[发明专利]一种智能家居服务机器人

权利要求书

1.一种智能家居服务机器人，其特征在于，包括：

至少一个传感器，用于监测家庭中的家庭环境参数；

显示屏，与所述传感器连接，用于显示所述家庭环境参数；

指令接收器，用于接收用户指令；

中央处理器，用于根据用户指令或所述家庭环境参数生成家用电器控制指令；

指令发送器，与至少一个家用电器无线连接，用于向家用电器发送相应的控制指令。

2.根据权利要求1所述的一种智能家居服务机器人，其特征在于，还包括巡逻装置，用于生成移动路线，并根据移动路线在家庭中移动。

3.根据权利要求1所述的一种智能家居服务机器人，其特征在于，所述传感器包括温度传感器、湿度传感器、安防传感器、空气质量传感器中的一种或多种，所述家用电器包括空调、除湿器、加湿器、安防处理器、空气净化器中的一种或多种。

4.根据权利要求1所述的一种智能家居服务机器人，其特征在于，所述指令接收器包括手势摄像头，用于采集用户手势图像，并传输到中央处理器。

5.根据权利要求4所述的一种智能家居服务机器人，其特征在于，所述中央处理器包括手势识别模块，用于识别所述用户手势图像，并生成相应的控制指令。

6.根据权利要求5所述的一种智能家居服务机器人，其特征在于，所述手势识别模块具体包括：

预处理单元，用于对所述用户手势图像进行预处理，获取预处理后的手势图像；

手势检测单元，用于对所述预处理后的手势图像进行手势检测处理，确认手势部分；

特征提取单元，用于对所述手势部分进行特征提取，获取手势特征；

手势识别单元，用于对所述手势特征进行手势识别处理，并根据识别结果匹配相应的控制指令。

7.根据权利要求6所述的一种智能家居服务机器人，其特征在于，所述手势监测单元，具体包括：

(1)将预处理后的手势图像I分割为N个图像区域{R_i}_{i＝1,2,…,N}；

(2)分别根据所述图像I的颜色特征和纹理特征获取图像I的颜色特征图像f_YS和纹理特征图像f_WL；

(3)分别获取区域R_i的颜色全局区域对比度和纹理全局区域对比度，其中采用的函数为：

式中，C_{gc_YS}(R_i)和C_{gc_WL}(R_i)分别表示区域R_i的颜色全局区域对比度和纹理全局区域对比度，w(R_i,R_j)表示全局控制因子，其中w(R_i,R_j)＝1+{-d(R_i,R_j)}，d(R_i,R_j)表示区域R_i和区域R_j的欧氏距离，和分别表示区域R_i和区域R_j的颜色特征，和分别表示区域R_i和区域R_j的纹理特征；

(4)分别获取区域R_i的颜色背景对比度和纹理背景对比度，其中采用的函数为：

式中，C_{bc_YS}(R_i)和C_{bc_WL}(R_i)分别表示区域R_i的颜色背景对比度和纹理背景对比度，B_j表示图像I的上、下、左和右边界区域，和分别表示区域B_j的颜色和纹理特征；

(5)获取区域R_i的中心先验，其中采用的函数为：

式中，C_cb(R_i)表示区域R_i的中心先验，表示区域R_i的坐标，x_{I_center}表示图像I中心的坐标；

(6)分别获取区域R_i的颜色区域级别显著性和纹理区域级别显著性，其中采用的函数为：

S_{r_YS}(R_i)＝C_{gc_YS}(R_i)*C_{bc_YS}(R_i)*C_cb(R_i)

S_{r_WL}(R_i)＝C_{gc_WL}(R_i)*C_{bc_WL}(R_i)*C_cb(R_i)

式中，S_{r_YS}(R_i)和S_{r_WL}(R_i)分别表示区域R_i的颜色区域级别显著性和纹理区域级别显著性；

(7)分别获取区域R_i的颜色特征和纹理特征的显著性，其中采用的函数为：

其中，j∈R_i，R_ik∈N(R_i)，

式中，和分别表示区域R_i的颜色特征和纹理特征的显著性，N(R_i)表示区域R_i的所有相邻区域的集合，K＝|N(R_i)|，表示区域R_ik的坐标，表示像素点j和区域R_ik中心坐标之间的距离；

