CN113777938A

CN113777938A - 一种家电控制方法、装置、设备及存储介质

Info

Publication number: CN113777938A
Application number: CN202111017559.1A
Authority: CN
Inventors: 覃海勇; 罗捷; 吴祖亮; 高龙华; 林驿; 陶晓娟; 罗文�
Original assignee: Dongfeng Liuzhou Motor Co Ltd
Current assignee: Dongfeng Liuzhou Motor Co Ltd
Priority date: 2021-08-31
Filing date: 2021-08-31
Publication date: 2021-12-10
Anticipated expiration: 2041-08-31
Also published as: CN113777938B

Abstract

本发明公开了一种家电控制方法、装置、设备及存储介质，属于家电技术领域。本发明通过车辆与家电互联，实时监控车辆的位置并获取智能家电的位置信息，根据车辆位置和智能家电位置得到车辆与智能家电的距离信息，并将距离信息通过距离家电控制模型进行智能家电确定，确定需要开启的家电；通过预设策略生成控制指令并对控制指令进行传输，并根据控制指令实现对家电的控制，能根据距离家电控制模型计算出用户需要开启的智能家电并生成控制指令从而实现对家电的控制，无需用户进行操作，提升用户的使用效果。

Description

一种家电控制方法、装置、设备及存储介质

技术领域

本发明涉及家电技术领域，尤其涉及一种家电控制方法、装置、设备及存储介质。

背景技术

随着人们生活水平的提高，人们对家电的智能化、高效化的需求也越来越高，目前可通过无线路由器、手机来连接各种智能家电设备，并对其进行控制，但用户只能通过控制指令远程控制来开启或关闭家电，不能根据用户习惯自动开启，智能化程度达不到用户需求，远程控制智能家电的指令传输过程中网络传输信号转换差，识别能力弱导致指令网络传输的误码率高、时延高、调度能力差的问题。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种家电控制方法、装置、设备及存储介质，旨在解决现有技术不能根据用户习惯自适应控制家电的技术问题。

