一种基于物联网的会议室功能场景切换系统

技术领域

本发明属于会议室功能切换领域，涉及物联网技术，具体是一种基于物联网的会议室功能场景切换系统。

背景技术

会议室作为大多数公司内部工作讨论、团队建设等活动的重要场所，在工作以及日常活动中使用的时长也比较长；而大部分的会议室的背景均较为单一，在使用过程中往往不能显示出会议开展的重要性与风格；而对会议室的背景进行人工布展又往往需要耗费大量的人力物理；因此，需要一种根据会议室功能对会议室背景进行智能切换的场景切换系统；

为此，提出一种基于物联网的会议室功能场景切换系统。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于物联网的会议室功能场景切换系统，该一种基于物联网的会议室功能场景切换系统设置图片下载切换模块用于从后台服务器下载切换图片，并将会议室背景切换为对应图片；设置风格配置模块预先收集实验室常用功能对应的会议风格；设置图片风格匹配模块训练神经网络模型自动为图片计算每类风格的概率；设置会议信息输入模块远程向后台服务器提供待使用会议室编号以及会议室功能信息；设置会议风格提取模块训练神经网络模型为每个功能信息计算每类风格的概率；设置会议室图片选择模块根据图片风格概率以及功能信息风格概率获得风格最匹配的背景图片；解决了会议室内背景智能切换问题。

为实现上述目的，根据本发明的第一方面的实施例提出一种基于物联网的会议室功能场景切换系统，包括图片下载切换模块、后台服务器、风格配置模块、图片风格匹配模块、会议信息输入模块、会议风格提取模块以及会议室图片选择模块；

其中，所述图片下载切换模块主要用于通过从后台服务器下载不同风格的图片，并通过修改会议室中背景面板的图片的方式切换会议室的会议风格；

所述图片下载切换模块包括图片下载设备以及会议室背景板；其中，所述图片下载设备通过无线网络方式从后台服务器下载背景图片；并通过电气方式将下载的背景图片发送至会议室背景板；所述会议室背景板可以为液晶显示屏幕；所述会议室背景板接收到背景图片后，将背景图片大小适配为液晶显示屏幕的尺寸，并在液晶显示屏中进行展示；

其中，所述风格配置模块主要用于预先根据会议室议会内容配置会议室风格；

所述风格配置模块预先根据实际经验人工收集会议室常见的会议内容确定会议风格；所述会议风格为会议的功能体现，所述风格配置模块将收集的会议风格以集合形式保存在后台服务器中；将风格集合标记为S；将每类风格标记为s；

其中，所述图片风格匹配模块主要用于使用神经网络技术为每张图片进行风格标注；

所述图片风格匹配模块为每张图片进行风格标注包括以下步骤：

步骤S1：所述图片风格匹配模块预先根据风格集合S中的每个风格s，收集若干对应风格的背景图片；并将每张背景图片打上对应的风格标签；

步骤S2：所述图片风格匹配模块将背景图片作为输入，输入至CNN神经网络模型中；该CNN神经网络模型以预测的背景图片的风格为输出；以预测的风格和背景图片的实际风格的正确率作为神经网络的目标；对CNN神经网络模型进行训练；CNN神经网络模型的参数根据实际经验设置以及调整；

步骤S3：所述图片风格匹配模块将CNN神经网络模型准确率训练至98％时停止训练；将训练完成的CNN神经网络模型标记为M；

步骤S4：所述图片风格匹配模块收集所有用于在会议室实际切换的背景图片；

步骤S5：所述图片风格匹配模块将每张实际切换的背景图片作为输入，输入至CNN神经网络模型M中，获得每张背景图片属于每种风格的概率；将每张实际切换的背景图片集合标记为P；则每张背景图片标记为p；进一步的，将背景图片p属于风格s的概率标记为Gps；

所述图片风格匹配模块将所有背景图片的风格概率Gps保存在后台服务器中；

其中，所述会议信息输入模块主要用于在会议室使用前输入当前会议室需要开展的功能；

所述会议信息输入模块包括远程输入设备；该远程输入设备与后台服务器以无线网络方式连接，工作人员通过在远程输入设备中输入会议室预定信息，所述会议室预定信息包括但不限于会议室编号以及预定会议室功能信息；所述会议信息输入模块将用户输入的会议室预定信息发送至会议室图片选择模块；