(8)获取图像I的颜色和纹理特征的显著性，其中采用的函数为：

式中，S_YS和S_WL分别表示图像I的颜色和纹理特征的显著性；

(9)获取显著性区域中心先验后关于颜色和纹理特征的单尺度显著性，其中采用的函数为：

S_{ss_YS}(k)＝W_sc(k)S_YS(k)

S_{ss_WL}(k)＝W_sc(k)S_WL(k)

其中，

式中，x_k表示像素点k的坐标，x_{s_center}表示显著性区域中心的坐标，S_{ss_YS}(k)表示在S_YS(k)中融入了显著性区域中心先验后关于颜色特征的单尺度显著性，S_{ss_WL}(k)表示在S_WL(k)中融入了显著性区域中心先验后关于纹理特征的单尺度显著性；

(10)获取多尺度颜色显著性和多尺度纹理显著性，其中采用的函数为：

式中，S_{ms_YS}(i)和S_{ms_WL}(i)分别为多尺度颜色显著性和多尺度纹理显著性，S_{ss_YS_r}和S_{ss_WL_r}分别表示第r个尺度的单尺度颜色显著性和单尺度纹理显著性，IE(S_{ss_YS_r})表示第r层显著性图像的信息熵，其中H表示显著性图像的大小，p_r(i)表示第r层显著性图像中像素点i的概率分布，

(11)获取多特征多尺度全局区域对比度显著性，其中采用的函数为：

S_msmf＝S_{ms_YS}*S_{ms_WL}

式中，S_msmf表示图像的多特征多尺度全局区域对比度显著性；

(12)根据最终显著性图像进行自适应分割，检测图像中的手势，并确定图像I中的手势部分。

8.根据权利要求7所述的一种智能家居服务机器人，其特征在于，手势识别单元，用于对所述手势特征进行手势识别处理，并根据识别结果匹配相应的控制指令，具体包括：

采用稀疏表示的手势识别算法对所述手势特征进行手势识别处理，并根据识别结果匹配相应的控制指令；

其中，在采用稀疏表示的手势识别算法进行手势识别之前，需要构建手势字典，其中手势字典的构建算法为：

初始化阶段：获取手势训练样本特征矩阵Y＝{y₁,y₂,…,y_N}，设定最大迭代次数V_max，稀疏度为T₀，训练样本特征维数m，即y_i∈R^m，其中N表示手势训练样本的数目，R^m表示手势训练样本特征的特征尺寸为m；

(1)随机选择K个训练样本初始化稀疏字典矩阵D⁽⁰⁾，D⁽⁰⁾∈R^m×K，并对矩阵各列进行l₂归一化，j＝1，其中D＝[d₁,d₂,…,d_K]表示稀疏字典，其中K表示稀疏字典中字典元的数目，R^m×K表示稀疏字典矩阵D⁽⁰⁾的特征尺寸为m×K；

(2)稀疏编码阶段：采用追踪算法计算每个训练样本y_i的稀疏表示向量x_i，其中采用的函数为：

其中||x_i||₀≤T₀，i＝1,2,…,N

式中，D表示稀疏字典矩阵，y_i表示第i个手势训练样本特征，N表示手势训练样本的数目，T₀表示稀疏度；

(3)码本更新阶段：更新D^(j-1)中的每一列d_k，k＝1,2,…,K，具体包括：

(31)定义使用了第k个字典原子的样本序号集合即向量矩阵X第k行中不为0的元素所在的列；

(32)计算整体的表示误差：其中d_j表示稀疏字典D中的第j列，表示稀疏向量矩阵X中的第j行；

(33)从表示误差E_k中选择集合ω_k中序号对应的列构成误差矩阵

(34)对误差矩阵进行SVD分解，即选择U的第1列作为更新后的字典列将稀疏向量更新为V的第1列和Δ(1,1)的乘积；

(35)更新迭代次数j＝j+1；

重复步骤(3)，当达到最大迭代次数V_max时，输出稀疏字典