一种智能设备模式的识别方法及系统的制作方法
【专利摘要】本发明公开一种智能设备模式的识别方法及系统，其中，所述方法包括步骤：预先对用户使用智能设备的用户模式进行学习和建模，建立一数据库，用于存储用户模式的数据模型；采集当前用户操作智能设备的动作数据，并对采集到的动作数据进行数据预处理，提取出数据预处理后的动作数据的特征值，将特征值与动作模型进行匹配，并进行数据建模，识别出当前用户的用户ID；将当前用户的用户ID与用户模式的数据模型进行匹配，识别出当前用户的用户模式，并将智能设备的用户模式自动设置为当前用户的用户模式。
【专利说明】一种智能设备模式的识别方法及系统
【技术领域】
[0001]本发明涉及智能设备模式自动识别领域，尤其涉及一种智能设备模式的识别方法及系统。
【背景技术】
[0002]随着超大规模集成电路的发展及使用，大部分电子设备的用户模式已开放给用户去设置，用户可以根据个人喜好及周围环境进行适当的调整，如对音量、色温、亮度、对比度等等进行设置，以达到最佳的用户体验。然而，在智能时代，这种人工干涉用户体验模式的方法已经无法适应人们的生活，人们更希望智能电子产品能够更加聪明智能一点，为用户提供个性化的服务与装置。尤其对于智能电视来说，不同的用户有不同的需求，例如对于老人来说，由于年纪较大，视力有所退化，比较偏好对比度较大的显示，有些老人由于听力退化，比较偏好调高音量；对于年轻人来说，由于视力及听力各方面较健全，比较偏好于色温比较温和、音量比较适中的设置。总之，对于一个家庭成员来说，不同用户的需求不同，每个用户都有一个较为固定的电视观看模式，然而现有的用户模式设置方法显然不够智能化、调节起来非常不方便。
[0003]因此，现有技术还有待于改进和发展。
【发明内容】
[0004]鉴于上述现有技术的不足，本发明的目的在于提供一种智能设备模式的识别方法及系统，旨在解决现有智能设备模式的调节设置不方便的问题。
[0005]本发明的技术方案如下:
一种智能设备模式的识别方法，其中，包括步骤:
A、预先对多个用户使用智能设备的用户模式进行学习和建模，建立一数据库，用于存储每个用户用户模式的数据模型；
B、采集当前用户操作智能设备的动作数据，并对采集到的动作数据进行数据预处理，提取出数据预处理后的动作数据的特征值，将特征值与用于表示各用户动作习惯的动作模型进行匹配，并进行数据建模，识别出当前用户的用户ID ；
C、将当前用户的用户ID与用户模式的数据模型进行匹配，识别出当前用户的用户模式，并将智能设备的用户模式自动设置为当前用户的用户模式。
[0006]所述的智能设备模式的识别方法，其中，所述步骤B具体包括:
B1、采集当前用户操作用于控制智能设备的遥控器的动作数据；
B2、去除采集到的动作数据的噪音，并对去除噪音后的动作数据进行信号处理获取相应的动作波形；
B3、将动作波形进行数据分割，获取具有代表性的数据波形；
B4、对数据波形进行特征值提取处理，提取出特征值；
B5、将提取出的特征值与用于表示各用户动作习惯的动作模型进行匹配，并进行数据建模，识别出当前用户，并为当前用户建立一对应的用户ID。
[0007]所述的智能设备模式的识别方法，其中，所述步骤A具体包括:
Al、接收并保存多个用户输入的对智能设备的用户模式的个性化定义数据；
A2、对每个用户输入的对用户模式的个性化定义数据进行去噪、加权以及抽象处理，提取出每个用户的用户模式数据；
A3、对用户模式数据进行权重排序以及数据抽象处理，获得若干对应于不同用户的对
象；
A4、对获得的对象进行建模，并输入识别出的用户ID，将用户模式数据转化为若干数据结构，获得不同用户的用户模式的数据模型。
[0008]所述的智能设备模式的识别方法，其中，所述步骤C具体包括:
Cl、将识别出的当前用户的用户ID与用户模式的数据模型进行匹配；
