CN115733705A - 基于空间的信息处理方法、装置、电子设备及存储介质 - Google Patents
基于空间的信息处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115733705A CN115733705A CN202211390215.XA CN202211390215A CN115733705A CN 115733705 A CN115733705 A CN 115733705A CN 202211390215 A CN202211390215 A CN 202211390215A CN 115733705 A CN115733705 A CN 115733705A
- Authority
- CN
- China
- Prior art keywords
- space
- image
- target object
- equipment
- belongs
- 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.)
- Pending
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 41
- 238000003672 processing method Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 41
- 230000008569 process Effects 0.000 claims abstract description 20
- 238000012549 training Methods 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 28
- 238000004891 communication Methods 0.000 claims description 19
- 238000010801 machine learning Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 238000010219 correlation analysis Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 8
- 230000003993 interaction Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012098 association analyses Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Landscapes
- Telephonic Communication Services (AREA)
Abstract
本申请提供了一种基于空间的信息处理方法、装置、电子设备及存储介质,涉及物联网技术领域。其中,该方法包括:获取待识别图像;对所述待识别图像进行空间识别,确定所述待识别图像所属的空间;获取设定范围内的各设备与所述空间的关联关系,并基于所述关联关系更新各所述设备所属的空间;基于更新所属空间后的各所述设备的设备信息,生成智能服务并推送。本申请解决了相关技术中设备接入物联网过程中操作过于繁琐的问题。
Description
技术领域
本申请涉及物联网技术领域,具体而言,本申请涉及一种基于空间的信息处理方法、装置、电子设备及存储介质。
背景技术
随着物联网技术的发展,智能家居作为一个新的产品技术,改变了传统的家居生活,通过物联网技术将家中的各种设备连接到一起,形成一张智能家居网络,以便于通过该智能家居网络为用户提供智能服务。具体地,设备在接入智能家居网络时,首先为设备选择关联的网络设备,以基于设备与网络设备之间的交互,为用户提供智能服务。
但是,上述设备接入物联网过程过多地依赖于用户手动操作,不仅设备首次接入时需要用户手动选择设备关联的网络设备,而且当设备或网络设备发生移动时,需要用户再次手动选择设备关联的网络设备,由于操作过于繁琐,将导致提供给用户的智能服务存在滞后。
由上可知,设备接入物联网过程中操作过于繁琐成为了亟需解决的问题。
发明内容
本申请提供了一种基于空间的信息处理方法、装置、电子设备及存储介质,可以解决相关技术中存在的设备接入物联网过程中操作过于繁琐的问题。所述技术方案如下:
根据本申请的一个方面,一种基于空间的信息处理方法,包括:获取待识别图像;对所述待识别图像进行空间识别,确定所述待识别图像所属的空间;获取设定范围内的各设备与所述空间的关联关系,并基于所述关联关系更新各所述设备所属的空间;基于更新所属空间后的各所述设备的设备信息,生成智能服务并推送。
根据本申请的一个方面,一种基于空间的信息处理装置,包括:图像获取模块,用于获取待识别图像;空间识别模块,用于对所述待识别图像进行空间识别,确定所述待识别图像所属的空间;空间更新模块,用于获取设定范围内的各设备与所述空间的关联关系,并基于所述关联关系更新各所述设备所属的空间;智能服务模块,用于基于更新所属空间后的各所述设备的设备信息,生成智能服务并推送。
在一示例性实施例中,所述空间更新模块,包括:请求接收单元,用于接收所述设定范围内各所述设备发起的空间绑定请求;连接建立单元,响应于所述空间绑定请求,建立所述设定范围内各所述设备与网络设备之间的连接,基于所述连接存储所述设定范围内各所述设备与所述空间的关联关系。
在一示例性实施例中,所述空间更新模块,包括:数据发送单元,用于通过所述连接,发送空间数据至各所述设备,使得各所述设备基于所述空间数据对所属空间进行更新;所述空间数据用于标识所述待识别图像所属的空间;
在一示例性实施例中,所述装置,还包括:信息接收模块,用于接收更新所属空间后的各所述设备上报的设备信息。
在一示例性实施例中,所述请求接收单元,包括,广播组件,用于向各所述设备广播入网信号,使得各所述设备响应于所述入网信号,对所述网络设备进行测距,确定各所述设备与所述网络设备之间的距离;请求发送组件,用于若基于各所述设备与所述网络设备之间的距离,确定所述设备在所述设定范围内,则接收到所述设定范围内所述设备发送的所述空间绑定请求。
在一示例性实施例中,所述空间识别模块,包括:特征提取单元,用于对所述待识别图像进行图像特征提取,得到图像特征;空间预测单元,用于根据所述图像特征对所述待识别图像进行空间类别预测,得到所述待识别图像所属的空间。
在一示例性实施例中,通过调用空间识别模型完成对所述待识别图像的空间识别;其中,所述装置还包括:模型训练模块,用于训练得到所述空间识别模型;所述模型训练模块包括:训练单元,用于构建一机器学习模型,并将样本图像输入所述机器学习模型进行分类训练;收敛单元,用于根据分类训练结果与所述样本图像携带的空间标签之间的差异,确定所述分类训练是否满足模型收敛条件;若为否,则通知更新单元,否则,得到所述空间识别模型;所述更新单元,用于更新所述机器学习模型的参数并继续所述分类训练。
在一示例性实施例中,所述智能服务模块,包括:身份识别单元,用于若所述待识别图像中包含目标对象,则对所述待识别图像中的目标对象进行身份识别,确定所述目标对象的身份信息;智能服务生成单元,用于将更新所属空间后的各所述设备的设备信息与所述目标对象的身份信息进行关联分析,生成所述智能服务并推送。
在一示例性实施例中,所述身份识别单元,包括:身体特征提取组件,用于对所述待识别图像中的所述目标对象进行身份特征提取,得到所述目标对象的身份特征;身份信息预测组件,用于根据所述目标对象的身份特征对所述目标对象进行身份类别预测,得到所述目标对象的所述身份信息。
