本发明涉及智能家居技术领域，尤其涉及一种基于室内智能控制电器设备的方法及系统。
背景技术：
1994年-1999年是智能家居第一个发展阶段，整个行业还处在一个概念熟悉、产品认知的阶段，这时没有出现专业的智能家居生产厂商，只有深圳有一两家从事美国x-10智能家居代理销售的公司从事进口零售业务，产品多销售给居住国内的欧美用户。2000年-2005年先后成立了五十多家智能家居研发生产企业，主要集中在深圳、上海、天津、北京、杭州、厦门等地。智能家居的市场营销、技术培训体系逐渐完善起来，此阶段，国外智能家居产品基本没有进入国内市场。2005年以后，由于上一阶段智能家居企业的野蛮成长和恶性竞争，给智能家居行业带来了极大的负面影响：包括过分夸大智能家居的功能而实际上无法达到这个效果、厂商只顾发展代理商却忽略了对代理商的培训和扶持导致代理商经营困难、产品不稳定导致用户高投诉率。行业用户、媒体开始质疑智能家居的实际效果，由原来的鼓吹变得谨慎，市场销售也几年出来增长减缓甚至部分区域出现了销售额下降的现象。2005年-2007年，大约有20多家智能家居生产企业退出了这一市场，各地代理商结业转行的也不在少数。许多坚持下来的智能家居企业，在这几年也经历了缩减规模的痛苦。正在这一时期，国外的智能家居品牌却暗中布局进入了中国市场，而活跃在市场上的国外主要智能家居品牌都是这一时期进入中国市场的，国内部分存活下来的企业也逐渐找到自己的发展方向。
现有技术是通过室内人员与总控设备(如ai音箱)进行实际的交互控制室内设备，但是往往操作电器设备对象错误或操作繁琐，如果电器设备相似度较高或在同一位置有多个类似设备，就有出现明显的控制错误的情况出现，不能精确控制某一具体电器设备，有混乱情况存在，通过对多种可靠性思路和技术方案的实际研究，目标是实现更加精确化控制室内电器设备，因此现有技术和本发明方案有着本质区别。
技术实现要素：
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。
鉴于上述现有存在操作电器设备对象错误、操作繁琐的问题，提出了本发明。
因此，本发明提供了一种基于室内智能控制电器设备的方法及系统，控制室内复杂场景具体电器设备更加精准，操作简便。
为解决上述技术问题，本发明提供如下技术方案：设备互连模块建立互连，将总控设备控制模块和室内智能电器设备连接同一个网关；利用室内辅助定位模块定位室内人员实际位置；利用识别模块捕获所述室内人员的姿势或手势；结合机器视觉和深度学习判断所述室内人员动作指向意图；所述总控设备控制模块采集场景语音数据；nlp语音识别解析模块解析所述语音数据并转化为相应控制指令；所述总控设备控制模块操控所述室内电器设备状态。
作为本发明所述的一种基于室内智能控制电器设备的方法的一种优选方案，其中：建立互连包括，打开所述网关，并在终端上找到总控设备；将所述总控设备配置联网；在所述终端上建立可与所述总控设备互连的所述室内智能电器设备智能网络；所述总控设备监控并管理所述室内智能电器设备的状态。
作为本发明所述的一种基于室内智能控制电器设备的方法的一种优选方案，其中：提供所述室内人员位置辅助判断包括，在室内适当位置部署相应的所述室内智能电器设备；所述室内智能电器设备与所述总控设备互连一个网关；利用室内辅助定位技术确定位置信息。
作为本发明所述的一种基于室内智能控制电器设备的方法的一种优选方案，其中：所述室内辅助定位还具体包括，确定室内空间的待定位区域范围；将所述待定位区域区分为多个小范围定位区域；分别对应安装红外传感器和位于空间不同位置上的四麦克风阵列在所述小范围定位区域内；利用所述红外传感器实时检测活动对象的体表温度，并确定所述活动对象当下位于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精准定位。
作为本发明所述的一种基于室内智能控制电器设备的方法的一种优选方案，其中：提供所述动作辅助判断包括，提前训练算法模型，并部署在所述识别模块内；利用摄像头捕获所述室内人员想操作所述室内智能电器设备时的姿势或手势；根据所述机器视觉和所述深度学习模型判断所述室内人员动作指向角度、方位。
