家电控制方法及装置与流程

本发明涉及家电控制领域，具体而言，涉及一种家电控制方法及装置。

背景技术：

智能家居常见的控制方式为通过遥控，或者智能终端的应用程序控制，现有技术中也有通过语音控制，但是传统的控制方式往往需要控制装置(例如上述遥控器，或者智能终端)实现控制，用户在没有控制装置的情况下，难以对智能家居进行控制，而且控制正确率和准确率较低。上述语音控制的方式，虽然能够实现没有控制装置对智能家居进行控制，但是一般情况语音控制都是通过固定的语音实现该语音对应的控制动作，在用户不了解能够形成控制的语音的情况下，难以对智能家居形成控制，控制正确率和准确率较低。

针对上述的问题，目前尚未提出有效的解决方案。

技术实现要素：

本发明实施例提供了一种家电控制方法及装置，以至少解决相关技术中控制家电的控制准确率较低的技术问题。

根据本发明实施例的一个方面，提供了一种家电控制方法，包括：获取目标对家电进行控制的图像；使用指令识别模型识别出图像中对家电进行控制的控制指令，其中，指令识别模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：图像和图像中对家电进行控制的控制指令；依据识别出的控制指令对家电进行控制。

可选的，在使用指令识别模型识别出图像中对家电进行控制的控制指令之前，还包括：采用以下方式获取指令识别模型：确定指令识别模型的基本模型算法；在基本模型算法中设置多个卷积层以及筛选层，其中，卷积层用于获取对图像进行识别的多个识别结果，筛选层用于对多个识别结果进行筛选，得到筛选结果。

可选的，获取指令识别模型还包括：在基本模型算法中还设置有震荡抑制层，其中，震荡抑制层用于采用对数抑制法对回归过程中的震荡进行抑制，回归过程为对筛选结果进行回归得到识别出的控制指令的过程。

可选的，获取目标对家电进行控制的图像包括：获取目标对家电进行控制的多个图像；确定多个图像中的特征；确定特征置信度高于预定值的特征所在的图像为目标对家电进行控制的图像，其中，特征置信度用于标识特征为对家电进行控制的明显程度。

可选的，依据识别出的控制指令对家电进行控制包括：输出识别出的控制指令；接收到对家电进行控制的语音指令；在确定识别出的控制指令的优先级高于语音指令的情况下，依据识别出的控制指令对家电进行控制。

根据本发明实施例的另一个方面，提供了一种家电控制装置，包括：第一获取模块，用于获取目标对家电进行控制的图像；识别模块，用于使用指令识别模型识别出图像中对家电进行控制的控制指令，其中，指令识别模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：图像和图像中对家电进行控制的控制指令；控制模块，用于依据识别出的控制指令对家电进行控制。

可选的，装置还包括：第二获取模块，用于采用以下方式获取指令识别模型，第二获取模块包括：第一确定单元，用于确定指令识别模型的基本模型算法；第一设置单元，用于在基本模型算法中设置多个卷积层以及筛选层，其中，卷积层用于获取对图像进行识别的多个识别结果，筛选层用于对多个识别结果进行筛选，得到筛选结果。

可选的，第二获取模块还包括：第二设置单元，用于在基本模型算法中还设置有震荡抑制层，其中，震荡抑制层用于采用对数抑制法对回归过程中的震荡进行抑制，回归过程为对筛选结果进行回归得到识别出的控制指令的过程。

可选的，第一获取模块包括：获取单元，用于获取目标对家电进行控制的多个图像；第二确定单元，用于确定多个图像中的特征；第三确定单元，用于确定特征置信度高于预定值的特征所在的图像为目标对家电进行控制的图像，其中，特征置信度用于标识特征为对家电进行控制的明显程度。

根据本发明实施例的另一个方面，提供了一种存储介质，其特征在于，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述中任意一项的家电控制方法。