为实现上述目的，本发明提供了一种家电控制方法，所述方法包括以下步骤：

获取车辆的当前位置信息以及智能家电的位置信息；

根据所述当前位置信息以及智能家电的位置信息确定所述车辆与智能家电的距离信息；

根据所述距离信息通过距离家电控制模型进行智能家电确定，得到目标智能家电；

采用预设策略生成所述目标智能家电的控制指令；

基于所述控制指令对所述目标智能家电进行控制。

可选地，所述根据所述距离信息通过距离家电控制模型进行智能家电确定，得到目标智能家电之前，还包括：

获取控制所述智能家电的次数信息；

基于初始卷积神经网络模型对所述次数信息及距离信息进行特征提取，并生成智能家电特征图；

将所述智能家电特征图通过所述初始卷积神经网络模型进行特征训练，得到距离家电控制模型。

可选地，所述初始卷积神经网络模型包括卷积层、激活层以及池化层；

所述基于初始卷积神经网络模型对所述次数信息及距离信息进行特征提取，并生成智能家电特征图，包括：

将所述次数信息及距离信息的数据集合输入至初始卷积神经网络模型的卷积层进行卷积，得到卷积结果矩阵；

将所述卷积结果矩阵输入至激活层，并根据激活函数得到特征图；

将所述特征图输入至池化层进行特征提取，得到智能家电特征图。

可选地，所述将所述次数信息及距离信息的数据集合输入至初始卷积神经网络模型的卷积层，进行卷积得到卷积结果矩阵，包括：

将所述次数信息及距离信息的数据集合输入至初始卷积神经网络模型的卷积层，并获取卷积核矩阵及偏置矩阵；

根据所述数据集合、卷积核矩阵及偏置矩阵进行卷积，得到迭代层矩阵数据；

根据所述迭代层矩阵数据，卷积核矩阵以及偏置矩阵进行卷积，得到卷积结果矩阵。

可选地，所述将所述智能家电特征图通过所述初始卷积神经网络模型进行特征训练，得到距离家电控制模型，包括：

根据所述智能家电特征图进行卷积，得到候选窗口数据；

将所述候选窗口数据与预设目标窗口数据的重合度进行比对；

在所述候选窗口数据与所述预设目标窗口数据的重合度为预设值时，获取候选目标窗口数据；

将所述候选目标窗口数据通过所述初始卷积神经网络模型的窗口回归损失函数进行特征训练，得到距离家电控制模型。

可选地，所述采用预设策略生成所述目标智能家电的控制指令，包括：

获取所述目标智能家电的初始控制指令；

根据所述初始控制指令获取传输网络的时延分量以及码元序列；

根据所述时延分量及码元序列得到所述初始控制指令的信道特征量；

根据特征优化分离算法对所述信道特征量进行解调；

根据解调结果生成所述目标智能家电的控制指令。

可选地，所述基于所述控制指令对所述目标智能家电进行控制之后，还包括：

获取与所述目标智能家电处于同一物联网的其他智能家电信息，并监控所述其他智能家电信息的安全信息；

在所述安全信息为异常信息时，将所述异常信息发送至所述车辆。

此外，为实现上述目的，本发明还提出一种家电控制装置，所述家电控制装置包括：

获取模块，用于获取车辆的当前位置信息以及智能家电的位置信息；

确定模块，用于根据所述当前位置信息以及智能家电的位置信息确定所述车辆与智能家电的距离信息；

所述确定模块，还用于根据所述距离信息通过距离家电控制模型进行智能家电确定，得到目标智能家电；

生成模块，用于采用预设策略生成所述目标智能家电的控制指令；

控制模块，用于基于所述控制指令对所述目标智能家电进行控制。

此外，为实现上述目的，本发明还提出一种家电控制设备，所述家电控制设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的家电控制程序，所述家电控制程序配置为实现如上文所述的家电控制方法的步骤。

此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有家电控制程序，所述家电控制程序被处理器执行时实现如上文所述的家电控制方法的步骤。

本发明通过获取车辆的当前位置信息以及智能家电的位置信息；根据所述当前位置信息以及智能家电的位置信息确定所述车辆与智能家电的距离信息；根据所述距离信息通过距离家电控制模型进行智能家电确定，得到目标智能家电；采用预设策略生成所述目标智能家电的控制指令；基于所述控制指令对所述目标智能家电进行控制；通过车辆与家电互联，实时监控车辆的位置并获取智能家电的位置信息，根据车辆的位置和智能家电位置得到车辆与智能家电的距离信息，并将距离信息通过距离家电控制模型进行智能家电确定，确定需要开启的家电；通过预设策略生成控制指令并对控制指令进行传输，并根据控制指令实现对家电的控制，能根据距离家电控制模型计算出用户需要开启的智能家电并生成控制指令从而实现对家电的控制，无需用户进行操作，提升用户的使用效果。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的家电控制设备的结构示意图；

图2为本发明家电控制方法第一实施例的流程示意图；

图3为本发明家电控制方法第二实施例的流程示意图；

图4为本发明家电控制方法第三实施例的流程示意图；

图5为本发明家电控制方法第三实施例的车辆端与家电端之间的控制示意图；

图6为本发明家电控制装置第一实施例的结构框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的家电控制设备结构示意图。

如图1所示，该家电控制设备可以包括：处理器1001，例如中央处理器(CentralProcessing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity，Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对家电控制设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及家电控制程序。

在图1所示的家电控制设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明家电控制设备中的处理器1001、存储器1005可以设置在家电控制设备中，所述家电控制设备通过处理器1001调用存储器1005中存储的家电控制程序，并执行本发明实施例提供的家电控制方法。

