CN110597077B - 一种基于室内定位实现场景智能切换的方法及*** - Google Patents
一种基于室内定位实现场景智能切换的方法及*** Download PDFInfo
- Publication number
- CN110597077B CN110597077B CN201910912256.2A CN201910912256A CN110597077B CN 110597077 B CN110597077 B CN 110597077B CN 201910912256 A CN201910912256 A CN 201910912256A CN 110597077 B CN110597077 B CN 110597077B
- Authority
- CN
- China
- Prior art keywords
- positioning
- module
- scene
- range
- area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000003491 array Methods 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000001514 detection method Methods 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 7
- 230000005855 radiation Effects 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000005236 sound signal Effects 0.000 claims description 3
- 230000000644 propagated effect Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 230000009471 action Effects 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000036760 body temperature Effects 0.000 abstract description 2
- 238000012790 confirmation Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 230000004927 fusion Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 230000004807 localization Effects 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2642—Domotique, domestic, home control, automation, smart house
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于室内定位实现场景智能切换的方法及***,确定室内空间的待定位区域范围;分别对应安装红外传感接收设备和四麦克风阵列;所述红外传感接收设备确定唯一所述小范围定位区域;利用所述四麦克风阵列精准定位;辅助定位模块对所述活动对象进行身份判定;场景切换模块完成场景切换的操作。本发明的有益效果:一是安全性和隐蔽性较好;二是能够根据活动人行动的声音、体温或行动过程中在一定范围内被抓取到图像等多维度进行综合定位;三是在室内环境中能很好地辅助检测活动人在移动过程中精确定位,对辨别活动人具体身份确认度显著提高。
Description
技术领域
本发明涉及智能家居的技术领域,尤其涉及一种基于室内定位实现场景智能切换的方法及基于室内定位实现场景智能切换的***。
背景技术
近年来在室内环境无法使用卫星定位时,使用室内定位技术作为卫星定位的辅助定位,解决卫星信号到达地面时较弱、不能穿透建筑物的问题。最终定位物体当前所处的位置。室内定位是指在室内环境中实现位置定位,主要采用无线通讯、基站定位或惯导定位等多种技术集成形成一套室内位置定位体系,从而实现人员、物体等在室内空间中的位置监控。比较成熟目标定位技术主要采用雷达和声呐技术,通常用在军事领域,主要是针对辐射源主动定位,隐蔽性和安全性不好;当前麦克风阵列主要用于声源分离定位,是一种被动目标定位,安全性和隐蔽性很好。现有技术定位精度较差,另外安全性和隐蔽性不好,要想实现可靠定位,急需更好的解决方案替代。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题,提出了本发明。
因此,本发明解决的一个技术问题是:提供一种基于室内定位实现场景智能切换的方法,用于室内活动对象的精准定位实现场景智能切换。