作为本发明所述的一种基于室内智能控制电器设备的方法的一种优选方案，其中：所述算法模型获取具体包括，将采集到的各类姿势、手势状态图片数据标记相关特征；利用所述深度学习手势识别算法结合标记的各类手势、姿势状态图片数据进行算法训练，获取所述算法模型；测试并调优所述算法模型精度；利用所述摄像头采集所述活动对象的特征手势、姿势状态数据，并输入到所述算法模型内；所述算法模型判断当前所述手势或姿势的角度、方位概率，完成动作指向鉴定。
作为本发明所述的一种基于室内智能控制电器设备的方法的一种优选方案，其中：提供语音辅助判断包括，利用所述总控设备控制模块采集场景语音数据；nlp语音识别解析模块解析所述语音数据并转化为相应控制指令；设备初始化启动模块接收所述控制指令，并配置相关参数；总控设备控制模块操控所述室内电器设备状态。
作为本发明所述的一种基于室内智能控制电器设备的系统的一种优选方案，其中：所述设备互连模块通过网关与所述总控设备控制模块相连，其包括室内智能电器设备，通过所述终端网络的连接，所述室内智能电器设备的状态信息实时呈现；所述室内辅助定位模块接收所述室内人员位置信息，定位单元通过所述红外传感器实时判断所述人员活动位置信息，并通过连接的所述室内智能电器设备追踪；所述识别模块连接贯穿于所述室内辅助定位模块，摄像头捕获所述室内人员的动作，将其转换为图片数据，并传输到所述nlp语音识别解析模块内。
作为本发明所述的一种基于室内智能控制电器设备的系统的一种优选方案，其中：所述nlp语音识别解析模块包括意图识别单元和指令解析单元，获取语音数据和所述动作图片数据后，所述意图识别单元会找到相关意图信息并传输给所述指令解析单元，分析所述人员动作指令，通过nlp技术得出真实意图；所述总控设备控制模块与所述nlp语音识别解析模块相连，所述总控设备可监管控制所述室内智能电器设备的状态信息，并采集场景语音，当所述nlp语音识别解析模块剖析所述人员动作指令意图后，所述总控设备发送控制命令至所述设备初始化启动模块；所述设备初始化启动模块连接于所述nlp语音识别解析模块，接收到操作指令后，将语音识别转换为相对应的控制指令，并配置相关参数，执行相关所述操作命令。
本发明的有益效果：本发明可控制室内复杂场景具体电器设备，目标唯一，更加精准，通过多种ai技术在智能家居业务的综合方案运用，使得本方案更加智能化，操作便捷，富有科技感。
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为本发明提供的一种基于室内智能控制电器设备的方法的整体流程示意图；
图2为本发明提供的一种基于室内智能控制电器设备的方法的模型训练流程图；
图3为本发明提供的一种基于室内智能控制电器设备的系统的模块分布示意图；
图4为本发明提供的一种基于室内智能控制电器设备的系统的模块结构又一种示意图。
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
深度学习网络模型由卷积神经网络中的轻量级分类网络mobilenet和目标检测网络ssd相结合，基于输入图片的尺寸不同对模型的影响、带孔卷积的引入，对改进后的ssd算法进行微调。为了提升识别速度，使用deepwise卷积以进一步降低网络参数和计算量。其中mobilenet使用了v1网络。截取v1网络前12层卷积层作为网络的基础特征提取层，再加上6层辅助特征提取网络，组成算法的主干网络。标签边框和默认框之间存在偏移值，因此将偏移值作为网络学习的内容。结合分类误差，计算端对端损失函数，进行反向传播的计算和更新，在保证较好的手势识别精度的前提下，识别速度也得到很大提高，为实时手势识别提供了一种可行的算法，可以满足多种嵌入式平台场景使用需求。
参照图1和图2，为本发明的第一个实施例，提供了一种基于室内智能控制电器设备的方法，包括以下步骤：
s1：设备互连模块100建立互连，将总控设备控制模块500和室内智能电器设备101连接同一个网关。其中需要说明的是，
打开网关，并在终端上找到总控设备501；
将总控设备501配置联网；
在终端上建立可与总控设备501互连的室内智能电器设备101智能网络；
总控设备501监控并管理室内智能电器设备101的状态。