本发明实施例提供了一种家电控制方法，参照图2，图2为本发明一种家电控制方法第一实施例的流程示意图。

本实施例中，所述家电控制方法包括以下步骤：

步骤S10：获取车辆的当前位置信息以及智能家电的位置信息。

需要说明的是，本实施例的执行主体可以是安装在智能家电上用于控制智能家电的主机控制器，也可为其他可以实现家电控制的控制器，本实施例对此不加以限定。

在本实施例中，可采用GPS定位的方式对车辆实时定位来获取车辆的当前位置信息，也可以采用其他卫星定位的方式获取车辆的当前位置信息，本实施例对此不作限制；

应理解的是，智能家电的位置信息指的是智能家电位于住宅中的位置信息，相应地，可在住宅中安装传感器来获取住宅中各家电的位置信息。

步骤S20：根据所述当前位置信息以及智能家电的位置信息确定所述车辆与智能家电的距离信息。

需要说明的是，当智能家电端获取到车辆的位置时，根据车辆的位置信息及家电在住宅中的位置信息计算得到车辆与智能家电之间的距离信息。

步骤S30：根据所述距离信息通过距离家电控制模型进行智能家电确定，得到目标智能家电。

需要说明的是，距离家电控制模型指的是神经网络训练模型，通过神经网络训练对获取到的数据集进行神经网络训练，可得到数据集中的目标数据，并可根据训练好的神经网络来对现有的数据进行预测；目标智能家电指的是根据用户习惯得到的需要进行控制的家电，例如根据距离信息和距离家电控制模型确定需要控制的智能家电为空调，则空调为目标智能家电。

在本实施例中，预先统计了1000例车辆远程控制智能家电的控制指令，包括空调、厅灯、浴缸、电视、扫地机器人共5个控制指令信号。并将1000例采集到的数据打包为数据集作为神经网络训练模型的训练集，训练集中包括远程控制各智能家电的次数以及对应开启各智能家电时车辆与智能家电的距离。进一步地，训练集并不仅限于上述统计的5个控制指令信号，还可添加热水器、洗碗机等智能家电的统计数据更新至训练集，扩大控制智能家电的种类及数量，可满足用户的不同需求。

应理解的是，根据距离家电控制模型得到训练好的目标数据，此时根据车辆与智能家电的距离信息对此训练好的目标数据进行比对，当距离信息满足目标数据中的距离信息时，确定目标数据中的距离信息对应的智能家电，并将此智能家电作为目标智能家电。例如，当车辆与智能家电的距离信息为车辆距离智能家电100m，此时可根据100m的距离信息对目标数据进行查找，若目标数据中100m对应的是开启厅灯，则确定厅灯为目标智能家电。

步骤S40：采用预设策略生成所述目标智能家电的控制指令。

应理解的是，预设策略指的是传输网络信道模型策略，采用智能家电控制指令的特征优化分离方法，实现网络传输信道调制解调处理。

在具体实施中，通过传输网络信道模型策略对控制信号的传输进行干扰抑制并对控制信号传输的负载进行均衡控制从而生成智能家电控制指令。例如根据上述确定的目标智能家电为厅灯，则生成的智能家电控制指令为打开厅灯的控制指令。

步骤S50：基于所述控制指令对所述目标智能家电进行控制。

在本实施例中，主机控制器根据获取到的控制指令对相应的智能家电进行控制，包括开启或关闭家电。例如接收到的控制指令为开启空调，则可根据开启空调的控制指令开启空调，并根据相关的温度信息对空调的模式及温度进行相关调整，也可根据用户温度设置习惯对空调的开启温度进行调整。若接收到的控制指令为开启厅灯，则可根据传感器感知到的当前天气状况开启厅灯并对厅灯的亮度进行调节。

本实施例通过获取车辆的当前位置信息以及智能家电的位置信息；根据所述当前位置信息以及智能家电的位置信息确定所述车辆与智能家电的距离信息；根据所述距离信息通过距离家电控制模型进行智能家电确定，得到目标智能家电；采用预设策略生成所述目标智能家电的控制指令；基于所述控制指令对所述目标智能家电进行控制；通过车辆与家电互联，实时监控车辆的位置并获取智能家电的位置信息，根据车辆的位置和智能家电位置得到车辆与智能家电的距离信息，并将距离信息通过距离家电控制模型进行智能家电确定，确定需要开启的家电；通过预设策略生成控制指令并对控制指令进行传输，并根据控制指令实现对家电的控制，能根据距离家电控制模型计算出用户需要开启的智能家电并生成控制指令从而实现对家电的控制，无需用户进行操作，提升用户的使用效果。

