【技术实现步骤摘要】
本专利技术涉及自动化控制，具体为一种智能家居自动化控制方法。
技术介绍
1、随着智能家居技术的不断发展，人们对于创造更智能、更符合情感需求的居住环境的兴趣日益增加。然而，传统的智能家居系统通常依赖于预定的时间表或手动输入，缺乏对用户情感状态和运动行为的智能响应。
2、在现有技术中，灯光控制通常基于时间表，这可能无法满足用户的变化情感需求。此外，大多数智能家居系统缺乏能够自动识别和响应用户情感状态的功能。因此，有必要提供一种智能家居系统，它能够分析用户的情感状态和运动行为，并根据这些分析结果来调整灯光，以提供更个性化和愉悦的灯光环境。
3、此外，多用户情境处理也是智能家居系统中的挑战。在一个房间内可能有多位用户，每位用户可能具有不同的情感需求和运动状态。传统系统通常难以适应这种多用户情境。因此，设计具有智能性和个性化的一种智能家居自动化控制方法是很有必要的。
技术实现思路
1、本专利技术的目的在于提供一种智能家居自动化控制方法，以解决上述
技术介绍
中提出的问题。
2、为了解决上述技术问题，本专利技术提供如下技术方案：一种智能家居自动化控制系统，该系统的运行方法包括以下步骤：
3、步骤一：用户身份绑定与面部特征提取；
4、步骤二：系统通过图像实现用户的运动行为和面部情感分析；
5、步骤三：通过对运动和情感状态的分析，实现灯光的控制；
6、步骤四：多用户情况下灯光控制策略。
7、根据上述技术方案
8、安装摄像头，确保其位置能够覆盖整个房间内的区域，以捕捉用户的运动状态和面部特征；
9、用户进行身份绑定，创建个人账户，并上传面部图像；
10、进行面部特征提取。
11、根据上述技术方案，所述进行面部特征提取的步骤，包括：
12、在面部特征提取过程中，系统采用图像处理方法，使用haar级联分类器来准确检测用户的眼睛位置，通过捕捉眼睛的轮廓和坐标位置，以确保系统能够识别用户的注视方向和眼神状态，同时，采用图像处理技术进行嘴巴形状分析，通过检测用户嘴唇的形状、宽度和嘴巴张合度特征，从而可以分析用户的嘴巴形状，捕捉用户的笑容或嘴巴张合情况，此外，系统还提取用户的面部轮廓，使用轮廓检测算法，获取面部形状的边缘特征和外轮廓，提取的面部特征数据，如眼睛位置的坐标、嘴巴形状参数和面部轮廓特征，将被存储在系统的数据库中，并与用户的账户相关联。
13、根据上述技术方案，所述系统通过图像实现用户的运动行为和面部情感分析的步骤，包括：
14、摄像头连续捕捉图像，并上传至系统进行分析；
15、使用背景减法算法来检测用户的运动状态；
16、使用深度学习模型基于面部特征识别不同情感状态。
17、根据上述技术方案，所述使用背景减法算法来检测用户的运动状态的步骤，包括：
18、系统利用背景减法算法来检测人员的运动状态，如坐下、站起或行走，其具体检测过程如下：系统通过摄像头首先在初始化阶段捕获背景图像，用以表示房间内没有用户存在时的环境，在随后的检测中，系统连续捕捉图像帧，并将它们与背景图像进行比较，通过检测哪些区域发生了变化，系统能够确定用户的运动状态，若系统的摄像头位于一个家庭客厅内，摄像头初始化时捕获了一个没有人的背景图像，其中包括家具、墙壁，在运行时，如果用户走入摄像头的视野，系统会连续捕捉图像帧并将其与初始背景图像进行比较，当用户走动时，用户的运动会导致图像中的变化，这些变化被识别为前景，系统检测到这些前景像素，并进一步分析它们，以确定用户的运动状态，当用户站起来离开沙发时，系统将检测到与沙发周围区域的差异，从而确定用户的站立状态。
19、根据上述技术方案，所述使用深度学习模型基于面部特征识别不同情感状态的步骤，包括：
20、系统首先进行数据收集和准备，系统收集大量的面部图像数据集，其中包括不同情感状态的示例，如开心、伤心、平静，这些数据来自多个用户，随后对每个图像进行情感状态的标记，包括开心、伤心、愤怒、平静，此外，一张图像可以同时包含多种两个标签，其次将所有已标记的图像和相应的情感标签组合在一起，以创建一个有监督的训练数据集，这个数据集将用于训练深度学习模型，将数据集划分为训练集、验证集和测试集，以便进行模型训练和评估，在数据预处理阶段对图像进行一系列操作，包括调整图像尺寸、归一化像素值以确保它们在合适的范围内，以及数据增强操作，如随机旋转、翻转或裁剪，以增加数据的多样性，接下来