智能家居的控制方法、装置、系统及电子设备

技术领域

本申请涉及智能控制技术领域，尤其是涉及一种智能家居的控制方法、装置、系统及电子设备。

背景技术

现代社会，人们对生活便捷性的要求越来越高。现有智慧家庭中安装有智能家居系统，包括智能家居控制器和智能家居设备等，智能家居控制器为智能家居系统的中央控制器，可实现对家庭中所有智能家居设备的控制及管理。如何智能化的使用智能家居，让智能家居设备带给人们更多的便利，是一个热门的研究方向。

目前，用户可通过向智能家居控制器输入控制指令以实现对家庭中智能家居设备的控制。但这仅仅只是替代简单作用，并未实现真正智能化。现有智能家居控制方式的智能化程度不够高，人们的便捷性体验较差。

发明内容

本申请的目的在于提供一种智能家居的控制方法、装置、系统及电子设备，能够使智能家居控制方式更加智能化，提高人们的便捷性体验。

第一方面，本申请实施例提供一种智能家居的控制方法，方法应用于智能家居控制器，智能家居控制器与用户的至少一个智能家居设备连接；方法包括：获取目标特征量；目标特征量包括当前室外特征量和/或当前室内特征量；当前室外特征量至少包括以下之一：室外环境信息、用户运动信息；当前室内特征量至少包括以下之一：室内环境信息、智能家居设备的运行状态信息；将目标特征量输入到预先训练好的智能判断模型，得到第一设备控制指令；智能判断模型为基于历史特征数据对预设神经网络模型进行训练得到的；历史特征数据包括：历史特征量及其对应的设备控制指令；

将第一设备控制指令发送至对应的第一智能家居设备，以使第一智能家居设备根据第一设备控制指令执行相应的操作。

进一步的，上述室外环境信息和室内环境信息均至少包括以下之一：温度信息、湿度信息、光照强度、风级和空气质量；用户运动信息至少包括以下之一：运动路线、运动时间和运动强度；智能家居设备的运行状态信息至少包括以下之一：设备运行状态和设备运行参数。

进一步的，上述智能家居控制器与用户的至少一个智能终端连接；目标特征量包括当前室外特征量；上述获取目标特征量的步骤，包括：通过智能终端获取当前时刻的室外环境信息和用户运动信息；将当前时刻的室外环境信息和用户运动信息作为当前室外特征量。

进一步的，上述目标特征量包括当前室内特征量；获取目标特征量的步骤，包括：通过智能终端获取当前时刻的室内环境信息；读取智能家居设备的运行状态信息；或者，通过与智能家居设备连接的传感器获取智能家居设备的运行状态信息；将当前时刻的室内环境信息和智能家居设备的运行状态信息作为当前室内特征量。

进一步的，上述智能判断模型的训练过程如下：获取训练样本集；训练样本集中的样本至少包括以下之一：历史室外特征量及其对应的设备控制指令、历史室内特征量及其对应的设备控制指令、历史室外特征量及其分别对应的历史室内特征量和设备控制指令；将训练样本集中的样本输入预设神经网络模型进行训练，得到智能判断模型。

进一步的，上述方法还包括：检测智能家居设备的运行状态信息；如果检测到运行状态信息存在异常，根据预设短信模板生成报警短信信息；预设短信模板配置有短信内容和终端标识；将报警短信信息发送至终端标识对应的终端。

进一步的，上述方法还包括：接收用户的输入信息；输入信息包括文字信息，或由语音信息进行语音识别得到的信息；对输入信息进行语义分析，根据语义分析的结果，执行相应操作；语义分析的结果包括：设备控制指令类和非设备控制指令类。

进一步的，上述根据语义分析的结果，执行相应操作的步骤，包括：如果语义分析的结果为设备控制指令类，将语义分析的结果中包含的第二设备控制指令发送至对应的第二智能家居设备，以使第二智能家居设备根据第二设备控制指令执行相应的操作；如果语义分析的结果为非设备控制指令类，根据语义分析的结果中包含的指定请求执行相应的操作；指定请求包括以下之一：售后求助请求、信息处理请求。