参考图3，图3为本发明一种家电控制方法第二实施例的流程示意图。

基于上述第一实施例，本实施例家电控制方法在所述步骤S30之前，还包括：

步骤S21：获取控制所述智能家电的次数信息。

应理解的是，控制所述智能家电的次数信息指的是统计的控制智能家电开启或关闭的次数。例如获取控制空调开启的次数为10次，控制电视开启的次数为8次等，本实施例对此不加以限定。

在具体实施中，将1000例采集到的数据打包为数据集x，其中x∈((C，d_C)，(L，d_L)，(B，d_B)，(T，d_T)，(R，d_R))，C、L、B、T、R分别代表着控制各家电的次数，例如C代表控制空调的次数；d_C、d_L、d_B、d_T、d_R分别代表着开启家电时车辆与家电的距离，例如d_C表示开启空调时，空调与车辆之间的距离，则(C，d_C)表示开启空调的次数和开启空调时车辆与空调的距离。

步骤S22：基于初始卷积神经网络模型对所述次数信息及距离信息进行特征提取，并生成智能家电特征图。

需要说明的是，初始卷积神经网络模型包括卷积层、激活层以及池化层；卷积层是对次数信息及距离信息等数据信息进行卷积特征提取得到数据信息的局部特征，可减少运算量；激活层主要是保留卷积得到的数据的主要特征，同时可以减少参数和计算量；池化层主要是对得到的数据信息的特征进行二次特征提取，得到更为精确的特征图即目标智能家电特征图，特征提取有7个卷积层、7个激活层、2个池化层。

应理解的是，智能家电特征图包含控制家电的距离及控制家电的类别，例如在车辆与智能家电的距离为100m时，控制的智能家电为厅灯；在车辆与智能家电的距离为500m时，控制的智能家电为空调等，本实施例对此不作限制。

在具体实施中，将控制智能家电的次数信息及车辆与智能家电的位置信息的数据的集合x输入至卷积层进行卷积包括：

式中，

为上一迭代层的输入，

为卷积核矩阵，

为偏置矩阵，

为当前卷积层的输出，i为输入的第i个，j为第j个输入的，M_j为输入的个数，l为层数。当进行初始卷积即第一层卷积时，将训练集x输入至第一卷积层，i＝1，j＝1，l＝1，即计算得到

则第一层卷积层卷积计算得到

当进行第二层卷积时，输入上一次卷积的结果即上一迭代层的卷积结果

输出

根据对数据集合的卷积，得到卷积结果矩阵。

根据卷积层的输出，有激活层的计算式：

式中，

为激活层的输入，将卷积层的卷积结果矩阵输入至激活层进行激活得到激活函数，并根据7个激活层计算及激活函数得到特征图。

有池化层的计算式为：

式中，

为当前池化层的输入，down()为一个下采样函数。

根据池化层对得到的特征图进行池化即二次特征提取的步骤，得到智能家电特征图。

步骤S23：将所述智能家电特征图通过所述初始卷积神经网络模型进行特征训练，得到距离家电控制模型。

应理解的是，通过初始卷积神经网络模型对智能家电特征图进行特征训练指的是根据初始卷积神经网络模型的窗口回归损失函数进行特征训练，即通过对窗口数据进行特征训练得到距离家电控制模型。

在具体实施中，通过对目标智能家电图进行卷积，得到候选窗口的数据，候选窗口位于卷积核的中心位置。

应理解的是，候选窗口由9个不同大小的窗口组成，9个窗口的大小分别是{32×64}、{64×32}、{32×32}、{64×128}、{128×64}、{64×64、128×256、256×128、{128×128}，一共9种成比例的不同面积大小的窗口。

需要说明的是，将候选窗口的数据与训练集中的目标窗口进行比对，并根据比对结果判断候选窗口的数据是否可以参与训练，有候选窗口与训练集中目标窗口的重合度IOV：

式中，p为二分类标签，若p＝1时，候选窗口包含目标，此时对应正标签，若p＝0时，候选窗口不包含目标，是背景，此时对应负标签，p＝not used时，不包含目标和背景，此时没有贡献，不参与训练标签。

在具体实施中，将候选窗口数据与预设窗口数据的重合度进行比对，预设窗口数据指的是训练集中的目标窗口的数据，若候选窗口数据与预设窗口数据的重合度为1时，则候选窗口数据可以参与特征训练，则将候选窗口数据作为候选目标窗口数据，并将候选目标窗口数据根据窗口回归损失函数进行特征训练。