s2:利用室内辅助定位模块200定位室内人员实际位置。本步骤需要说明的是，提供室内人员位置辅助判断包括：
在室内适当位置部署相应的室内智能电器设备101；
室内智能电器设备101与总控设备501互连一个网关；
利用室内辅助定位技术确定位置信息。
进一步的，定位判断还具体包括，
确定室内空间的待定位区域范围；
将待定位区域区分为多个小范围定位区域；
分别对应安装红外传感器和位于空间不同位置上的四麦克风阵列在小范围定位区域内；
利用红外传感器实时检测活动对象的体表温度，并确定活动对象当下位于的唯一小范围定位区域；
利用当下区域内对应的四麦克风阵列对活动对象精准定位。
s3：利用识别模块300捕获室内人员的姿势或手势。其中还需要说明的是，提供动作辅助判断包括：
提前训练算法模型，并部署在识别模块300内；
利用摄像头301捕获室内人员想操作室内智能电器设备101时的姿势或手势；
根据机器视觉和深度学习模型判断室内人员动作指向角度、方位。
s4：结合机器视觉和深度学习判断室内人员动作指向意图。参照图2，本步骤还需要说明的是，算法模型获取具体包括：
将采集到的各类姿势、手势状态图片数据标记相关特征；
利用深度学习手势识别算法结合标记的各类手势、姿势状态图片数据进行算法训练，获取算法模型；
测试并调优算法模型精度；
利用摄像头301采集活动对象的特征手势、姿势状态数据，并输入到算法模型内；
算法模型判断当前手势或姿势的角度、方位概率，完成动作指向鉴定。
s5：总控设备控制模块500采集场景语音数据。
s6：nlp语音识别解析模块400解析语音数据并转化为相应控制指令。
s7：设备初始化启动模块600接收控制指令，并配置相关参数。
s8：总控设备控制模块500操控室内电器设备状态。
进一步的，采集的图片包括复杂的手势结构、光照、背景以及环境等因素，直接进行训练与识别会影响识别的精确率，因此，采用一种结合肤色模型与卷积神经网络的手势识别方案。对包含复杂背景的手势图片，通过以下两步完成图像的预处理，第一步,选择适当的肤色模型，确定手势在原图像中的区域位置，并将该区域与背景分离；第二步，使用形态学操作、滤波算法、连通域标记法等算法，将经过标记分离的手势区域进行提取与重建。完成原始图像预处理的工作后，确定搭建的卷积神经网络的网络结构、卷积核的个数和尺寸、池化的方法和大小、激活函数、分类方法。本发明方法训练模型共采集了25组手势的数据图片，数据集的组成包含指向、石头、布、ok、比心、五指伸开等动作图片，准备好经过人工标记处理的图片数据，按一定的比例分为训练集、验证集和测试集，然后经预处理过程，将训练集输入mobilenet-ssd网络进行迭代学习训练，直至模型训练完成。重复上述步骤，多次实验，获得模型。最终选择在验证集上表现效果最好的模型，在测试集上进行测试，得到相关数据，选择一种效果优秀的模型置于识别模块中进行预测判断完成动作指向鉴定。例如单指或双指指向、五指伸开等动作认为有操作该设备意愿，预测判断精确度达到95％左右，认为确认该动作。
较佳的是，本发明采用定位辅助判断、动作辅助判断与语音辅助判断相结合的策略，极大程度上提高了操作设备的精确度，定位具体位置数据和操作设备手势确认动作数据输入到总控设备控制模块500时，结合语音识别明确要操作的具体设备，例如语音中包含“这个”、“那个”、“此”、“离我近的”等指示词，能够提供精准判断，并通过总控设备控制模块500完成控制操作。现有中仅有语音指令控制设备的前提是在平台或app上设置好设备的具体id或者名称，如“厨房的顶灯”、“卧室的空调”，名称设定唯一，例如说打开“客厅的灯”，若有多个灯，就会出现混乱情况，目标不明确；通过实验测试，本发明方案对于此类场景控制精确度相对于现有中仅有语音指令控制精确度提升了60％～70％以上。
优选的是，本发明方法中利用红外传感器和麦克风阵列融合的定位方案，确定了定位精度的准确性能，通过均匀设置多个参考监测点覆盖待定位区域的空间，并对应定义坐标，将红外传感器接收设备设置于多个参考检测点上辐射出小范围定位区域，且在每个小范围定位区域内设置四麦克风阵列完成安装。将红外传感器、麦克风阵列、蓝牙、地磁四组单独定位实验，其中红外传感器、蓝牙、地磁均为设置于多个参考监测点上独立测试，麦克风阵列在去除多个红外传感器下独立测试，验证红外传感器和麦克风阵列融合的定位方案优势。