第二方面，本申请实施例还提供一种智能家居的控制装置，装置应用于智能家居控制器，智能家居控制器与用户的至少一个智能家居设备连接；装置包括：特征量获取模块，用于获取目标特征量；目标特征量包括当前室外特征量和/或当前室内特征量；当前室外特征量至少包括以下之一：室外环境信息、用户运动信息；当前室内特征量至少包括以下之一：室内环境信息、智能家居设备的运行状态信息；模型预测模块，用于将目标特征量输入到预先训练好的智能判断模型，得到第一设备控制指令；智能判断模型为基于历史特征数据对预设神经网络模型进行训练得到的；历史特征数据包括：历史特征量及其对应的设备控制指令；设备控制模块，用于将第一设备控制指令发送至对应的第一智能家居设备，以使第一智能家居设备根据第一设备控制指令执行相应的操作。

第三方面，本申请实施例还提供一种智能家居的控制系统，该系统包括：智能家居控制器、智能家居设备和智能终端；智能家居控制器、智能家居设备和智能终端两两连接；智能家居控制器用于执行如第一方面所述的智能家居的控制方法的步骤。

第四方面，本申请实施例还提供一种电子设备，包括处理器和存储器，存储器存储有能够被处理器执行的计算机可执行指令，处理器执行计算机可执行指令以实现上述第一方面所述的方法。

第五方面，本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现上述第一方面所述的方法。

本申请实施例提供的智能家居的控制方法，应用于智能家居控制器，智能家居控制器与用户的至少一个智能家居设备连接；智能家居控制器能够利用预先基于历史特征数据训练好的智能判断模型，对当前获取的目标特征量进行判断，输出第一设备控制指令，并将第一设备控制指令发送至对应的第一智能家居设备，以使第一智能家居设备根据第一设备控制指令执行相应的操作。这种方式中，上述目标特征量包括当前室外特征量和/或当前室内特征量；当前室外特征量至少包括以下之一：室外环境信息、用户运动信息；当前室内特征量至少包括以下之一：室内环境信息、智能家居设备的运行状态信息；因而可以根据用户当前所处的室内外环境及当前运动情况，预见用户的当前需求，自动输出满足用户当前需求的设备控制指令，控制智能家居设备执行相应操作，本申请实施例提供的方法可以使智能家居的控制更加智能化，提高用户的便捷性体验。

附图说明

为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种智能家居的控制方法的流程图；

图2为本申请实施例提供的一种自动监测报警方法的流程图；

图3为本申请实施例提供的一种输入信息处理方法的流程图；

图4为本申请实施例提供的一种智能家居的控制装置的结构框图；

图5为本申请实施例提供的另一种智能家居的控制装置的结构框图；

图6为本申请实施例提供的一种智能家居的控制系统的结构框图；

图7为本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将结合实施例对本申请的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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他实施例，都属于本申请保护的范围。

现代社会，人们对生活便捷性的要求越来越高。现有智慧家庭中安装有智能家居系统，包括智能家居控制器和智能家居设备等，智能家居控制器为智能家居系统的中央控制器，可实现对家庭中所有智能家居设备的控制及管理。如何智能化的使用智能家居，让智能家居设备带给人们更多的便利，是一个热门的研究方向。目前，用户可通过向智能家居控制器输入控制指令以实现对家庭中智能家居设备的控制。但这仅仅只是替代简单作用，并未实现真正智能化。例如启动扫地机器人，现有技术是直接通过语音控制开启，或是通过手机提前输入预设时间，让扫地机器人到时间开启。现有方式的智能化程度不够强，人们的便捷性体验不高。

基于此，本申请实施例提供一种智能家居的控制方法、装置、系统及电子设备，为便于理解，首先对本申请实施例提供的一种智能家居的控制方法进行阐述。

图1为本申请实施例提供的一种智能家居的控制方法的流程图，该方法应用于智能家居控制器，该智能家居控制器与用户的至少一个智能家居设备连接；智能家居设备至少包括以下之一：净水器、冰箱、镜子、手机、平板电脑、耳机、可穿戴设备、点时间、智能灯、油烟机、消毒柜、风扇、按摩椅、智能窗户、播放器、智能音箱、智能门锁、智能机械臂和智能开关。上述智能家居的控制方法具体包括以下步骤：