窗口回归有训练集中对应真实目标窗口的起点(x^*，y^*)，真实目标窗口的宽与高(w^*，h^*)，对应候选目标窗口的起点(x_a，y_a)，真实目标窗口的宽与高(w_a，h_a)，对应预测目标窗口的起点(x，y)，真实目标窗口的宽与高(w，h)。有窗口回归损失函数计算式：

式中，

有t_x＝(x-x_a)/w_a，t_y＝(y-y_a)/h_a，

当窗口回归损失函数R_reg→0时，则初始卷积神经网络模型训练完成，得到距离家电控制模型。

本实施例通过通过获取控制所述智能家电的次数信息；基于初始卷积神经网络模型对所述次数信息及距离信息进行特征提取，并生成智能家电特征图；将所述智能家电特征图通过所述初始卷积神经网络模型进行特征训练，得到距离家电控制模型；通过将智能家电的次数信息及车辆与智能家电的距离信息输入至初始卷积神经网络模型进行卷积层、激活层以及池化层计算，多次提取输入的数据信息的特征，并根据提取的特征生成智能家电特征图，并将智能家电特征图进行卷积提取候选窗口数据，通过对候选窗口数据进行训练得到距离家电控制模型，通过神经网络训练提取到更为准确的智能家电特征图，并根据距离家电控制模型可更为快速准确地确定需要控制的家电。

参考图4，图4为本发明一种家电控制方法第三实施例的流程示意图。

基于上述第一实施例，本实施例家电控制方法所述步骤S40，具体包括：

步骤S41：获取所述目标智能家电的初始控制指令。

应理解的是，初始控制指令指的是当通过距离家电控制模型及车辆与智能家电的距离信息确定所需控制的目标智能家电时，根据此目标智能家电生成对应的控制指令，例如确定需要控制的目标智能家电为浴缸时，则车辆端生成的初始控制指令为控制浴缸开启。

步骤S42：根据所述初始控制指令获取传输网络的时延分量以及码元序列。

在具体实施中，为了避免远程控制家电的控制指令网络传输信号转换差，识别能力弱的问题，通过采用自适应扩频序列检测方法来实现对车辆端控制指令的传输控制，有智能家电的初始控制指令传输网络的动态迁移码元调制输出为：

应理解的是，在初始控制指令网络传输过程中，会有周围的信号及建筑物等外部环境对传输进行干扰，影响网络的传输速度；为了减少外部环境干扰对控制指令传输造成的影响，采用级联滤波方法进行智能家电控制传输指令的干扰抑制，得到控制指令传输网络的时延分量为：

步骤S43：根据所述时延分量及码元序列得到所述初始控制指令的信道特征量。

应理解的是，在指令传输过程中，为了提高网络对指令数据的处理能力，可对网络设备和服务器的带宽进行扩展，即对智能家电的初始控制指令传输的负载进行均衡控制，有构建智能家电控制指令传输网络延时控制模型为：

式中：G(U|_μk·∑_k)表示控制指令集之间的关联耦合度；U表示时延特征分量；u_k表示智能家电控制指令传输的码元序列。由此构建智能家电控制指令传输的信道自动优化控制模型，结合信道的扩频技术进行误差补偿，构建智能家电控制指令传输的扩频序列分布式调节模型。

应理解的是，根据智能家电的初始控制指令传输网络的动态迁移码元调制输出，得到控制智能家电指令传输的最优解分布为：

式中，i为输入的第i个，j为第j个输入的，

码元序列，v为调制频率，S为上述窗口回归损失函数函数的smooth，f为上述激活函数中的计算式。根据上述最优解计算得到智能家电控制指令传输的码元序列。

需要说明的是，对与信道中的多径干扰特征量，采用自相关匹配滤波方法进行干扰抑制，得到智能家电控制指令传输的频谱分布特征量为：

式中：

需要说明的是，根据构建的智能家电控制指令传输网络负载均衡调度模型，分析智能家电控制指令传输网络码元的空间分布信息，采用时频特征分解和匹配滤波方法实现智能家电控制指令的干扰抑制，得到智能家电控制指令输出的短时能量，即根据智能家电控制指令传输的频谱分布特征量得到智能家电控制指令的信道特征量E_j为：

