欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024107694873
申请人: 山西大学
专利类型:发明专利
专利状态:已下证
专利领域: 其他类目不包含的电技术
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于特征识别的智能家居照明系统,其特征在于,包括有用户识别模块、情景识别模块、照明调节模块、个性化定制模块、异常报警模块和学习优化模块;

所述用户识别模块,用于通过安装在房间内必要位置的传感器,获取进入智能家居中人员的特征信息,通过特征信息判断人员的角色和人群类型,并通过特征信息中包含的微表情和微行为特征识别用户当前的心理状态和活动强度;

所述情景识别模块,用于通过在智能家居内必要位置安装的传感器,获取智能家居中人员所在位置的环境,并结合所述用户识别模块的识别结果对智能家居环境内的不同使用情景进行自主学习和识别;

所述照明调节模块,根据所述用户识别模块提供的识别结果,自动调整照明参数,为智能家居中的人员提供最优的照明方案;同时根据所述用户识别模块、所述情景识别模块、所述个性化定制模块、所述异常报警模块和所述学习优化模块中的照明策略,调整照明方案;

所述个性化定制模块,用于为用户提供个性化定制的照明方案,包括调整初始照明方案和后续的调整策略;

所述异常报警模块,当用户识别模块无法识别出进入智能家居内的人员信息或智能家居中存在影响照明的故障时,立即触发报警并采取备用的照明策略;同时根据用户识别模块中的特征信息,判断用户是否存在危险行为倾向或情况,存在,则发出报警信息,并调整照明策略;

异常报警模块在监测到可能存在的危险行为时,包括用户长时间静止或摔倒等情况,会立即进一步分析和判断,具体包括:

1:如果监测到用户长时间静止,同时还监测到用户倒在地上或呼吸停止等异常状态,则判断用户存在危险情况,立即启动报警机制,并通过增加光亮度或闪烁警示灯来增强环境安全性;

2:如果监测到用户长时间静止,但通过监测用户心率或呼吸等生命体征,发现生命体征正常,则判断用户正处于睡眠或休息状态,则不判断为危险行为,而是适当降低照明亮度,不触发报警机制;所述学习优化模块,用于记录用户对照明效果的反馈和修改,并以记录内容作为依据,优化照明策略;

用户识别模块具体的执行流程为:

S111:通过安装在智能家居必要位置的传感器获取人员的特征信息,特征信息包括面部特征、微表情、行为特征和身份特征;

S112:将获取的人员特征信息进行融合,生成高维特征向量;

S113:根据融合后的高维特征向量,在预先设置的特征模型库中,匹配并识别出用户的身份、心理状态以及活动强度,其中,在预先设置的特征模型库中存储有人员的不同特征信息;

S114:将识别结果传输至智能家居照明系统中的所述情景识别模块、所述照明调节模块、所述个性化定制模块、所述异常报警模块和所述学习优化模块,用于驱动后续的照明调整和个性化定制策略;

情景识别模块对不同使用情景进行自主学习和识别的具体步骤为:

S121:通过安装在智能家居中的各类传感器,实时采集智能家居中的各项环境参数,并对采集到的环境数据进行预处理和特征提取;

S122:将经过预处理的环境特征和用户特征进行综合分析,通过预先部署的情景识别模型识别出用户当前所处的使用情景;

S123:情景识别模型输出用户当前所处的使用情景的类型,情景识别模块将识别结果传输至照明调节模块;

S124:当情景识别模块检测到情景转移事件,及时对新的使用情景进行识别;

S125:在后续的使用中,情景识别模块持续接收新的环境数据,自主学习不同的使用情景以适应新的使用情景,不断对情景识别的准确性进行优化;

学习优化模块对照明决策过程进行优化,具体的步骤为:

S131:学习优化模块将智能家居照明系统当前的状态表示为s,所述状态表示包括当前情景识别结果、用户特征信息以及当前的照明参数设置;将智能家居照明系统的动作表示为a,所述动作表示包括对照明参数的调整;

S132:定义奖励函数r(s,a),用于评估在状态s下采取动作a的收益;所述奖励函数综合考虑用户反馈、能耗因素以及照明舒适度因素,用于评估在某种状态下采取某个动作的收益;

