本發(fā)明涉及智能家居技術，特別涉及一種家居控制調節(jié)的方法及系統。

背景技術：

智能家居是以住宅為平臺，利用綜合布線技術、網絡通信技術、安全防范技術、自動控制技術、音視頻技術將家居生活有關的設施集成，構建高效的住宅設施與家庭日程事務的管理系統，提升家居安全性、便利性、舒適性、藝術性，并實現環(huán)保節(jié)能的居住環(huán)境。

而隨著云技術的發(fā)展，市面上出現了將云語音控制融入到控制系統的智能家居控制軟件，不需要專業(yè)的設備，任意一臺智能手機或是平板電腦安裝上軟件即可，開啟手機軟件，啟用監(jiān)聽模式，在聲場的覆蓋的范圍內，即可與系統對話控制電氣設備，更強大的是該系統還可以接入互聯網系統，進行日常信息查詢，瀏覽網頁，搜索音樂等功能，整個交互的過程，可以是全語音也可以是屏幕顯示。

技術實現要素：

本發(fā)明所要解決的技術問題是，提供一種家居控制調節(jié)的方法及系統，以解決現有家居控制無法實現智能操作的問題。

為了解決上述技術問題，本發(fā)明公開了一種家居控制調節(jié)的系統，該系統至少包括數據采集模塊、數據分析模塊和控制調節(jié)模塊，其中：

所述數據采集模塊，實時采集并存儲用于家居控制的各類數據，包括用戶數據和/或環(huán)境數據，其中，所述用戶數據至少包括用戶行為和/或用戶生理特征信息，所述環(huán)境數據至少包括地理位置和/或天氣信息；

所述數據分析模塊，根據各類用戶行為模型，對所數據采集模塊存儲的數據進行分類，若判斷分類的數據與用戶行為模型相匹配，則按照匹配的用戶行為模型對應的用戶操作生成相應的控制指令至所述控制調節(jié)模塊，以及接收用戶針對各控制操作發(fā)送的反饋信息，并根據所述反饋信息更新各類用戶行為模型；

所述控制調節(jié)模塊，將收到的控制指令轉換成相應的控制信號，并將所述控制信號發(fā)送給相應的家電或移動終端。

可選地，上述系統中，所述數據采集模塊包括如下一種或幾種模塊：

環(huán)境數據信息收集模塊，地理位置信息采集模塊，用戶行為數據采集模塊，用戶生理特征采集模塊，視頻圖像信息采集模塊，音頻信息采集模塊。

可選地，上述系統中，所述數據分析模塊包括如下一種或幾種模塊：

數據分類模塊，用戶行為預測及更新模塊，用戶生理特征識別模塊，地理位置分析模塊，語音識別模塊，自然語義分析模塊。

可選地，上述系統中，所述用戶行為預測及更新模塊，在接收到用戶針對某一控制操作發(fā)送的反饋信息時，根據所述反饋信息更新其所針對的控制操作對應的用戶行為模型。

本發(fā)明還公開了一種家居控制調節(jié)的方法，該方法包括：

實時采集并存儲用于家居控制的各類數據，所述用于家居控制的各類數據包括用戶數據和/或環(huán)境數據，其中，所述用戶數據至少包括用戶行為和/或用戶生理特征信息，所述環(huán)境數據至少包括地理位置和/或天氣信息；

根據各類用戶行為模型，對所存儲的用于家居控制的各類數據進行分類，若判斷分類的數據與用戶行為模型相匹配，則按照匹配的用戶行為模型對應的用戶操作生成相應的控制指令發(fā)送給相應的家電或移動終端；