在本发明实施例中，采用获取目标对家电进行控制的图像；使用指令识别模型识别出图像中对家电进行控制的控制指令，其中，指令识别模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：图像和图像中对家电进行控制的控制指令；依据识别出的控制指令对家电进行控制的方式，达到了准确对家电进行控制的目的，从而实现了提高控制的准确率的技术效果，进而解决了相关技术中控制家电的控制准确率较低的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的一种家电控制方法的流程图；

图2是根据本发明实施例的一种家电控制装置的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

根据本发明实施例，提供了一种家电控制方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的一种家电控制方法的流程图，如图1所示，该方法包括如下步骤：

步骤s102，获取目标对家电进行控制的图像；

步骤s104，使用指令识别模型识别出图像中对家电进行控制的控制指令，其中，指令识别模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：图像和图像中对家电进行控制的控制指令；

步骤s106，依据识别出的控制指令对家电进行控制。

通过上述步骤，采用获取目标对家电进行控制的图像；使用指令识别模型识别出图像中对家电进行控制的控制指令，其中，指令识别模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：图像和图像中对家电进行控制的控制指令；依据识别出的控制指令对家电进行控制的方式，达到了准确对家电进行控制的目的，从而实现了提高控制的准确率的技术效果，进而解决了相关技术中控制家电的控制准确率较低的技术问题。

上述图像可以是相机拍摄的照片，可以是传感器检测到的传感图像，还可以是红外相机拍摄到的红外图像。上述图像中可以包括对家电进行控制的图像特征，例如，手势，动作，或者图像等。

上述指令识别模型为使用多组数据通过机器学习训练得出的，例如，卷积神经网络识别模型，等能够进行机器学习的识别模型，例如，通过多组数据进行训练，直至模型收敛，拥有输入数据与输出数据之间的识别能力。该多组数据中的每组数据包括：图像和图像中对家电进行控制的控制指令。例如，开启手势的图像和上述图像中的开启手势对应的开启家电控制指令。

上述图像中对家电进行控制的控制指令，可以为一种或者多种，在多种控制指令为相同的控制指令的情况下，对任意一个控制指令进行执行；在多种控制指令分别属于不同动作的控制指令的情况下，对多种指令分别进行执行；在多种控制指令中为互相矛盾的控制指令的情况下，可以预先设定优先级，对于优先级较高的控制指令进行执行，并舍弃与该优先级较高的控制指令相反的控制指令。

例如，图像可以包括开启手势和开启动作两种对家电进行控制的指令，上述两种控制指令均为开启家电，因此，可以选择任意一个控制指令进行执行。图像还可以包括开启手势和升高温度的动作，上述控制指令为开启家电，和升高运行温度，两种控制指令属于不同的动作的控制指令，不存在冲突的情况，因此对上述两个控制指令均进行执行。图像还可以包括开启手势和关闭动作，上述两种控制指令为动作相反的两个控制指令，因此，可以预先设定优先级，可以设置手势优先于动作，则选择执行开启家电的控制指令，并舍弃关闭家电的控制指令。

可选的，在使用指令识别模型识别出图像中对家电进行控制的控制指令之前，还包括：采用以下方式获取指令识别模型：确定指令识别模型的基本模型算法；在基本模型算法中设置多个卷积层以及筛选层，其中，卷积层用于获取对图像进行识别的多个识别结果，筛选层用于对多个识别结果进行筛选，得到筛选结果。

上述指令识别模型为卷积神经网络识别模型，在基本模型算法的基础上设置多个卷积层，卷积层用于对输入进行识别，输出多个识别结果和识别结果的概率，上述多个卷积层之间设置有多个筛选层，筛选层用于对卷积层的多个输出结果的输出窗口进行筛选，从多个筛选窗口中筛选出置信度较高的窗口，也即是可靠度较高的窗口，舍弃置信度较低的窗口，从而提高卷积层输出结果的准确率。

上述卷积层用于获取对图像进行识别的多个识别结果，筛选层用于对多个识别结果进行筛选，得到筛选结果。根据筛选层对卷积层的识别结果进行筛选，从而提升识别模型的识别准确率。

可选的，获取指令识别模型还包括：在基本模型算法中还设置有震荡抑制层，其中，震荡抑制层用于采用对数抑制法对回归过程中的震荡进行抑制，回归过程为对筛选结果进行回归得到识别出的控制指令的过程。

