一种智能家居的智能物联感知方法与流程

本发明涉及智能物联感知，尤其涉及一种智能家居的智能物联感知方法。

背景技术：

1、智能家居是指利用物联网、人工智能和自动化技术将家庭中的各种设备、电器和系统相互连接，并通过智能化的方式实现远程控制、自动化管理和智能化交互的一种家居生活方式，智能物联感知方法是实现智能家居功能的重要技术之一，它通过感知家居环境中的各种信息和数据，实时获取、分析和处理这些数据，从而实现对家居设备和系统的智能化控制和管理。然而，传统的智能物联感知技术存在着不能准确的识别人体实时疲劳状态，对人体实时疲劳状态的应对措施不准确的问题。

技术实现思路

1、基于此，有必要提供一种智能家居的智能物联感知方法，以解决至少一个上述技术问题。

2、为实现上述目的，一种智能家居的智能物联感知方法，所述方法包括以下步骤：

3、步骤s1：对智能家居进行功能差异化分析，得到功能差异数据集；根据功能差异数据集进行智能物联感知控制系统搭建，得到物联感知控制平台；

4、步骤s2：对用户体态进行人体肌肤状态分析，得到肌肤状态感知数据；对肌肤状态感知数据进行疲劳度评估，得到肌肤疲劳感知数据；

5、步骤s3：对家居实时环境进行环境数据提取，得到家居实时环境数据；基于家居实时环境数据对肌肤疲劳感知数据进行感官疲劳分析，得到感官疲劳数据；

6、步骤s4：将肌肤疲劳感知数据输入至物联感知控制平台进行控制平台感知层构建，得到控制平台智能感知层；根据控制平台智能感知层对智能家居进行指令联动处理，得到智能联动家居策略。

7、本发明通过对智能家居进行功能差异化分析，可以清楚地了解每个智能设备的功能特点和优势，这有助于后续智能家居之间的互联互通，通过根据功能差异数据集搭建物联感知控制系统，可以实现多个智能设备之间的互联互通和协同工作，这样用户可以通过一个统一的平台来控制和管理各个智能设备，提高了智能家居系统的整体效率和便利性，对用户体态进行人体肌肤状态分析，可以获取有关肌肤状况的详细数据，这有助于了解用户的肌肤健康状况，并同时可以了解用户当前的劳累度，通过对肌肤状态感知数据进行疲劳度评估，可以判断用户肌肤的疲劳程度，这有助于提醒用户及时采取相应的保养和调理措施，避免肌肤过度疲劳和损害；对家居实时环境进行数据提取，以获取关于温度、湿度、光照的数据，这有助于智能家居系统根据环境变化做出相应的调节和控制，提供更加舒适和适宜的居住环境；基于家居实时环境数据对肌肤疲劳感知数据进行感官疲劳分析，可以判断环境对用户感官疲劳的影响程度，这有助于智能家居系统提供相应的调节和优化，创造更加舒适和宜人的居住环境，将肌肤疲劳感知数据输入至物联感知控制平台进行感知层构建，可以实现对用户需求和环境变化的智能感知和响应，这有助于提供个性化的智能家居体验和定制化的居住环境；基于控制平台智能感知层对智能家居进行指令联动处理，可以实现智能设备之间的协同工作和联动控制，这有助于提高智能家居系统的整体智能化水平，为用户带来更加智能、便捷和舒适的居住体验。因此本发明一种智能家居的智能物联感知方法是对传统的智能物联感知技术做出的优化处理，解决了不能准确的识别人体实时疲劳状态，对人体实时疲劳状态的应对措施不准确的问题，准确的识别人体实时疲劳状态，对识别人体实时疲劳状态做出准确的应对措施。

