[发明专利]房间状态预测方法、装置、电子设备及存储介质

权利要求书

1.一种房间状态预测方法，其特征在于，所述方法包括：

获取人体感应器上报的各人体感应数据的上报时刻；

根据各所述上报时刻，获取所述人体感应数据所对应的各上报时间间隔；所述上报时间间隔为指定时间范围内的各相邻两个上报时刻之间的时间间隔；

通过已训练的状态预测模型，根据所述上报时间间隔，预测所述人体感应器所处房间的房间状态；其中，所述状态预测模型，基于包括预设数量个样本上报时间间隔以及对应的样本房间状态标签的训练样本，通过机器学习算法进行训练得到；所述样本上报时间间隔为在时间上连续的各相邻上报时刻对应的间隔；

根据所述房间状态执行对应的控制操作。

2.根据权利要求1所述的房间状态预测方法，其特征在于，所述人体感应器存在至少一个，所述获取人体感应器上报人体感应数据的上报时刻，包括：

接收至少一个人体感应器上报的人体感应数据；

若接收到多个人体感应器上报的人体感应数据，获取其中一个人体感应数据的上报时刻。

3.根据权利要求2所述的房间状态预测方法，其特征在于，所述接收至少一个人体感应器上报的人体感应数据，包括：

判断在预设时间阈值内是否接收到至少一个人体感应器上报的人体感应数据；

若在预设时间阈值内未接收到至少一个人体感应器上报的人体感应数据，将上一上报时刻之后间隔所述预设时间阈值的时刻作为本次的上报时刻。

4.根据权利要求1所述的房间状态预测方法，其特征在于，所述根据所述上报时间间隔，预测所述人体感应器所处房间的房间状态，包括：

将所述上报时间间隔输入状态预测模型，得到所述人体感应器所处房间的房间状态的预测结果，所述状态预测模型用于根据本次获取的所述上报时间间隔以及先前的上报时间间隔，预测房间状态；

根据所述预测结果，获取所述人体感应器所处房间的房间状态。

5.根据权利要求4所述的房间状态预测方法，其特征在于，所述房间状态包括有人状态或无人状态。

6.根据权利要求4或5所述的房间状态预测方法，其特征在于，所述状态预测模型通过以下方式训练得到：

获取待训练样本，所述待训练样本包括预设数量个在时间上连续的样本上报时间间隔以及其中每一个上报时刻对应的样本房间状态标签，所述样本房间状态标签包括有人状态标签和无人状态标签；

将所述预设数量个在时间上连续的样本上报时间间隔作为所述状态预测模型的输入，将每一个所述样本上报时间间隔中最后一个上报时刻对应的样本房间状态标签作为所述状态预测模型的期望输出，将所述预设数量个在时间上连续的样本上报时间间隔与对应的样本房间状态标签输入至所述状态预测模型，基于机器学习算法进行训练得到训练好的状态预测模型。

7.根据权利要求6所述的房间状态预测方法，其特征在于，所述获取待训练样本，包括：

基于滑动窗口的宽度与所述滑动窗口的滑动步长，滑动采集预设数量个在时间上连续的样本上报时间间隔，所述宽度对应所述滑动窗口包含的样本上报时间间隔的数量，所述滑动步长对应所述滑动窗口每次滑动前进的样本上报间隔的数量，所述宽度大于所述滑动步长；

根据所述滑动窗口滑动前进的前端对应的上报时刻的房间状态，设定所述滑动窗口对应的样本房间状态标签。

8.根据权利要求6所述的房间状态预测方法，其特征在于，所述有人状态标签包括多人状态标签以及少人状态标签，所述多人状态标签对应的上报时间间隔小于所述少人状态标签对应的上报时间间隔。