C2、判断在数据库中是否存在当前用户的用户ID ；
C3、当在数据中存在当前用户的用户ID时，检索出与当前用户的用户ID对应的用户模式，并将智能设备的用户模式自动设置为当前用户的用户模式。
[0009]一种智能设备模式的识别系统，其中，包括:
数据库建立模块，用于预先对多个用户使用智能设备的用户模式进行学习和建模，建立一数据库，用于存储每个用户用户模式的数据模型；
用户识别模块，用于采集当前用户操作智能设备的动作数据，并对采集到的动作数据进行数据预处理，提取出数据预处理后的动作数据的特征值，将特征值与用于表示各用户动作习惯的动作模型进行匹配，并进行数据建模，识别出当前用户的用户ID ；
自动设置模块，用于将当前用户的用户ID与用户模式的数据模型进行匹配，识别出当前用户的用户模式，并将智能设备的用户模式自动设置为当前用户的用户模式。
[0010]所述的智能设备模式的识别系统，其中，所述用户识别模块包括:
数据采集单元，用于采集当前用户操作用于控制智能设备的遥控器的动作数据；信号处理单元，用于去除采集到的动作数据的噪音，并对去除噪音后的动作数据进行信号处理获取相应的动作波形；
数据分割单元，用于将动作波形进行数据分割，获取具有代表性的数据波形；
特征值提取单元，用于对数据波形进行特征值提取处理，提取出特征值；
用户识别单元，用于将提取出的特征值与用于表示各用户动作习惯的动作模型进行匹配，并进行数据建模，识别出当前用户，并为当前用户建立一对应的用户ID。
[0011]所述的智能设备模式的识别系统，其中，所述数据库建立模块包括:
数据保存单元，用于接收并保存多个用户输入的对智能设备的用户模式的个性化定义数据；
数据预处理单元，用于对每个用户输入的对用户模式的个性化定义数据进行去噪、力口权以及抽象处理，提取出每个用户的用户模式数据；
模式学习单元，用于对用户模式数据进行权重排序以及数据抽象处理，获得若干对应于不同用户的对象；
建模单元，用于对获得的对象进行建模，并输入识别出的用户ID，将用户模式数据转化为若干数据结构，获得不同用户的用户模式的数据模型。[0012]所述的智能设备模式的识别系统，其中，所述自动设置模块包括:
匹配单元，用于将识别出的当前用户的用户ID与用户模式的数据模型进行匹配；
判断单元，用于判断在数据库中是否存在当前用户的用户ID ；
设置单元，用于当在数据中存在当前用户的用户ID时，检索出与当前用户的用户ID对应的用户模式，并将智能设备的用户模式自动设置为当前用户的用户模式。
[0013]所述的智能设备模式的识别系统，其中，所述智能设备为智能电视、手机或平板电脑。
[0014]有益效果:本发明预先建立用户模式的数据模型，然后采集用户操作智能设备的动作数据，对采集到的数据进行特征提取和建模处理，识别出用户ID，最后将识别结果与数据模型进行匹配，获得当前用户的用户模式，并将智能设备的用户模式设置为当前用户的用户模式，这样，智能设备便能实现自动识别出不同用户，并将智能设备的用户模式调整为相应用户所偏好的模式，无需用户每次去手动设置，提高了智能设备智能化水平以及个性化用户体验。
【专利附图】
【附图说明】
[0015]图1为本发明智能设备模式的识别方法较佳实施例的流程图。
[0016]图2为图1所示方法中步骤SlOl的具体流程图。
[0017]图3为图1所示方法中步骤S102的具体流程图。
[0018]图4为图1所示方法中步骤S103的具体流程图。
[0019]图5为本发明智能设备模式的识别系统较佳实施例的流程图。
[0020]图6为图5所示系统中用户识别模块的具体结构框图。
[0021]图7为图5所示系统中数据库建立模块的具体结构框图。
[0022]图8为图5所示系统中自动设置模块的具体结构框图。
【具体实施方式】
