤b10、将输入信息和/或历史输入信息作为训练样本训练终端控制模型，得到新的模型参数和训练结果指令；
113.步骤b20、从至少一个智能家居设备中确定训练结果指令对应的目标智能家居设备，并将控制指令发送至目标智能家居设备，以使智能家居设备执行训练结果指令对应的操作。
114.步骤b30、在接收到至少一个智能家居终端发送的用户反馈信息时，将用户反馈信息作为验证集对模型参数进行验证。
115.步骤b30、将若验证结果为正反馈，根据模型参数更新终端控制模型。
116.具体而言，路由器在训练过程中，可将训练结果指令输出，以使得用户可观测或者体验到目标智能家居设备执行的动作，并对其进行评价，得到用户反馈信息。用户反馈信息可通过移动终端上的智能家居app输入，还可通过ai机器人语音输入。此处并不限制。路由器在接收到至少一个智能家居终端发送的用户反馈信息时，将用户反馈信息作为验证集对模型参数进行验证，从而决定此次训练是否有效。若验证结果为正反馈，则训练有效，可更新ai模型，若验证结果为负反馈，则此次训练无效。
117.值得一提的是，在又一些实施例中，可将某一些输入信息的数据类型标识为监督事件，路由器在将该输入信息作为训练样本训练时，识别到该监督事件标识，方可执行上述步骤，以提高训练效果。在未识别到该监督事件标识时，则无需用户反馈信息进行验证。
118.本实施例中，路由器上部署的ai模型可在预设时间段内进行高效的训练，以在满足ai模型训练成长的基础上，同时不妨碍路由器功能的正常使用。
119.此外，本发明实施例还提出一种计算机存储介质，存储介质上存储有智能家居设备控制程序，智能家居设备控制程序被处理器执行时实现如上文的智能家居设备控制方法的步骤。因此，这里将不再进行赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本技术所涉及的计算机可读存储介质实施例中未披露的技术细节，请参照本技术方法实施例的描述。确定为示例，程序指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。
120.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，上述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)或随机存储记忆体(random accessmemory，ram)等。
121.另外需说明的是，以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
122.通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用cpu、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本发明而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质中，如计算机的软盘、u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器
(ram，randomaccessmemory)、磁碟或者光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。
123.以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。