[发明专利]一种指令分发的方法及装置

权利要求书

1.一种指令分发的方法，其特征在于，包括步骤：

S1、接收IOT设备采集的第一图片，所述第一图片包括第一终端当前的屏幕截屏，所述第一图片为RGB格式，将其转换为H263编码后的图片；

S2、接收IOT设备采集的第二图片，所述第二图片包括第一终端前的用户当前的画面，所述第二图片为H263格式；

S3、根据所述第一图片和第二图片进行特征提取，得到用户画像，并根据所述用户画像发送相应的控制指令至所述IOT设备；

步骤S3所述的根据所述第一图片和第二图片进行特征提取，得到用户画像具体包括：

S31、根据所述第一图片和第二图片进行特征提取，得到特征点；

S32、根据所述特征点分别在人工智能系统训练库中的第一训练集和第一测试集中进行训练，得到第一训练数据和第一测试数据，并根据所述第一训练数据和所述第一测试数据进行交叉验证，得到正确率；

所述交叉验证具体为将所述特征点分别与第一训练集和第一测试集进行K-近邻算法聚类，从而得到所述特征点在第一训练集中的第一误差率以及在第一测试集中的第二误差率，然后根据所述第一误差率和第二误差率通过sklkit-learn的分类函数进行交叉验证，从而得出正确率；

S33、根据所述正确率得到用户画像，并标定当前用户行为；

所述第一图片还包括与所述屏幕截屏对应的触摸点坐标，通过获取用户在屏幕上触摸的点坐标，根据所述屏幕截屏和相应的点坐标提高后续进行用户画像时判断当前用户行为的准确性；

所述根据所述用户画像发送相应的控制指令至所述IOT设备包括：

IOT平台端根据所述用户画像从预设的列表中进行指令匹配，匹配出相关应用程序的包名，得到与所述用户画像相应的控制指令，并发送所述控制指令至所述IOT设备；

所述人工智能系统训练库中通过爬虫的方式将大量的图库数据爬虫至本地并形成所述第一训练集和所述第一测试集，训练的主要过程是根据所述特征点和训练库中的第一训练集对所述特征点进行分类；

所述第一图片和第二图片为所述IOT设备在预设时间间隔内定时采集的；

对采集图片的IOT设备进行身份验证，若验证成功，则发送相应的授权码至所述IOT设备，以使得所述IOT设备根据所述授权码进行图片采集。

2.一种指令分发的装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现步骤：

S1、接收IOT设备采集的第一图片，所述第一图片包括第一终端当前的屏幕截屏，所述第一图片为RGB格式，将其转换为H263编码后的图片；

S2、接收IOT设备采集的第二图片，所述第二图片包括第一终端前的用户当前的画面，所述第二图片为H263格式；

S3、根据所述第一图片和第二图片进行特征提取，得到用户画像，并根据所述用户画像发送相应的控制指令至所述IOT设备；

步骤S3所述的根据所述第一图片和第二图片进行特征提取，得到用户画像具体包括：

S31、根据所述第一图片和第二图片进行特征提取，得到特征点；

S32、根据所述特征点分别在人工智能系统训练库中的第一训练集和第一测试集中进行训练，得到第一训练数据和第一测试数据，并根据所述第一训练数据和所述第一测试数据进行交叉验证，得到正确率；

所述交叉验证具体为将所述特征点分别与第一训练集和第一测试集进行K-近邻算法聚类，从而得到所述特征点在第一训练集中的第一误差率以及在第一测试集中的第二误差率，然后根据所述第一误差率和第二误差率通过sklkit-learn的分类函数进行交叉验证，从而得出正确率；

S33、根据所述正确率得到用户画像，并标定当前用户行为；

所述第一图片还包括与所述屏幕截屏对应的触摸点坐标，通过获取用户在屏幕上触摸的点坐标，根据所述屏幕截屏和相应的点坐标提高后续进行用户画像时判断当前用户行为的准确性；

所述根据所述用户画像发送相应的控制指令至所述IOT设备包括：

IOT平台端根据所述用户画像从预设的列表中进行指令匹配，匹配出相关应用程序的包名，得到与所述用户画像相应的控制指令，并发送所述控制指令至所述IOT设备；

所述人工智能系统训练库中通过爬虫的方式将大量的图库数据爬虫至本地并形成所述第一训练集和所述第一测试集，训练的主要过程是根据所述特征点和训练库中的第一训练集对所述特征点进行分类；

所述第一图片和第二图片为所述IOT设备在预设时间间隔内定时采集的；

对采集图片的IOT设备进行身份验证，若验证成功，则发送相应的授权码至所述IOT设备，以使得所述IOT设备根据所述授权码进行图片采集。