在一示例性实施例中,所述智能服务生成单元,包括:统计分析组件,用于基于所述目标对象的身份信息,对更新所属空间后的各所述设备的设备信息进行统计,确定所述目标对象的生活习惯;服务推送组件,用于根据所述目标对象的生活习惯,向所述目标对象推送所述智能服务。
根据本申请的一个方面,一种电子设备,包括:至少一个处理器、至少一个存储器、以及至少一条通信总线,其中,存储器上存储有计算机程序,处理器通过通信总线读取存储器中的计算机程序;计算机程序被处理器执行时实现如上所述的基于空间的信息处理方法。
根据本申请的一个方面,一种存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如上所述的基于空间的信息处理方法。
根据本申请的一个方面,一种计算机程序产品,计算机程序产品包括计算机程序,计算机程序存储在存储介质中,计算机设备的处理器从存储介质读取计算机程序,处理器执行计算机程序,使得计算机设备执行时实现如上所述的基于空间的信息处理方法。
本申请提供的技术方案带来的有益效果是:
在上述技术方案中,首先获取待识别图像,确定待识别图像所属的空间,再获取设定范围内各设备与该空间的关联关系,基于该关联关系更新各设备所属的空间,由更新所属空间后的各设备的设备信息,生成智能服务并推送。由此,基于空间与各设备的关联关系,随着各设备和/或网络设备在不同空间的移动,各设备所属空间能够自动更新,从而简化了用户的手动操作,能够有效地解决相关技术中存在的设备接入物联网过程中操作过于繁琐的问题。
附图说明
为了更清楚地说明本申请提供的技术方案,下面将对本申请各实施例描述中所需要使用的附图作简单地介绍。
图1是根据本申请实施例所涉及的实施环境的示意图;
图2是根据一示例性实施例示出的一种基于空间的信息处理方法的流程图;
图3是图2对应实施例中步骤330在一个实施例的流程图;
图4是根据一示例性实施例示出的另一种基于空间的信息处理方法的流程图;
图5是图4对应实施例中步骤410在一个实施例的流程图;
图6是图2对应实施例中步骤350在一个实施例的流程图;
图7是图2对应实施例中步骤370在一个实施例的流程图;
图8是图7对应实施例中步骤371在一个实施例的流程图;
图9是图7对应实施例中步骤373在一个实施例的流程图;
图10是一个应用场景中一种基于空间的信息处理方法的具体实现示意图;
图11是根据一示例性实施例示出的一种智能服务推荐装置的结构框图;
图12是根据一示例性实施例示出的一种电子设备的硬件结构图;
图13是根据一示例性实施例示出的一种电子设备的结构框图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能解释为对本申请的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
如前所述,无论是设备首次接入物联网,还是设备或网络设备发生移动后设备再次接入物联网,设备接入物联网过程中都需要用户手动选择设备关联的网络设备,以实现设备与网络设备之间的交互。
此外,上述设备接入物联网过程中,往往还需要用户指定设备所属空间,那么,当设备或网络设备发生移动后,用户便需要同步手动更改设备所属空间,进一步增加了用户操作的繁琐程度。
由上可知,相关技术中仍存在设备接入物联网过程中操作过于繁琐的缺陷。
为此,本申请提供的基于空间的信息处理方法,能够有效地简化用户的手动操作,相应地,该基于空间的信息处理方法适用于基于空间的信息处理装置,该基于空间的信息处理装置可部署于电子设备,例如,电子设备为网关摄像头。
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
图1为一种基于空间的信息处理方法所涉及的实施环境的示意图。该实施环境包括用户终端110、智能设备130、服务器端170和网络设备190。
具体地,用户终端110,也可以认为是用户端或者终端,可进行智能设备130关联的客户端的部署(也理解为安装),此用户终端110可以是智能手机、平板电脑、笔记本电脑、台式电脑、智能控制面板、其他具有显示和控制功能的设备等电子设备,在此不进行限定。
其中,客户端,与智能设备130关联,实质是用户在客户端中进行账户注册,并在客户端中对智能设备130进行配置,例如,该配置包括为智能设备130添加设备标识等,以使得用户终端110中运行客户端时,能够为用户提供关于智能设备130的设备显示、设备控制等功能,此客户端可以是应用程序形式,也可以是网页形式,相应地,客户端进行设备显示的界面则可以是程序窗口形式,还可以是网页页面形式的,此处也并未加以限定。
智能设备130部署在网络设备190中,并通过其自身所配置的通信模块与网络设备190通信,进而受控于网络设备190。应当理解,智能设备130泛指多个智能设备130中的一个,本申请实施例仅以智能设备130举例说明,也即是,本申请实施例对部署在网络设备190中的智能设备的数量和设备类型并未加以限定。其中,网络设备190包括但不限于:路由器、网关、网关摄像头等具有网络通信功能的电子设备,此处并未加以限定。
在一个应用场景中,智能设备130通过局域网络接入网络设备190,从而部署于网络设备190中。智能设备130通过局域网络接入网络设备190的过程包括:由网络设备190首先建立一个局域网络,智能设备130通过连接该网络设备190,从而加入该网络设备190建立的局域网络中。此局域网络包括但不限于:ZIGBEE或者蓝牙。其中,智能设备130可以是智能打印机、智能传真机、智能摄像机、智能空调、智能门锁、智能灯或者配置了通信模块的人体传感器、门窗传感器、温湿度传感器、水浸传感器、天然气报警器、烟雾报警器、墙壁开关、墙壁插座、无线开关、无线墙贴开关、魔方控制器、窗帘电机等电子设备。
用户终端110与智能设备130之间的交互,可以通过局域网络实现,还可以通过广域网络实现。在一个应用场景中,用户终端110通过与网络设备190之间建立有线或者无线等方式的通信连接,例如,该有线或者无线等方式包括但不限于WIFI等,使得用户终端110与网络设备190部署于同一个局域网络,进而使得用户终端110可通过局域网络路径实现与智能设备130之间的交互。在另一个应用场景中,用户终端110通过服务器端170与网络设备190之间建立有线或者无线等方式的通信连接,例如,该有线或者无线等方式包括但不限于2G、3G、4G、5G、WIFI等,使得用户终端110与网络设备190部署于同一个广域网络,进而使得用户终端110可通过广域网络路径实现与智能设备130之间的交互。
其中,服务器端170,也可以认为是云端、云平台、平台端、服务端等等,此服务器端170可以是一台服务器,也可以是由多台服务器构成的一个服务器集群,或者是由多台服务器构成的云计算中心,以便于更好地向海量用户终端110提供后台服务。例如,后台服务包括基于空间的信息处理服务。
在一个应用场景中,智能设备130包括智能摄像头,网络设备190包括网关,服务器端170包括云端,用户终端110包括智能手机。以云端执行基于空间的信息处理方法为例,对信息处理过程进行以下说明:
智能摄像头获取待识别图像后,通过与网关之间的交互,将待识别图像发送至网关,网关再将待识别图像转发至云端。
云端接收到待识别图像后,首先,对待识别图像进行空间识别,确定该待识别图像所属的空间,再获取设定范围内各设备与该空间的关联关系,以便基于该关联关系更新各设备所属的空间,进而基于更新所属空间后的各设备的设备信息生成智能服务,通过广域网路径将该智能服务推送至智能手机,或者通过云端与网关之间的连接,将该智能服务推送至网关,再由网关通过局域网路径,将该智能服务转发至智能手机。
请参阅图2,本申请实施例提供了一种基于空间的信息处理方法,该方法适用于电子设备,该电子设备具体可以是图1所示实施环境的网络设备190,例如,网络设备190为网关摄像头,也可以是图1所示实施环境的服务器端170。