[0023]本发明提供一种智能设备模式的识别方法及系统，为使本发明的目的、技术方案及效果更加清楚、明确，以下对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0024]请参阅图1，图1为本发明一种智能设备模式的识别方法较佳实施例的流程图，如图所示，其包括:
5101、预先对多个用户使用智能设备的用户模式进行学习和建模，建立一数据库，用于存储每个用户的用户模式的数据模型；
5102、采集当前用户操作智能设备的动作数据，并对采集到的动作数据进行数据预处理，提取出数据预处理后的动作数据的特征值，将特征值与用于表示各用户动作习惯的动作模型进行匹配，并进行数据建模，识别出当前用户的用户ID ；
5103、将当前用户的用户ID与用户模式的数据模型进行匹配，识别出当前用户的用户模式，并将智能设备的用户模式自动设置为当前用户的用户模式。
[0025]在步骤SlOl中，需要先对多个用户使用智能设备的用户模式进行学习和建模，用户模式包括用户对智能设备进行的各种偏好设置，例如音量、色调、色温及对比度的设置，首先对包含这些偏好设置信息进行存储，然后进行预处理，预处理的过程包括去噪、加权、抽象等，最终建立每个用户的有效电视模式。
[0026]具体来说，如图2所示，所述步骤SlOl可具体细化为以下步骤:
S201、接收并保存多个用户输入的对智能设备的用户模式的个性化定义数据；每一用户对于智能设备的设置均有自己的偏好，所以用户在使用智能设备时，一般会对智能设备的使用模式进行个性化定义，再由智能设备接收并保存用户输入的对智能设备的使用模式的个性化定义数据，以进行数据处理。具体可以为每一用户设置一用户账号，然后用户登录账号后，输入对智能设备的各种偏好设置，由智能设备进行保存。
[0027]S202、对每个用户输入的对用户模式的个性化定义数据进行去噪、加权以及抽象处理，提取出用户模式数据；此步骤是对保存的个性化定义数据进行预处理，预处理即前述的去噪、加权以及抽象处理，这些预处理过程是为了剔除一些无效数据，从而提取出有效数据作为建模用的用户模式数据。至于去噪、加权以及抽象处理的技术细节，可参考现有技术中的数据处理过程，不再赘述。
[0028]S203、对用户模式数据进行权重排序以及数据抽象处理，获得若干对应于不同用户的对象；此步骤是对进行预处理后的用户模式数据进行权重排序以及数据抽象处理，其中的权重排序是根据用户模式数据中不同类型数据具有不同的权重进行排序，以选取最能代表用户习惯的数据，其中的数据抽象处理则是将数据抽象成一个个对象，每个对象对应一种用户模式。
[0029]S204、对获得的对象进行建模，并输入识别出的用户ID，将用户模式数据转化为若干数据结构，获得不同用户的用户模式的数据模型。此步骤是将抽象出的对象进行建模处理，同时还可结合智能设备识别出的用户ID作为输入，将用户模式数据转换为一个个数据结构，由于本发明还结合了输入的用户ID，所以对建模的数据模型不断进行固化和维护，从而使用户模式与用户的对应关系越来越精确。
[0030]在步骤S102中，采集当前用户操作智能设备的动作数据，并对采集到的动作数据进行数据预处理，提取出数据预处理后的动作数据的特征值，将特征值与用于表示各用户动作习惯的动作模型进行匹配，并进行数据建模，识别出当前用户的用户ID ;在本实施例中，是以带有遥控器的智能设备为例，采集用户操作遥控器的动作数据，例如智能电视的遥控器，但可以理解的是，本发明的应用范围并不仅限于此，还可用于例如平板电脑、手机、电子书、掌上电脑等等可以采集动作数据的智能设备。
[0031]本步骤的目的是识别出智能设备的使用用户，当然，除了依据动作数据外，本发明还可采用图像采集装置来获取智能设备前的用户图像信息，进而识别出智能设备的使用用户。在本发明中，仅以采集动作数据为例进行说明。