當接收到用戶針對各控制操作發(fā)送的反饋信息時，根據接收到的反饋信息更新各類用戶行為模型。

可選地，上述方法中，實時采集用于家居控制的各類數據采用如下一種或幾種模塊：

環(huán)境數據信息收集模塊，地理位置信息采集模塊，用戶行為數據采集模 塊，用戶生理特征采集模塊，視頻圖像信息采集模塊，音頻信息采集模塊。

可選地，上述方法中，根據各類用戶行為模型，對所存儲的用于家居控制的各類數據進行分類，判斷分類的數據與用戶行為模型相匹配的過程包括：

采用如下一種或幾種模塊對所存儲的用于家居控制的各類數據按照各類用戶行為模型進行分析，將同一用戶行為模型對應的數據劃分為同一類型；

用戶生理特征識別模塊，地理位置分析模塊，語音識別模塊，自然語義分析模塊。

可選地，上述方法中，當接收到用戶針對各控制操作發(fā)送的反饋信息時，根據接收到的反饋信息更新各類用戶行為模型的過程包括：

在接收到用戶針對某一控制操作發(fā)送的反饋信息時，根據所述反饋信息更新其所針對的控制操作對應的用戶行為模型。

本申請技術方案根據用戶狀態(tài)進行家居控制，解決已有智能家居控制方法中的諸多不便，通過搜集用戶的狀態(tài)來動態(tài)控制各個智能家居，有效的提高了智能家居設備的易用性和方便性。

附圖說明

圖1為本發(fā)明實施例中根據環(huán)境信息進行家電的智能調節(jié)流程圖；

圖2為本發(fā)明實施例中根據用戶語音進行家電的智能調節(jié)流程圖；

圖3為本發(fā)明實施例中數據分析流程圖；

圖4為本發(fā)明實施例中智能家居控制系統結構示意圖。

具體實施方式

為使本發(fā)明的目的、技術方案和優(yōu)點更加清楚明白，下文將結合附圖對本發(fā)明技術方案作進一步詳細說明。需要說明的是，在不沖突的情況下，本申請的實施例和實施例中的特征可以任意相互組合。

實施例1

本實施例提供一種家居控制調節(jié)的系統，主要包括數據采集模塊，數據分析模塊和控制調節(jié)模塊。

數據采集模塊，負責用于家居控制的各類數據的采樣收集及存儲，用于家居控制的各類數據，包括用戶數據和/或環(huán)境數據，其中，所述用戶數據至少包括用戶行為和/或用戶生理特征信息，所述環(huán)境數據至少包括地理位置和/或天氣信息；

數據分析模塊，分析數據采集模塊采集到的數據，建立數據模型，以達到分類，識別，預測等目的，即根據各類用戶行為模型，對所數據采集模塊存儲的數據進行分類，若判斷分類的數據與用戶行為模型相匹配，則按照匹配的用戶行為模型對應的用戶操作生成相應的控制指令至所述控制調節(jié)模塊，以及接收用戶針對各控制操作發(fā)送的反饋信息，并根據所述反饋信息更新各類用戶行為模型。

控制調節(jié)模塊，主要是負責發(fā)送數據分析模塊構建出的用戶指令或者家居系統自行分析得出的指令給相應的家電或者移動客戶端。其中，控制調節(jié)模塊和各個智能家電之間可以采用紅外通訊、wifi或者藍牙通訊。

下面結合附圖對上述系統實現智能調節(jié)的過程進行詳細說明。首先，以環(huán)境信息收集后，系統如何根據環(huán)境信息進行家電的智能調節(jié)為例(但本專利不僅僅作用于此例)說明整個系統的工作過程。該過程如圖1所示，包括如下操作：

步驟S101，環(huán)境數據采集模塊實時采集數據，包括當天的天氣信息和用戶行為；

其中，天氣信息至少包括溫度、濕度、PM2.5等。用戶行為主要指用戶平時的行為習慣，例如用戶習慣在高溫悶熱的天氣下是否喜歡開窗，是否關上紗窗，是否喜歡打開空調，并且空調度數要調整到多少度才合適，用戶是否在這樣的天氣經常熱傷風等。