为解决上述技术问题,本发明提供如下技术方案:一种基于室内定位实现场景智能切换的方法,确定室内空间的待定位区域范围,并将所述待定位区域区分为多个小范围定位区域;在各所述小范围定位区域内分别对应安装红外传感接收设备和一组位于空间四个不同位置上的四麦克风阵列;所述红外传感接收设备实时检测活动对象的体表温度,确定所述活动对象当下位于的唯一所述小范围定位区域;根据确定的唯一所述小范围定位区域,利用当下区域内对应的所述四麦克风阵列对所述活动对象进行位置的精准定位;辅助定位模块结合精准定位对所述活动对象进行身份判定;场景切换模块根据所述活动对象的身份,为各所述活动对象精准的完成场景切换的操作。
作为本发明所述的基于室内定位实现场景智能切换的方法的一种优选方案,其中:各所述小范围定位区域为各自区域内对应所述红外传感接收设备的检测范围,且各所述小范围定位区域的检测范围覆盖所述待定位区域的范围。
作为本发明所述的基于室内定位实现场景智能切换的方法的一种优选方案,其中:所述四麦克风阵列基于一组位于所述小范围定位区域的空间四个不同位置的全向麦克风按一定的形状规则布置形成的阵列,根据所述活动对象在移动过程中产生的声音数据进行精确定位。
作为本发明所述的基于室内定位实现场景智能切换的方法的一种优选方案,其中:所述四麦克风阵列是对空间传播声音信号进行空间采样的装置,还包括根据所述活动对象移动发出的声源和麦克风阵列之间距离的远近,将阵列分为近场模型和远场模型,根据麦克风阵列的拓扑结构,则可分为线性阵列、平面阵列或体阵列。
作为本发明所述的基于室内定位实现场景智能切换的方法的一种优选方案,其中:所述辅助定位模块包括识别以下步骤,所述四麦克风阵列对所述活动对象精准定位;采集模块根据定位清晰地抓取活动对象的图像或视频单帧图片信息;抓取到的图像进行相似度比对确定所述活动对象的真实身份。
作为本发明所述的基于室内定位实现场景智能切换的方法的一种优选方案,其中:所述辅助定位模块还包括以下处理步骤,收集各类家庭成员的多张多状态的图片数据作为算法模型的训练集、测试集和验证集;训练所述算法模型;所述采集模块抓拍活体图片或视频提取所述活动对象的特征数据,输入训练出来的所述算法模型;判断模块根据所述算法模型的输出结果与收集的历史数据判断抓拍的人是否是家庭的某一成员并确定具体身份相似度和可靠性;完成所述活动对象具体真实身份的鉴定。
作为本发明所述的基于室内定位实现场景智能切换的方法的一种优选方案,其中:所述场景切换模块包括以下步骤,当前活动空间下所述活动对象行为状态的获取;在下一个活动空间中恢复上一个空间场景中所述活动对象行为状态的复原,实现无缝场景切换。
作为本发明所述的基于室内定位实现场景智能切换的方法的一种优选方案,其中:所述场景切换模块包括网络控制器、设备控制器和功能模块,包括以下切换步骤,所述网络控制器通过ZigBee无线传感网络将室内设备建立无缝互连并验证后加入同一网关中;所述设备控制器存储不同场景中设备的状态参数和历史记录;所述功能模块启动并初始化室内设备,根据引起场景切换的触发事件,切换并同步相应设备的状态参数完成场景切换。
作为本发明所述的基于室内定位实现场景智能切换的方法的一种优选方案,其中:所述功能模块包含事件触发模块、场景切换控制模块、场景执行模块;所述事件触发模块根据所述辅助定位模块结合精准定位对所述活动对象进行身份判定后的位置变化或场景变换生成触发事件信息;所述场景切换控制模块接收所述事件触发模块输入的所述事件信息或其它设备主动输入的状态参数,并在接收后对应生成场景控制信息传送至所述场景执行模块;所述场景执行模块执行所述控制信息,同步对应设备的状态参数设置并完成场景切换。
本发明解决的另一个技术问题是:提供一种基于室内定位实现场景智能切换的***,上述方法依托于本***实现。
为解决上述技术问题,本发明提供如下技术方案:一种基于室内定位实现场景智能切换的***,包括红外传感接收设备、四麦克风阵列、辅助定位模块和场景切换模块;所述红外传感接收设备和所述四麦克风阵列用于室内空间的活动对象的定位;所述辅助定位模块用于已定位的所述活动对象的身份判断;所述场景切换模块用于所述活动对象的当下场景中的设备状态参数切换至下一场景设备的切换和状态参数的同步。
本发明的有益效果:一是安全性和隐蔽性较好;二是能够根据活动人行动的声音、体温或行动过程中在一定范围内被抓取到图像等多维度进行综合定位;三是在室内环境中能很好地辅助检测活动人在移动过程中精确定位,对辨别活动人具体身份确认度显著提高;四是基于此种解决方案能为智能家居等解决方案在特定场景间的切换提供了更为有效可行的技术方法。
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中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性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明第一种实施例所述基于室内定位实现场景智能切换的方法的整体流程结构示意图;
