一种无感知智能设备控制方法、电子设备及控制系统技术方案

一种无感知智能设备控制方法、电子设备及控制系统，属于智能家居技术领域，其中的方法步骤包括：获取射频扫描信号；基于射频扫描信号判断被控场景中是否有人，计算获取如下任意一种或多种人体信息：人的位置、人的姿态、人的生理信息；收集并储存控制信息，所述控制信息包括场景中是否有人、场景中有人时获取的人体信息；根据预先设定的控制信息与智能设备控制指令的对应关系对收集到的控制信息进行匹配，确定对应的控制指令并输出。确定对应的控制指令并输出。

【技术实现步骤摘要】
一种无感知智能设备控制方法、电子设备及控制系统


[0001]本专利技术属于智能家居
，具体涉及一种无感智能设备控制方法。

技术介绍

[0002]随着技术的进步，智能家电设备近年来得到了迅猛发展并进入千家万户，让人们的家庭生活更舒适、更简单、更方便、更快乐。如何让用户以更方便的手段来管理家庭设备，一直是业界关心的话题。为此，CN111158246 A号专利就提供了一种智能家电控制系统，该系统利用微波雷达检测指定区域中的手势，将检测出的手势信息发送给智能家电控制应用程序；智能家电控制客户端根据接收到的手势信息确定控制指令，进而对确定出的控制指令对智能家电进行控制。但该控制系统需要通过客户端预设手势指令，且要求用户在指定区域中做出特定手势，整个控制过程仍需要用户做出主动操作，并不能实现无感知控制。

