一种智能家居控制系统及方法
2019-11-22

一种智能家居控制系统及方法

本发明一种智能家居控制系统及方法,该系统包括:图像采集单元,用于采集人脸图像,并将采集到的人脸图像信号发送至情绪判别器;语音采集单元,用于采集声音信号,并将采集到的声音信号发送至情绪判别器;情绪判别器,用于分别根据人脸图像信号及声音信号进行情绪识别,并将获得的情绪识别结果进行融合,得到最终的情绪识别结果;控制单元,用于根据情绪判别器的情绪识别结果产生对应的智能家居控制信号,本发明基于深度学习的方法判别用户情绪,并根据用户的情绪自动控制智能家居设备。

智能家居(英文:smarthome,homeautomation)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。

图像采集单元,用于采集人脸图像,并将采集到的人脸图像信号发送至情绪判别器;

进一步地,于步骤S3中,分别为图像情绪识别结果与语音情绪识别结果赋予相应的权重,最终的情绪识别结果通过权重值的加权计算获得。

步骤401,分别采集人脸图像与用户的声音数据,并将采集到的图像信号与声音数据发送至情绪判别器。在本发明具体实施例中,利用摄像头采集人脸图像,利用录音集用户的声音数据。

步骤402,分别根据人脸图像及声音信号进行当前用户的情绪识别,并将获得的情绪识别结果进行融合,得到最终的情绪识别结果。

当前情绪=a*图像情绪识别结果+供语音情绪识别结果

其中,模型训练生成单元131,通过大量的样本数据进行训练,生成情绪判别模型以用于通过人脸或语音信息进行情绪识别。在训练模型时,需要庞大的样本数据以及强大的计算服务器,由于互联网存在海量的有标注的人类面部图片和语音,模型训练生成单元131则通过搜集互联网存在的海量的图片和语音及其情绪标注,训练多层神经网络来将图片或语音划分到某一情绪类别中,生成情绪判别模型,由于通过训练多层神经网络进行模型生成采用的是现有技术,在此不予赘述。

以下通过特定的具体实例并结合附图说明本发明的实施方式,本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。本发明亦可通过其它不同的具体实例加以施行或应用,本说明书中的各项细节亦可基于不同观点与应用,在不背离本发明的精神下进行各种修饰与变更。