步骤S44：根据特征优化分离算法对所述信道特征量进行解调。

在具体实施中，通过对输入信号以至少2倍的奈奎斯特速率进行采样，并对超出奈奎斯特频率以外的至频率为f＝N/MT的接收信号频谱进行均衡处理，由此实现对智能家电控制指令传输的优化设计，得到优化的传递函数：

式中，N表示智能家电控制指令网络传输信号的频谱长度，J为信号采样频率，对信道中的多径干扰特征量采用自相关匹配滤波方法进行干扰抑制，提取智能家电控制指令信道特征量，采用智能家电控制指令的特征优化分离方法，实现网络传输的信道调制解调处理。

步骤S45：根据解调结果生成所述目标智能家电的控制指令。

应理解的是，目标智能家电的控制指令指的是通过对生成的初始控制指令的传输网络检测，并对初始控制指令的传输信道自动优化，根据优化后的结果得到的目标智能家电的控制指令。并基于此控制指令对目标智能家电进行控制。

在具体实施中，如图5所示，车辆端利用车作为移动设备，车机端作为终端，并搭载无线通电技术，通过操作车机，使家电开启或关闭。并有家电端实时接收车辆位置，根据车辆位置确定车辆与智能家电的距离，基于初始卷积神经网络模型确定需要控制的智能家电并生成初始控制指令，通过对初始控制指令的传输网络进行优化得到控制智能家电的最终控制指令，并对智能家电进行控制。相应地，由于远程控制家电开启或关闭会出现很多无法预料的情况，例如家电运行电压过大会造成短路而用户无法及时获知住房中的家电情况，因此，可在住宅中安装住宅安全检测传感器，有烟雾传感器、红外传感器、摄像头等并使它们与住宅主机控制器相连。

需要说明的是，可通过上述传感器和摄像头监测与上述确定的目标智能家电及与此智能家电处于同一物联网的其他智能家电的所有安全信息，当智能家电的安全信息为异常信息时，可及时将异常信息发送至车辆，有烟雾传感器检测到住宅烟雾浓度达到异常时，将烟雾报警信息及摄像头信息传输给主机控制器，将报警信息发送至车辆端；有红外传感器检测到住宅温度达到异常时，将红外报警信息及摄像头信息传输给主机控制器，将报警信息发送至车辆端；通过实时监测将烟雾信号、红外信号等发送至车辆，有效避免火灾、入室盗窃等不安全事件的发生。

本实施例通过获取所述目标智能家电的初始控制指令；根据所述初始控制指令获取传输网络的时延分量以及码元序列；根据所述时延分量及码元序列得到所述初始控制指令的信道特征量；根据特征优化分离算法对所述信道特征量进行解调；根据解调结果生成所述目标智能家电的控制指令；通过获取传输指令网络的时延分量及码元序列对控制目标智能家电的控制指令的传输信道进行优化，提高了远程控制家电的控制指令网络传输信号转换和识别能力，使得指令网络传输的误码率低、时延低，提高了网络传输的调度能力，使家电控制设备能更快速准确地接收到控制智能家电的控制指令，并通过安全检测传感器对住宅中的所有安全信息进行监控，避免不安全事件的发生，提升了用户的使用体验。

参照图6，图6为本发明家电控制装置第一实施例的结构框图。

如图6所示，本发明实施例提出的家电控制装置包括：

获取模块10，用于获取车辆的当前位置信息以及智能家电的位置信息。

确定模块20，用于根据所述当前位置信息以及智能家电的位置信息确定所述车辆与智能家电的距离信息。

所述确定模块20，还用于根据所述距离信息通过距离家电控制模型进行智能家电确定，得到目标智能家电。

生成模块30，用于采用预设策略生成所述目标智能家电的控制指令。

控制模块40，用于基于所述控制指令对所述目标智能家电进行控制。

在一实施例中，所述确定模块20，还用于获取控制所述智能家电的次数信息；基于初始卷积神经网络模型对所述次数信息及距离信息进行特征提取，并生成智能家电特征图；将所述智能家电特征图通过所述初始卷积神经网络模型进行特征训练，得到距离家电控制模型。