图2为本发明第一种实施例所述待定位区域和小范围定位区域结构示意图;
图3为本发明第一种实施例所述场景切换的流程结构示意图;
图4为本发明第一种实施例所述各种定位方式性能对比示意图;
图5为本发明第二种实施例所述基于室内定位实现场景智能切换的***的整体结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通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,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1的示意,示意为本实施例中提出一种基于室内定位实现场景智能切换的方法的整体流程结构示意图,为了解决现有技术利用麦克风阵列主要是实现声源分离定位,使用的场景有差异带来定位精度较差,另外安全性和隐蔽性不好,要想实现可靠定位,急需更好的解决方案替代的问题。本实施例提出利用麦克风阵列和红外传感器或摄像头相结合能实现活动人位置的精确定位和具体身份的判定,实现更好更精确地定位,并且能够较好地实现小范围活动场所活动人辨别具体身份的作用;能够在精确定位活动人位置和身份的同时,实现如智能家居等场景下在不同活动空间的智能切换场景无缝切换提供了一种较好的解决方法。
更加具体的,本实施例基于室内定位实现场景智能切换的方法,包括以下步骤:
S1:确定室内空间的待定位区域100范围,并将待定位区域100区分为多个小范围定位区域101;
S2:在各小范围定位区域101内分别对应安装红外传感接收设备200和一组位于空间四个不同位置上的四麦克风阵列300。本步骤中各小范围定位区域101为各自区域内对应红外传感接收设备200的检测范围,且各小范围定位区域101的检测范围覆盖待定位区域100的范围,即各小范围定位区域101实际由红外传感接收设备200的检测范围决定,通俗的说,小范围定位区域101与红外传感接收设备200的检测区域重合。且待定位区域100由多个小范围定位区域101构成,即多个小范围定位区域101共同覆盖待定位区域100。
S3:红外传感接收设备200实时检测活动对象的体表温度,确定活动对象当下位于的唯一小范围定位区域101;本步骤中具体实现是以红外传感接收设备200为中心,以其中心向外辐射检测范围,当检测活动对象位于某个红外传感接收设备200的检测范围内时,即认为对象位于以该红外传感接收设备200中心的小范围定位区域101中,判定其为唯一小范围定位区域101。
S4:根据确定的唯一小范围定位区域101,利用当下区域内对应的四麦克风阵列300对活动对象进行位置的精准定位;四麦克风阵列300基于一组位于小范围定位区域101的空间四个不同位置的全向麦克风按一定的形状规则布置形成的阵列,根据活动对象在移动过程中产生的声音数据进行精确定位。同样的四麦克风阵列300的检测范围覆盖小范围定位区域101。
其中四麦克风阵列300是对空间传播声音信号进行空间采样的装置,还包括根据活动对象移动发出的声源和麦克风阵列之间距离的远近,将阵列分为近场模型和远场模型,根据麦克风阵列的拓扑结构,则可分为线性阵列、平面阵列或体阵列。
S5:辅助定位模块400结合精准定位对活动对象进行身份判定;辅助定位模块400包括识别以下步骤,
四麦克风阵列300对活动对象精准定位;
采集模块401根据定位清晰地抓取活动对象的图像或视频单帧图片信息;
抓取到的图像进行相似度比对确定活动对象的真实身份。
进一步的,具辅助定位模块400还包括以下更加具体的处理步骤:
收集各类家庭成员的多张多状态的图片数据作为算法模型402的训练集、测试集和验证集;
训练算法模型402;
采集模块401抓拍活体图片或视频提取活动对象的特征数据,输入训练出来的算法模型402;
判断模块403根据算法模型402的输出结果与收集的历史数据判断抓拍的人是否是家庭的某一成员并确定具体身份相似度和可靠性;
完成活动对象具体真实身份的鉴定。
S6:场景切换模块500根据活动对象的身份,为各活动对象精准的完成场景切换的操作。场景切换模块500包括以下步骤:
当前活动空间下活动对象行为状态的获取;
在下一个活动空间中恢复上一个空间场景中活动对象行为状态的复原,实现无缝场景切换。
进一步的,场景切换模块500包括网络控制器501、设备控制器502和功能模块503,场景切换模块500还包括以下具体的切换步骤:
网络控制器501通过ZigBee无线传感网络将室内设备建立无缝互连并验证后加入同一网关中;
设备控制器502存储不同场景中设备的状态参数和历史记录;
功能模块503启动并初始化室内设备,根据引起场景切换的触发事件,切换并同步相应设备的状态参数完成场景切换。