步驟S102，數據分析模塊從數據庫中讀取采集數據進行分類，并根據分 類匹配已有的用戶行為模型；

例如，數據分析模塊發(fā)現當天天氣信息符合用戶關上窗戶并打開空調的這一用戶習慣，并且通過分析當時用戶的地理位置信息，得知用戶就在家中，那么數據分析模塊就會自動預測用戶行為，即數據分析模塊判斷當前采集的數據與關上窗戶并打開空調的用戶行為模型相匹配，會詢問用戶是否需要對相應的家電進行控制調節(jié)。

步驟S103，如果用戶選擇調節(jié)控制家電，那么數據分析模塊就會構建自定義協議的控制指令，并將其編碼后發(fā)送給控制調節(jié)模塊，控制調節(jié)模塊收到指令后首先解碼指令，然后編碼成相應的控制信號(例如wifi信號數據、紅外信號數據、藍牙信號數據等)發(fā)送給指定的家電；

步驟S104，用戶會對此次調節(jié)的舒適度進行一個反饋，反饋的操作是通過移動客戶端來進行的，系統會根據這樣的一個反饋機制，反作用于智能調節(jié)系統，使之成為累計的經驗，以此優(yōu)化計算機程序的性能標準，從而改善系統的調節(jié)能力。

下面再以用戶行為數據收集后，系統如何根據用戶行為進行家電的智能調節(jié)為例說明整個系統的工作過程，(但本申請不僅僅作用于此例，因為流程基本與前例相同，故不再附圖)該過程包括如下操作：

步驟S1，用戶行為采集模塊收集用戶狀態(tài)，存入數據庫中；

用戶狀態(tài)至少包括當前身體狀況，包括心跳，脈搏等

步驟S2，數據分析模塊從數據庫中讀取數據進行分析建模，判斷此時符合用戶已經睡眠這一狀態(tài)，并且通過分析當時用戶的地理位置信息，得知用戶就在家中，那么分析模塊就會自動預測用戶行為，可聯動切斷某些家用電器的電源、根據用戶習慣關閉智能燈泡或者調低智能燈泡的亮度，檢查門鎖情況，將這些等指令構建好發(fā)送給控制調節(jié)模塊。

步驟S3，控制調節(jié)模塊收到指令后首先解碼指令，然后編碼成相應的控制信號(例如wifi信號數據、紅外信號數據、藍牙信號數據等)發(fā)送給指定的家電。

步驟S4，用戶會對此次調節(jié)的舒適度進行一個反饋，反饋的操作是通過移動客戶端來進行的，系統會根據這樣的一個反饋機制，反作用于智能調節(jié)系統，使之成為累計的經驗，以此優(yōu)化計算機程序的性能標準，從而改善系統的調節(jié)能力；

下面再以用戶發(fā)出語音指令后，系統如何根據用戶語音進行家電的智能調節(jié)為例(但本專利不僅僅作用于此例)說明整個系統的工作過程，該過程如圖2所示，包括如下操作：

步驟S201，用戶在系統接收范圍中發(fā)出語音指令；

步驟S202，數據采集模塊通過語音采集子模塊進行錄音保存；

步驟S203，數據分析模塊從數據庫中讀取音頻數據在本地進行語音識別然后聯網進行語義識別，得出語音指令后對用戶進行詢問是否執(zhí)行。

步驟S204，如果用戶選擇執(zhí)行指令，數據分析模塊以自定義形式編碼這些指令，構建好后發(fā)送給控制調節(jié)模塊。

步驟S205，控制調節(jié)模塊收到指令后首先解碼指令，然后再次編碼成相應的控制信號(例如wifi信號數據、紅外信號數據、藍牙信號數據等)發(fā)送給指定的家電。

另外，還要數據分析模塊根據收集來的數據進行數據分析的過程如圖3所示，此例是以環(huán)境信息收集后，如何判斷當天天氣信息是否符合用戶關上窗戶并打開空調的這一用戶習慣來闡述的(但本專利不僅僅作用于此例)：

因為這里需要處理的變量是離散的，所以是以監(jiān)督學習的方式來對天氣數據進行行為分類的。首先是讓計算機去學習我們已經創(chuàng)建好的分類系統，然后利用這一分類系統，該智能調節(jié)系統就可以將某一類天氣與用戶的某一行為習慣建立映射關系。