其中，所述会议风格提取模块主要用于根据用户输入会议室预定信息分析会议室需要使用的风格；

所述会议风格提取模块分析会议室需要使用的风格包括以下步骤：

步骤P1：所述会议风格提取模块预先收集若干会议室功能文字信息；并通过人工标注方式为每个功能信息打上对应的会议风格标签；所述会议风格标签为风格标签集合S中的风格；

步骤P2：所述会议风格提取模块将功能文字信息进行分词并转化为词向量形式，将词向量作为输入，输入至RNN神经网络模型中；该RNN神经网络模型以预测的会议风格为输出；以预测的会议风格和功能文字信息的实际风格的正确率作为RNN神经网络的目标；对RNN神经网络模型进行训练；RNN神经网络模型的参数根据实际经验设置以及调整；

步骤P3：所述会议风格提取模块将RNN神经网络模型准确率训练至98％时停止训练；将训练完成的RNN神经网络模型标记为R；

所述会议风格提取模块将训练完成的RNN神经网络模型R发送至会议室图片选择模块；

其中，所述会议室图片选择模块主要用于使用RNN神经网络模型判断会议室实际所需要的功能对应的风格，并根据功能信息的风格选择与该风格相近的图片进行展示；

所述会议室图片选择模块选择图片包括以下步骤：

步骤Q1：所述会议室图片选择模块将用户发送的会议室预定信息中的预定会议室功能信息进行分词并转化为词向量形式；将词向量输入至RNN神经网络模型R中，获得每种风格的概率；将功能信息属于风格s的概率按概率大小从大到小进行排序；并将经过排序的风格集合标记为Sp；风格集合Sp中每个风格标记为n；每个风格n的概率标记为Yn；其中，n＝1,2，…，|S|；

步骤Q2：根据实际经验设置n个等级系数；将每个等级系数标记为Dn；且满足0

步骤Q3：计算图片集合P中每张图片p与会议室功能信息的风格相近系数Fp；其中，风格相近系数Fp的计算公式为Fp＝∑

步骤Q4：从所有图片中找出风格相近系数Fp最小的图片作为会议室切换图片；

所述会议室图片将切换图片名称发送至图片下载切换模块，图片下载切换模块从后台服务器根据切换图片名称完成图片下载以及会议室背景的切换。

与现有技术相比，本发明的有益效果是：

本发明设置图片下载切换模块用于从后台服务器下载切换图片，并将会议室背景切换为对应图片；设置风格配置模块预先收集实验室常用功能对应的会议风格；设置图片风格匹配模块训练神经网络模型自动为图片计算每类风格的概率；设置会议信息输入模块远程向后台服务器提供待使用会议室编号以及会议室功能信息；设置会议风格提取模块训练神经网络模型为每个功能信息计算每类风格的概率；设置会议室图片选择模块根据图片风格概率以及功能信息风格概率获得风格最匹配的背景图片；解决了会议室内背景智能切换问题。

附图说明

图1为本发明的原理图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

如图1所示，一种基于物联网的会议室功能场景切换系统，包括图片下载切换模块、后台服务器、风格配置模块、图片风格匹配模块、会议信息输入模块、会议风格提取模块以及会议室图片选择模块；

其中，所述图片下载切换模块主要用于通过从后台服务器下载不同风格的图片，并通过修改会议室中背景面板的图片的方式切换会议室的会议风格；

在一个优选的实施例中，所述图片下载切换模块包括图片下载设备以及会议室背景板；其中，所述图片下载设备通过无线网络方式从后台服务器下载背景图片；并通过电气方式将下载的背景图片发送至会议室背景板；所述会议室背景板可以为液晶显示屏幕；所述会议室背景板接收到背景图片后，将背景图片大小适配为液晶显示屏幕的尺寸，并在液晶显示屏中进行展示；

其中，所述风格配置模块主要用于预先根据会议室议会内容配置会议室风格；

在一个优选的实施例中，所述风格配置模块预先根据实际经验人工收集会议室常见的会议内容确定会议风格；所述会议风格为会议的功能体现，例如：教学会议、工作会议、团建活动等；可以理解的是，在不同的会议功能下，需要的会议室背景画面有所不同；所述风格配置模块将收集的会议风格以集合形式保存在后台服务器中；将风格集合标记为S；将每类风格标记为s；

其中，所述图片风格匹配模块主要用于使用神经网络技术为每张图片进行风格标注；

每张背景图片均具有其自身的风格特征，但由于背景图片数量往往较为庞大，由人工进行风格标注需要巨大的人力成本；因此，考虑使用神经网络技术对图片的风格进行标注，降低人力成本；