本步骤中需要说明的是,功能模块503包含事件触发模块503a、场景切换控制模块503b、场景执行模块503c;事件触发模块503a根据辅助定位模块400结合精准定位对活动对象进行身份判定后的位置变化或场景变换生成触发事件信息;场景切换控制模块503b接收事件触发模块503a输入的事件信息或其它设备主动输入的状态参数,并在接收后对应生成场景控制信息传送至场景执行模块503c;场景执行模块503c执行控制信息,同步对应设备的状态参数设置并完成场景切换。
参照图2的示意,本实施例还需要说明的是,其中图2的示意仅为平面空间的区分且仅有一组小范围定位区域101。不难理解的是,待定位区域100和小范围定位区域101实际为空间概念,为包括室内的三维空间,而红外传感接收设备200和四麦克风阵列300的检测辐射范围也为三维状态,二者能够分别覆盖待定位区域100和小范围定位区域101,因此在室内空间下,能够先由红外传感接收设备200进行粗略的小范围检测后,再由四麦克风阵列300进行精准定位。
同时本实施例中小范围定位区域101需要覆盖待定位区域100,再安装红外传感接收设备200为多个不同位置,其检测位置必定会有重合的部分,例如图中示意a部分,若对于两个小范围定位区域101共同检测的部分按照信号接收的强弱进行区分,且当两边信号强度相等时,可直接跳过辅助定位模块400直接根据红外传感接收设备200的空间位置坐标完成精准定位。若不相等时,选择信号较强的小范围定位区域101内的四麦克风阵列300进行精准定位。若单独根据信号强弱来实现距离的定位,其算法较为复杂,且需要信号接收器的精度要求较高,本实施例针对此问题,提出在小范围定位区域101使用四麦克风阵列300精准定位。
进一步的,基于麦克风阵列的声源定位方法很多,如基于声音时间差的技术,其算法核心在于对传播时延的准确估计,通过对麦克风间信号做互相关处理得到,从而进一步获得声源位置信息,可以通过简单的延时求和、几何计算、直接利用互相关结果进行可控功率响应搜索等方法,此类算法实现较简单,运算量小,便于实时处理。本实施例所采用的是经过改进的相位变换加权的可控响应功率SRP-PHAT声源定位算法在混响环境中有较强的鲁棒性,提高了抗噪声、抗混响能力,降低了计算量提高了实时处理速度,可实现真实环境中的声源定位,其对阵型没有特定要求,同时也适用于分布式阵列,因此采用了该算法获得了较好的效果。
本实施例中辅助定位模块400主要是利用AI的深度学习相关技术、目标检测和分类算法,首先通过收集各类家庭成员的多张多状态的图片数据做为算法的训练集、测试集和验证集,通过摄像头抓拍的活体图片或视频提取活动人的特征数据,结合上述算法训练出来的模型,预测判断抓拍的人是否是家庭的某一成员,确定具体身份相似度和可靠性,完成活动人具体真实身份的鉴定。其中采集模块401为摄像设备,例如摄像机和摄像头,采集的数据例如包括对象的身高、体型和轮廓数据。算法模型402为图像识别模型,例如采用卷积神经网络编写一个Python脚本来分类图像,载入训练好的模型并对输入图像分类,如Keras中最新的深度学习图像分类模型:VGG16、VGG19、ResNet50、InceptionV3和Xception,然后是使用这些架构对图像进行分类。经过信息获取图像采集、图像预处理(如二值化、反色等处理方法)得到特征数据、训练过程(分类器涉及和分类决策)、识别。通过与采集的对比数据进行匹配对比后完成判断模块403对活动对象的身份识别。
参照图3的是示意,进一步的,示意为本实施例中场景切换模块500的场景切换流程示意,辅助定位及身份确定的主要技术和方法有:由红外传感器(红外传感接收设备200)根据活动人或物对体表温度检测进行粗略定位;由四麦克风阵列根据活动人移动等发出的声音定位;由摄像头采集活动人在附近的活体图像或视频信息结合AI深度学习算法训练出的模型进行预测属于家庭成员的概率,以便确定其真实身份。此处需要说明的是,其中事件触发模块503a由定位的活动对象的位置变化或场景触发,例如位置变化至一定范围内则认定为对象的场景发生变化,基于一定的范围定义相应的场景描述,如一定范围内为客厅下的场景、一定范围内为厕所场景或者一定范围内为卧室等等,当定位检测出活动对象由客厅场景变化至卧室的场景时,则事件触发模块503a被触发生成对应的控制信息,控制并同步由客厅到卧室的设备状态信息并最终完成场景切换。
场景一:
本实施例中以家庭客厅、卧室和卫生间实际区域做为测试区域,即共同组成本实施例中待定位区域100的空间,在此空间内部署红外传感接收设备200和四麦克风阵列300,由红外传感接收设备200的检测范围辐射出小范围定位区域101并覆盖待定位区域100。在此场景下应用本实施例中的定位方法和现有技术进行定位,本次测试共均匀设置24个参考监测点来覆盖待定位区域100的空间,并对应定义坐标(an,bn),本方法将红外传感接收设备200设置于24个参考监测点上辐射出小范围定位区域101,且在每个小范围定位区域101内设置四麦克风阵列300完成本方法的安装。与其对比的传统方法采用红外传感、麦克风阵列、蓝牙和地磁四组单独定位实验,其中红外传感、蓝牙和地磁均为设置于24个参考监测点上进行分开独立测试;另外麦克风阵列为本方法布置下去掉24个红外传感接收设备200进行独立测试。
