买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：山西大学

摘要：本发明涉及智能家居技术领域，尤其涉及基于特征识别的智能家居照明系统。本发明为了解决现有的智能家居照明系统无法自动识别用户的人群类型和角色、无法根据用户的个性化需求提供定制的照明方案、无法深入分析用户的特征信息以及无法为用户提供真正个性化的照明体验的问题；首先，对用户特征信息进行获取识别来判断用户的角色和人群类型以及用户的表情特征和行为特征，再通过基于使用情景模式的使用情景模型对用户当前所处的使用情景进行识别，最后基于情景识别结果、用户特征信息以及用户偏好，计算出最佳的照明参数，为不同用户提供个性化照明方案，满足不同用户的照明需求，提高用户的照明体验。

主权项：1.基于特征识别的智能家居照明系统，其特征在于，包括有用户识别模块、情景识别模块、照明调节模块、个性化定制模块、异常报警模块和学习优化模块；所述用户识别模块，用于通过安装在房间内必要位置的传感器，获取进入智能家居中人员的特征信息，通过特征信息判断人员的角色和人群类型，并通过特征信息中包含的微表情和微行为特征识别用户当前的心理状态和活动强度；所述情景识别模块，用于通过在智能家居内必要位置安装的传感器，获取智能家居中人员所在位置的环境，并结合所述用户识别模块的识别结果对智能家居环境内的不同使用情景进行自主学习和识别；所述照明调节模块，根据所述用户识别模块提供的识别结果，自动调整照明参数，为智能家居中的人员提供最优的照明方案；同时根据所述用户识别模块、所述情景识别模块、所述个性化定制模块、所述异常报警模块和所述学习优化模块中的照明策略，调整照明方案；所述个性化定制模块，用于为用户提供个性化定制的照明方案，包括调整初始照明方案和后续的调整策略；所述异常报警模块，当用户识别模块无法识别出进入智能家居内的人员信息或智能家居中存在影响照明的故障时，立即触发报警并采取备用的照明策略；同时根据用户识别模块中的特征信息，判断用户是否存在危险行为倾向或情况，存在，则发出报警信息，并调整照明策略；异常报警模块在监测到可能存在的危险行为时，包括用户长时间静止或摔倒等情况，会立即进一步分析和判断，具体包括：1：如果监测到用户长时间静止，同时还监测到用户倒在地上或呼吸停止等异常状态，则判断用户存在危险情况，立即启动报警机制，并通过增加光亮度或闪烁警示灯来增强环境安全性；2：如果监测到用户长时间静止，但通过监测用户心率或呼吸等生命体征，发现生命体征正常，则判断用户正处于睡眠或休息状态，则不判断为危险行为，而是适当降低照明亮度，不触发报警机制；所述学习优化模块，用于记录用户对照明效果的反馈和修改，并以记录内容作为依据，优化照明策略；用户识别模块具体的执行流程为：S111：通过安装在智能家居必要位置的传感器获取人员的特征信息，特征信息包括面部特征、微表情、行为特征和身份特征；S112：将获取的人员特征信息进行融合，生成高维特征向量；S113：根据融合后的高维特征向量，在预先设置的特征模型库中，匹配并识别出用户的身份、心理状态以及活动强度，其中，在预先设置的特征模型库中存储有人员的不同特征信息；S114：将识别结果传输至智能家居照明系统中的所述情景识别模块、所述照明调节模块、所述个性化定制模块、所述异常报警模块和所述学习优化模块，用于驱动后续的照明调整和个性化定制策略；情景识别模块对不同使用情景进行自主学习和识别的具体步骤为：S121：通过安装在智能家居中的各类传感器，实时采集智能家居中的各项环境参数，并对采集到的环境数据进行预处理和特征提取；S122：将经过预处理的环境特征和用户特征进行综合分析，通过预先部署的情景识别模型识别出用户当前所处的使用情景；S123：情景识别模型输出用户当前所处的使用情景的类型，情景识别模块将识别结果传输至照明调节模块；S124：当情景识别模块检测到情景转移事件，及时对新的使用情景进行识别；S125：在后续的使用中，情景识别模块持续接收新的环境数据，自主学习不同的使用情景以适应新的使用情景，不断对情景识别的准确性进行优化；学习优化模块对照明决策过程进行优化，具体的步骤为：S131：学习优化模块将智能家居照明系统当前的状态表示为s，所述状态表示包括当前情景识别结果、用户特征信息以及当前的照明参数设置；将智能家居照明系统的动作表示为a，所述动作表示包括对照明参数的调整；S132：定义奖励函数rs,a，用于评估在状态s下采取动作a的收益；所述奖励函数综合考虑用户反馈、能耗因素以及照明舒适度因素，用于评估在某种状态下采取某个动作的收益；S133：学习优化模块定义Q值函数Qs,a，Q值函数QCs,a表示在状态s下采取动作a的长期期望回报；Q值函数的计算公式为：QCs,a←Qo1s,a+α[rs,a+γmaxQns′,a′-Qo2s,a]其中，QCs,a代表了在状态s下采取动作a所获得的长期期望回报，Qo1s,a代表了当前状态s下采取动作a的原有Q值，Qo2s,a代表了经过更新后得到的新Qs,a，Qns′,a′代表了在下一个状态s′下采取动作a′的长期期望回报，α用于控制Q值函数的更新速度，rs,a为即时奖励，γ表示未来奖励的重要性，s′代表了下一状态，a′代表了在状态s′下可选的下一个动作；S134：学习优化模块利用Q值函数生成优化后的照明策略，将照明策略发送至照明调节模块，由照明调节模块根据照明策略调整照明参数，并将调整后的状态s′和即时奖励r反馈至学习优化模块；S135：学习优化模块根据反馈得到的状态s′和即时奖励r,继续生成优化后的照明策略，重复执行步骤S133和步骤S134，持续优化照明系统的照明策略，直至照明关闭。

全文数据：

权利要求：

百度查询： 山西大学 基于特征识别的智能家居照明系统