基于空间感知和内部网络信令的用户习惯学习于决策推荐系统的制作方法

本发明涉及空间感知技术领域，具体涉及基于空间感知和内部网络信令的用户习惯学习于决策推荐系统。

背景技术：

目前的空间感知方式仅仅依靠传统的物理传感器进行数据感知，此类方式无法更加精确的感知该空间内的其他数据，比如：物体外形特征、移动轨迹等数据，当前的感知设备核心作用仍旧停留在为后端的设备进行动作触发，并没有对接到其他的相关系统，亦无法更进一步的为用户提供更为贴切的服务。

目前的智能设备存在以下几点缺陷：当前的感知作用主要是为后端设备提供触发条件，不具备更进阶的功能；当前的感知技术还不具备对轨迹的追踪、物体外部特征等数据的能力；使用的侦测设备比较传统，局限性比较大；无法对感知空间的隐私进行有效的保护；会收到空间、角度、位置等有关因素的限制。基于此，本发明设计了基于空间感知和内部网络信令的用户习惯学习于决策推荐系统，以解决上述问题。

技术实现要素：

本发明的目的在于提供基于空间感知和内部网络信令的用户习惯学习于决策推荐系统，通过物理传感器和wifi信号感知、wifi定位相结合，实现一种新型的感知方式，同时通过对感知数据的建模、学习和不断训练优化，并将结果以一种更加贴合用户需求的方式反馈到用户，有效解决无法全方位、跨空间(障碍物)的感知问题，全面的保护到该空间内的用户隐私问题，集合数据模型可以解决用户在相关方面的决策的问题，有效的解决传统物理传感器无法感知物体外部特征、移动轨迹、物体形状等问题。

为实现上述目的，本发明提供如下技术方案：基于空间感知和内部网络信令的用户习惯学习于决策推荐系统，包括物理感知设备、wifi感知模块、数据处理模块、云端服务器和扩展接口，所述物理感知设备分别与扩展接口和数据处理模块双向电性连接，所述数据处理模块分别与wifi感知模块和云端服务器双向电性连接。

优选的，具体步骤如下：

第一步，通过对该环境空间内的依靠物理感知设备以及无线通信信号对人体、动物、物体以及其他物体或设备进行形状、移动轨迹、内部通信信令等进行识别和感知；

第二步，通过对物体的外部特征、移动轨迹、内部网络设备控制信令等不同对象构建行为特征和习惯反馈模型，并不断学习和强化，训练模型的准确性；

第三步，基于反馈模型，在收集一定时间片段的即时数据之后给出环境中使用者或者监督者学习模式识别结果，以及决策建议。

优选的，所述物理感知设备为物理传感器部分，包括但不局限于：温度传感器、湿度传感器、音频传感器、声波传感器、气体传感器、光敏传感器、烟雾传感器，物理传感器部分主要为构建习惯模型和习惯模型学习的提供必要数据，物理传感器获取的信息会经过信号转换传送到数据处理模块进行运算处理。

优选的，所述wifi感知模块为主要功能模块，负责通过无线wifi信息特性来感知高环境内的人或物的移动轨迹，判断该物品的属性和基本轮廓，并将收集到的数据经过信号转换传送至数据处理模块进行必要的计算。

优选的，所述数据处理模块主要负责整个产品的关键性数据的计算，并将相关数据上传至云端服务器进行构建习惯模型或帮助模型进行学习强化。

优选的，所述物理感知设备和wifi感知模块侦测到必要的关键数据时，会将数据先在边缘计算设备内进行简单处理，随后会将该数据传送至云端服务器进行构建习惯模型或帮助模型进行学习强化。

与现有技术相比，本发明的有益效果是：本发明通过无线网络信号识别出当前人或物的外部特征、移动轨迹，通过对空间的数据感知可以构建行为特征和习惯反馈模型，并基于该模型给出使用者或监督学习者学习模式识别结果，辅助该空间内的人或物给出贴合当前情景的决策建议并加以执行该决策建议，较现有的感知方式具有可识别人、物体的外部轮廓和移动轨迹，结合感知数据构建行为特征和习惯反馈模型，并给出识别结果以及相关的决策建议。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明系统功能图。