具體地，此過程包括如下操作：

步驟S301，首先要建立一個關于環(huán)境信息的分類，從而確定不同的天氣類別，其中，確定不同的天氣類別時，需要的環(huán)境信息包括但不限于如下信 息：氣溫，濕度，氣壓，風力，降水量等，收集這些信息是為了把天氣歸入某一類天氣類別中(比如“悶熱且多云”的天氣等)；

步驟S302，然后通過大量的數據收集，記錄下在相應的天氣類別中用戶的行為習慣(例如該用戶習慣于在悶熱的天氣下是開窗還是關窗，是使用電風扇還是開空調等)，以此建立訓練集；

步驟S303，建立了一定量的訓練集后，就需要建立合適的預估方程(即建立合適的用戶行為模型)，建立好以后需要求解預估方程中的參數。

步驟S304，根據選定的預估方程需要選擇合適的誤差方程。

在分類問題中，學習算法的目標是把給定輸入中的錯誤最小化，從而盡可能的將天氣準確地分類到具體的用戶行為中。所以接下來就是根據訓練集中的實驗數據求解出在誤差方程最小化時預估方程參數的最優(yōu)解。

步驟S305，解出預估方程的各項參數后，就可以通過輸入新的天氣數據到預估方程中得出用戶行為的類別，從而預估用戶行為。

步驟S306，預估出用戶行為后，就需要編碼出相應指令發(fā)送給控制調節(jié)模塊。

再以圖4說明上述系統根據用戶狀態(tài)進行家居控制的工作原理。：

模塊21為數據采集模塊，負責數據的采樣收集，其可以包括但不限于如下各模塊：

環(huán)境數據信息收集(模塊24)，地理位置信息采集(模塊27)，用戶行為數據采集(模塊25)，用戶生理特征采集(模塊26)，視頻圖像信息采集(模塊28)，音頻信息采集(模塊29)等。

其中，模塊23為控制調節(jié)模塊，主要負責系統與家電之間的指令編解碼和指令傳輸；

模塊24為環(huán)境數據信息收集，主要負責收集天氣信息，空氣質量信息等；

模塊25為用戶行為數據收集，主要負責收集用戶的慣常行為習慣，例如空調的常用度數，幾點睡覺，幾點到家，喜歡在幾點中看什么電視節(jié)目，喜 歡在幾點中調節(jié)到的燈光的亮度等。

模塊26為用戶生理特征采集，主要負責采集用戶的聲紋，指紋，以及用戶的心跳血壓等信息，包括但不限于使用當前的智能移動終端進行采集。

模塊27為地理位置信息收集，主要負責收集通過移動終端發(fā)送的GPS信息用以確定用戶所在位置離家的遠近。

模塊28為視頻信息采集，主要負責監(jiān)控安防信息的收集。

模塊29為音頻數據收集，主要負責語音的錄入等。

優(yōu)選地，當用戶狀態(tài)發(fā)生改變或者環(huán)境發(fā)生改變時，模塊21可以向模塊22發(fā)送改變信號。

模塊22為數據分析模塊，為接下來對家電的智能調節(jié)控制生成相應的控制指令。其可以包括但不限于如下各模塊：

數據的分類(模塊30)，用戶行為的預測及更新(模塊31)，用戶生理特征的識別(模塊32)，地理位置分析(模塊33)，語音識別(模塊34)，自然語義分析(模塊35)；

其中，模塊30為數據分類，主要負責先從數據中選出已經分好類的訓練集，在該訓練集上運用數據挖掘分類的技術，建立分類模型，對于沒有分類的數據進行分類，比如我們如果已知氣溫32度，相對濕度78％，降水量3mm，風力3級歸類于悶熱燥熱型天氣，那么氣溫33.5度，相對濕度68％，降水量2.7mm，風力3級就可以歸類于悶熱燥熱型的天氣，此類學習過程中無需要對計算機提供對錯指示，讓系統采用非監(jiān)管的形式進行自學習。