测试过程为每组方式定位测试5次,并计算出每次的误差值,再对5次误差进行求平均值,得到最终的误差值。
表1定位方式性能对比(单位:m)
利用Matlab进行仿真实现上述定位算法,并对红外传感定位、麦克风阵列定位、此两种融合定位、蓝牙定位及地磁定位进行对比。根据实验仿真得到的误差累积分布如下图(a)所示,横坐标为误差值,纵坐标为对应的误差累积概率,Compose表示红外传感和麦克风阵列融合定位;MicArray表示麦克风阵列定位;BlueTooth表示蓝牙定位;InfaredSensor表示红外传感定位;Geomagnetic表示地磁定位。通过5种定位方式的对比验证了红外传感和麦克风阵列融合的定位方案的优势。单独的红外传感定位平均误差为2.496m,在误差为2.52m时,定位精度能达到80%;单独的麦克风阵列定位平均误差为1.06m,在误差为1.12m时,定位精度能达到80%;单独的蓝牙定位平均误差为1.18m,在误差为1.24m时,定位精度能达到80%;单独的地磁定位平均误差为4.35m,在误差为4.42m时,定位精度能达到80%;而红外传感和麦克风阵列融合的定位平均误差为0.72m,在误差为0.82m时,定位精度就已经能达到80%,实验表明此种融合定位方式极大地提高了定位精度,相比于单独红外传感、麦克风阵列、蓝牙、地磁定位精度分别提高了67.5%、22.7%、30.5%、81.15%。因此结合图4的示意,本实施例相对于传统的定位方式具有较高的精度提升,从而保证对智能场景切换更加的精准,具有重大的意义。
实施例2
参照图4的示意,为实现上述基于室内定位实现场景智能切换的方法,本实施例中提出基于室内定位实现场景智能切换的***。具体的,该***包括红外传感接收设备200、四麦克风阵列300、辅助定位模块400和场景切换模块500;其中红外传感接收设备200和四麦克风阵列300用于室内空间的活动对象的定位;辅助定位模块400用于已定位的活动对象的身份判断;场景切换模块500用于活动对象的当下场景中的设备状态参数切换至下一场景设备的切换和状态参数的同步。
进一步的,红外传感接收设备200为覆盖待定位区域100在空间上不同位置设置的红外传感接收器,它是一种可以接收红外信号并能独立完成从红外线接收到输出与TTL电平信号兼容的器件,体积和普通的塑封三极管差不多,适合于各种红外线遥控和红外线数据传输,而本实施例中无需对数据的精准检测,只需检测信号的有无即可确定唯一小范围定位区域101。所谓麦克风阵列其实就是一个声音采集的***,该***使用多个麦克风采集来自于不同空间方向的声音,麦克风按照指定要求排列后,加上相应的算法(排列+算法)就可以解决很多房间声学问题,比如声源定位、去混响、语音增强、盲源分离等实现定位。辅助定位模块400为植入图像识别算法模型的处理芯片硬件,用于实现活动对象的图像识别并确认其身份。
其中场景切换模块500包括网络控制器501、设备控制器502和功能模块503。网络控制器501又称网卡、网络适配器或网络接口卡(NIC),在网络中如果有一台计算机没有网卡,那么这台计算机将不能和其他计算机通信,它将得不到服务器所提供的任何服务了。当然如果服务器没有网卡,就称不上服务器了,所以说网卡是服务器必备的设备,就像普通PC(个人电脑)要配处理器一样。平时我们所见到的PC机上的网卡主要是将PC机和LAN(局域网)相连接,而服务器网卡一般是用于服务器与交换机等网络设备之间的连接。设备控制器502是计算机中的一个实体,其主要职责是控制一个或多个I/O设备,以实现I/O设备和计算机之间的数据交换。它是CPU与I/O设备之间的接口,它接收从CPU发来的命令,并去控制I/O设备工作,以使处理机从繁杂的设备控制事务中解脱出来,它是一个可编址的设备,当它仅控制一个设备时,它只有一个唯一的设备地址;若控制可连接多个设备时,则应含有多个设备地址,并使每一个设备地址对应一个设备。控制器的作用是控制和协调整个计算机的动作控制通常需要程序计数器(PC)、指令寄存器(IR)、指令译码器(ID)、定时与控制电路以及脉冲源、中断等共同完成。
功能模块503还包括功能模块503包含事件触发模块503a、场景切换控制模块503b、场景执行模块503c,其中功能模块503实际也为植入程序控制的处理芯片,通过与辅助定位模块400的芯片进行集成为硬件设备,软件部分通过计算机界面提供操作。因此功能模块503为场景切换模块500的软件控制部分,网络控制器501、设备控制器502为场景切换模块500的硬件实现部分。与辅助定位模块400相对应配合。