传统的技术方案操作较为复杂，室内的电器设备名称和类型较为统一，当出现多个类似设备时，往往容易出现混乱操作。为验证本方法相对传统方法具有较高控制室内复杂场景的优势，包括具体电器设备，目标唯一，更加精准，智能化、操作便捷的优点。本实施例中采用传统语音识别控制和本方法分别添加室内辅助定位和手势识别技术进行实时测量对比。下表主要以室内具体场景为例，对比传统方法与本方法的控制效果差异和精确度，具体如表所示：
测试数据为10组样本，传统的方法操作只成功了4组；而本方法操作成功10组，操作成功概率提升了150％，效果明显，操作精准；当然此10组样本只是人为定义样本，一般地，操作成功概率提升在60-70％左右。
实施例2
参照图3和图4，为本发明的第二个实施例，该实施例不同于第一个实施例的是，提供了一种基于室内智能控制电器设备的系统，该系统包括包括设备互连模块100、室内辅助定位模块200、识别模块300、nlp语音识别解析模块400、总控设备控制模块500及设备初始化启动模块600。其中，设备互连模块100通过网关与总控设备控制模块500相连，其包括室内智能电器设备101，通过终端网络的连接，室内智能电器设备101的状态信息实时呈现；室内辅助定位模块200接收室内人员位置信息，定位单元201通过红外传感器实时判断人员活动位置信息，并通过连接的室内智能电器设备101追踪；识别模块300连接贯穿于室内辅助定位模块200，摄像头301捕获室内人员的动作，将其转换为图片数据，并传输到nlp语音识别解析模块400内。
进一步的，nlp语音识别解析模块400包括意图识别单元401和指令解析单元402，获取语音数据和动作图片数据后，意图识别单元401会找到相关意图信息并传输给指令解析单元402，分析人员动作指令，通过nlp技术得出真实意图；总控设备控制模块500与nlp语音识别解析模块400相连，总控设备501可监管控制室内智能电器设备101的状态信息，并采集场景语音，当nlp语音识别解析模块400剖析人员动作指令意图后，总控设备501发送控制命令至设备初始化启动模块600；设备初始化启动模块600连接于nlp语音识别解析模块400，接收到操作指令后，将语音识别转换为相对应的控制指令，并配置相关参数，执行相关操作命令。
应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。
此外，可按任何合适的顺序来执行本文描述的过程的操作，除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、ram、rom等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。
如在本申请所使用的，术语“组件”、“模块”、“系统”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，该组件与本地系统、分布式系统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系统进行交互)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。
1.一种基于室内智能控制电器设备的方法，其特征在于：包括，
设备互连模块(100)建立互连，将总控设备控制模块(500)和室内智能电器设备(101)连接同一个网关；
利用室内辅助定位模块(200)定位室内人员实际位置；
利用识别模块(300)捕获所述室内人员的姿势或手势；
结合机器视觉和深度学习判断所述室内人员动作指向意图；
所述总控设备控制模块(500)采集场景语音数据；
nlp语音识别解析模块(400)解析所述语音数据并转化为相应控制指令；
所述总控设备控制模块(500)接收所述控制指令并操控所述室内电器设备的状态。
2.如权利要求1所述的基于室内智能控制电器设备的方法，其特征在于：建立互连包括，
打开所述网关，并在终端上找到总控设备(501)；
