本申请公开了一种基于AI的智能家居控制方法、装置、设备和存储介质，该方法包括：确定目标用户的离家时间点，并确定所述目标用户的目标通勤时间；其中，所述目标通勤时间基于预测通勤时间确定，所述预测通勤时间是基于预设通勤预测模型对所述目标用户进行通勤时间预测后确定的；基于所述目标通勤时间和所述离家时间点，确定所述目标用户的回归时间点；从预设智能家居设备集合中确定目标智能家居设备，基于所述回归时间点，启动所述目标智能家居设备。在本申请中，避免用户时间的浪费。避免用户时间的浪费。避免用户时间的浪费。
【技术实现步骤摘要】
基于AI的智能家居控制方法、装置、设备及存储介质
[0001]本申请涉及智能家居
，尤其涉及一种基于AI的智能家居控制方法、装置、设备及存储介质。
技术介绍
[0002]随着家居科技，尤其是互联网家居科技的不断发展，越来越多的技术(如人工智能等)应用在家居
，但家居
也对技术提出了更高的要求。
[0003]目前，上班族在工作日通勤结束回家时，需要到家后人为手动启动热水器、加湿器等智能家居设备，然而，人为手动启动热水器、加湿器等智能家居设备，会导致用户需要长时间等待后才能享用相应智能家居设备的功能，造成用户时间的浪费。
技术实现思路
[0004]本申请的主要目的在于提供一种基于AI的智能家居控制方法、装置、设备和存储介质，旨在解决现有技术中需要用户人为手动启动热水器、加湿器等智能家居设备，造成用户时间的浪费的技术问题。
[0005]为实现上述目的，本申请提供一种基于AI的智能家居控制方法，所述基于AI的智能家居控制方法包括：
[0006]确定目标用户的离家时间点，并确定所述目标用户的目标通勤时间；
[0007]其中，所述目标通勤时间基于预测通勤时间确定，所述预测通勤时间是基于预设通勤预测模型对所述目标用户进行通勤时间预测后确定的；
[0008]基于所述目标通勤时间和所述离家时间点，确定所述目标用户的回归时间点；
[0009]从预设智能家居设备集合中确定目标智能家居设备，基于所述回归时间点，启动所述目标智能家居设备。
[0010]可选地，所述从预设智能家居设备集合中确定目标智能家居设备，基于所述回归时间点，启动所述目标智能家居设备的步骤，包括：
[0011]获取所述目标用户使用所述预设智能家居设备集合中的智能家居设备的使用记录；
[0012]基于所述使用记录，确定所述目标用户，在所述回归时间点对应未来预设时间段内的待使用智能家居设备；
[0013]将所述待使用智能家居设备作为所述目标智能家居设备，基于所述回归时间点，启动所述目标智能家居设备。
[0014]可选地，所述预测通勤时间每天更新，所述确定所述目标用户的目标通勤时间的步骤之前，所述方法包括：
[0015]获取具有通勤时间标签的训练数据，所述训练数据中包括训练用户的在先离家时间点、在先回归时间点、在先通勤时间以及天气信息中的多项数据；
[0016]基于所述训练数据，对预设基础模型进行迭代训练，得到所述预设通勤预测模型。
[0017]可选地，所述基于所述训练数据，对预设基础模型进行迭代训练，得到所述预设通勤预测模型的步骤，包括：
[0018]将所述训练数据输入至所述预设基础模型中，基于所述预设基础模型对所述训练数据进行预测，得到预测通勤时间；
[0019]将所述预测通勤时间与所述通勤时间标签进行比对，得到比对结果；
[0020]基于所述比对结果，调整所述预设基础模型中所述多项数据中每项数据的权重，并基于所述调整后的所述每项数据的权重，更新所述预设基础模型；
[0021]确定所述更新后的预设基础模型是否满足预设误差阈值范围指示的误差标准；
[0022]若所述更新后的预设基础模型满足所述预设误差阈值范围指示的误差标准，则将所述更新后的预设基础模型作为所述预设通勤预测模型；
[0023]若所述更新后的预设基础模型未满足所述预设误差阈值范围指示的误差标准，则继续基于所述训练数据集对更新后的所述预设基础模型进行迭代训练，直至满足所述预设误差阈值范围指示的误差标准，并得到所述预设通勤预测模型。
[0024]可选地，所述比对结果包括训练误差结果，所述训练误差结果包括均方误差结果，所述预设误差阈值范围包括预设均方误差阈值范围，所述判断所述训练误差结果是否满足预设误差阈值范围指示的误差标准包括：判断所述均方误差结果是否小于预设均方误差阈值范围。
[0025]可选地，所述基于AI的智能家居控制方法还包括：
[0026]若检测到语音或者触摸操作开启智能家居的开启指令时，基于所述开启指令中的开启信息，从预设智能家居设备集合中确定目标智能家居设备，并启动所述目标智能家居设备。
[0027]可选地，所述确定目标用户的离家时间点，并确定所述目标用户的目标通勤时间的步骤之前，所述方法包括：
[0028]确定当前时间所处的时间段；
[0029]确定当前所述的时间段是否处于预设工作时间段；
[0030]若处于预设工作时间段时，执行确定目标用户的离家时间点，并确定所述目标用户的目标通勤时间的步骤；
[0031]其中，所述确定目标用户的离家时间点的步骤，包括：
[0032]每间隔预设时长，通过所述预设智能家居设备集的摄像头采集所述目标用户的图像，得到图像集群；
