[发明专利]一种基于DSSD神经网络的智能家居环境控制实时识别系统及其控制方法

说明书

本发明提供了一种基于DSSD神经网络的智能家居环境控制实时识别系统的控制方法，包括如下步骤：步骤1、建立环境以及对应设备状态的训练数据集合；步骤2、建立基于DSSD网络的控制模型及对其参数进行调整和修改，并通过训练数据集合进行模型训练；步骤3、识别人员行为；步骤4、基于人员行为控制智能设备创造理想的智能家居环境。本发明利用普通摄像头集训练图片，节约了设备成本，在检测精度以及目标检测能力上有更出色的表现。本发明能够通过普通摄像设备实现人员行为识别并控制智能家居设备，实现了家居环境的人工智能管理。

技术领域

本发明涉及人机交互领域，尤其是涉及一种基于DSSD神经网络的能够实现实时智能家居环境及设备控制的人工智能人机交互系统及其控制方法。

背景技术

当前对于智能家居环境及设备控制的国内技术研究典型的应用方案主要有以下几种：

1)、微软研究院利用Kinect开发的手语翻译项目，整个项目的核心是通过Kinect追踪手势从而识别命令控制智能设备；

2)、俄罗斯4名工程师发明了一款操作手套，名为“smartEC”，装有复杂的柔性传感器、触摸传感器、陀螺仪、加速度计、指南针以及太阳能电池，通过传感器判定操作命令并传送；

3)、“小爱”、“小度”等人工智能助手，结合语音识别技术控制智能家居设备。

以上这些技术各有优势但或多或少存在依赖外部设备的问题，例如smartEC设备，价格没有优势且携带不便。同时，大部分方案都是针对于单一或多个设备功能的控制，对功能组合所能达到的环境结果，并没有做出突破，在智能化上还有巨大的提升空间。

因此，亟需对现有智能家居进行改进，以满足成本、携带、智能性、综合调节等方面的需求，以及适应复杂控制场景的能力。

发明内容

针对现有方法的以上缺陷或改进需求，本发明的目的就是为了解决上述问题，提供一种基于DSSD神经网络的、利用普通摄像头的、不依靠外部设备的智能家居环境控制实时识别系统，它具有识别率高、智能化强、成本低廉的优点。

本发明提供了一种基于DSSD神经网络的智能家居环境控制实时识别系统的控制方法，包括如下步骤：

步骤1、建立环境以及对应设备状态的训练数据集合；

步骤2、建立基于DSSD网络的控制模型及对其参数进行调整和修改，并通过训练数据集合进行模型训练；

所述步骤2具体包括：(1)安装linux系统，以及安装caffe-ssd深度学习平台；(2)修改标签字典pascalvoc_common.py；(3)运行tf_convert_data.py程序，将步骤1中准备好的格式数据集转换为转换成tfrecords；(4)运行train_ssd_network.py文件，开始训练DSSD网络，直到网络训练收敛；其间可修改网络参数得到识别效果最好的最终网络模型；

步骤3、识别人员行为；

步骤4、基于人员行为控制智能设备创造理想的智能家居环境。

其中，所述步骤1包括：采用摄像设备采集不同成像角度、不同智能设备使用环境、不同场景，不同人员的若干图片；采用LabelImg对人员行为、状态进行标注标签并存入到xml格式的标签文件中，同时建立对应标签的设备使用参数存入xml格式标签文件中。所述摄像设备包括监控摄像头、电脑摄像头、电视摄像头。