如在本申请所使用的,术语“组件”、“模块”、“***”等等旨在指代计算机相关实体,该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如,组件可以是,但不限于是:在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例,在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中,并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外,这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如,来自一个组件的数据,该组件与本地***、分布式***中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它***进行交互)的信号,以本地和/或远程过程的方式进行通信。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种基于室内定位实现场景智能切换的方法,其特征在于:包括以下步骤,
确定室内空间的待定位区域(100)范围,并将所述待定位区域(100)区分为多个小范围定位区域(101);
在各所述小范围定位区域(101)内分别对应安装红外传感接收设备(200)和一组位于空间四个不同位置上的四麦克风阵列(300);各小范围定位区域(101)为各自区域内对应红外传感接收设备(200)的检测范围,且各小范围定位区域(101)的检测范围覆盖待定位区域(100)的范围,即各小范围定位区域(101)实际由红外传感接收设备(200)的检测范围决定,小范围定位区域(101)与红外传感接收设备(200)的检测区域重合;且待定位区域(100)由多个小范围定位区域(101)构成,即多个小范围定位区域(101)共同覆盖待定位区域(100);
所述红外传感接收设备(200)实时检测活动对象的体表温度,确定所述活动对象当下位于的唯一所述小范围定位区域(101);
根据确定的唯一所述小范围定位区域(101),利用当下区域内对应的所述四麦克风阵列(300)对所述活动对象进行位置的精准定位;
待定位区域(100)和小范围定位区域(101)为室内的三维空间,而红外传感接收设备(200)和四麦克风阵列(300)的检测辐射范围也为三维状态,二者能够分别覆盖待定位区域(100)和小范围定位区域(101),因此在室内空间下,能够先由红外传感接收设备(200)进行粗略的小范围检测后,再由四麦克风阵列(300)进行精准定位;
辅助定位模块(400)结合精准定位对所述活动对象进行身份判定;
所述辅助定位模块(400)包括识别以下步骤,
所述四麦克风阵列(300)对所述活动对象精准定位;
采集模块(401)根据定位清晰地抓取活动对象的图像或视频单帧图片信息;
抓取到的图像进行相似度比对确定所述活动对象的真实身份;
所述辅助定位模块(400)还包括以下处理步骤,
收集各类家庭成员的多张多状态的图片数据作为算法模型(402)的训练集、测试集和验证集;
训练所述算法模型(402);
所述采集模块(401)抓拍活体图片或视频提取所述活动对象的特征数据,输入训练出来的所述算法模型(402);
判断模块(403)根据所述算法模型(402)的输出结果与收集的历史数据判断抓拍的人是否是家庭的某一成员并确定具体身份相似度和可靠性;
采用经过改进的相位变换加权的可控响应功率SRP-PHAT声源定位算法;
完成所述活动对象具体真实身份的鉴定;场景切换模块(500)根据所述活动对象的身份,为各所述活动对象精准的完成场景切换的操作;
场景切换模块(500)包括网络控制器(501)、设备控制器(502)和功能模块(503),包括以下切换步骤,
所述网络控制器(501)通过ZigBee无线传感网络将室内设备建立无缝互连并验证后加入同一网关中;
所述设备控制器(502)存储不同场景中设备的状态参数和历史记录;
所述功能模块(503)启动并初始化室内设备,根据引起场景切换的触发事件,切换并同步相应设备的状态参数完成场景切换;
所述功能模块(503)包含事件触发模块(503a)、场景切换控制模块(503b)、场景执行模块(503c);
所述事件触发模块(503a)根据所述辅助定位模块(400)结合精准定位对所述活动对象进行身份判定后的位置变化或场景变换生成触发事件信息;
所述场景切换控制模块(503b)接收所述事件触发模块(503a)输入的所述事件信息或其它设备主动输入的状态参数,并在接收后对应生成场景控制信息传送至所述场景执行模块(503c);
所述场景执行模块(503c)执行所述控制信息,同步对应设备的状态参数设置并完成场景切换。
2.如权利要求1所述的基于室内定位实现场景智能切换的方法,其特征在于:各所述小范围定位区域(101)为各自区域内对应所述红外传感接收设备(200)的检测范围,且各所述小范围定位区域(101)的检测范围覆盖所述待定位区域(100)的范围。
3.如权利要求1或2所述的基于室内定位实现场景智能切换的方法,其特征在于:所述四麦克风阵列(300)基于一组位于所述小范围定位区域(101)的空间四个不同位置的全向麦克风按一定的形状规则布置形成的阵列,根据所述活动对象在移动过程中产生的声音数据进行精确定位。
