[發明專利]一種智能家居系統的數據交互方法及系統

有效

• 申請號: 202210076533.2
• 申請日: 2022-01-24
• 公開（公告）號: CN114089642B
• 公開（公告）日: 2022-04-05
• 發明（設計）人: 王炳坤
• 申請（專利權）人: 慕思健康睡眠股份有限公司
• 主分類號: G05B15/02
• 分類號: G05B15/02;G05B19/418
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 杜嘉偉

1.一種智能家居系統的數據交互方法，其特征在于，應用于家居環境，包括以下步驟：

步驟S1、在家居環境中收集用戶情緒表征數據，基于用戶情緒表征數據構建用戶情緒識別模型；

步驟S2、當用戶處于睡前時刻時，利用所述用戶情緒識別模型識別出用戶的睡前情緒狀態；根據所述睡前情緒狀態，將智能床墊設定至滿足用戶處于所述睡前情緒狀態下所需求的工作模式，以舒緩用戶情緒及加快用戶入睡速度；

步驟S3、當用戶處于睡中時刻時，利用所述用戶情緒識別模型實時監測用戶的睡中情緒狀態；根據所述睡中情緒狀態，將智能床墊設定至滿足用戶處于所述睡中情緒狀態下所需求的工作模式，以提高用戶在睡眠周期中的舒適度；

所述在家居環境中收集用戶情緒表征數據，包括：

實時采集用戶的脈搏數據和心跳數據，同步捕捉用戶的表情數據以及用戶的語音數據，并將同一時刻的脈搏數據、心跳數據、表情數據以及語音數據組合構建為單條的特征數據向量；

基于聚類算法對所有所述特征數據向量進行分類，得到多個特征數據集，由用戶確定每個所述特征數據集表征的情緒狀態，再將所述情緒狀態作為對應的所述特征數據集中所有特征數據向量的特征標簽；

將所述特征數據向量與對應的所述特征標簽進行組合，構建為單條的所述用戶情緒表征數據；

所述基于聚類算法對所有所述特征數據向量進行分類，得到多個特征數據集，包括：

步驟一：將每條特征數據向量均單獨量化為一個特征數據集，計算處位于特征數據集的中心點的特征數據向量并作為特征數據集的代表向量；所述代表向量的計算公式為：

；

式中，表征為代表向量，表征為特征數據集中第i個特征數據向量，i為計量常數，n為特征數據集中包含的特征數據向量的總數目；

步驟二：依次計算出任意兩個特征數據集的代表向量的相似度，將相似度最高的兩個特征數據集合并為一個特征數據集；循環步驟二，直至特征數據集數目等于情緒狀態種類數目；所述相似度的計算公式為：

；

式中，，A、B、C和D分別表征為脈搏數據、心跳數據、表情數據以及語音數據，表征為第j、k個特征數據集的代表向量的相似度，、表征為第j、k個特征數據集的代表向量，j、k均為計量常數；

步驟三：對步驟二輸出的特征數據集作為聚類分類結果；

所述由用戶確定每個所述特征數據集表征的情緒狀態，包括：

將步驟二輸出的特征數據集的代表向量反饋給用戶，由用戶確定每個所述代表向量表征的情緒狀態；將用戶對代表向量表征的情緒狀態的確定結果作為特征數據集表征的情緒狀態。

2.根據權利要求1所述的智能家居系統的數據交互方法，其特征在于，所述基于用戶情緒表征數據構建用戶情緒識別模型，包括：

將所有用戶情緒表征數據匯總構成樣本數據集，將所述樣本數據集輸入CNN神經網絡中進行模型訓練，得到用戶情緒識別模型；

其中，所述用戶情緒表征數據中的特征數據向量作為CNN神經網絡的輸入，所述用戶情緒表征數據中的特征標簽作為CNN神經網絡的輸出。

3.根據權利要求2所述的智能家居系統的數據交互方法，其特征在于，所述利用所述用戶情緒識別模型識別出用戶的睡前情緒狀態，包括：

獲取用戶在睡前時刻的脈搏數據、心跳數據、表情數據以及語音數據，構成用戶在睡前時刻的特征數據向量；

將所述用戶在睡前時刻的特征數據向量輸入至所述用戶情緒識別模型，由用戶情緒識別模型輸出用戶在睡前時刻的特征標簽，并等價映射得到用戶在睡前時刻的情緒狀態以作為所述睡前情緒狀態；

獲取與所述睡前情緒狀態一致的代表向量，基于偏離度的計算公式，將用戶在睡前時刻的特征數據向量與所述代表向量進行偏離度計算，并基于偏離度作為所述睡前情緒狀態的狀態強度，所述狀態強度表征為用戶沉浸在對應情緒狀態下的程度；

其中，所述偏離度的計算公式為：

；

式中，p表征為偏離度，表征為睡前時刻的特征數據向量，表征為代表向量。