[发明专利]基于实时用户行为分析的智能家居管理系统及方法

说明书

本发明属于智能家居技术领域，具体涉及基于实时用户行为分析的智能家居管理系统及方法。所述系统包括：全景图像获取装置、传感器系统、用户当前行为分析装置、用户行为预测装置和控制装置；所述全景图像获取装置，配置用于获取当前场景内的全景图像。本发明通过实时的检测和判断用户的姿态，以及结合环境数据和历史行为数据，来对用户的行为进行预测，以实现更加智能化的智能家居控制，提升了智能家居控制的实时性和智能化程度；同时，本发明在进行姿态识别时，没有针对整幅图像进行识别，而是提取出人体区域后，再筛选出姿态识别的关键部分分别进行图像识别，最终的结果再进行匹配查询，以此完成姿态识别，提升了姿态识别的效率，并提升了识别的准确率。

技术领域

本发明属于智能家居技术领域，具体涉及基于实时用户行为分析的智能家居管理系统及方法。

背景技术

智能家居是以住宅为平台，利用综合布线技术、网络通信技术、安全防范技术、自动控制技术、音视频技术将家居生活有关的设施集成，构建高效的住宅设施与家庭日程事务的管理系统，提升家居安全性、便利性、舒适性、艺术性，并实现环保节能的居住环境。

目前，人们对智能家居提出了更高的要求，通常是以住宅为平台，兼备建筑、网络通信、信息家电、设备自动化，集系统、结构、服务、管理为一体，具有高效、舒适、安全、便利、环保等优点；并且，可以通过网络叠加、屏幕叠加、信息叠加等各个方面的叠加，实现易于对外交流、易于内部可控的便捷舒适的居住环境，以控制终端设备实现智能家居应用。另外，智能家居需要叠加更多的新型终端和业务。

随着视觉技术的发展，各类家电产品都开始集成摄像头视觉模块，并对用户在家庭单位内的行为进行理解，以便更好地服务用户。当前图像处理中应用最多的是CNN卷积神经网络，效果权重，然而用户行为是时间轴上的连续动作，单帧图像无法反应时间尺度上的动作特征，因此CNN卷积神经网络并不能完美的应用于行为识别的场景中。

现今的大多数行为识别方法都有一个确定性的前提假设，例如小范围和观测点变化，而实际环境很难满足这些假设。此外这些方法使用传统模式进行识别，即从原始数据中提取特征，而特征提取难度也随着场景差异而不同。同时卷积神经网络在处理图像的过程中，随着网络深度的增加，提取的特征也越来越复杂，很容易对图像中的噪声数据进行拟合，从而造成实际的使用效果变差。

专利号为CN201610997196.5A的专利公开了一种基于大数据的智能家居用户行为分析系统及方法，公开了一种基于大数据的智能家居用户行为分析系统及方法，包括用户行为数据采集模块、用户行为数据存储模块、用户行为数据预处理模块、用户行为数据分析模块、用户行为智能预测模块和用户行为智能推荐模块。针对当前社会生活节奏快，人们生活习惯不科学、无规划等问题，获取智能家居用户行为信息，构建基于大数据的智能家居用户行为分析系统，实现基于大数据的生活习惯科学规划，针对个体用户的日常生活习惯，量身打造科学合理的行为规划，并通过预测用户行为，实现智能家居设备的智能启动、关闭以及状态调节，帮助用户节省大量的时间和精力。

其虽然通过采集用户的行为数据，进行用户行为分析，再以此来进行智能家居的运行控制，提升了智能家居的智能化程度，但其用户行为分析时是基于用户的历史行为数据来进行，无法针对当前用户的行为提供实时性更强的智能控制，且由于智能家居设备的当前运行状态和环境状态均不是静态的，导致智能家居的控制准确率下降。

发明内容

有鉴于此，本发明的主要目的在于提供基于实时用户行为分析的智能家居管理系统及方法，本发明通过实时的检测和判断用户的姿态，以及结合环境数据和历史行为数据，来对用户的行为进行预测，以实现更加智能化的智能家居控制，提升了智能家居控制的实时性和智能化程度；同时，本发明在进行姿态识别时，没有针对整幅图像进行识别，而是提取出人体区域后，再筛选出姿态识别的关键部分分别进行图像识别，最终的结果再进行匹配查询，以此完成姿态识别，提升了姿态识别的效率，并提升了识别的准确率。

为达到上述目的，本发明的技术方案是这样实现的：