家电控制方法及装置制造方法及图纸

本发明专利技术公开了一种家电控制方法及装置。其中，该方法包括：获取目标对家电进行控制的图像；使用指令识别模型识别出图像中对家电进行控制的控制指令，其中，指令识别模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：图像和图像中对家电进行控制的控制指令；依据识别出的控制指令对家电进行控制。本发明专利技术解决了相关技术中控制家电的控制准确率较低的技术问题。

Control methods and devices of household appliances

【技术实现步骤摘要】
家电控制方法及装置
本专利技术涉及家电控制领域，具体而言，涉及一种家电控制方法及装置。
技术介绍
智能家居常见的控制方式为通过遥控，或者智能终端的应用程序控制，现有技术中也有通过语音控制，但是传统的控制方式往往需要控制装置(例如上述遥控器，或者智能终端)实现控制，用户在没有控制装置的情况下，难以对智能家居进行控制，而且控制正确率和准确率较低。上述语音控制的方式，虽然能够实现没有控制装置对智能家居进行控制，但是一般情况语音控制都是通过固定的语音实现该语音对应的控制动作，在用户不了解能够形成控制的语音的情况下，难以对智能家居形成控制，控制正确率和准确率较低。针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种家电控制方法及装置，以至少解决相关技术中控制家电的控制准确率较低的技术问题。根据本专利技术实施例的一个方面，提供了一种家电控制方法，包括：获取目标对家电进行控制的图像；使用指令识别模型识别出图像中对家电进行控制的控制指令，其中，指令识别模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：图像和图像中对家电进行控制的控制指令；依据识别出的控制指令对家电进行控制。可选的，在使用指令识别模型识别出图像中对家电进行控制的控制指令之前，还包括：采用以下方式获取指令识别模型：确定指令识别模型的基本模型算法；在基本模型算法中设置多个卷积层以及筛选层，其中，卷积层用于获取对图像进行识别的多个识别结果，筛选层用于对多个识别结果进行筛选，得到筛选结果。可选的，获取指令识别模型还包括：在基本模型算法中还设置有震荡抑制层，其中，震荡抑制层用于采用对数抑制法对回归过程中的震荡进行抑制，回归过程为对筛选结果进行回归得到识别出的控制指令的过程。可选的，获取目标对家电进行控制的图像包括：获取目标对家电进行控制的多个图像；确定多个图像中的特征；确定特征置信度高于预定值的特征所在的图像为目标对家电进行控制的图像，其中，特征置信度用于标识特征为对家电进行控制的明显程度。可选的，依据识别出的控制指令对家电进行控制包括：输出识别出的控制指令；接收到对家电进行控制的语音指令；在确定识别出的控制指令的优先级高于语音指令的情况下，依据识别出的控制指令对家电进行控制。根据本专利技术实施例的另一个方面，提供了一种家电控制装置，包括：第一获取模块，用于获取目标对家电进行控制的图像；识别模块，用于使用指令识别模型识别出图像中对家电进行控制的控制指令，其中，指令识别模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：图像和图像中对家电进行控制的控制指令；控制模块，用于依据识别出的控制指令对家电进行控制。可选的，装置还包括：第二获取模块，用于采用以下方式获取指令识别模型，第二获取模块包括：第一确定单元，用于确定指令识别模型的基本模型算法；第一设置单元，用于在基本模型算法中设置多个卷积层以及筛选层，其中，卷积层用于获取对图像进行识别的多个识别结果，筛选层用于对多个识别结果进行筛选，得到筛选结果。可选的，第二获取模块还包括：第二设置单元，用于在基本模型算法中还设置有震荡抑制层，其中，震荡抑制层用于采用对数抑制法对回归过程中的震荡进行抑制，回归过程为对筛选结果进行回归得到识别出的控制指令的过程。可选的，第一获取模块包括：获取单元，用于获取目标对家电进行控制的多个图像；第二确定单元，用于确定多个图像中的特征；第三确定单元，用于确定特征置信度高于预定值的特征所在的图像为目标对家电进行控制的图像，其中，特征置信度用于标识特征为对家电进行控制的明显程度。根据本专利技术实施例的另一个方面，提供了一种存储介质，其特征在于，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述中任意一项的家电控制方法。在本专利技术实施例中，采用获取目标对家电进行控制的图像；使用指令识别模型识别出图像中对家电进行控制的控制指令，其中，指令识别模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：图像和图像中对家电进行控制的控制指令；依据识别出的控制指令对家电进行控制的方式，达到了准确对家电进行控制的目的，从而实现了提高控制的准确率的技术效果，进而解决了相关技术中控制家电的控制准确率较低的技术问题。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是根据本专利技术实施例的一种家电控制方法的流程图；图2是根据本专利技术实施例的一种家电控制装置的示意图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。根据本专利技术实施例，提供了一种家电控制方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。图1是根据本专利技术实施例的一种家电控制方法的流程图，如图1所示，该方法包括如下步骤：步骤S102，获取目标对家电进行控制的图像；步骤S104，使用指令识别模型识别出图像中对家电进行控制的控制指令，其中，指令识别模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：图像和图像中对家电进行控制的控制指令；步骤S106，依据识别出的控制指令对家电进行控制。通过上述步骤，采用获取目标对家电进行控制的图像；使用指令识别模型识别出图像中对家电进行控制的控制指令，其中，指令识别模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：图像和图像中对家电进行控制的控制指令；依据识别出的控制指令对家电进行控制的方式，达到了准确对家电进行控制的目的，从而实现了提高控制的准确率的技术效果，进而解决了相关技术中控制家电的控制准确率较低的技术问题。上述图像可以是相机拍摄的照片，可以是传感器检测到的传感图像，还可以是红外相机拍摄到的红外图像本文档来自技高网...