8、优选地，步骤s1包括以下步骤：

9、步骤s11：对智能家居进行功能分类，得到功能类别数据集；

10、步骤s12：对功能类别数据集进行功能差异化分析，得到功能差异数据集；

11、步骤s13：根据功能差异数据集进行连接协议制定，得到连接协议数据；

12、步骤s14：根据连接协议数据进行网络端口适配处理，得到网络端口适配数据；

13、步骤s15：根据网络端口适配数据以及连接协议数据进行网络传输通道搭建，得到网络传输通道；

14、步骤s16：根据网络传输通道对功能类别数据集进行智能物联感知控制系统搭建，得到物联感知控制平台。

15、本发明通过对智能家居进行功能分类，可以将智能设备按照其功能特点和用途进行划分和分类，这有助于用户更好地了解不同功能类别的智能设备，并有针对性地选择符合自身需求的设备；在功能类别的基础上进行功能差异化分析，可以深入研究每个功能类别内不同设备之间的功能差异，这有助于用户更加清楚地了解每个设备的特点和优势，为购买和使用提供具体的参考和依据；根据功能差异数据集，制定适合各个功能类别设备的连接协议，这有助于实现不同设备之间的连接和通信，使它们能够互相配合和协同工作；根据连接协议数据，进行网络端口适配处理，确保各个设备的网络端口能够正确匹配和适应，这有助于确保设备之间的数据传输和通信的顺畅进行，提高系统的可靠性和稳定性；根据网络端口适配数据和连接协议数据，搭建适合各个设备的网络传输通道，这有助于实现设备之间的数据传输和通信的有效连接，为系统的整体运行提供稳定的基础；基于网络传输通道，对功能类别数据集进行智能物联感知控制系统的搭建，这有助于将各个智能设备整合到一个统一的平台上，实现对它们的集中控制和管理，提高智能家居系统的整体效率和便利性。

16、优选地，步骤s12包括以下步骤：

17、步骤s121：对功能类别数据集进行特征提取，得到功能类别特征数据；

18、步骤s122：对功能类别特征数据进行最大相似性评估，得到功能类别相似数据；

19、步骤s123：对功能类别相似数据进行聚类分析，得到功能类别聚类数据；

20、步骤s124：根据功能类别聚类数据对功能类别数据集进行差异正态分布划分，得到功能差异样本数据；

21、步骤s125：对功能差异样本数据进行样本方差计算，得到功能差异样本方差数据；

22、步骤s126：根据功能差异样本方差数据以及功能差异样本数据进行功能差异无偏估计分析，得到功能差异数据集。

23、本发明对功能类别数据集进行特征提取，可以提取出描述每个功能类别的关键特征，这有助于准确捕捉不同功能类别设备之间的差异和特点，为后续的分析和评估提供基础；通过对功能类别特征数据进行最大相似性评估，可以确定功能类别之间的相似程度，这有助于找出功能类别之间的共性和相似之处，为后续的聚类分析提供指导；基于功能类别相似数据进行聚类分析，可以将功能类别数据划分为不同的聚类簇，这有助于将具有相似功能特点的设备归为同一类别，为功能差异化分析提供更详细和精确的分类结果；根据功能类别聚类数据，对功能类别数据集进行差异正态分布划分，这有助于将不同功能类别设备的差异程度进行量化和划分，为后续的分析和评估提供具体的差异程度数据；对功能差异样本数据进行样本方差计算，可以衡量功能类别数据集中不同功能类别之间的差异程度，这有助于更加准确地评估不同功能类别设备之间的差异性，并为功能差异无偏估计提供数据基础；基于功能差异样本方差数据和功能差异样本数据进行功能差异的无偏估计分析，这有助于对功能差异数据集进行更准确和可靠的估计，为后续的决策和选择提供更可靠的依据。