模塊31為用戶行為預測及更新，預測是通過分類起作用的，也就是說，通過分類得出用戶行為模型，該用戶行為模型用于對未知變量的預言。另外，這種預測是需要時間來驗證的，所以還需要用戶的反饋來調節(jié)并更新已預測的用戶行為，即根據用戶的反饋來更新用戶行為模型。

模塊32為用戶生理特征識別，主要負責識別用戶的聲紋，指紋等。

模塊33為地理位置分析，主要負責分析用戶離家的遠近，離家的時間，到家的時間等。

模塊34為語音識別，主要負責識別語音信息等。

模塊35為自然語義分析，它通過語法規(guī)則和辭典來理解文字信息。

模塊36為解碼模塊，因為分析模塊傳送的指令都是以自定義協議的形式傳送的，所以需要接收模塊進行解碼。

模塊37為編碼模塊，將控制指令轉換成相應的控制信號(比如紅外就需要用到對碼產生的紅外碼值映射表來將指令轉為紅外碼)。

模塊38為發(fā)送模塊，將控制信號發(fā)送給相應的家電。

實施例2

本實施例提供一種家居控制調節(jié)的方法，主要包括如下操作：

實時采集并存儲用于家居控制的各類數據，用于家居控制的各類數據包括用戶數據和/或環(huán)境數據，其中，用戶數據至少包括用戶行為和/或用戶生理特征信息，環(huán)境數據至少包括地理位置和/或天氣信息；

根據各類用戶行為模型，對所存儲的用于家居控制的各類數據進行分類，若判斷分類的數據與用戶行為模型相匹配，則按照匹配的用戶行為模型對應的用戶操作生成相應的控制指令發(fā)送給相應的家電或移動終端；

當接收到用戶針對各控制操作發(fā)送的反饋信息時，根據接收到的反饋信息更新各類用戶行為模型。

具體地，實時采集用于家居控制的各類數據時，可以采用如下一種或幾種模塊：

環(huán)境數據信息收集模塊，地理位置信息采集模塊，用戶行為數據采集模塊，用戶生理特征采集模塊，視頻圖像信息采集模塊，音頻信息采集模塊。

而在對采集的各類數據進行分類時，可以按照各類用戶行為模型進行分析，將同一用戶行為模型對應的數據劃分為同一類型，其中，可采用如下一種或幾種模塊對采集的數據進行分析：

用戶生理特征識別模塊，地理位置分析模塊，語音識別模塊，自然語義分析模塊。

由于本實施例提供的方法可依賴上述實施例1的系統實現，因此，上述 方法的其他詳細介紹可參見上述實施例1的相應內容，在此不再贅述。

從上述實施例可以看出，與現有家居控制系統都只是死板的收到指令后執(zhí)行相比，本申請技術方案可以通過監(jiān)測當前用戶所處狀態(tài)以及外界環(huán)境狀態(tài)，讓系統能夠自適應地為相應的家電進行調整控制，例如，用戶睡著，則調低空調溫度，關閉電視、電燈，檢查門鎖情況等。并且，系統可以通過用戶反饋來不停的減小與用戶預期行為的誤差，從而使得智能家居真正具有學習的能力，并以此提升用戶對智能家居的體驗。

本領域普通技術人員可以理解上述方法中的全部或部分步驟可通過程序來指令相關硬件完成，所述程序可以存儲于計算機可讀存儲介質中，如只讀存儲器、磁盤或光盤等。可選地，上述實施例的全部或部分步驟也可以使用一個或多個集成電路來實現。相應地，上述實施例中的各模塊/單元可以采用硬件的形式實現，也可以采用軟件功能模塊的形式實現。本申請不限制于任何特定形式的硬件和軟件的結合。

以上所述，僅為本發(fā)明的較佳實例而已，并非用于限定本發(fā)明的保護范圍。凡在本發(fā)明的精神和原則之內，所做的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內。