[0032]如图3所示，步骤S102具体包括:
S301、采集当前用户操作用于控制智能设备的遥控器的动作数据；该动作数据可以是运动方向、角速度、加速度、磁感应等数据，其采集的硬件设备是容易获取和安装的各类传感器，例如加速度传感器、陀螺仪、地磁传感器，将这些传感器安装于遥控器中，通过这些传感器采集的动作数据能客观反映出遥控器的运动状态以及运动轨迹等等信息。若智能设备为手机、平板电脑等便携式设备，则将这些传感器安装于智能设备本身即可。
[0033]S302、去除采集到的动作数据的噪音，并对去除噪音后的动作数据进行信号处理获取相应的动作波形；此步骤是通过设置遥控器上的MCU (微控制单元)对采集的动作数据进行去噪处理，以除去干扰传感器动作数据的环境因素，然后对去噪处理后的动作数据进行信号处理获得动作波形。
[0034]S303、将动作波形进行数据分割，获取具有代表性的数据波形；数据分割是将一些周期性特征不明显的分割，找出有振幅的周期性信号从而获得具有代表性的数据波形。
[0035]S304、对数据波形进行特征值提取处理，提取出特征值；提取出的特征值最能代表当前用户的动作习惯，可作为标志该用户动作特征的数据。
[0036]S305、将提取出的特征值与用于表示各用户动作习惯的动作模型进行匹配，并进行数据建模，识别出当前用户，并为当前用户建立一对应的用户ID。此步骤是依据已有的动作模型，将特征值作为输入，进行数据建模，识别出当前用户，并获得该用户的用户ID，再将识别结果反馈即可。
[0037]在步骤S103中，将当前用户的用户ID与用户模式的数据模型进行匹配，以识别出当前用户的用户模式，再将智能设备的用户模式自动设置为当前用户的用户模式，这样便实现了智能设备的自动识别以及自动调整。
[0038]如图4所示，步骤S103可具体细化为以下步骤:
S401、将识别出的当前用户的用户ID与用户模式的数据模型进行匹配。在步骤SlOl中，已经建立了包含不同用户的用户模式的数据模型，所以可将识别出来的用户的用户ID与该数据库中的数据模型进行匹配。
[0039]S402、判断在数据库中是否存在当前用户的用户ID ;当在数据库中存在当前用户的用户ID时，执行步骤S403，否则执行步骤S404。
[0040]S403、检索出与当前用户的用户ID对应的用户模式，并将智能设备的用户模式自动设置为当前用户的用户模式。若检索到该用户ID的用户模式，将智能设备当前模式设置为检索到的用户模式即可。
[0041]S404、在数据库中增设当前用户的用户ID。该用户可以对智能设备的用户模式进行个性化定义，并由智能设备对其用户模式进行建模，建立该用户的用户模式的数据模型，在该用户的以后使用过程中，可由智能设备自动识别出该用户，并且检索出对应的用户模式，将智能设备的用户模式自动调整为该用户的用户模式。
[0042]由于在观看类似电视这样的智能设备时，一般是多个用户同时观看，本发明的处理方式是采集使用遥控器的动作数据，即识别出使用遥控器的用户，将智能设备的用户模式设置为该用户的用户模式，这基本符合家庭观看电视的习惯，因为掌握遥控器的一般为主要的电视观看者。当然，本发明可以先为每一用户设置不同优先级，然后在智能设备使用过程中，通过采集智能设备前的用户图像信息，进而识别出智能设备前的所有用户，根据用户的优先级高低，将智能设备的用户模式设置为优先级最高的用户的用户模式，用户也可手动调整智能设备的用户优先级，或者切换不同的用户模式，来使优先级低的用户也能使用到自己的用户模式。
[0043]基于上述方法，本发明还提供一种智能设备模式的识别系统，如图5所示，其包括:
数据库建立模块100，用于预先对多个用户使用智能设备的用户模式进行学习和建模，建立一数据库，用于存储每个用户用户模式的数据模型； 用户识别模块200，用于采集当前用户操作智能设备的动作数据，并对采集到的动作数据进行数据预处理，提取出数据预处理后的动作数据的特征值，将特征值与用于表示各用户动作习惯的动作模型进行匹配，并进行数据建模，识别出当前用户的用户ID ；