24、优选地，步骤s2包括以下步骤：

25、步骤s21：对用户体态进行红外成像扫描，得到用户体态红外数据；

26、步骤s22：根据用户体态红外数据进行体温分布数据提取，得到体温分布数据；

27、步骤s23：对体温分布数据进行异常温度区域划分，得到异常温度区域数据；

28、步骤s24：基于异常温度区域数据进行人体肌肤状态分析，得到肌肤状态感知数据；

29、步骤s25：利用肌肤疲劳度评估算法对肌肤状态感知数据进行疲劳度评估，得到肌肤疲劳感知数据。

30、本发明通过对用户体态进行红外成像扫描，可以获取用户的体态红外数据，这有助于获取用户的体温信息，为后续的分析和判定提供数据基础；基于用户体态红外数据，进行体温分布数据的提取，这有助于了解用户体温的分布情况，掌握用户的整体体温状况；根据体温分布数据，进行异常温度区域的划分。这有助于识别出用户体温异常的区域，可能指示出潜在的健康问题；基于异常温度区域数据，进行人体肌肤状态的分析，这有助于进一步了解用户的肌肤状况，利用肌肤疲劳度评估算法对肌肤状态感知数据进行疲劳度评估，这有助于评估用户的肌肤疲劳程度，指导用户采取适当的护理和保健措施。

31、优选地，步骤s24包括以下步骤：

32、步骤s241：基于异常温度区域数据对肌肤微观结构分析，得到肌肤微观结构数据；

33、步骤s242：基于肌肤微观结构数据进行肌肤湿度监测，得到肌肤湿度数据；

34、步骤s243：根据肌肤微观结构数据进行角质层分析，得到肌肤角质层数据；

35、步骤s244：根据肌肤角质层数据以及肌肤湿度数据进行酸碱度计算，得到肌肤酸碱度数据；

36、步骤s245：根据肌肤微观结构数据进行肌肤分泌物分布状态分析，得到肌肤分泌物分布数据；

37、步骤s246：根据肌肤分泌物分布数据以及肌肤酸碱度数据进行肌肤敏感度分析，得到肌肤敏感度数据；

38、步骤s247：对肌肤敏感度数据进行人体肌肤状态分析，得到肌肤状态感知数据。

39、本发明基于异常温度区域数据进行肌肤微观结构的分析，这有助于了解肌肤的细微结构特征，包括毛孔、皮肤纹理，为后续的分析提供基础，基于肌肤微观结构数据进行肌肤湿度的监测，这有助于了解肌肤的水分含量和湿度状况，为肌肤保湿和护理提供参考，根据肌肤微观结构数据进行角质层的分析，这有助于了解角质层的厚度、健康程度指标，为当前身体舒适度进行评估，基于肌肤角质层数据和肌肤湿度数据进行酸碱度的计算，这有助于评估肌肤的酸碱平衡状态，为肌肤ph调节和酸碱平衡提供参考；根据肌肤微观结构数据进行肌肤分泌物的分布状态分析，这有助于了解肌肤的分泌物分布情况，如油脂分泌和汗液分泌，为肌肤控油和清洁提供指导，基于肌肤分泌物分布数据和肌肤酸碱度数据进行肌肤敏感度的分析，这有助于评估肌肤的敏感状况，指导用户选择适合的护肤品和护理方法，对肌肤敏感度数据进行人体肌肤状态感知，这有助于全面了解用户的肌肤状态，包括水分平衡、角质层健康度、敏感程度，为用户提供个性化的护肤建议和保养方案。

40、优选地，步骤s25中的肌肤疲劳度评估算法如下所示：

41、

42、其中，f表示肌肤疲劳感知结果值，n表示疲劳度评估的参数数量值，ai表示第i个肌肤状态感知数据的权重系数，bi表示第i个肌肤状态感知数据的数据冗余度，ci表示第i个肌肤状态感知数据的结构关联系数，x表示算法运算次数值，ω表示肌肤疲劳度评估算法的误差调整值。