4.如权利要求3所述的基于室内定位实现场景智能切换的方法,其特征在于:所述四麦克风阵列(300)是对空间传播声音信号进行空间采样的装置,还包括根据所述活动对象移动发出的声源和麦克风阵列之间距离的远近,将阵列分为近场模型和远场模型,根据麦克风阵列的拓扑结构,则可分为线性阵列、平面阵列或体阵列。
5.如权利要求4所述的基于室内定位实现场景智能切换的方法,其特征在于:所述场景切换模块(500)包括以下步骤,
当前活动空间下所述活动对象行为状态的获取;
在下一个活动空间中恢复上一个空间场景中所述活动对象行为状态的复原,实现无缝场景切换。
6.一种基于室内定位实现场景智能切换的***,用于实现如权利要求1所述的一种基于室内定位实现场景智能切换的方法,其特征在于:包括红外传感接收设备(200)、四麦克风阵列(300)、辅助定位模块(400)和场景切换模块(500);
所述红外传感接收设备(200)和所述四麦克风阵列(300)用于室内空间的活动对象的定位;
所述辅助定位模块(400)用于已定位的所述活动对象的身份判断;
所述场景切换模块(500)用于所述活动对象的当下场景中的设备状态参数切换至下一场景设备的切换和状态参数的同步。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910912256.2A CN110597077B (zh) | 2019-09-25 | 2019-09-25 | 一种基于室内定位实现场景智能切换的方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910912256.2A CN110597077B (zh) | 2019-09-25 | 2019-09-25 | 一种基于室内定位实现场景智能切换的方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110597077A CN110597077A (zh) | 2019-12-20 |
CN110597077B true CN110597077B (zh) | 2022-11-18 |
Family
ID=68863379
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910912256.2A Active CN110597077B (zh) | 2019-09-25 | 2019-09-25 | 一种基于室内定位实现场景智能切换的方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110597077B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111245688A (zh) * | 2019-12-26 | 2020-06-05 | 的卢技术有限公司 | 一种基于室内智能控制电器设备的方法及*** |
CN111615028A (zh) * | 2020-06-19 | 2020-09-01 | 歌尔科技有限公司 | 一种温度检测方法、装置、音箱设备及存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9094645B2 (en) * | 2009-07-17 | 2015-07-28 | Lg Electronics Inc. | Method for processing sound source in terminal and terminal using the same |
CN103902963B (zh) * | 2012-12-28 | 2017-06-20 | 联想(北京)有限公司 | 一种识别方位及身份的方法和电子设备 |
CN103777615A (zh) * | 2014-01-28 | 2014-05-07 | 宇龙计算机通信科技(深圳)有限公司 | 一种智能家电控制装置及方法 |
CN104896668B (zh) * | 2015-05-29 | 2017-12-12 | 广东美的暖通设备有限公司 | 一种室内空调器智能调节***及其调节方法 |
CN105137771B (zh) * | 2015-07-27 | 2017-11-14 | 上海斐讯数据通信技术有限公司 | 一种基于移动终端的智能家电控制***及方法 |
WO2018215829A1 (en) * | 2017-05-22 | 2018-11-29 | Creavision Technologies Ltd. | Systems and methods for user detection, identification, and localization with in a defined space |
-
2019