所述图片风格匹配模块为每张图片进行风格标注包括以下步骤：

步骤S1：所述图片风格匹配模块预先根据风格集合S中的每个风格s，收集若干对应风格的背景图片；并将每张背景图片打上对应的风格标签；

步骤S2：所述图片风格匹配模块将背景图片作为输入，输入至CNN神经网络模型中；该CNN神经网络模型以预测的背景图片的风格为输出；以预测的风格和背景图片的实际风格的正确率作为神经网络的目标；对CNN神经网络模型进行训练；CNN神经网络模型的参数根据实际经验设置以及调整；

步骤S3：所述图片风格匹配模块将CNN神经网络模型准确率训练至98％时停止训练；将训练完成的CNN神经网络模型标记为M；

步骤S4：所述图片风格匹配模块收集所有用于在会议室实际切换的背景图片；

步骤S5：所述图片风格匹配模块将每张实际切换的背景图片作为输入，输入至CNN神经网络模型M中，获得每张背景图片属于每种风格的概率；将每张实际切换的背景图片集合标记为P；则每张背景图片标记为p；进一步的，将背景图片p属于风格s的概率标记为Gps；

所述图片风格匹配模块将所有背景图片的风格概率Gps保存在后台服务器中；

其中，所述会议信息输入模块主要用于在会议室使用前输入当前会议室需要开展的功能；

可以理解的是，在日常工作中，会议室往往是需要提前预定的，而会议室在预定时，需要填写预定原因和预定用途；

在一个优选的实施例中，所述会议信息输入模块包括远程输入设备；该远程输入设备与后台服务器以无线网络方式连接，工作人员通过在远程输入设备中输入会议室预定信息，所述会议室预定信息包括但不限于会议室编号以及预定会议室功能信息；所述会议信息输入模块将用户输入的会议室预定信息发送至会议室图片选择模块；

其中，所述会议风格提取模块主要用于根据用户输入会议室预定信息分析会议室需要使用的风格；

在一个优选的实施例中，所述会议风格提取模块分析会议室需要使用的风格包括以下步骤：

步骤P1：所述会议风格提取模块预先收集若干会议室功能文字信息；并通过人工标注方式为每个功能信息打上对应的会议风格标签；所述会议风格标签为风格标签集合S中的风格；

步骤P2：所述会议风格提取模块将功能文字信息进行分词并转化为词向量形式，将词向量作为输入，输入至RNN神经网络模型中；该RNN神经网络模型以预测的会议风格为输出；以预测的会议风格和功能文字信息的实际风格的正确率作为RNN神经网络的目标；对RNN神经网络模型进行训练；RNN神经网络模型的参数根据实际经验设置以及调整；

步骤P3：所述会议风格提取模块将RNN神经网络模型准确率训练至98％时停止训练；将训练完成的RNN神经网络模型标记为R；

所述会议风格提取模块将训练完成的RNN神经网络模型R发送至会议室图片选择模块；

其中，所述会议室图片选择模块主要用于使用RNN神经网络模型判断会议室实际所需要的功能对应的风格，并根据功能信息的风格选择与该风格相近的图片进行展示；

在一个优选的实施例中，所述会议室图片选择模块选择图片包括以下步骤：

步骤Q1：所述会议室图片选择模块将用户发送的会议室预定信息中的预定会议室功能信息进行分词并转化为词向量形式；将词向量输入至RNN神经网络模型R中，获得每种风格的概率；将功能信息属于风格s的概率按概率大小从大到小进行排序；并将经过排序的风格集合标记为Sp；风格集合Sp中每个风格标记为n；每个风格n的概率标记为Yn；其中，n＝1,2，…，|S|；

步骤Q2：根据实际经验设置n个等级系数；将每个等级系数标记为Dn；且满足0

步骤Q3：计算图片集合P中每张图片p与会议室功能信息的风格相近系数Fp；其中，风格相近系数Fp的计算公式为Fp＝∑

步骤Q4：从所有图片中找出风格相近系数Fp最小的图片作为会议室切换图片；

所述会议室图片将切换图片名称发送至图片下载切换模块，图片下载切换模块从后台服务器根据切换图片名称完成图片下载以及会议室背景的切换。

以上实施例仅用以说明本发明的技术方法而非限制，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法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。