在一实施例中，所述确定模块20，还用于将所述次数信息及距离信息的数据集合输入至初始卷积神经网络模型的卷积层进行卷积，得到卷积结果矩阵；将所述卷积结果矩阵输入至激活层，并根据激活函数得到特征图；将所述特征图输入至池化层进行特征提取，得到智能家电特征图。

在一实施例中，所述确定模块20，还用于将所述次数信息及距离信息的数据集合输入至初始卷积神经网络模型的卷积层，并获取卷积核矩阵及偏置矩阵；根据所述数据集合、卷积核矩阵及偏置矩阵进行卷积，得到迭代层矩阵数据；根据所述迭代层矩阵数据，卷积核矩阵以及偏置矩阵进行卷积，得到卷积结果矩阵。

在一实施例中，所述确定模块20，还用于根据所述智能家电特征图进行卷积，得到候选窗口数据；将所述候选窗口数据与预设目标窗口数据的重合度进行比对；在所述候选窗口数据与所述预设目标窗口数据的重合度为预设值时，获取候选目标窗口数据；将所述候选目标窗口数据通过所述初始卷积神经网络模型的窗口回归损失函数进行特征训练，得到距离家电控制模型。

在一实施例中，所述生成模块30，还用于获取所述目标智能家电的初始控制指令；根据所述初始控制指令获取传输网络的时延分量以及码元序列；根据所述时延分量及码元序列得到所述初始控制指令的信道特征量；根据特征优化分离算法对所述信道特征量进行解调；根据解调结果生成所述目标智能家电的控制指令。

在一实施例中，所述控制模块40，还用于获取与所述目标智能家电处于同一物联网的其他智能家电信息，并监控所述其他智能家电信息的安全信息；在所述安全信息为异常信息时，将所述异常信息发送至所述车辆。

由于本家电控制设备采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有家电控制程序，所述家电控制程序被处理器执行时实现如上文所述的家电控制方法的步骤。

由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。

应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。

需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。

另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的家电控制方法，此处不再赘述。

此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory，ROM)/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims

1.一种家电控制方法，其特征在于，所述家电控制方法包括：

获取车辆的当前位置信息以及智能家电的位置信息；

采用预设策略生成所述目标智能家电的控制指令；

基于所述控制指令对所述目标智能家电进行控制。

2.如权利要求1所述的家电控制方法，其特征在于，所述根据所述距离信息通过距离家电控制模型进行智能家电确定，得到目标智能家电之前，还包括：

获取控制所述智能家电的次数信息；

3.如权利要求2所述的家电控制方法，其特征在于，所述初始卷积神经网络模型包括卷积层、激活层以及池化层；

4.如权利要求3所述的家电控制方法，其特征在于，所述将所述次数信息及距离信息的数据集合输入至初始卷积神经网络模型的卷积层，进行卷积得到卷积结果矩阵，包括：

5.如权利要求2所述的家电控制方法，其特征在于，所述将所述智能家电特征图通过所述初始卷积神经网络模型进行特征训练，得到距离家电控制模型，包括：

根据所述智能家电特征图进行卷积，得到候选窗口数据；

6.如权利要求1至5中任一项所述的家电控制方法，其特征在于，所述采用预设策略生成所述目标智能家电的控制指令，包括：

获取所述目标智能家电的初始控制指令；

根据特征优化分离算法对所述信道特征量进行解调；

根据解调结果生成所述目标智能家电的控制指令。

7.如权利要求1至5中任一项所述的家电控制方法，其特征在于，所述基于所述控制指令对所述目标智能家电进行控制之后，还包括：

8.一种家电控制装置，其特征在于，所述家电控制装置包括：

9.一种家电控制设备，其特征在于，所述家电控制设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的家电控制程序，所述家电控制程序配置为实现如权利要求1至7中任一项所述的家电控制方法。

10.一种存储介质，其特征在于，所述存储介质上存储有家电控制程序，所述家电控制程序被处理器执行时实现如权利要求1至7中任一项所述的家电控制方法。