，选择卷积神经网络作为面部情感识别任务的深度学习架构，系统首先设计一个包括两个卷积层、池化层和全连接层的cnn模型，这个模型将接受图像作为输入并输出情感状态的预测概率分布，在模型初始化方面，系统选择随机初始化模型的权重和参数，同时，为了度量模型的性能，通常使用交叉熵损失来定义损失函数，如果需要系统分类出5种情感状态，如“开心”和“伤心”，交叉熵损失将衡量模型的输出概率分布与实际情感标签之间的差异，以便更好地调整模型，最后，选择adam作为优化算法，有助于更快地收敛，在整个训练过程中，需要周期性地使用验证集来评估模型的性能，如果发现模型出现过拟合或欠拟合，那么可以根据验证结果进行必要的超参数调整，如学习率的调整，一旦模型满足性能要求，它将在测试集数据上进行最终性能评估，以获得模型在实际情感识别任务中的表现，最后，在模型的持续监控阶段，需要不断追踪模型的性能，以确保它在不同环境和情况下仍然有效，如果需要，可以重新训练模型以适应新数据或情感状态，通过上述内容，有助于建立准确识别面部情感状态的模型，提高情感识别性能。
21、根据上述技术方案，所述通过对运动和情感状态的分析，实现灯光的控制的步骤，包括：
22、根据用户的运动状态，采用不同的灯光控制策略，如提高亮度或降低亮度；
23、利用情感-灯光映射方法，将情感状态映射到特定的灯光设置；
24、用户也可以手动调整灯光参数，以个性化设置灯光效果。
25、根据上述技术方案，所述利用情感-灯光映射方法，将情感状态映射到特定的灯光设置的步骤，包括：
26、系统也将运用情感-灯光映射方法，该方法基于运动状态和情感状态来确定适当的灯光参数，将不同的情感状态映射到特定的灯光设置，当系统检测到用户站起并且情感状态为开心时，系统将会自动增加灯光亮度和调整颜色温度以创造愉悦的氛围，灯光参数的调整包括控制灯光亮度、颜色温度和灯光区域，亮度调整可以通过调整灯具的亮度水平来实现，颜色温度可以通过改变灯光的色温设置，而灯光区域的调整可以控制不同灯具的亮度和颜色，以实现整体灯光效果的改变。
27、根据上述技术方案，所述多用户情况下灯光控制策略的步骤，包括：
28、系统连续监测房间内的所有用户，使用前述的运动检测算法来分析每位用户的运动状态，检测每位用户是否坐下、站起或执行其他运动，本文档来自技高网...
【技术保护点】
1.一种智能家居自动化控制方法，该方法包括以下步骤：
2.根据权利要求1所述的一种智能家居自动化控制方法，其特征在于：所述用户身份绑定与面部特征提取的步骤，包括：
3.根据权利要求2所述的一种智能家居自动化控制方法，其特征在于：所述进行面部特征提取的步骤，包括：
4.根据权利要求1所述的一种智能家居自动化控制方法，其特征在于：所述系统通过图像实现用户的运动行为和面部情感分析的步骤，包括：
5.根据权利要求4所述的一种智能家居自动化控制方法，其特征在于：所述使用背景减法算法来检测用户的运动状态的步骤，包括：
6.根据权利要求4所述的一种智能家居自动化控制方法，其特征在于：所述使用深度学习模型基于面部特征识别不同情感状态的步骤，包括：
7.根据权利要求1所述的一种智能家居自动化控制方法，其特征在于：所述通过对运动和情感状态的分析，实现灯光的控制的步骤，包括：
8.根据权利要求7所述的一种智能家居自动化控制方法，其特征在于：所述利用情感-灯光映射方法，将情感状态映射到特定的灯光设置的步骤，包括：
...【技术特征摘要】
1.一种智能家居自动化控制方法，该方法包括以下步骤：
2.根据权利要求1所述的一种智能家居自动化控制方法，其特征在于：所述用户身份绑定与面部特征提取的步骤，包括：
3.根据权利要求2所述的一种智能家居自动化控制方法，其特征在于：所述进行面部特征提取的步骤，包括：
4.根据权利要求1所述的一种智能家居自动化控制方法，其特征在于：所述系统通过图像实现用户的运动行为和面部情感分析的步骤，包括：
5.根据权利要求4所述的一种智能家居自动化控制方法，其特征在于：所述使用背景减法算法来检测用户的运动状态的步骤，包括：
6.根据权利要求4所述的一种智能家居自动化控...
【专利技术属性】
技术研发人员：陈瑞松，
申请(专利权)人：松原市松靖科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。