基于多模态识别的智能家居控制方法、系统和存储介质与流程

技术特征：
1.基于多模态识别的智能家居控制方法，其特征在于，包括如下步骤：获取家庭场景中的日常家庭信息集，根据所述日常家庭信息集构建神经网络模型；获取家庭场景中的实时家庭信息，将所述实时家庭信息输入所述神经网络模型中进行预测，获得预测结果；根据用户习惯构建智能家居控制策略，将所述智能家居控制策略编写成推理脚本；获取家庭场景中的实时环境信息，通过推理脚本对所述预测结果和实时环境信息进行多模态融合识别，获得推理结果，根据所述推理结果对智能家居设备进行控制。2.根据权利要求1所述的基于多模态识别的智能家居控制方法，其特征在于，所述家庭信息包括图像信息和音频信息，根据所述图像信息集训练yolo目标检测神经网络模型；根据所述音频信息集训练dnn深度神经网络声学模型。3.根据权利要求1所述的基于多模态识别的智能家居控制方法，其特征在于，所述环境信息包括温度、坐标、湿度和光照强度。4.根据权利要求1所述的基于多模态识别的智能家居控制方法，其特征在于，所述推理脚本为prolog语言脚本。5.基于多模态识别的智能家居控制系统，其特征在于，包括模型训练模块：获取家庭场景中的日常家庭信息集，根据所述日常家庭信息集构建神经网络模型；模型预测模块：获取家庭场景中的实时家庭信息，将所述实时家庭信息输入所述神经网络模型中进行预测，获得预测结果；脚本编写模块：根据用户习惯构建智能家居控制策略，将所述智能家居控制策略编写成推理脚本；推理控制模块：获取家庭场景中的实时环境信息，通过推理脚本对所述预测结果和实时环境信息进行多模态融合识别，获得推理结果，根据所述推理结果对智能家居设备进行控制。6.根据权利要求5所述的基于多模态识别的智能家居控制系统，其特征在于，所述家庭信息包括图像信息和音频信息，根据所述图像信息集训练yolo目标检测神经网络模型；根据所述音频信息集训练dnn深度神经网络声学模型。7.根据权利要求5所述的基于多模态识别的智能家居控制系统，其特征在于，所述环境信息包括温度、坐标、湿度和光照强度。8.根据权利要求5所述的基于多模态识别的智能家居控制系统，其特征在于，所述推理脚本为prolog语言脚本。9.一种计算机存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-4任一项所述的基于多模态识别的智能家居控制方法的步骤。

技术总结
本发明公开了基于多模态识别的智能家居控制方法，包括如下步骤：获取家庭场景中的日常家庭信息集，根据所述日常家庭信息集构建神经网络模型；本发明的有益效果在于通过神经网络模型对实时家庭信息进行适应性预测，可以获知家庭场景中的最优预测结果，通过智能家居控制策略编写成推理脚本对最优预测结果和实时环境信息进行推理，获得推理结果，根据所述推理结果对智能家居设备进行控制。从而获得准确率高的智能家居设备控制信息，实现自动控制智能家居设备之间相互协同配合发挥功能，提高用户与智能家居设备的人机交互体验。户与智能家居设备的人机交互体验。户与智能家居设备的人机交互体验。


技术研发人员：王斌 王英超 杨杰 王西志
受保护的技术使用者：苏州蓝赫朋勃智能科技有限公司
技术研发日：2022.09.27
技术公布日：2022/12/30