- 2019-09-25 CN CN201910912256.2A patent/CN110597077B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110597077A (zh) | 2019-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021093872A1 (zh) | 一种群智感知的多源信息融合室内定位方法及*** | |
Wang et al. | Accurate and real-time 3-D tracking for the following robots by fusing vision and ultrasonar information | |
Ngamakeur et al. | A survey on device-free indoor localization and tracking in the multi-resident environment | |
Li et al. | Smart home monitoring system via footstep-induced vibrations | |
Schillebeeckx et al. | Biomimetic sonar: Binaural 3D localization using artificial bat pinnae | |
CN110597077B (zh) | 一种基于室内定位实现场景智能切换的方法及*** | |
CN109389641A (zh) | 室内地图综合数据生成方法及室内重定位方法 | |
CN108828501B (zh) | 在室内声场环境中对移动声源进行实时跟踪定位的方法 | |
Xiao et al. | Abnormal behavior detection scheme of UAV using recurrent neural networks | |
Wendeberg et al. | Robust tracking of a mobile beacon using time differences of arrival with simultaneous calibration of receiver positions | |
JP2018061114A (ja) | 監視装置および監視方法 | |
WO2021094766A1 (en) | Occupant detection systems | |
CN111610492A (zh) | 一种多声传感器阵列智能感知方法及*** | |
US20240053464A1 (en) | Radar Detection and Tracking | |
CN107680312A (zh) | 安防监控方法、电子设备和计算机可读存储介质 | |
CN112379330B (zh) | 一种多机器人协同的3d声源识别定位方法 | |
Vashist et al. | KF-Loc: A Kalman filter and machine learning integrated localization system using consumer-grade millimeter-wave hardware | |
US11729372B2 (en) | Drone-assisted sensor mapping | |
CN104243894A (zh) | 一种声视频融合监控方法 | |
Kudo et al. | Utilizing WiFi signals for improving SLAM and person localization | |
Martinson et al. | Robotic discovery of the auditory scene | |
Ding et al. | Microphone array acoustic source localization system based on deep learning | |
Zhu et al. | Speaker localization based on audio-visual bimodal fusion | |
Altaf Khattak | Fawad; Nasralla, MM; Esmail, MA; Mostafa, H.; Jia, M. WLAN RSS-Based Fingerprinting for Indoor Localization: A Machine Learning Inspired Bag-of-Features Approach | |
US20210263531A1 (en) | Mapping and simultaneous localisation of an object in an interior environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |