[发明专利]一种智能家居的控制方法、电子设备及计算机可读介质

权利要求书

1.一种智能家居设备的控制方法，其特征在于，所述方法包括：

采集用户的状态信息以及获取用户使用的电子设备的状态信息；

将所述用户的状态信息和电子设备的状态信息进行融合；将融合后的数据进行预处理，将预处理后的数据输入用户睡眠判定模型，所述用户睡眠判定模型输出用户睡眠状态信息；

查找到与用户睡眠状态信息匹配的控制信息，根据所述控制信息生成控制指令；向家电设备发送所述控制指令，以使所述家电设备根据所述控制指令进行调节；

所述采集用户的状态信息以及获取用户使用的电子设备的状态信息包括：

对用户所在区域中电子设备的屏幕亮度进行检测以输出电子设备的运行状态；

对用户所在区域中用户眼部状态进行检测以输出的所述用户状态信息；

所述将所述用户的状态信息和电子设备的状态信息进行融合；将融合后的数据进行预处理，将预处理后的数据输入用户睡眠判定模型，所述用户睡眠判定模型输出用户睡眠状态信息包括：

确定采集到的用户状态信息的图像与用户睡眠时眼部的图像相似度，以及电子设备开或者关的状态信息以简单数值0或1形式表示，将电子设备开或者关状态表示成1×2形式的特征向量，将图像相似度和1×2形式的特征向量进行融合，将融合后的数据进行预处理，将预处理后的数据输入用户睡眠判定模型；

将所述用户的状态信息和电子设备的状态信息进行融合；将融合后的数据进行预处理，将预处理后的数据输入用户睡眠判定模型，所述用户睡眠判定模型输出用户睡眠状态信息包括：

用户睡眠判定模型训练：将预设时间前的历史数据进行预处理作为若干训练样本数据，将所述训练样本数据输入预设的多层神经网络，得到训练完成的用户睡眠判定模型；

用户睡眠判定模型，将预设时间后的新数据进行预处理作为测试样本数据，将所述测试样本数据输入所述训练完成的用户睡眠判定模型，输出结果，即可进行用户睡眠判定；用户睡眠判定模型由预设的多层神经网络构成，输入数据为数据源的特征向量，经过多层神经网络全连接隐藏层，最后输出层为单神经元结构，输出用户睡眠状态可信程度；

电子设备的状态信息包括开和关两种，那么电子设备的状态信息表示成1×2形式的向量（0,1），每一个数字表示一种；用户状态信息的图像与用户睡眠时眼部的图像相似度表示为单一数据向量（a）；模型输入数据为1×2形式的向量，相较于其他数据形式属于较少特征维度，然后经过多层全连接隐藏层，最后输出层为单神经元结构，隐藏层激活函数采用TANH函数，以增加模型的非线性特征和拟合能力，TANH函数如下：；函数TANH的y值域为(-1，+1)，x值域为(+∞，-∞)，其为S型饱和函数；输出层单神经元的激活函数为SIGMOID，公式如下：；函数SIGMOID的y值域 为(0，1)，x值域为(+∞，-∞)；模型输出代表0％-100％用户睡眠状态可信程度，0％表示判定用户睡眠状态可信程度极低，100％表示判定用户睡眠状态可信程度极高；函数SIGMOID也为S型饱和函数。

2.权利要求1所述的智能家居设备的控制方法，其特征在于，所述查找到与用户睡眠状态信息匹配的控制信息，根据所述控制信息生成控制指令；向家电设备发送所述控制指令，以使所述家电设备根据所述控制指令进行调节包括：

当判定用户处于睡眠状态时，则将空调调整至睡眠模型，将室内灯和电子设备进行关闭。

3.一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至2任一项所述的方法的步骤。

4.一种具有处理器可执行的非易失的程序代码的计算机可读介质，其特征在于，所述程序代码使所述处理器执行所述权利要求1至2任一所述方法。