[发明专利]一种用于室内物品定位、管理以及分析的智能系统有效
申请号: | 201711169644.3 | 申请日: | 2017-11-22 |
公开(公告)号: | CN107958040B | 公开(公告)日: | 2020-11-03 |
发明(设计)人: | 张云飞;赵春鹏;夏敏;王永恒 | 申请(专利权)人: | 深圳慧智星晨科技有限公司 |
主分类号: | G06F16/29 | 分类号: | G06F16/29;G06N20/00;G06Q10/06 |
代理公司: | 东营双桥专利代理有限责任公司 37107 | 代理人: | 刘东亮 |
地址: | 518100 广东省深圳市宝安区西乡街*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 用于 室内 物品 定位 管理 以及 分析 智能 系统 | ||
1.一种用于室内物品定位、管理以及分析的智能系统,其特征在于:包括智能识别模块、智能管理模块和云端机器学习模块,
所述智能识别模块包括室内地图建模和识别模块、物品识别模块、物品定位模块、物品分类模块、物品信息收集模块,所述智能管理模块包括显示模块、室内物品数据库、物品分类管理模块、室内布局总览和虚拟物品交换模块,所述云端机器学习模块包括地图识别模块、物品识别模块、物品分类模块,
所述室内地图建模和识别模块根据室内智能终端采集的图片以及加载云端机器学习模块的地图识别模块生成室内地图,识别并输出不同房间类型;
所述智能识别模块的物品识别模块根据室内智能终端采集的图片以及加载云端机器学习模块的物品识别模块识别并输出物品识别结果;
所述物品定位模块根据室内地图建模和识别模块生成的室内地图以及智能识别模块的物品识别模块输出的物品识别结果确定物品在地图上的位置;
所述显示模块用于显示室内地图、房间类型、物品的识别结果;
所述室内物品数据库用于存储智能管理模块的信息作为云端机器学习模块的训练样本来源;
所述云端机器学习模块的地图识别模块利用机器学习技术训练一个能够识别出室内不同房间类型的模型;
所述云端机器学习模块的物品识别模块利用机器学习技术训练一个能够识别出室内不同物品类型的模型;
所述云端机器学习模块的物品分类模块利用机器学习技术训练一个能够对室内不同物品分类的模型;
所述智能识别模块的物品分类模块根据智能识别模块的物品识别模块输出的物品识别结果以及加载云端机器学习模块的物品分类模块,对物品进行分类并输出分类结果;
所述智能识别模块的物品信息收集模块根据室内智能终端采集的图片以及智能识别模块的室内地图建模和识别模块生成的室内地图,将室内物品的基本属性信息添加到室内物品数据库;
所述智能管理模块的物品分类管理模块根据智能识别模块的物品分类模块输出的物品分类结果、智能识别模块的物品定位模块确定的物品在地图上的位置以及智能识别模块的物品信息收集模块添加的物品的基本属性,为用户提供对物品的查询和跟踪,并通过智能管理模块的显示模块进行显示;
所述智能管理模块的室内布局总览和虚拟物品交换模块,根据智能管理模块的显示模块显示的室内地图、房间类型、物品的识别结果以及智能管理模块的物品分类管理模块提供的物品查询和跟踪功能,用户可以变换目标物品以及物品的位置。
2.根据权利要求1所述的用于室内物品定位、管理以及分析的智能系统,其特征在于:所述云端机器学习模块还包括总体分析和建议模块,所述总体分析和建议模块利用机器学习技术训练一个能够提供对用户生活习惯进行分析并给用户提供建议的模型。
3.根据权利要求1所述的用于室内物品定位、管理以及分析的智能系统,其特征在于:所述智能管理模块还包括室内物品组织模块,所述室内物品组织模块根据室内物品数据库存储的智能管理模块的信息将功能近似的物品放在一个群组中,并通过智能管理模块的显示模块显示,供用户调用。
4.根据权利要求2所述的用于室内物品定位、管理以及分析的智能系统,其特征在于:所述智能管理模块还包括总体分析和建议模块,所述总体分析和建议模块根据室内物品数据库存储的智能管理模块的信息以及加载云端机器学习模块的总体分析和建议模块,对用户生活习惯进行分析并给用户提供建议,并将对用户生活习惯进行分析和提供建议的结果通过显示模块显示。
5.根据权利要求1所述的用于室内物品定位、管理以及分析的智能系统,其特征在于:所述智能识别模块的室内地图建模和识别模块、物品识别模块、物品定位模块、物品分类模块、物品信息收集模块均利用用户通过用户输入模块手动输入的信息作为智能识别模块的信息补充。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳慧智星晨科技有限公司,未经深圳慧智星晨科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711169644.3/1.html,转载请声明来源钻瓜专利网。