自动设置模块300，用于将当前用户的用户ID与用户模式的数据模型进行匹配，识别出当前用户的用户模式，并将智能设备的用户模式自动设置为当前用户的用户模式。
[0044]进一步,如图6所示,所述用户识别模块200包括:
数据采集单元210，用于采集当前用户操作用于控制智能设备的遥控器的动作数据；信号处理单元220，用于去除采集到的动作数据的噪音，并对去除噪音后的动作数据进行信号处理获取相应的动作波形；
数据分割单元230，用于将动作波形进行数据分割，获取具有代表性的数据波形；
特征值提取单元240，用于对数据波形进行特征值提取处理，提取出特征值；
用户识别单元250，用于将提取出的特征值与用于表示各用户动作习惯的动作模型进行匹配，并进行数据建模，识别出当前用户，并为当前用户建立一对应的用户ID。
[0045]进一步，如图7所示，所述数据库建立模块100包括:
数据保存单元100，用于接收并保存多个用户输入的对智能设备的用户模式的个性化定义数据；
数据预处理单元110，用于对每个用户输入的对用户模式的个性化定义数据进行去噪、加权以及抽象处理，提取出每个用户的用户模式数据；
模式学习单元120，用于对用户模式数据进行权重排序以及数据抽象处理，获得若干对应于不同用户的对象；
建模单元130，用于对获得的对象进行建模，并输入识别出的用户ID，将用户模式数据转化为若干数据结构，获得不同用户的用户模式的数据模型。
[0046]进一步,如图8所示,所述自动设置模块300包括:
匹配单元310，用于将识别出的当前用户的用户ID与用户模式的数据模型进行匹配； 判断单元320，用于判断在数据库中是否存在当前用户的用户ID ；
设置单元330，用于当在数据中存在当前用户的用户ID时，检索出与当前用户的用户ID对应的用户模式，并将智能设备的用户模式自动设置为当前用户的用户模式。
[0047]进一步，所述智能设备为智能电视、手机或平板电脑等。
[0048]综上所述，本发明预先建立用户模式的数据模型，然后采集用户操作智能设备的动作数据，对采集到的数据进行特征提取和建模处理，识别出用户ID，最后将识别结果与数据模型进行匹配，获得当前用户的用户模式，并将智能设备的用户模式设置为当前用户的用户模式，这样，智能设备便能实现自动识别出不同用户，并将智能设备的用户模式调整为相应用户所偏好的模式，无需用户每次去手动设置，提高了智能化水平以及个性化用户体验。
[0049]应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。
【权利要求】
1.一种智能设备模式的识别方法，其特征在于，包括步骤: A、预先对多个用户使用智能设备的用户模式进行学习和建模，建立一数据库，用于存储每个用户用户模式的数据模型； B、采集当前用户操作智能设备的动作数据，并对采集到的动作数据进行数据预处理，提取出数据预处理后的动作数据的特征值，将特征值与用于表示各用户动作习惯的动作模型进行匹配，并进行数据建模，识别出当前用户的用户ID ； C、将当前用户的用户ID与用户模式的数据模型进行匹配，识别出当前用户的用户模式，并将智能设备的用户模式自动设置为当前用户的用户模式。
2.根据权利要求1所述的智能设备模式的识别方法，其特征在于，所述步骤B具体包括: B1、采集当前用户操作用于控制智能设备的遥控器的动作数据； B2、去除采集到的动作数据的噪音，并对去除噪音后的动作数据进行信号处理获取相应的动作波形； B3、将动作波形进行数据分割，获取具有代表性的数据波形； B4、对数据波形进行特征值提取处理，提取出特征值； B5、将提取出的特征值与用于表示各用户动作习惯的动作模型进行匹配，并进行数据建模，识别出当前用户，并为当前 用户建立一对应的用户ID。