在下述方法实施例中,为了便于描述,以该方法各步骤的执行主体为电子设备为例进行说明,但是并非对此构成具体限定。
如图2所示,该方法可以包括以下步骤:
步骤310,获取待识别图像。
首先说明的是,待识别图像是通过图像采集设备对所部署的空间进行拍摄并采集得到的。此空间可以是指智能家居中的某个区域,例如,空间是指家中的客厅、卧室、厨房等,也可以是指建筑物内的某个区域,例如,空间是指大厦内的会议室、电梯等,又或者是指建筑物外的某一个区域,例如,空间是指楼房外的马路等。相应地,图像采集设备可部署于空间的任意位置,以便于对空间进行拍摄,例如,图像采集设备为摄像头,该摄像头可安装在客厅天花板。相应地,基于不同空间,本实施例所提供的信息处理方法可适用于不同的应用场景,例如,若空间是指智能家居中的某个区域,则信息处理方法可适用于智能家居场景;若空间是指建筑物内的某个区域,则信息处理方法可适用于安防场景;若空间是指建筑物外的某个区域,则信息处理方法还适用于地图导航场景。
可以理解,拍摄可以是多次独立拍摄,还可以是连续性拍摄,那么,针对同一个空间,对于连续性拍摄而言,可以得到一段视频,则待识别图像可以来源于该视频的其中一个画面,而就多次独立拍摄来说,可以得到多张照片,则待识别图像可以来源于该多张照片中的其中一张照片。换而言之,本实施例中,后续基于空间的信息处理方法,均是以帧为单位进行的。
关于待识别图像的获取,待识别图像可以来源于图像采集设备实时拍摄并采集得到的待识别图像,也可以是预先存储于服务器的一历史时间段由图像采集设备拍摄并采集得到的待识别图像。也就是说,在图像采集设备拍摄并采集到待识别图像之后,电子设备可以对该待识别图像进行实时处理,也可以预先存储了再处理,例如,按照操作人员的指定时间进行处理。那么,对于电子设备而言,可以获取实时采集的待识别图像,也可以获取预先存储的待识别图像,即通过调取一历史时间段拍摄并采集得到的待识别图像,本实施例对此并未加以限定。
步骤330,对待识别图像进行空间识别,确定待识别图像所属的空间。
如前所述,待识别图像是通过图像采集设备对所部署的空间进行拍摄并采集得到的,相应地,待识别图像所属的空间与图像采集设备所部署的空间相关。例如,待识别图像是由部署在客厅天花板的图像采集设备对客厅进行拍摄并采集得到的,那么,该待识别图像所属的空间为客厅。在此说明的是,待识别图像所属的空间根据应用场景的不同可以有多种命名方式,可以直接采用英文、数字等字符进行命名,例如,A、B、C等;还可以基于空间的不同功能进行命名,例如,卧室、书房、客厅等;也可以是通过上述二者的结合来对待识别图像所属的空间进行命名,以一个四居室的房子为例,待识别图像所属的空间包括但不限于:卧室-1、卧室-2、书房-1、客厅-1、厕所-1、厨房-1,这里的卧室-1和卧室-2用于区别该房子的不同卧室,本实施例并未对此加以限定。
在一个可能的实现方式,待识别图像所属的空间,可以通过调用空间识别模型对待识别图像进行空间识别得到。其中,空间识别模型是通过携带空间标签的样本图像对机器学习模型进行模型训练得到的。
该模型训练过程具体包括:构建一机器学习模型,并将样本图像输入机器学习模型进行分类训练;根据分类训练结果与样本图像携带的空间标签之间的差异,确定分类训练是否满足模型收敛条件;若确定分类训练未满足模型收敛条件,则更新机器学习模型的参数并继续分类训练;否则,在确定分类训练满足收敛条件后,便得到了具备空间识别能力的空间识别模型。
在得到具备空间识别能力的空间识别模型后,便可将待识别图像输入该空间识别模型进行空间识别,从而得到待识别图像所属的空间。
如图3所示,在一个可能的实现方式,步骤330可以包括以下步骤:
步骤331,对待识别图像进行图像特征提取,得到图像特征。
其中,图像特征是对待识别图像的准确描述,应当理解,待识别图像不同,图像特征也会有所差别,以便于图像特征来唯一地表示待识别图像。
当然,在其他实施例中,图像特征不局限于输入空间识别模型进行提取,也可以通过特征提取算法实现,该特征提取算法包括但不限于:方向梯度直方图特征提取算法、LBP特征提取算法、Haar特征提取算法等等,此处并非构成具体限定。
步骤333,根据图像特征对待识别图像进行空间类别预测,得到待识别图像所属的空间。
在一个可能的实现方式,空间类别预测,是指根据图像特征计算待识别图像所属的空间属于不同类别的概率。
假设空间类别至少包括:客厅、厨房、卧室。那么,通过空间类别预测,便能够计算得到待识别图像所属的空间分别属于客厅、厨房、卧室的概率为P1、P2、P3。
若P1最大,则识别到待识别图像所属的空间为客厅,同理,若P2最大,则识别到待识别图像所属的空间为厨房,若P3最大,则识别到待识别图像所属的空间为卧室。
进一步地,既可以通过最大概率直接确定待识别图像所属的空间,也可以在满足设定条件之后,方才确定待识别图像所属的空间。可以理解,此处的设定条件是指待识别图像所属空间属于相应类别的概率大于概率阈值,例如,概率阈值为0.9,则在P1/P2/P3大于0.9的情况下,方能够确定待识别图像所属的空间。
基于上述过程,便实现了基于空间识别模型的空间识别,使得由此确定的待识别图像所属的空间能够作为后续关联关系获取的依据,进而有利于设备所属空间的自动更新能够实现。
步骤350,获取设定范围内的各设备与空间的关联关系,并基于关联关系更新各设备所属的空间。
在确定待识别图像所属的空间后,便能够确定与该空间存在关联关系的设定范围内的各设备。换而言之,设定范围内的各设备与空间的关联关系,通过该设备与空间之间的绑定而预先存储于电子设备。
在一个可能的实现方式,设备与空间之间的绑定,是基于空间中的网络设备与设定范围内的设备建立连接实现的。其中,设定范围可以根据应用场景的实际需求灵活地调整,可以是指待识别图像所属的空间,也可以是指待识别图像所属空间中网络设备所允许的接入范围,此处并未加以限定。举例来说,当待识别图像所属的空间是客厅,假设客厅内的设备均视为设定范围内,那么,客厅内的设备便能够与客厅中的网络设备建立连接,进而实现客厅内的设备与客厅的绑定,当客厅内的设备因移动而离开客厅,视为该设备超出设定范围,此时,该设备与客厅中的网络设备断开连接,即认为该设备与客厅之间解除了绑定。
随着设备与空间之间的绑定,设备与空间的关联关系便可预先存储于电子设备,进而为设备所属空间的自动更新提供依据。
以待识别图像所属的空间是客厅为例,假设一台智能音箱位于卧室,一台智能电视机位于客厅,此时,位于客厅的智能电视机与客厅存在关联关系;位于卧室的智能音箱与客厅不存在关联关系,而是与卧室存在关联关系。若将该智能音箱由卧室移动到客厅,该智能音箱便会与卧室中的网络设备断开连接,而与客厅中的网络设备建立连接,进而使得该智能音箱与卧室之间解除绑定,而与客厅之间绑定,并相应地存储该智能音箱与客厅的关联关系,此时,便能够基于该智能音箱与客厅的关联关系,使得智能音箱所属的空间由卧室自动更新为客厅。
可见,随着设备在不同空间中的移动,设备将与不同空间中的网络设备建立连接,进而使得设备能够与不同空间绑定,并相应地存储设备与不同空间的关联关系,加强了设备与空间之间的关联性,从而能够实现设备所属空间的自动更新。
步骤370,基于更新所属空间后的各设备的设备信息,生成智能服务并推送。
其中,设备信息唯一地描述设备,至少包括:设备的设备标识、设备的运行信息等。其中,设备标识用于唯一地表示设备的身份,以区别不同设备;运行信息则用于描述设备的工作状况,可以包含设备的开启时间段(开机时间至关机时间之间的时间段)、工作状态(例如在线状态、离线状态等)、工作日志(例如何时进行了亮度调节、温度调节等)等。以空调为例,该空调的设备信息包括但不限于:设备标识——空调序列号、开机时间——21点、关机时间——7点、工作模式——制冷模式、工作温度——26摄氏度等。
基于待识别图像所属的空间,在得到存在关联关系的各设备的设备信息后,便可基于设备与空间之间的关联性,为用户推送相应的智能服务。
举例来说,智能服务包括为用户推送设备相关的设备控制指令,对于客厅灯,可以让用户选择是否在每晚7点回家时自动打开,而就卧室灯来说,则是提醒用户选择是否在每晚23点睡觉时自动关闭。可见,随着设备所属空间的变化,生成的智能服务将有所差异,从而为用户提供了更加智能化的智能服务。
通过上述过程,基于空间与各设备的关联关系,随着各设备和/或网络设备在不同空间的移动,各设备所属空间能够自动更新,从而简化了用户的手动操作,能够有效地解决相关技术中存在的设备接入物联网过程中操作过于繁琐的问题。
请参阅图4,在一个示例性实施例中,步骤350之前,该方法还可以包括以下步骤:
步骤410,接收设定范围内各设备发起的空间绑定请求。
其中,空间绑定请求用于进行设备与空间的绑定,也可以认为是,用于建立设备与空间中网络设备之间的连接。
在一个可能的实现方式,对于设定范围内的每一个设备而言,基于与多个网络设备之间的距离实现空间绑定请求的发送。例如,设备可以向与其之间距离最近的网络设备发送空间绑定请求,以期建立该设备与该网络设备之间的连接,从而相应地存储该设备与该网络设备所在空间的关联关系。
具体地,如图5所示,步骤410可以包括以下步骤:
步骤411,向各设备广播入网信号,使得各设备响应于入网信号,对网络设备进行测距,确定各设备与网络设备之间的距离。
也就是说,本实施例中,设备与网络设备之间的距离,是通过设备对网络设备进行的测距得到的。
测距过程具体是指,对于网络设备而言,可向隶属于相同空间或者不同空间的各个设备广播入网信号,相应地,就各个设备来说,便能够接收到来自于相同空间或者不同空间的多个网络设备所广播的多个入网信号。
基于接收到的多个入网信号,便可根据计算公式d=10^((abs(RSSI)-A)/(10×n)),分别计算得到设备与广播该多个入网信号的多个网络设备之间的多个距离。其中,d表示设备与广播入网信号的网络设备之间的距离,RSSI表示入网信号的信号强度,A和n都是超参数,A表示设备与网络设备相隔1米时入网信号的信号强度,n表示入网信号传播系数,也可以认为是环境衰减因子。
步骤413,若基于各设备与网络设备之间的距离,确定设备在设定范围内,则接收到设定范围内设备发送的空间绑定请求。
对于设定范围内的每一个设备而言,在确定其与多个网络设备之间的距离之后,便能够基于设备与网络设备之间的距离,从多个网络设备中选取一个网络设备接入,也就是说,设备向所选取的网络设备发送空间绑定请求,相应地,网络设备接收到该空间绑定请求。
本实施例中,设备选取与其之间的距离最近的网络设备发送空间绑定请求。具体是指,设备在确定与其之间的距离最近的网络设备之后,便请求接入该网络设备,进而向该网络设备发送空间绑定请求。
当然,在其他实施例中,设备也可以直接根据网络设备广播的入网信号的信号强度来实现空间绑定请求的发送,例如,设备向广播的入网信号的信号强度最大的网络设备发送空间绑定请求,本实施例对此并非构成具体限定。
进一步地,由于设备可能向不同空间的网络设备发送空间绑定请求,因此,为了提高设备与空间绑定的准确性,可以设定信号强度阈值和/或距离阈值为设定范围,当入网信号强度大于该信号强度阈值,和/或,设备与广播入网信号的网络设备之间的距离大于距离阈值时,方才允许设备向相应的网络设备发送空间绑定请求。此种方式下,能够有效地减少发生绑定错误的可能性。当然,在其他实施例中,用户也可以在发现设备与空间的绑定不准确时借助用户终端手动调整。
步骤430,响应于空间绑定请求,建立设定范围内各设备与网络设备之间的连接,基于连接存储设定范围内各设备与空间的关联关系。
在网络设备接收到设备发送的空间绑定请求后,便确定该设备请求与网络设备所在空间绑定,进而在设备与网络设备之间建立连接,以相应地存储设备与网络设备所在空间的关联关系。
在上述实施例的配合下,通过空间绑定请求实现设备与空间的关联关系的存储,加强了设备与空间的关联性,以此作为设备所属空间自动更新的依据,避免设备接入物联网过程过于依赖用户的手动操作。
请参阅图6,在一个示例性实施例中,步骤350中基于关联关系更新各设备所属的空间,可以包括以下步骤:
步骤351,通过连接,发送空间数据至各设备,使得各设备基于空间数据对所属空间进行更新。
其中,空间数据用于标识待识别图像所属的空间。
在一个应用场景,连接直接建立在设备与网络设备之间,即该连接可以是图1所示出实施环境中的局域网络路径,由此便能够将空间数据基于局域网络路径由网络设备发送至设备;在另一个应用场景,连接通过服务器端间接地建立在设备与网络设备之间,即该连接可以是图1所示出实施环境中的广域网络路径,由此使得空间数据基于广域网络路径由网络设备经服务器端转发至设备,此处并未加以限定。
那么,对于设备来说,便能够接收到该空间数据,进而基于该空间数据实现设备所属空间的更新。例如,假设设备所属空间为卧室,若空间数据指示待识别图像所属的空间为客厅,那么,在接收到该空间数据后,便能够将设备所属空间由卧室更新为客厅。
应当说明的是,当设备在不同空间中发生移动时,设备可能会与新的网络设备之间建立连接,此时新的网络设备便会通过该连接重新发送相应的空间数据至设备,以便于设备更新所属空间,从而实现设备与不同空间的绑定的及时更新。
进一步说明的是,上述步骤均是自动完成的,不需要用户手动进行操作,当设备或网络设备的位置发生改变时,设备将与不同网络设备之间的重新建立连接,进而及时地更新设备所属的空间,由此有效地加强了设备与空间的关联性。
步骤353,接收更新所属空间后的各设备上报的设备信息。
可以理解,智能服务的提供依靠部署于空间中的各种设备,也就是说,空间不同,部署于空间中的设备也各不相同,为用户提供的智能服务也会有所差异。如前述例子,客厅灯可以提供的智能服务是在用户回家时自动开灯,而卧室灯可以提供的智能服务则是在用户睡觉时自动关灯。
基于此,本实施例中,在为用户提供智能服务之前,需要准确地获取与空间存在关联关系的设备相关的设备信息,具体是指,获取更新所属空间后各设备上报的设备信息。
也就是说,对于设备而言,在更新所属空间后,便会将相关的设备信息上报,使得智能服务的提供是依赖于更新所述空间后的各设备相关的设备信息,从而提高智能服务推送的准确率。
在上述实施例的作用下,基于设备与不同空间之间的连接,使得不同空间中的网络设备能够及时地获取与其所在空间存在关联关系的设备相关的设备信息,能够为用户提供依靠不同空间中各设备的智能服务,从而使得智能服务更加智能化得以实现。
请参阅图7,在一个示例性实施例中,步骤370包括以下步骤:
步骤371,若待识别图像中包含目标对象,则对待识别图像中的目标对象进行身份识别,确定目标对象的身份信息。
首先说明的是,待识别图像中的目标对象,对应于能够出现在空间中的任意对象,该任意对象可以是出现在家中客厅、卧室、厨房等区域的人、宠物、机器人等,还可以是出现在大厦内会议室、电梯等区域的人等,或者是指出现在楼房外马路等区域的人、车辆等。
随着待识别图像中的目标对象有所不同,智能服务的提供可适用于不同的应用场景。例如,若目标对象为人,智能服务的提供可适用于智能家居场景,譬如在智能家居场景中为人提供智能设备控制服务;或者,若目标对象为车辆,智能服务的提供可适用于地图导航场景,譬如在地图导航场景中为车辆提供智能导航服务。
应当理解,在对空间进行拍摄的过程中,若空间中出现任意对象,便能够拍摄并采集到包含目标对象的待识别图像,但是也可能存在任意对象并未出现在空间的情形,此时,拍摄并采集到的待识别图像则有可能未包含目标对象,则没必要针对该待识别图像进行关于目标对象的身份识别。为此,在一个可能的实现方式,在获取到待识别图像之后,将对待识别图像进行目标对象检测,来确定待识别图像中是否包含目标对象。若待识别图像中包含目标对象,则执行步骤373,反之,若待识别图像中未包含目标对象,则返回执行步骤310。此种方式下,电子设备仅会针对包含目标对象的待识别图像进行相关的信息处理,避免进行不必要的信息处理,有利于提高电子设备的处理效率。