43、本发明通过构建了一个肌肤疲劳度评估算法，该肌肤疲劳度评估算法通过综合多个肌肤状态感知数据，并考虑数据的权重、冗余度、结构关联性和迭代次数因素，提供了对肌肤疲劳度的评估结果，这有助于客观、全面地评估肌肤的疲劳程度，以及当前用户的疲劳程度。疲劳度评估的参数数量值n，通过使用多个参数，可以对不同参数的权重进行调整和平衡，不同的参数可能对疲劳度评估的贡献程度不同，一些参数可能更为重要。通过综合多个参数，可以综合考虑各个参数的重要性，得到更准确的肌肤疲劳度评估结果；第i个肌肤状态感知数据的权重系数ai，权重系数表示了每个肌肤状态感知数据对于评估结果的重要性，通过调整权重系数，可以突出或减弱某些数据的影响，从而更准确地反映肌肤疲劳度，第i个肌肤状态感知数据的数据冗余度bi，数据冗余度参数表示了每个肌肤状态感知数据的冗余程度，通过考虑数据的冗余度，可以排除冗余信息对评估结果的影响，提高评估的准确性和可靠性，较高的冗余度值可以降低数据的权重，减少其在计算中的影响，从而更精确地反映疲劳度；第i个肌肤状态感知数据的结构关联系数ci，结构关联系数表示了肌肤状态感知数据之间的关联程度，通过考虑数据的结构关联性，可以更准确地评估肌肤疲劳度，较高的结构关联系数表示数据之间的关联较强，可以增加其权重，使其在评估中发挥更大的作用；算法运算次数值x，算法迭代次数表示了算法的迭代运算次数，通过多次迭代运算，可以逐步优化评估结果，提高算法的准确性和稳定性，较多的迭代次数可以更充分地考虑各个数据的综合效果，得到更可靠的疲劳度评估结果；肌肤疲劳度评估算法的误差调整值ω，误差调整值用于对评估结果进行误差修正，通过调整误差值，可以对评估结果进行校正，进一步提高评估的准确性和可靠性，适当的误差调整可以克服算法中的偏差或误差，使评估结果更接近真实的肌肤疲劳度。

44、优选地，步骤s3包括以下步骤：

45、步骤s31：对家居实时环境进行环境数据提取，得到家居实时环境数据，其中家居实时环境数据包括体感环境数据和卫生环境数据；

46、步骤s32：获取用户历史活动轨迹数据；

47、步骤s33：对体感环境数据进行波动性分析，得到体感环境波动性数据；

48、步骤s34：根据用户历史活动轨迹数据进行重点卫生环境区域监测，得到重点卫生环境区域数据；

49、步骤s35：根据重点卫生环境区域数据对卫生环境数据进行环境感知评估，得到环境感知系数；

50、步骤s36：根据环境感知系数对体感环境波动性数据进行环境感知补偿，得到环境感知数据；

51、步骤s37：基于环境感知数据对肌肤疲劳感知数据进行感官疲劳分析，得到感官疲劳数据。

52、本发明通过提取家居实时环境数据，可以获取环境参数的信息，包括体感环境数据(如温度、湿度、光照)和卫生环境数据(如空气质量、噪音水平，地面清洁性)，这些数据可以作为后续步骤的输入，用于环境感知和肌肤疲劳感知的分析；用户历史活动轨迹数据提供了用户在家居环境中的活动记录，这些数据可以用于后续步骤中的重点卫生环境区域监测和环境感知评估，帮助确定用户在家中经常活动的区域，更有针对性地进行环境感知和疲劳感知分析；通过对体感环境数据进行波动性分析，可以评估体感环境的变化程度，这有助于了解环境的稳定性和变化情况，为后续的环境感知和疲劳感知分析提供重要参考；通过对用户历史活动轨迹数据进行分析，可以确定用户在家中活动的重点区域，例如厨房、卫生间，针对这些重点区域进行卫生环境监测，可以更有针对性地关注关键区域的卫生情况，提高疲劳感知的准确性和可靠性，过对重点卫生环境区域数据进行评估，可以了解卫生环境的状况，根据评估结果得到的环境感知系数可以用于后续步骤中的环境感知补偿和疲劳感知分析，提供更准确的环境感知数据；通过将环境感知系数应用于体感环境波动性数据，可以对体感环境数据进行补偿，进一步提高环境感知数据的准确性和可靠性，这有助于更全面地了解环境对肌肤的影响，为后续的疲劳感知分析提供更准确的数据基础；基于环境感知数据对肌肤疲劳感知数据进行感官疲劳分析，分析两者之间的关联性，这有助于了解环境对感官疲劳度的影响。

53、优选地，步骤s36包括以下步骤：

54、步骤s361：对体感环境波动性数据进行波动离散程度分析，得到体感波动离散度数据；

55、步骤s362：根据体感波动离散度数据进行数据波动分布规律分析，得到体感波动规律分布数据；

56、步骤s363：对体感波动规律分布数据进行最小生成树构建，得到体感规律分布图数据；

57、步骤s364：对体感规律分布图数据进行权重子集划分，得到分布图权重子集数据；

58、步骤s365：对分布图权重子集数据进行拟合评估，得到体感拟合分布数据；

59、步骤s366：根据环境感知系数对体感拟合分布数据进行环境感知补偿，得到环境感知数据。

60、本发明通过对体感环境波动性数据进行波动离散程度分析，可以评估体感环境的波动程度，体感波动离散度数据提供了环境波动性的信息，有助于了解环境的变化情况，为后续步骤中的数据分析提供基础；通过对体感波动离散度数据进行分析，可以了解体感波动的分布规律，体感波动规律分布数据提供了波动性在不同时间段或区域的分布情况，这有助于进一步理解环境的波动性特征；通过最小生成树构建，可以将体感波动规律分布数据转化为图形表示，体感规律分布图数据可以反映环境波动性的关联关系，帮助识别出重要的波动路径和节点，为后续的分析提供更全面的视觉化信息；通过对体感规律分布图数据进行权重子集划分，可以将图中的节点分为不同的子集，根据其在波动规律中的重要程度进行划分，分布图权重子集数据提供了对波动性的重要节点的信息，有助于进一步分析和理解环境的特征；通过对分布图权重子集数据进行拟合评估，可以对波动性的分布进行进一步的评估和优化，体感拟合分布数据提供了对波动性的更准确的拟合结果，为后续的环境感知补偿提供准确的数据基础；根据环境感知系数将其应用于体感拟合分布数据，可以对数据进行补偿，提高环境感知数据的准确性，环境感知数据提供了更准确的体感环境数据，有助于进一步分析和理解环境对肌肤的影响。

61、优选地，步骤s4包括以下步骤：

62、步骤s41：将肌肤疲劳感知数据输入至物联感知控制平台进行控制平台感知层构建，得到控制平台智能感知层；根据控制平台智能感知层进行初始感知指令发布，得到初始感知指令数据；

63、步骤s42：对初始感知指令数据进行指令解析，得到感知指令解析数据；

64、步骤s43：对感知指令解析数据进行指令模块化处理，得到感知模块化指令数据；

65、步骤s44：基于感知模块化指令数据将感官疲劳数据输入至物联感知控制平台进行指令操作适配，得到标准物联感知指令数据；

66、步骤s45：根据标准物联感知指令数据对智能家居进行指令联动处理，得到智能联动家居策略。

67、本发明通过将肌肤疲劳感知数据输入至物联感知控制平台，可以构建控制平台的智能感知层，控制平台智能感知层利用疲劳感知数据进行初始感知指令发布，生成初始感知指令数据，这有助于将感知数据与控制平台相连接，为后续的指令处理和智能联动提供基础；通过对初始感知指令数据进行指令解析，可以将指令数据进行解析和提取，感知指令解析数据提供了对指令的详细信息，包括指令类型、参数和目标设备，这有助于理解和处理指令的含义，为后续的指令处理提供准确的数据基础；通过对感知指令解析数据进行模块化处理，可以将指令数据按照模块进行分类和组织，感知模块化指令数据将指令分为不同的模块，有助于对指令进行更精细和灵活的处理，这有利于提高指令的可维护性和可扩展性，为后续的指令操作适配提供更好的基础；通过将感官疲劳数据基于感知模块化指令数据输入至物联感知控制平台进行指令操作适配，可以将感知数据与指令操作相匹配，标准物联感知指令数据提供了适应物联控制平台的指令格式和要求，有助于实现指令的准确执行和适配，这有助于将感知数据转化为对智能家居的操作指令；根据标准物联感知指令数据对智能家居进行指令联动处理，可以实现智能家居的自动化操作，智能联动家居策略根据指令数据，将智能家居设备进行联动，实现协调的操作和响应，这有助于提高居住环境的舒适性和便利性，满足用户的个性化需求。

68、优选地，步骤s41具体为：

69、步骤s411：将肌肤疲劳感知数据输入至物联感知控制平台进行参数提取，得到疲劳感知参数；

70、步骤s412：对疲劳感知参数进行数据降维，得到疲劳感知降维数据；

71、步骤s413：根据疲劳感知降维数据进行聚类分析，得到疲劳感知聚类数据；

72、步骤s414：对疲劳感知聚类数据进行关联分析，得到疲劳关联感知数据；

73、步骤s415：基于卷积神经网络对疲劳关联感知数据进行控制平台感知层构建，得到控制平台智能感知层；

74、步骤s416：根据控制平台智能感知层进行初始感知指令发布，得到初始感知指令数据。

75、本发明通过将肌肤疲劳感知数据输入至物联感知控制平台，可以提取相关的疲劳感知参数，这些参数可以提供关于肌肤疲劳程度和状态的量化信息，帮助了解肌肤的状况；通过对疲劳感知参数进行数据降维，可以将高维度的数据转化为低维度的表示，这样做有助于减少数据的冗余性和复杂性，简化数据分析和处理的过程；通过对疲劳感知降维数据进行聚类分析，可以将相似的数据进行分类和组织，聚类分析可以帮助发现肌肤疲劳状态之间的潜在模式和群组，提供更全面的了解；通过对疲劳感知聚类数据进行关联分析，可以发现不同数据之间的关联关系和相互作用，关联分析有助于揭示肌肤疲劳感知数据之间的相关性，帮助识别与疲劳相关的因素和特征；通过基于卷积神经网络的方法，利用疲劳关联感知数据构建控制平台的智能感知层，这样的感知层可以提取关键特征和模式，帮助感知肌肤疲劳状态并进行更高级别的分析和理解；根据控制平台智能感知层的分析结果，制定并发布初始感知指令。这些指令可以基于对肌肤疲劳状态的感知，提供初始的控制指导，例如调整环境、提供舒适度或进行特定干预。

76、本发明的有益效果，通过对智能家居进行功能差异化分析，可以清楚地了解每个智能设备的功能特点和优势，这有助于后续智能家居之间的互联互通，通过根据功能差异数据集搭建物联感知控制系统，可以实现多个智能设备之间的互联互通和协同工作，这样用户可以通过一个统一的平台来控制和管理各个智能设备，提高了智能家居系统的整体效率和便利性，对用户体态进行人体肌肤状态分析，可以获取有关肌肤状况的详细数据，这有助于了解用户的肌肤健康状况，并同时可以了解用户当前的劳累度，通过对肌肤状态感知数据进行疲劳度评估，可以判断用户肌肤的疲劳程度，这有助于提醒用户及时采取相应的保养和调理措施，避免肌肤过度疲劳和损害；对家居实时环境进行数据提取，以获取关于温度、湿度、光照的数据，这有助于智能家居系统根据环境变化做出相应的调节和控制，提供更加舒适和适宜的居住环境；基于家居实时环境参数数据对肌肤疲劳感知数据进行感官疲劳分析，可以判断环境对用户感官疲劳的影响程度，这有助于智能家居系统提供相应的调节和优化，创造更加舒适和宜人的居住环境，将肌肤疲劳感知数据输入至物联感知控制平台进行感知层构建，可以实现对用户需求和环境变化的智能感知和响应，这有助于提供个性化的智能家居体验和定制化的居住环境；基于控制平台智能感知层对智能家居进行指令联动处理，可以实现智能设备之间的协同工作和联动控制，这有助于提高智能家居系统的整体智能化水平，为用户带来更加智能、便捷和舒适的居住体验。因此本发明一种智能家居的智能物联感知方法是对传统的智能物联感知技术做出的优化处理，解决了不能准确的识别人体实时疲劳状态，对人体实时疲劳状态的应对措施不准确的问题，准确的识别人体实时疲劳状态，对识别人体实时疲劳状态做出准确的应对措施。