3.根据权利要求2所述的智能设备模式的识别方法，其特征在于，所述步骤A具体包括: Al、接收并保存多个用户输入的对智能设备的用户模式的个性化定义数据； A2、对每个用户输入的对用户模式的个性化定义数据进行去噪、加权以及抽象处理，提取出每个用户的用户模式数据； A3、对用户模式数据进行权重排序以及数据抽象处理，获得若干对应于不同用户的对象； A4、对获得的对象进行建模，并输入识别出的用户ID，将用户模式数据转化为若干数据结构，获得不同用户的用户模式的数据模型。
4.根据权利要求3所述的智能设备模式的识别方法，其特征在于，所述步骤C具体包括: Cl、将识别出的当前用户的用户ID与用户模式的数据模型进行匹配； C2、判断在数据库中是否存在当前用户的用户ID ； C3、当在数据中存在当前用户的用户ID时，检索出与当前用户的用户ID对应的用户模式，并将智能设备的用户模式自动设置为当前用户的用户模式。
5.一种智能设备模式的识别系统，其特征在于，包括: 数据库建立模块，用于预先对多个用户使用智能设备的用户模式进行学习和建模，建立一数据库，用于存储每个用户用户模式的数据模型； 用户识别模块，用于采集当前用户操作智能设备的动作数据，并对采集到的动作数据进行数据预处理，提取出数据预处理后的动作数据的特征值，将特征值与用于表示各用户动作习惯的动作模型进行匹配，并进行数据建模，识别出当前用户的用户ID ； 自动设置模块，用于将当前用户的用户ID与用户模式的数据模型进行匹配，识别出当前用户的用户模式，并将智能设备的用户模式自动设置为当前用户的用户模式。
6.根据权利要求5所述的智能设备模式的识别系统，其特征在于，所述用户识别模块包括: 数据采集单元，用于采集当前用户操作用于控制智能设备的遥控器的动作数据；信号处理单元，用于去除采集到的动作数据的噪音，并对去除噪音后的动作数据进行信号处理获取相应的动作波形； 数据分割单元，用于将动作波形进行数据分割，获取具有代表性的数据波形； 特征值提取单元，用于对数据波形进行特征值提取处理，提取出特征值； 用户识别单元，用于将提取出的特征值与用于表示各用户动作习惯的动作模型进行匹配，并进行数据建模，识别出当前用户，并为当前用户建立一对应的用户ID。
7.根据权利要求6所述的智能设备模式的识别系统，其特征在于，所述数据库建立模块包括: 数据保存单元，用于接收并保存多个用户输入的对智能设备的用户模式的个性化定义数据； 数据预处理单元，用于对每个用户输入的对用户模式的个性化定义数据进行去噪、加权以及抽象处理，提取出每个用户的用户模式数据； 模式学习单元，用于对用户模式数据进行权重排序以及数据抽象处理，获得若干对应于不同用户的对象； 建模单元，用于对获得的对象进行建模，并输入识别出的用户ID，将用户模式数据转化为若干数据结构，获得不同用户的用户模式的数据模型。
8.根据权利要求7所述的智能设备模式的识别系统，其特征在于，所述自动设置模块包括: 匹配单元，用于将识别出的当前用户的用户ID与用户模式的数据模型进行匹配； 判断单元，用于判断在数据库中是否存在当前用户的用户ID ； 设置单元，用于当在数据中存在当前用户的用户ID时，检索出与当前用户的用户ID对应的用户模式，并将智能设备的用户模式自动设置为当前用户的用户模式。
9.根据权利要求5所述的智能设备模式的识别系统，其特征在于，所述智能设备为智能电视、手机或平板电脑。
【文档编号】G06K9/62GK103544497SQ201310131128
【公开日】2014年1月29日 申请日期:2013年4月16日 优先权日:2013年4月16日
【发明者】史淼泓, 肖凌云, 刘莫闲 申请人:Tcl集团股份有限公司