其次,目标对象的身份信息,用于唯一地标识目标对象的身份。可以理解,目标对象不同,目标对象的身份信息的类型会有所差异,例如,若目标对象为人,目标对象的身份信息可以是指人名、人脸类别等等,或者,若目标对象为车辆,目标对象的身份信息可以是指车辆的设备识别码、车牌号等等,此处并未对目标对象的身份信息加以限定。
基于不同类型的身份信息,针对待识别图像中的目标对象进行的身份识别可以有所区别,例如,若目标对象为人,针对待识别图像中的人进行的身份识别,可以指对待识别图像中的人脸区域进行人脸识别,或者,若目标对象为车辆,针对待识别图像中的车辆进行的身份识别,可以是指对待识别图像中的车牌区域进行字符识别。
在一个可能的实现方式,调用身份识别模型对待识别图像中的目标对象进行身份识别。
将包含目标对象的待识别图像输入身份识别模型之后,便可实现关于目标对象的身份识别,具体地,如图8所示,步骤371可以包括以下步骤:
步骤3711,对待识别图像中的目标对象进行身份特征提取,得到目标对象的身份特征。
其中,身份特征是对待识别图像中目标对象的身份进行准确地描述,也可以认为是,目标对象不同,目标对象的身份特征也各不相同,以便于通过该身份特征唯一地标识目标对象的身份。
例如,若目标对象为人,则人的身份特征可以是指人的人脸特征,相应地,通过该人的人脸特征唯一地标识人的人脸,进而唯一地标识人的身份,或者,若目标对象为车辆,则车辆的身份特征可以是指车辆的车牌特征,进而通过该车辆的车牌特征唯一地标识车辆的车牌号,进而唯一地标识车辆的身份。
步骤3713,根据目标对象的身份特征对目标对象进行身份类别预测,得到目标对象的身份信息。
在一个可能的实现方式,身份类别预测,是指计算目标对象的身份特征与样本库中各注册样本的身份特征的相似度。其中,样本库包括各注册样本的身份特征、以及各注册样本的身份信息。
在一个可能的实现方式,身份类别预测,是指根据目标对象的身份特征,计算该目标对象的身份属于不同身份类别的概率。
现以目标对象的身份特征为人脸特征举例说明关于目标对象的人脸识别的过程:
假设样本库中存储有注册样本A、B、C的人脸特征A1、B1、C1,那么,针对样本库中所有注册样本的人脸特征进行遍历,分别计算目标对象D的人脸特征与各注册样本的人脸特征A1、B1、C1的相似度。
进一步地,可以选取相似度最大的人脸特征所对应的注册样本的身份信息作为目标对象的身份信息,还可以在最大相似度满足人脸识别的设定条件之后,将该对应的注册样本的身份信息作为目标对象的身份信息,或者,在所有相似度均不满足人脸识别的设定条件之后,确定关于目标对象的人脸识别失败。可以理解,此处的设定条件是指相似度大于相似度阈值,例如,相似度阈值为0.9,那么,若目标对象D的人脸特征与各注册样本的人脸特征A1、B1、C1的相似度均小于0.9,则关于目标对象的人脸识别失败,反之,则以相似度最大的人脸特征所对应的注册样本的身份信息作为目标对象的身份信息。
当然,在其他实施例中,身份识别也可以通过身份识别算法实现,以人脸识别为例,人脸识别算法至少包括主成分分析(Principal Component Analysis,PCA)算法、局部保持投影(Locality Preserving Projections,LPP)算法等等,此处并非构成具体限定。
步骤373,将更新所属空间后的各设备的设备信息与目标对象的身份信息进行关联分析,生成智能服务并推送。
在获得设备信息与目标对象的身份信息之后,便能够通过关联分析更加智能地为目标对象提供智能服务。
具体地,如图9所示,步骤373可以包括以下步骤:
步骤3731,基于目标对象的身份信息,对更新所属空间后的各设备的设备信息进行统计,确定目标对象的生活习惯。
其中,目标对象的生活习惯可以是指用户的设备使用习惯,例如,基于设备信息中的开机状态,统计用户使用某设备的频率,来确定用户关于该设备的设备使用习惯;目标对象的生活习惯还可以是指用户的用电情况,例如,基于设备信息中的开机状态和关机状态,统计某设备的在线时长,确定该设备的电能源消耗,进而确定用户关于该设备的用电情况。
步骤3733,根据目标对象的生活习惯,向目标对象推送智能服务。
在确定目标对象的生活习惯,便能够为目标对象提供与该生活习惯匹配的智能服务。
例如,智能服务包括为用户推送生活日志。当用户想了解家庭生活情况时,可以选择性地为其定时推送生活日志,该生活日志包括不同时间段的家庭能源消耗,譬如在夜晚22点至凌晨2点,家庭的总用水量是0.3吨、家庭的总用电量是10度。
或者,智能服务包括为用户推送设备控制指令。譬如用户在晚上20点习惯打开浴缸水龙头和音响,那么在晚上19时55分可以将打开浴缸水龙头和音响的设备控制指令发送至用户所携带的用户终端。
或者,智能服务包括为用户推送场景创建信息。譬如用户A夜晚20点至22点喜欢待在客厅,习惯打开水晶灯、电视和空调,则可以询问用户是否为客厅创建上述设备控制指令相关的场景。
应当说明的是,智能服务的推送可以基于目标对象的需求选择性提供,例如,向目标对象推送确认信息,若目标对象基于确认信息反馈同意推送,则向目标对象推送智能服务;也可以主动为目标对象提供,此处并未加以限定。
在上述实施例的作用下,在待识别图像包括目标对象时,自动识别该目标对象,并且确定目标对象的身份信息,再基于设备的设备信息、目标对象的身份信息进行关联分析,生成智能服务并推送,从而实现了目标对象—设备—空间的自动关联,并且能根据目标对象的不同和空间所绑定设备的不同,适应性地调整智能服务,有效地提高了所提供的智能服务水准,进一步提升用户体验。
图10是一应用场景中一种基于空间的信息处理方法的具体实现示意图。该应用场景为智能家居场景,适用于图1所示出的实施环境。在该智能家居场景中,网络设备具体是指网关摄像头,以通过该网关摄像头为用户提供智能服务。
应当说明的是,网关摄像头不仅具备摄像头的图像采集功能,还同时具备网关功能。相较于此网关摄像头,本申请所涉及的需要对网络设备进行测距的设备尤其是指不具备网关功能的各种类型的智能设备,例如,该设备可以是温度传感器、湿度传感器、人体传感器、智能开关等未具备网关功能的智能设备。
如图10所示,首先,通过执行步骤701至步骤705,将一个或多个网关摄像头接入智能家居网络,各网关摄像头拍摄并采集所在空间的待识别图像,并对待识别图像进行空间识别,得到待识别图像所属的空间,例如:所属空间为客厅-1,从而使得各网关摄像头绑定该所属空间。在此说明的是,该智能家居网络可以指图1所示出实施环境中的局域网,也可以是指图1所示出实施环境中的广域网,此处并未加以限定。
通过执行步骤707,基于一个或多个网关摄像头广播入网信号,不同空间的各设备能够对与其隶属于相同空间或不同空间的一个或多个网关摄像头进行测距。
通过执行步骤709,设备测量接收得到的入网信号的信号强度,以此计算得到设备与一个或多个网关摄像头之间的距离,选择与设备距离最近的网关摄像头发送空间绑定请求,从而完成与网关摄像头所在空间之间的绑定,并相应地存储设备与空间的关联关系。此外,基于设定范围内各设备与空间的关联关系,设备所属空间将及时地进行更新。
由此,在为用户提供智能服务的过程中,便能够获取到更新所属空间后的各设备的设备信息,以作为智能服务推送的数据依据。
通过执行步骤711,网关摄像头识别待识别图像中用户的身份,得到用户的身份信息。
通过执行步骤713,根据上述步骤中得到的用户的身份信息、以及更新所属空间后的各设备的设备信息,进行关联分析,便能够智能地为用户提供相关智能服务。例如,智能服务可以是基于用户的设备使用习惯而向用户推送智能设备控制指令,譬如用户B在晚上20点习惯打开浴缸水龙头和音响,那么在晚上19时55分可以将打开浴缸水龙头和音响的智能设备控制指令发送至用户B所携带的用户终端,以便于用户B选择是否执行该智能设备控制指令;还可以是为用户提供不同空间中各设备的电能源消耗等生活日志,譬如在夜晚22点至凌晨2点,家庭的总用水量是0.3吨、家庭的总用电量是10度。需要说明的是,通过关联分析为用户提供的智能服务还有许多,在此不一一列举。
在该应用场景中,实现自动关联设备与网关摄像头所在空间,无需用户手动操作,有利于提升用户的智能家居体验,同时,实现了空间—设备—用户之间的相互关联,以此能够充分地利用用户的生活习惯更加智能地为用户提供更丰富的智能服务,进一步有利于提升用户的智能家居体验。
下述为本申请装置实施例,可以用于执行本申请所涉及的基于空间的信息处理方法。对于本申请装置实施例中未披露的细节,请参照本申请所涉及的基于空间的信息处理方法的方法实施例。
请参阅图11,本申请实施例中提供了一种基于空间的信息处理装置900,包括但不限于:图像获取模块910、空间识别模块930、空间更新模块950及智能服务模块970。
图像获取模块910,用于获取待识别图像。
空间识别模块930,用于对待识别图像进行空间识别,确定待识别图像所属的空间。
空间更新模块950,用于获取设定范围内的各设备与空间的关联关系,并基于关联关系更新各设备所属的空间。
智能服务模块970,用于基于更新所属空间后的各设备的设备信息,生成智能服务并推送。
在一示例性实施例中,空间更新模块,包括:请求接收单元,用于接收设定范围内各设备发起的空间绑定请求;连接建立单元,响应于空间绑定请求,建立设定范围内各设备与网络设备之间的连接,基于连接存储设定范围内各设备与空间的关联关系。
在一示例性实施例中,空间更新模块,包括:数据发送单元,用于通过连接,发送空间数据至各设备,使得各设备基于空间数据对所属空间进行更新;空间数据用于标识待识别图像所属的空间;
在一示例性实施例中,装置,还包括:信息接收模块,用于接收更新所属空间后的各设备上报的设备信息。
在一示例性实施例中,请求接收单元,包括,广播组件,用于向各设备广播入网信号,使得各设备响应于入网信号,对网络设备进行测距,确定各设备与网络设备之间的距离;请求发送组件,用于若基于各设备与网络设备之间的距离,确定设备在设定范围内,则接收到设定范围内设备发送的空间绑定请求。
在一示例性实施例中,空间识别模块,包括:特征提取单元,用于对待识别图像进行图像特征提取,得到图像特征;空间预测单元,用于根据图像特征对待识别图像进行空间类别预测,得到待识别图像所属的空间。
在一示例性实施例中,通过调用空间识别模型完成对待识别图像的空间识别;其中,装置还包括:模型训练模块,用于训练得到空间识别模型;模型训练模块包括:训练单元,用于构建一机器学习模型,并将样本图像输入机器学习模型进行分类训练;收敛单元,用于根据分类训练结果与样本图像携带的空间标签之间的差异,确定分类训练是否满足模型收敛条件;若为否,则通知更新单元,否则,得到空间识别模型;更新单元,用于更新机器学习模型的参数并继续分类训练。
在一示例性实施例中,智能服务模块,包括:身份识别单元,用于若待识别图像中包含目标对象,则对待识别图像中的目标对象进行身份识别,确定目标对象的身份信息;智能服务生成单元,用于将更新所属空间后的各设备的设备信息与目标对象的身份信息进行关联分析,生成智能服务并推送。
在一示例性实施例中,身份识别单元,包括:身体特征提取组件,用于对待识别图像中的目标对象进行身份特征提取,得到目标对象的身份特征;身份信息预测组件,用于根据目标对象的身份特征对目标对象进行身份类别预测,得到目标对象的身份信息。
在一示例性实施例中,智能服务生成单元,包括:统计分析组件,用于基于目标对象的身份信息,对更新所属空间后的各设备的设备信息进行统计,确定目标对象的生活习惯;服务推送组件,用于根据目标对象的生活习惯,向目标对象推送智能服务。
需要说明的是,上述实施例所提供的设备控制装置在进行设备控制时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即设备控制装置的内部结构将划分为不同的功能模块,以完成以上描述的全部或者部分功能。
另外,上述实施例所提供的设备控制装置与基于空间的信息处理方法的实施例属于同一构思,其中各个模块执行操作的具体方式已经在方法实施例中进行了详细描述,此处不再赘述。
图12根据一示例性实施例示出的一种电子设备的结构示意。该电子设备适用于图1所示出实施环境的服务器端170、网络设备190。
需要说明的是,该电子设备只是一个适配于本申请的示例,不能认为是提供了对本申请的使用范围的任何限制。该电子设备也不能解释为需要依赖于或者必须具有图12示出的示例性的电子设备2000中的一个或者多个组件。
电子设备2000的硬件结构可因配置或者性能的不同而产生较大的差异,如图12所示,电子设备2000包括:电源210、接口230、至少一存储器250、以及至少一中央处理器(CPU,Central Processing Units)270。
具体地,电源210用于为电子设备2000上的各硬件设备提供工作电压。
接口230包括至少一有线或无线网络接口231,用于与外部设备交互。例如,进行图1所示出实施环境中用户终端110与电子设备端170之间的交互。
当然,在其余本申请适配的示例中,接口230还可以进一步包括至少一串并转换接口233、至少一输入输出接口235以及至少一USB接口237等,如图12所示,在此并非对此构成具体限定。
存储器250作为资源存储的载体,可以是只读存储器、随机存储器、磁盘或者光盘等,其上所存储的资源包括操作***251、应用程序253及数据255等,存储方式可以是短暂存储或者永久存储。
其中,操作***251用于管理与控制电子设备2000上的各硬件设备以及应用程序253,以实现中央处理器270对存储器250中海量数据255的运算与处理,其可以是WindowsServerTM、Mac OS XTM、UnixTM、LinuxTM、FreeBSDTM等。
应用程序253是基于操作***251之上完成至少一项特定工作的计算机程序,其可以包括至少一模块(图12未示出),每个模块都可以分别包含有对电子设备2000的计算机程序。例如,基于空间的信息处理装置可视为部署于电子设备2000的应用程序253。
数据255可以是存储于磁盘中的照片、图片等,还可以是待识别图像、空间数据等,存储于存储器250中。
中央处理器270可以包括一个或多个以上的处理器,并设置为通过至少一通信总线与存储器250通信,以读取存储器250中存储的计算机程序,进而实现对存储器250中海量数据255的运算与处理。例如,通过中央处理器270读取存储器250中存储的一系列计算机程序的形式来完成基于空间的信息处理方法。
此外,通过硬件电路或者硬件电路结合软件也能同样实现本申请,因此,实现本申请并不限于任何特定硬件电路、软件以及两者的组合。
请参阅图13,本申请实施例中提供了一种电子设备4000,该电子设备4000可以是指网关摄像头等具备网络通信功能的电子设备,在此不作限定。
在图13中,该电子设备4000包括至少一个处理器4001、至少一条通信总线4002以及至少一个存储器4003。
其中,处理器4001和存储器4003相连,如通过通信总线4002相连。可选地,电子设备4000还可以包括收发器4004,收发器4004可以用于该电子设备与其他电子设备之间的数据交互,如数据的发送和/或数据的接收等。需要说明的是,实际应用中收发器4004不限于一个,该电子设备4000的结构并不构成对本申请实施例的限定。
处理器4001可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器4001也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
通信总线4002可包括一通路,在上述组件之间传送信息。通信总线4002可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。通信总线4002可以分为地址总线、数据总线、控制总线等。为便于表示,图13中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器4003可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器4003上存储有计算机程序,处理器4001通过通信总线4002读取存储器4003中存储的计算机程序。
该计算机程序被处理器4001执行时实现上述各实施例中的基于空间的信息处理方法。
此外,本申请实施例中提供了一种存储介质,该存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述各实施例中的基于空间的信息处理方法。
本申请实施例中提供了一种计算机程序产品,该计算机程序产品包括计算机程序,该计算机程序存储在存储介质中。计算机设备的处理器从存储介质读取该计算机程序,处理器执行该计算机程序,使得该计算机设备执行上述各实施例中的基于空间的信息处理方法。
与相关技术相比,一方面,本方案使用图像识别和信号测距,能够自动匹配设备所属空间,并且随着设备或网络设备在不同空间中的移动,能够及时更新设备所属空间,避免依赖于用户的手动操作,进而有效地解决了相关技术中存在设备接入物联网过程中用户操作过于繁琐的问题;另一方面,通过与空间绑定的各设备与用户之间的信息关联分析,充分地了解用户的生活习惯,能够为用户提供更加智能更加丰富的智能服务,极大地提升了用户体验。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (12)
1.一种基于空间的信息处理方法,其特征在于,包括:
获取待识别图像;
对所述待识别图像进行空间识别,确定所述待识别图像所属的空间;
获取设定范围内的各设备与所述空间的关联关系,并基于所述关联关系更新各所述设备所属的空间;
基于更新所属空间后的各所述设备的设备信息,生成智能服务并推送。
2.如权利要求1所述的方法,其特征在于,所述获取设定范围内的设备与所述空间的关联关系之前,所述方法还包括:
接收所述设定范围内各所述设备发起的空间绑定请求;
响应于所述空间绑定请求,建立所述设定范围内各所述设备与网络设备之间的连接,基于所述连接存储所述设定范围内各所述设备与所述空间的关联关系。
3.如权利要求2所述的方法,其特征在于,所述基于所述关联关系更新各所述设备所属的空间,包括:
通过所述连接,发送空间数据至各所述设备,使得各所述设备基于所述空间数据对所属空间进行更新;所述空间数据用于标识所述待识别图像所属的空间;
所述基于所述关联关系更新各所述设备所属的空间之后,所述方法还包括:
接收更新所属空间后的各所述设备上报的设备信息。
4.如权利要求2所述的方法,其特征在于,所述接收所述设定范围内各所述设备发起的空间绑定请求,包括:
向各所述设备广播入网信号,使得各所述设备响应于所述入网信号,对所述网络设备进行测距,确定各所述设备与所述网络设备之间的距离;
若基于各所述设备与所述网络设备之间的距离,确定所述设备在所述设定范围内,则接收到所述设定范围内所述设备发送的所述空间绑定请求。
5.如权利要求1所述的方法,其特征在于,所述对所述待识别图像进行空间识别,确定所述待识别图像所属的空间,包括:
对所述待识别图像进行图像特征提取,得到图像特征;
根据所述图像特征对所述待识别图像进行空间类别预测,得到所述待识别图像所属的空间。
6.如权利要求5所述的方法,其特征在于,通过调用空间识别模型完成对所述待识别图像的空间识别;
其中,所述空间识别模型的训练过程,包括:
构建一机器学习模型,并将样本图像输入所述机器学习模型进行分类训练;
根据分类训练结果与所述样本图像携带的空间标签之间的差异,确定所述分类训练是否满足模型收敛条件;
若为否,则更新所述机器学习模型的参数并继续所述分类训练,否则,得到所述空间识别模型。
7.如权利要求1至6任一项所述的方法,其特征在于,所述基于更新所属空间后的各所述设备的设备信息,生成智能服务并推送,包括:
若所述待识别图像中包含目标对象,则对所述待识别图像中的目标对象进行身份识别,确定所述目标对象的身份信息;
将更新所属空间后的各所述设备的设备信息与所述目标对象的身份信息进行关联分析,生成所述智能服务并推送。
8.如权利要求7所述的方法,其特征在于,所述对所述待识别图像中的目标对象进行身份识别,确定所述目标对象的身份信息,包括:
对所述待识别图像中的所述目标对象进行身份特征提取,得到所述目标对象的身份特征;
根据所述目标对象的身份特征对所述目标对象进行身份类别预测,得到所述目标对象的所述身份信息。
9.如权利要求7所述的方法,其特征在于,所述将更新所属空间后的各所述设备的设备信息与所述目标对象的身份信息进行关联分析,生成所述智能服务并推送,包括:
基于所述目标对象的身份信息,对更新所属空间后的各所述设备的设备信息进行统计,确定所述目标对象的生活习惯;
根据所述目标对象的生活习惯,向所述目标对象推送所述智能服务。
10.一种基于空间的信息处理装置,其特征在于,包括:
图像获取模块,用于获取待识别图像;
空间识别模块,用于对所述待识别图像进行空间识别,确定所述待识别图像所属的空间;
空间更新模块,用于获取设定范围内的各设备与所述空间的关联关系,并基于所述关联关系更新各所述设备所属的空间;
智能服务模块,用于基于更新所属空间后的各所述设备的设备信息,生成智能服务并推送。
11.一种电子设备,其特征在于,包括:至少一个处理器、至少一个存储器、以及至少一条通信总线,其中,
所述存储器上存储有计算机程序,所述处理器通过所述通信总线读取所述存储器中的所述计算机程序;
所述计算机程序被所述处理器执行时实现权利要求1至9中任一项所述的基于空间的信息处理方法。
12.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至9中任一项所述的基于空间的信息处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211390215.XA CN115733705A (zh) | 2022-11-08 | 2022-11-08 | 基于空间的信息处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211390215.XA CN115733705A (zh) | 2022-11-08 | 2022-11-08 | 基于空间的信息处理方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115733705A true CN115733705A (zh) | 2023-03-03 |
Family
ID=85294777
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211390215.XA Pending CN115733705A (zh) | 2022-11-08 | 2022-11-08 | 基于空间的信息处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115733705A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116881851A (zh) * | 2023-09-04 | 2023-10-13 | 成都无声讯通科技有限责任公司 | 基于机器学习的物联网数据处理方法、装置及服务器 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020069276A1 (en) * | 2000-07-28 | 2002-06-06 | Matsushita Electric Industrial Company, Ltd. | Remote control system and home gateway apparatus |
CN106302057A (zh) * | 2016-09-30 | 2017-01-04 | 北京小米移动软件有限公司 | 智能家居设备控制方法及装置 |
CN108919663A (zh) * | 2018-07-25 | 2018-11-30 | 珠海格力电器股份有限公司 | 一种智能家居设备的管理方法及电子设备 |
CN113298708A (zh) * | 2021-03-12 | 2021-08-24 | 阿里巴巴新加坡控股有限公司 | 三维房型的生成方法、装置及设备 |
CN114821236A (zh) * | 2022-04-28 | 2022-07-29 | 青岛海尔科技有限公司 | 智慧家庭环境感知方法、***、存储介质及电子装置 |
CN115147894A (zh) * | 2022-06-08 | 2022-10-04 | 深圳绿米联创科技有限公司 | 图像处理方法、装置、电子设备及介质 |
-
2022
- 2022-11-08 CN CN202211390215.XA patent/CN115733705A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020069276A1 (en) * | 2000-07-28 | 2002-06-06 | Matsushita Electric Industrial Company, Ltd. | Remote control system and home gateway apparatus |
CN106302057A (zh) * | 2016-09-30 | 2017-01-04 | 北京小米移动软件有限公司 | 智能家居设备控制方法及装置 |
CN108919663A (zh) * | 2018-07-25 | 2018-11-30 | 珠海格力电器股份有限公司 | 一种智能家居设备的管理方法及电子设备 |
CN113298708A (zh) * | 2021-03-12 | 2021-08-24 | 阿里巴巴新加坡控股有限公司 | 三维房型的生成方法、装置及设备 |
CN114821236A (zh) * | 2022-04-28 | 2022-07-29 | 青岛海尔科技有限公司 | 智慧家庭环境感知方法、***、存储介质及电子装置 |
CN115147894A (zh) * | 2022-06-08 | 2022-10-04 | 深圳绿米联创科技有限公司 | 图像处理方法、装置、电子设备及介质 |
Non-Patent Citations (1)
Title |
---|
蒋坤: "智能家居关键技术研究", 中国优秀硕士学位论文全文数据库, 15 March 2016 (2016-03-15) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116881851A (zh) * | 2023-09-04 | 2023-10-13 | 成都无声讯通科技有限责任公司 | 基于机器学习的物联网数据处理方法、装置及服务器 |
CN116881851B (zh) * | 2023-09-04 | 2023-12-19 | 成都无声讯通科技有限责任公司 | 基于机器学习的物联网数据处理方法、装置及服务器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108092861B (zh) | 实现设备联动的配置方法、设备联动控制方法及装置 | |
CN110578999B (zh) | 空调器及其控制方法、装置和计算机可读存储介质 | |
US20180330169A1 (en) | Methods and Systems for Presenting Image Data for Detected Regions of Interest | |
CN109032356B (zh) | 手语控制方法、装置及*** | |
US20210029298A1 (en) | Systems and Methods of Power-Management on Smart Devices | |
EP3511897A1 (en) | Monitoring system control method and electronic device for supporting same | |
US10769909B1 (en) | Using sensor data to detect events | |
KR20180072468A (ko) | 빅데이터기반 사용자의 지능형 냉방 및 난방 서비스 제공 방법 | |
US11302156B1 (en) | User interfaces associated with device applications | |
US11968412B1 (en) | Bandwidth estimation for video streams | |
CN115733705A (zh) | 基于空间的信息处理方法、装置、电子设备及存储介质 | |
CN115793481A (zh) | 设备控制方法、装置、电子设备及存储介质 | |
CN108401247B (zh) | 控制蓝牙设备的方法及电子设备、存储介质 | |
CN109388238A (zh) | 一种电子设备的控制方法及装置 | |
WO2023015152A1 (en) | Systems and methods for on-device person recognition and provision of intelligent alerts | |
CN111797874B (zh) | 行为预测方法、装置、存储介质及电子设备 | |
CN116346869A (zh) | 设备控制方法、装置、电子设备及存储介质 | |
US10914811B1 (en) | Locating a source of a sound using microphones and radio frequency communication | |
CN114187650A (zh) | 动作识别方法、装置、电子设备及存储介质 | |
CN115147894A (zh) | 图像处理方法、装置、电子设备及介质 | |
CN115016302A (zh) | 设备控制方法、装置、设备及存储介质 | |
CN111812992A (zh) | 用于网关的智能家居控制方法和装置 | |
CN116958794A (zh) | 设备控制方法、装置、电子设备及存储介质 | |
US12052494B2 (en) | Systems and methods of power-management on smart devices | |
CN117011888A (zh) | 动作识别方法、设备控制方法、装置、电子设备及介质 |
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 |