[0033]基于所述图像集群，确定所述目标用户的状态是否为离家状态，其中，若所述图像集群中所述目标用户的姿态被判定为预设离家姿态时，确定所述目标用户的状态为离家状态；
[0034]若所述目标用户处于离家状态时，确定所述目标用户处于离家状态的离家时间点。
[0035]本申请还提供一种基于AI的智能家居控制装置，所述基于AI的智能家居控制装置包括：
[0036]第一确定模块，用于确定目标用户的离家时间点，并确定所述目标用户的目标通勤时间；
[0037]其中，所述目标通勤时间基于预测通勤时间确定，所述预测通勤时间是基于预设通勤预测模型对所述目标用户进行通勤时间预测后确定的；
[0038]第二确定模块，用于基于所述目标通勤时间和所述离家时间点，确定所述目标用户的回归时间点；
[0039]第三确定模块，用于从预设智能家居设备集合中确定目标智能家居设备，基于所述回归时间点，启动所述目标智能家居设备。
[0040]本申请还提供一种基于AI的智能家居控制设备，所述基于AI的智能家居控制设备为实体设备，所述基于AI的智能家居控制设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述基于AI的智能家居控制方法的程序，所述基于AI的智能家居控制方法的程序被处理器执行时可实现如上述的基于AI的智能家居控制方法的步骤。
[0041]本申请还提供一种存储介质，所述存储介质上存储有实现上述基于AI的智能家居控制方法的程序，所述基于AI的智能家居控制方法的程序被处理器执行时实现如上述的基于AI的智能家居控制方法的步骤。
[0042]本申请提供一种基于AI的智能家居控制方法、装置、设备及存储介质，与目前需要用户人为手动启动热水器、加湿器等智能家居设备，造成用户时间的浪费相比，本申请通过确定目标用户的离家时间点，并确定所述目标用户的目标通勤时间；其中，所述目标通勤时间基于预测通勤时间确定，所述预测通勤时间是基于预设通勤预测模型对所述目标用户进行通勤时间预测后确定的；基于所述目标通勤时间和所述离家时间点，确定所述目标用户的回归时间点；从预设智能家居设备集合中确本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于AI的智能家居控制方法，其特征在于，所述基于AI的智能家居控制方法包括：确定目标用户的离家时间点，并确定所述目标用户的目标通勤时间；其中，所述目标通勤时间基于预测通勤时间确定，所述预测通勤时间是基于预设通勤预测模型对所述目标用户进行通勤时间预测后确定的；基于所述目标通勤时间和所述离家时间点，确定所述目标用户的回归时间点；从预设智能家居设备集合中确定目标智能家居设备，基于所述回归时间点，启动所述目标智能家居设备。2.如权利要求1所述的基于AI的智能家居控制方法，其特征在于，所述从预设智能家居设备集合中确定目标智能家居设备，基于所述回归时间点，启动所述目标智能家居设备的步骤，包括：获取所述目标用户使用所述预设智能家居设备集合中的智能家居设备的使用记录；基于所述使用记录，确定所述目标用户，在所述回归时间点对应未来预设时间段内的待使用智能家居设备；将所述待使用智能家居设备作为所述目标智能家居设备，基于所述回归时间点，启动所述目标智能家居设备。3.如权利要求1所述的基于AI的智能家居控制方法，其特征在于，所述预测通勤时间每天更新，所述确定所述目标用户的目标通勤时间的步骤之前，所述方法包括：获取具有通勤时间标签的训练数据，所述训练数据中包括训练用户的在先离家时间点、在先回归时间点、在先通勤时间以及天气信息中的多项数据；基于所述训练数据，对预设基础模型进行迭代训练，得到所述预设通勤预测模型。4.如权利要求3所述的基于AI的智能家居控制方法，其特征在于，所述基于所述训练数据，对预设基础模型进行迭代训练，得到所述预设通勤预测模型的步骤，包括：将所述训练数据输入至所述预设基础模型中，基于所述预设基础模型对所述训练数据进行预测，得到预测通勤时间；将所述预测通勤时间与所述通勤时间标签进行比对，得到比对结果；基于所述比对结果，调整所述预设基础模型中所述多项数据中每项数据的权重，并基于所述调整后的所述每项数据的权重，更新所述预设基础模型；确定所述更新后的预设基础模型是否满足预设误差阈值范围指示的误差标准；若所述更新后的预设基础模型满足所述预设误差阈值范围指示的误差标准，则将所述更新后的预设基础模型作为所述预设通勤预测模型；若所述更新后的预设基础模型未满足所述预设误差阈值范围指示的误差标准，则继续基于所述训练数据集对更新后的所述预设基础模型进行迭代训练，直至满足所述预设误差阈值范围指示的误差标准，并得到所述预设通勤预测模型。5.如权利要求4所述的基于AI的智能家居控制方法，其特征在于，所述比对结果包括训练误差结果，所述训练误差结果包括均方误差结...
【专利技术属性】
技术研发人员：曹小伍，曹景溢，雷铭杰，钱隆，李德胜，
申请(专利权)人：杭州翔毅科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。