在上述识别模型中，上述基本模型算法在产生模型输出的预测窗口时，需要在模型算法的目标位置进行回归运算，待回归运算收敛后，才能确定预测窗口，相关技术中的回归运算方法有可能造成数据发生较大震荡，导致回归收敛的速度变慢，从而影响识别模型的识别速度。

本实施例中采用在基本模型算法中设置有震荡抑制层，采用对数抑制法对回归过程中的数据震荡进行抑制，从而提高识别模型运算速度。

可选的，获取目标对家电进行控制的图像包括：获取目标对家电进行控制的多个图像；确定多个图像中的特征；确定特征置信度高于预定值的特征所在的图像为目标对家电进行控制的图像，其中，上述特征的置信度用于标识特征为对家电进行控制的明显程度。

在控制家电的图像特征的种类较多的情况下，可以有效增加家电控制的灵活性，有效提高用户体验度。另外，控制家电的图像特征种类越多，图像识别越复杂，在上述存在多个图像特征对应的控制指令的情况下，还可以对多个控制指令的优先级进行排序。在本实施例中，以置信度为标准，对多个图像特征进行筛选，从而对多个图像特征对应的控制指令进行筛选。

需要说明的是，置信度是在统计学中，一个概率样本的置信区间，是对这个样本的某个总体参数的区间估计。置信区间展现的是这个参数的真实值有一定概率落在测量结果的周围的程度。置信区间给出的是被测量参数的测量值的可信程度，即上述所要求的一定概率，上述概率也即是置信水平。

可选的，依据识别出的控制指令对家电进行控制包括：输出识别出的控制指令；接收到对家电进行控制的语音指令；在确定识别出的控制指令的优先级高于语音指令的情况下，依据识别出的控制指令对家电进行控制。

在上述实施例中，依据识别模型输出的控制指令对家电进行控制时，可以结合用户的语音对家电进行控制。在具体结合时，可以利用语音控制对识别出的控制指令进行辅助控制，在接收到对家电进行控制的语音指令后，判断语音控制指令与上述控制指令的优先级。在确定识别出的控制指令的优先级高于语音指令的情况下，依据识别出的控制指令对家电进行控制。若语音控制指令的优先级高于控制指令，则依据语音控制指令对家电进行控制。

图2是根据本发明实施例的一种家电控制装置的示意图，如图2所示，该家电控制装置20，包括：第一获取模块22，识别模块24和控制模块26。下面对该家电控制装置20进行详细说明。

第一获取模块22，用于获取目标对家电进行控制的图像；识别模块24，与上述第一获取模块22连接，用于使用指令识别模型识别出图像中对家电进行控制的控制指令，其中，指令识别模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：图像和图像中对家电进行控制的控制指令；控制模块26，与上述识别模块24连接，用于依据识别出的控制指令对家电进行控制。

可选的，上述家电控制装置20还包括：第二获取模块，用于采用以下方式获取指令识别模型，第二获取模块包括：第一确定单元，用于确定指令识别模型的基本模型算法；第一设置单元，用于在基本模型算法中设置多个卷积层以及筛选层，其中，卷积层用于获取对图像进行识别的多个识别结果，筛选层用于对多个识别结果进行筛选，得到筛选结果。

可选的，上述第二获取模块还包括：第二设置单元，用于在基本模型算法中还设置有震荡抑制层，其中，震荡抑制层用于采用对数抑制法对回归过程中的震荡进行抑制，回归过程为对筛选结果进行回归得到识别出的控制指令的过程。

可选的，上述第一获取模块22包括：获取单元，用于获取目标对家电进行控制的多个图像；第二确定单元，用于确定多个图像中的特征；第三确定单元，用于确定特征置信度高于预定值的特征所在的图像为目标对家电进行控制的图像，其中，特征置信度用于标识特征为对家电进行控制的明显程度。

根据本发明实施例的另一个方面，提供了一种存储介质，其特征在于，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述中任意一项的家电控制方法。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。