图2为本发明执行流程图。

图3为本发明系统级别的数据处理流程图。

附图中，各标号所代表的部件列表如下：

1-物理感知设备，2-wifi感知模块，3-数据处理模块，4-云端服务器，5-扩展接口。

具体实施方式

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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1-3，本发明提供一种技术方案：基于空间感知和内部网络信令的用户习惯学习于决策推荐系统，包括物理感知设备1、wifi感知模块2、数据处理模块3、云端服务器4和扩展接口5，物理感知设备1分别与扩展接口5和数据处理模块3双向电性连接，数据处理模块3分别与wifi感知模块2和云端服务器4双向电性连接。

其中，具体步骤如下：

第一步，通过对该环境空间内的依靠物理感知设备1以及无线通信信号对人体、动物、物体以及其他物体或设备进行形状、移动轨迹、内部通信信令等进行识别和感知；

第二步，通过对物体的外部特征、移动轨迹、内部网络设备控制信令等不同对象构建行为特征和习惯反馈模型，并不断学习和强化，训练模型的准确性；

第三步，基于反馈模型，在收集一定时间片段的即时数据之后给出环境中使用者或者监督者学习模式识别结果，以及决策建议。

物理感知设备1为物理传感器部分，包括但不局限于：温度传感器、湿度传感器、音频传感器、声波传感器、气体传感器、光敏传感器、烟雾传感器，物理传感器部分主要为构建习惯模型和习惯模型学习的提供必要数据，物理传感器获取的信息会经过信号转换传送到数据处理模块3进行运算处理。

wifi感知模块2为主要功能模块，负责通过无线wifi信息特性来感知高环境内的人或物的移动轨迹，判断该物品的属性和基本轮廓，并将收集到的数据经过信号转换传送至数据处理模块3进行必要的计算。

数据处理模块3主要负责整个产品的关键性数据的计算，并将相关数据上传至云端服务器4进行构建习惯模型或帮助模型进行学习强化。

物理感知设备1和wifi感知模块2侦测到必要的关键数据时，会将数据先在边缘计算设备内进行简单处理，随后会将该数据传送至云端服务器4进行构建习惯模型或帮助模型进行学习强化。

本实施例的一个具体应用为：物理感知设备1通过传感器获取的信息会传送到数据处理模块3进行运算处理，wifi感知模块2负责通过无线wifi信息特性来感知高环境内的人或物的移动轨迹，判断该物品的属性和基本轮廓，并将收集到的数据传送至数据处理模块3进行必要的计算，数据处理模块3主要负责整个产品的关键性数据的计算，并将相关数据上传至云端服务器4进行构建习惯模型或帮助模型进行学习、强化等，通过扩展接口5完成其他功能的扩展。

实施例一，当物理感知设备1和wifi感知模块2捕获到相关信号后，会将捕获到的信息传送到信号转换模块，进一步的进行信号转换处理，信号完成转换后会将处理后的信息传送到数据处理模块3，进行数据的进一步的处理，处理完成后将该数据传送至云端服务器4，云端服务器4会根据接受的数据信息进行模型构建或进行模型学习和强化，流程结束。

实施例二，当物理感知设备1和wifi感知模块2侦测到必要的关键数据时，会将数据先在边缘计算设备内进行简单处理，随后会将该数据传送至云端服务器4，云端服务器4会对接收到的数据进行模型构建/学习/强化等，完成数据处理流程。

以智能洗衣机为例：

(1)通过相关数据感知，获得洗衣机洗衣液即将在短时间内使用完毕。

(2)通过对用户数据构建的习惯模型进行分析，获取用户偏爱的洗衣液品牌、容量等以及偏好的购物平台等等。

(3)通过模型分析的结果，自动为用户进行下单购买，并在合理的时间段送货上门。

(4)收货后，提醒用户及时加注，完成整个辅助决策过程。

(5)习惯模型根据本次过程进行相关学习，并进一步优化。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。