【技术保护点】
1.一种家电控制方法，其特征在于，包括：/n获取目标对家电进行控制的图像；/n使用指令识别模型识别出图像中对家电进行控制的控制指令，其中，指令识别模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：图像和图像中对家电进行控制的控制指令；/n依据识别出的控制指令对家电进行控制。/n

【技术特征摘要】
1.一种家电控制方法，其特征在于，包括：
获取目标对家电进行控制的图像；
使用指令识别模型识别出图像中对家电进行控制的控制指令，其中，指令识别模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：图像和图像中对家电进行控制的控制指令；
依据识别出的控制指令对家电进行控制。


2.根据权利要求1的方法，其特征在于，在使用指令识别模型识别出图像中对家电进行控制的控制指令之前，还包括：采用以下方式获取指令识别模型：
确定指令识别模型的基本模型算法；
在基本模型算法中设置多个卷积层以及筛选层，其中，卷积层用于获取对图像进行识别的多个识别结果，筛选层用于对多个识别结果进行筛选，得到筛选结果。


3.根据权利要求2的方法，其特征在于，获取指令识别模型还包括：
在基本模型算法中还设置有震荡抑制层，其中，震荡抑制层用于采用对数抑制法对回归过程中的震荡进行抑制，回归过程为对筛选结果进行回归得到识别出的控制指令的过程。


4.根据权利要求1的方法，其特征在于，获取目标对家电进行控制的图像包括：
获取目标对家电进行控制的多个图像；
确定多个图像中的特征；
确定特征置信度高于预定值的特征所在的图像为目标对家电进行控制的图像，其中，特征置信度用于标识特征为对家电进行控制的明显程度。


5.根据权利要求1至4中任一项的方法，其特征在于，依据识别出的控制指令对家电进行控制包括：
输出识别出的控制指令；
接收到对家电进行控制的语音指令；
在确定识别出的控制指令的优先级高于语音指令的情况下，依据识别出的控制指令对家电进行控制。
...

【专利技术属性】
技术研发人员：秦萍，连园园，易斌，谌进，
申请(专利权)人：珠海格力电器股份有限公司，
类型：发明
国别省市：广东;44