S133:学习优化模块定义Q值函数Q(s,a),Q值函数Q

Q值函数的计算公式为:

Q

其中,Q

S134:学习优化模块利用Q值函数生成优化后的照明策略,将照明策略发送至照明调节模块,由照明调节模块根据照明策略调整照明参数,并将调整后的状态sS135:学习优化模块根据反馈得到的状态s

2.根据权利要求1所述的基于特征识别的智能家居照明系统,其特征在于,情景识别模型识别不同使用情景的具体流程为:S1221:将不同的特征向量融合为高维特征向量z,所述不同的特征向量包括环境特征向量a和用户身份特征向量b;

S1222:首先对用户身份特征向量b进行分层聚类,得到不同身份类别的聚类中心μS1223:定义聚类损失函数L:

其中,

S1224:通过迭代优化聚类损失函数L,更新聚类中心

S1225:对于新的环境特征和用户身份特征(a,b),采用欧式距离计算与各聚类中心的距离:将新的环境特征和用户身份(a,b)归类到最近的聚类中心

3.根据权利要求1所述的基于特征识别的智能家居照明系统,其特征在于,照明调节模块基于机器学习建立照明优化模型来动态调整照明,所述照明优化模型获取情景识别模型的识别结果、用户识别模块中获取的用户特征信息以及个性化定制模块、异常报警模块和学习优化模块中的照明策略,来计算出最佳的照明参数;

所述照明优化模型的具体计算公式为:

f(x)=W

其中,f(x)为预测的最佳照明参数,x为所述照明优化模型的输入特征向量,W

4.根据权利要求3所述的基于特征识别的智能家居照明系统,其特征在于,照明调节模块在对照明参数进行调整时,当在智能家居内的同一使用情景中识别到多个用户,基于用户的身份特征,对不同用户分配不同的权重,优先考虑家庭成员的偏好,并针对不同年龄段用户提供个性化照明方案;

当智能家居照明系统检测到有两名及以上儿童用户时,将以年龄最小的儿童为主进行照明决策;

当智能家居照明系统识别到两名及以上的老人或成人用户时,将以年龄最大的用户为主进行照明决策。

5.根据权利要求1所述的基于特征识别的智能家居照明系统,其特征在于,个性化定制模块在初次使用时采用智能家居照明系统默认的初始照明方案,在使用过程中通过记录用户反馈逐步调整照明方案;

对于在特征模型库中身份标签为主人的人员:在下次使用时,个性化定制模块依照前一次的使用反馈和收集照明数据,制定个性化照明方案;

对于在特征模型库中身份标签为客人的人员:当人员在特征模型库中存在能够匹配人员身份的特征数据后,主人能够对人员的身份标签进行修改,在人员的身份标签修改为客人后,个性化定制模块根据所述特征模型库中存在的特征数据,为客人制定个性化照明方案;人员在特征模型库中存在能够匹配人员身份的特征数据,而所述人员的身份标签未被主人修改为客人,则所述人员被判定为陌生人,立即触发报警机制。

6.根据权利要求5所述的基于特征识别的智能家居照明系统,其特征在于,个性化定制模块根据用户的历史使用数据、用户反馈信息和个人偏好,在用户未启动照明时,提前制定个性化照明方案,所述个性化照明方案为用户启动照明时的初始照明方案;

个性化定制模块根据使用场景,预设多种场景下的个性化照明方案,当用户在对应场景下启动照明时,以所述场景的个性化照明方案为初始照明方案;

在启动照明后,照明调节模块以个性化照明方案为基础,动态调整照明。

7.根据权利要求1所述的基于特征识别的智能家居照明系统,其特征在于,异常报警模块在用户识别模块未能识别出进入智能家居中的人员时,将人员分类为陌生人,异常模块立即触发报警;异常报警模块通过用户识别模块中的用户特征信息,判断用户是否存在危险行为,当检测到危险行为时,异常模块立即触发报警;异常报警模块通过预设的报警照明方案提醒智能家居中的用户,如果无人在智能家居内时,异常报警模块通过手机APP,将报警信息通知设定的紧急联系人。

我要求购
我不想找了,帮我找吧
您有专利需要变现?
我要出售
智能匹配需求,快速出售