一种智能家居系统控制方法
【技术领域】
[0001]本发明涉及一种智能家居，尤其是一种智能家居系统控制方法。
【背景技术】
[0002]智能家居无疑是近年来炙手可热的概念，一些高档的住宅小区已经配套了比较完善的智能家庭网络，其中人机交互界面的友好化和智能化显得尤为重要。同时随着智能化的深入，智能还体现在根据场景进行控制，进而达到用户的要求。系统智能化程度的提高大大降低了居住者管理及控制家居工作量的同时，也增加了家庭成员对复杂的操作界面的认知能力，如面对满目的按钮和图标、杂乱的界面主题，反而会令一些简单的操作变复杂，甚至还会对一些不熟悉这些操作界面的人，如老人、孩子、访客等造成新的困扰，违背了“科技以人为本”的理念，远离了家居智能化和让生活变简单的初衷。
【发明内容】
[0003]本发明所要解决的技术问题是提供一种智能家居系统控制方法，操作方便而直观，适用范围广。
[0004]本发明解决上述技术问题所采用的技术方案为:一种智能家居系统控制方法，其特征在于，包括如下步骤:
1)原始全景图的创建:
a)获取图像:拍摄的原始家居图像传输到智能家居监控系统；
b)图像预处理；
c)图像拼接:将预处理后的图像进行无缝拼接，然后将拼接后的图像转换成曲面全景图；
2)创建可控坐标库:选定可控点，设定各可控点的类型，计算每个可控点所对应的区域坐标范围,对所述区域坐标范围创建坐标数据库；
3)实时图像的获取:拍摄实时家居图像，并传输到智能家居监控系统；
4)实时图像的处理:对实时图像进行预处理，并将预处理后的实时图像进行无缝拼接，然后转换成曲面全景图；
5)模式匹配:将实时全景图与原始全景图重合，进行匹配，使得实时全景图的每个像素和原始全景图的像素一一对应；
6)激活可控点:在实时全景图上选择控制点，计算所选择的当前控制点的坐标，并将所述当前控制点的坐标与所述坐标数据库比较，如果所述当前控制点的坐标在坐标数据库的范围内，则获取对应可控点的当前状态，进行相应的动作；如果所述当前控制点的坐标在坐标数据库的范围外，则不采取动作。
[0005]所述原始家居图像或实时家居图像的无缝拼接，包括以下步骤:
a)特征点检测:基于SURF算法提取图像特征点，利用近似Hessian矩阵行列式的局部极大值检测两幅图像中具有高重复度的位置中的特征点； b)特征点描述:根据图像在水平和垂直方向上对一阶Haar小波的响应，SURF算法对特征点的主方向进行确定，同时利用特征点某一小的邻域内灰度分布信息形成描述子向量;
c)特征点及图像匹配:根据欧氏距离或者马氏距离进行特征点描述算子的匹配，找出待匹配点的对应位置从而确定相邻两幅图像之间的变换关系，同时估计两幅图像的数学变换模型；
d)图像融合:将具有重合区域的图像进行融合，得到平滑过渡的无缝拼接图像。
[0006]在步骤2)中，选定可控点采用手动的方式，拖动虚拟取景框到每个可控点，从而计算虚拟取景框的坐标范围作为相应的区域坐标范围。
[0007]在步骤2)中，选定可控点采用自动的方式，在步骤I)取得原始全景图后，将可控
的家居切换到与步骤I)中相对的状态，用同样的方法取得对比全景图，将原始全景图和对比全景图作相关性运算，取得原始全景图和对比全景图的差，得到各个可控点。
[0008]在步骤6)中，获取对应可控点的当前状态的方法，通过对每个可控家居监测电压、电流或状态反馈，判断当前状态，并将该状态信息与相应的可控点匹配。
[0009]与现有技术相比，本发明的优点在于:通过获取原始全景图，在原始全景图中选定可控点，然后采集实时图像，通过实时全景图与原始全景图的匹配，可直观地在显示屏上根据实时图像进行操作，界面简单，操作方便，适用的用户范围广。
【附图说明】
[0010]图1为本发明的控制方法的流程图。
【具体实施方式】
[0011]参见图1，一种智能家居系统控制方法，其特征在于，包括如下步骤:
1)原始全景图的创建:
a)获取图像:拍摄的原始家居图像传输到智能家居监控系统；
b)图像预处理；
c)图像拼接:将预处理后的图像进行无缝拼接，然后将拼接后的图像转换成曲面全景图；
2)创建可控坐标库:选定可控点，设定各可控点的类型，计算每个可控点所对应的区域坐标范围,对所述区域坐标范围创建坐标数据库；
3)实时图像的获取:拍摄实时家居图像，并传输到智能家居监控系统；
4)实时图像的处理:对实时图像进行预处理，并将预处理后的实时图像进行无缝拼接，然后转换成曲面全景图；
5)模式匹配:将实时全景图与原始全景图重合，进行匹配，使得实时全景图的每个像素和原始全景图的像素一一对应；
6)激活可控点:在实时全景图上选择控制点，计算所选择的当前控制点的坐标， 将所述当前控制点的坐标与所述坐标数据库比较，如果所述当前控制点的坐标在坐标数据库的范围内，则获取对应可控点的当前状态，进行相应的动作；如果所述当前控制点的坐标在坐标数据库的范围外，则不采取动作。
[0012]其中，现有的图片拼接方法有角点检测方法，自适应图像拼接模型算法，SIFT特征匹配算法，和SURF算法等，在本发明中，采用SURF算法，SURF算法对特征点的检测是基于尺度空间理论，依据Hessian矩阵行列式的局部最大值定位特征点位置，同时也把行列式的值作为尺度空间的选择依据。
[0013]本发明中所优选使用的原始家居图像或实时家居图像的图像拼接方法，大致可以分为以下几个步骤:
a)特征点检测:基于SURF (Speed Up Robust Feature) Speed Up Robust Feature)算法提取图像特征点，利用近似Hessian矩阵行列式的局部极大值检测两幅图像中具有高重复度的位置中的特征点；
b)特征点描述:根据图像在水平和垂直方向上对一阶Haar小波的响应，SURF算法