技术实现思路

[0003]本专利技术的目的在于提供一种无感知智能设备控制方法，提供相应的电子设备和控制系统亦是本专利技术的目的所在。
[0004]基于上述目的，本专利技术提供了如下三个方面的技术方案：第一方面，一种无感知智能设备控制方法，步骤包括，S101：获取射频扫描信号；S102：基于射频扫描信号判断被控场景中是否有人，计算获取如下任意一种或多种人体信息：人的位置、人的姿态、人的生理信息；S103：收集并储存控制信息，所述控制信息包括场景中是否有人、场景中有人时获取的人体信息；S104：根据预先设定的控制信息与智能设备控制指令的对应关系对收集到的控制信息进行匹配，确定对应的控制指令并输出。该方法通过收集场景中是否有人、人的位置、人的姿态、人的生理信息等客观信息进而匹配控制指令，不需要人做出主动控制动作，可以实现无感知控制。
[0005]为进一步满足人的主动控制意愿，所述人体信息还可以包括人的手势信息。
[0006]为节约运算量，步骤S102先根据射频扫描信号判断被控场景中是否有人；当判断为有人时，再基于点云计算获取人体信息。
[0007]为进一步节约运算量，可以先通过简单计算判断是否有移动物体，再进一步确认是否有人。所述步骤S102判断场景中是否有人的过程为：对获取的射频扫描信号进行FFT信号处理以判断场景中是否有移动物体；如未发现移动物体且前一轮扫描判断场景中无人，则直接判断本轮扫描场景中无人；如发现有移动物体，或未发现移动物体但前一轮扫描判断场景中有人，则进一步将射频扫描信号解算为点云信息，基于点云信息计算判断场景中是否有人。
[0008]步骤S102利用训练获得的机器学习模型MO判断是否有人，包括：
S201：基于射频扫描，获取点云信息：将一组N次射频扫描获得的点云数据视为1个点云数据组，解算出与每个点云数据组相对应的点云信息，所述点云信息中与每一个反射点相对应的信息至少包括该反射点的空间位置、速度和信号强度信息；为提升机器学习的效率和准确性，所述点云信息对应与每一个反射点相对应的信息还可以进一步包括加速度和噪声幅度信息；S202：将步骤S201解算出的点云信息输入到模型MO中，输出目标为O=｛（Pr
m
，Ps
m
），m=1，2，3，
……
，M｝，Pr
m
为第m个待检测人体目标存在的概率，Ps
m
为第m个待检人体目标其代表点的空间位置，M为场景中的人数；人体代表点的空间位置对应人的位置，M=0表示场景中无人，M＞0表示场景中有人；所述模型MO经以下步骤训练得到：S301：基于射频扫描，对场景进行点云数据采集；S302：将一组N次射频扫描获得的点云数据视为1个点云数据组，解算出与每个点云数据组相对应的点云信息，所述点云信息中与每一个反射点相对应的信息至少包括该反射点的空间位置、速度和信号强度信息；N为大于等于2的整数；S303：根据数据采集过程中记录的参照信息，标记出场景中与每组射频扫描获取的点云信息相对应的人体代表点的空间位置信息；收集多组射频扫描获得的点云信息和相应的人体代表点空间位置信息，形成第一样本集；基于第一样本集，利用机器学习的方法，训练出能够识别场景中人员数量M和每个人体代表点空间位置的模型MO；所述参照信息为射频扫描过程中同步获取的视频记录或音视频记录；训练集的标记可以人工标记，作为更优选的方案，可以利用现有人工智能识别的方法从参照信息中提取人体代表点位置、关键点位置以及人体行为信息，进而基于同一时间轴对点云信息进行自动标记。
[0009]根据MO输出的结果利用训练获得的模型MK和MA获取人的姿态和人的手势，包括，S203：当MO输出的人体数量M≥1时，根据模型MO输出的人体代表点空间位置信息对射频扫描获得的点云信息进行过滤，仅保留人体代表点附近特定距离范围的点云信息；将过滤后的点云信息输入模型MK，模型MK使用滑动窗口法对输入的点云信息进行扫描识别，窗口长度对应N
pk
组射频扫描，输出M个人体的多个关键点信息；S204：将模型MK的输出结果输入模型MA，模型MA使用滑动窗口法对输入信息进行扫描识别，窗口长度对应N
ma
次MK连续输出结果，输出特定的人的姿态和人的手势；在模型MO的训练基础上继续执行步骤S304，以获取模型MK：将N
pk
组射频扫描获得的点云信息视为一个点云信息序列，根据模型MO的输出结果对点云信息序列进行过滤，仅保留人体代表点附近特定距离范围的点云信息，得到过滤后的点云信息序列；N
pk
为大于1的整数；基于人体关节点在人体上选择多个关键点，根据数据集形成中记录的参照信息，标记出与每个过滤后的点云信息序列相对应的人体关键点的空间位置信息，收集多个信息序列并进行过滤、标记，形成第二样本集；基于第二样本集，利用机器学习的方法，训练出能够识别场景中M个人体的多个关键点信息的模型MK；所述模型MK的输出目标为每个待检人体目标的关键点信息OK=｛（Pr
k
，Ps
k
），k=1，2，3，
……
，K｝，K为选定的人体关键点个数；Pr
k
为某一个待检人体目标的第k个关键点存在的概率；Ps
k
为某一个待检人体目标的第k个关键点存在的空间位置；
在模型MK的训练基础上继续执行步骤S305，以获取模型MA：获取第三样本集，第三样本集包括正例样本和反例样本，正例样本包括从参照信息中获取的某种特定人体姿态或手势，以及与特定人体姿态或手势对应的N
ma
次MK的连续输出结果，其余MK输出结果作为未发生某种特定人体姿态或手势的反例样本；N
ma
为大于1的整数；基于第三样本集，利用机器学习的方法，训练出能够根据多个点云信息序列识别出特定人体姿态或手势的模型MA；所述模型MA的输出目标为某一个待检人体目标呈现出某种特定姿态或手势的概率。
[0010]所述无感知智能设备控制方法还包括获取环境信息并将环境信息收集为控制信息的步骤，所述环境信息包括环境温度和/或光线强度。
[0011]步骤S10本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无感知智能设备控制方法，其特征在于，步骤包括，S101：获取射频扫描信号；S102：基于射频扫描信号判断被控场景中是否有人，计算获取如下任意一种或多种人体信息：人的位置、人的姿态、人的生理信息；S103：收集并储存控制信息，所述控制信息包括场景中是否有人、场景中有人时获取的人体信息；S104：根据预先设定的控制信息与智能设备控制指令的对应关系对收集到的控制信息进行匹配，确定对应的控制指令并输出。2.如权利要求1所述的无感知智能设备控制方法，其特征在于，所述人体信息还包括人的手势。3.如权利要求1或2所述的无感知智能设备控制方法，其特征在于，步骤S102先根据射频扫描信号判断被控场景中是否有人；当判断为有人时，再基于点云计算获取人体信息。4.如权利要求3所述的无感知智能设备控制方法，其特征在于，步骤S102判断场景中是否有人的过程为：对获取的射频扫描信号进行FFT信号处理以判断场景中是否有移动物体；如未发现移动物体且前一轮扫描判断场景中无人，则直接判断本轮扫描场景中无人；如发现有移动物体，或未发现移动物体但前一轮扫描判断场景中有人，则进一步将射频扫描信号解算为点云信息，基于点云信息计算判断场景中是否有人。5.如权利要求4所述的无感知智能设备控制方法，其特征在于，步骤S102基于点云信息利用训练获得的机器学习模型MO判断是否有人，包括，S201：获取点云信息：将一组N次射频扫描获得的点云数据视为1个点云数据组，解算出与每个点云数据组相对应的点云信息，所述点云信息中与每一个反射点相对应的信息至少包括该反射点的空间位置、速度和信号强度信息；S202：将步骤S201解算出的点云信息输入到模型MO中，输出目标为O=｛（Pr
m
，Ps
m
），m=1，2，3，
……
，M｝，Pr
m
为第m个待检测人体目标存在的概率，Ps
m
为第m个待检人体目标其代表点的空间位置，M为场景中的人数；人体代表点的空间位置对应人的位置，M=0表示场景中无人，M＞0表示场景中有人；所述模型MO经以下步骤训练得到：S301：基于射频扫描，对场景进行点云数据采集；S302：将一组N次射频扫描获得的点云数据视为1个点云数据组，解算出与每个点云数据组相对应的点云信息，所述点云信息中与每一个反射点相对应的信息至少包括该反射点的空间位置、速度和信号强度信息；N为大于等于2的整数；S303：根据数据采集过程中记录的参照信息，标记出场景中与每组射频扫描获取的点云信息相对应的人体代表点的空间位置信息；收集多组射频扫描获得的点云信息和相应的人体代表点空间位置信息，形成第一样本集；基于第一样本集，利用机器学习的方法，训练出能够识别场景中人员数量M和每个人体代表点空间位置的模型MO。6.如权利要求5所述的无感知智能设备控制方法，其特征在于，根据MO输出的结果利用训练获得的模型MK和MA获取人的姿态和人的手势，包括，S203：当MO输出的人体数量M≥1时，根据模型MO输出的人体代表点空间位置信息对射
频扫描获得的点云信息进行过滤，仅保留人体代表点附近特定距离范围的点云信息；将过滤后的点云信息输入模型MK，模型MK使用滑动窗口法对输入的点云信息进行扫描识别，窗口长度对应N
pk
组射频扫描，输出M个人体的多个关键点信息；S204：将模型MK的输出结果输入模型MA，模...

【专利技术属性】
技术研发人员：唐志刚，
申请(专利权)人：北京熵行科技有限公司，
类型：发明
国别省市：