将所述总控设备(501)配置联网；
在所述终端上建立可与所述总控设备(501)互连的所述室内智能电器设备(101)智能网络；
所述总控设备(501)监控并管理所述室内智能电器设备(101)的状态。
3.如权利要求1或2所述的基于室内智能控制电器设备的方法，其特征在于：提供所述室内人员位置辅助判断包括，
在室内适当位置部署相应的所述室内智能电器设备(101)；
所述室内智能电器设备(101)与所述总控设备(501)互连一个网关；
利用室内辅助定位技术确定位置信息。
4.如权利要求3所述的基于室内智能控制电器设备的方法，其特征在于：所述室内辅助定位还具体包括，
确定室内空间的待定位区域范围；
将所述待定位区域区分为多个小范围定位区域；
分别对应安装红外传感器和位于空间不同位置上的四麦克风阵列在所述小范围定位区域内；
利用所述红外传感器实时检测活动对象的体表温度，并确定所述活动对象当下位于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精准定位。
5.如权利要求1或4所述的基于室内智能控制电器设备的方法，其特征在于：提供所述动作辅助判断包括，
提前训练算法模型，并部署在所述识别模块(300)内；
利用摄像头(301)捕获所述室内人员想操作所述室内智能电器设备(101)时的姿势或手势；
根据所述机器视觉和所述深度学习模型判断所述室内人员动作指向角度、方位。
6.如权利要求5所述的基于室内智能控制电器设备的方法，其特征在于：所述算法模型获取具体包括，
将采集到的各类姿势、手势状态图片数据标记相关特征；
利用所述深度学习手势识别算法结合标记的各类手势、姿势状态图片数据进行算法训练，获取所述算法模型；
测试并调优所述算法模型精度；
利用所述摄像头(301)采集所述活动对象的特征手势、姿势状态数据，并输入到所述算法模型内；
所述算法模型判断当前所述手势或姿势的角度、方位概率，完成动作指向鉴定。
7.如权利要求1所述的基于室内智能控制电器设备的方法，其特征在于：提供语音辅助判断包括，
利用所述总控设备控制模块(500)采集场景语音数据；
nlp语音识别解析模块(400)解析所述语音数据并转化为相应控制指令；
设备初始化启动模块(600)接收所述控制指令，并配置相关参数；
总控设备控制模块(500)操控所述室内电器设备状态。
8.一种基于室内智能控制电器设备的系统，其特征在于：包括设备互连模块(100)、室内辅助定位模块(200)及识别模块(300)，
所述设备互连模块(100)通过网关与所述总控设备控制模块(500)相连，其包括室内智能电器设备(101)，通过所述终端网络的连接，所述室内智能电器设备(101)的状态信息实时呈现；
所述室内辅助定位模块(200)接收所述室内人员位置信息，定位单元(201)通过所述红外传感器实时判断所述人员活动位置信息，并通过连接的所述室内智能电器设备(101)追踪；
所述识别模块(300)连接贯穿于所述室内辅助定位模块(200)，摄像头(301)捕获所述室内人员的动作，将其转换为图片数据，并传输到所述nlp语音识别解析模块(400)内。
9.如权利要求8所述的基于室内智能控制电器设备的系统，其特征在于：还包括nlp语音识别解析模块(400)、总控设备控制模块(500)及设备初始化启动模块(600)，
所述nlp语音识别解析模块(400)包括意图识别单元(401)和指令解析单元(402)，获取语音数据和所述动作图片数据后，所述意图识别单元(401)会找到相关意图信息并传输给所述指令解析单元(402)，分析所述人员动作指令，通过nlp技术得出真实意图；
所述总控设备控制模块(500)与所述nlp语音识别解析模块(400)相连，所述总控设备(501)可监管控制所述室内智能电器设备(101)的状态信息，并采集场景语音，当所述nlp语音识别解析模块(400)剖析所述人员动作指令意图后，所述总控设备(501)发送控制命令至所述设备初始化启动模块(600)；
所述设备初始化启动模块(600)连接于所述nlp语音识别解析模块(400)，接收到操作指令后，将语音识别转换为相对应的控制指令，并配置相关参数，执行相关所述操作命令。
技术总结