步骤S102，获取目标特征量；目标特征量包括当前室外特征量和/或当前室内特征量。

上述目标特征量可以是当前室外特征量，也可以是当前室内特征量，还可以是上述两种特征量。上述当前室外特征量至少包括以下之一：室外环境信息、用户运动信息；当前室内特征量至少包括以下之一：室内环境信息、智能家居设备的运行状态信息；室外环境信息和室内环境信息均至少包括以下之一：温度信息、湿度信息、光照强度、风级和空气质量；用户运动信息至少包括以下之一：当前位置、运动路线、运动时间和运动强度；智能家居设备的运行状态信息至少包括以下之一：设备运行状态和设备运行参数。

获取目标特征量的方式有多种，比如可以通过直接读取智能家居设备的运行状态信息，或者通过与智能家居设备连接的传感器采集智能家居设备的物料使用情况，或者通过用户的智能终端获取室内外环境信息，比如，温度、湿度、风级等，上述智能终端可以包括智能手机、iPad、电脑或智能手表等。

步骤S104，将目标特征量输入到预先训练好的智能判断模型，得到第一设备控制指令。

上述智能判断模型为基于历史特征数据对预设神经网络模型进行训练得到的；历史特征数据包括：历史特征量及其对应的设备控制指令；历史特征量可以包括历史室外特征量历史室内特征量，或者上述两种特征量，每种历史特征量都对应有设备控制指令，设备控制指令比如，开启空调，调节到26度，预设时间后停止，或者一个小时后智能饮水机开启，开始烧水等等。

上述历史特征数据是基于用户平时的生活习惯采集的，符合用户的身心需求，也就是说，上述历史特征数据中的设备控制指令是在历史特征量的情况下满足用户当前需求的指令，比如，室外气温较低，用户在室外运动的情况下，主动向智能家居控制器发送开启空调指令，那么就将此时用户的运动信息、室外环境信息和对应的空调开启指令作为一组样本数据存储于训练样本集中，以此类推，可以采集大量的样本数据形成训练样本集，以对神经网络模型进行训练得到智能判断模型。这种训练得到的模型可以依据目标特征量输出符合用户当前身心状态，满足用户当前需求的设备控制指令。上述神经网络模型可以包括多种，在此不做具体限定。

将目标特征量，即当前室内特征量和/或当前室外特征量输入到上述智能判断模型后，即可通过模型输出第一设备控制指令，也就是能够输出与当前特征量匹配的对智能家居设备的控制指令。

步骤S106，将第一设备控制指令发送至对应的第一智能家居设备，以使第一智能家居设备根据第一设备控制指令执行相应的操作。

在智能判断模型输出第一设备控制指令后，通过将该指令发送给对应的第一智能家居设备，即可控制第一智能家居设备进行相应的操作。从而实现真正的智能家居控制智能化，无需用户主动发送指令，根据用户当前所处环境和状态即可为用户提供满足其身心需求的智能化服务。

本申请实施例提供的智能家居的控制方法，应用于智能家居控制器，智能家居控制器与用户的至少一个智能家居设备连接；智能家居控制器能够利用预先基于历史特征数据训练好的智能判断模型，对当前获取的目标特征量进行判断，输出第一设备控制指令，并将第一设备控制指令发送至对应的第一智能家居设备，以使第一智能家居设备根据第一设备控制指令执行相应的操作。这种方式中，上述目标特征量包括当前室外特征量和/或当前室内特征量；当前室外特征量至少包括以下之一：室外环境信息、用户运动信息；当前室内特征量至少包括以下之一：室内环境信息、智能家居设备的运行状态信息；因而可以根据用户当前所处的室内外环境及当前运动情况，预见用户的当前需求，自动输出满足用户当前需求的设备控制指令，控制智能家居设备执行相应操作，本申请实施例提供的方法可以使智能家居的控制更加智能化，提高用户的便捷性体验。

为了获取较为全面的室内外特征量，本申请实施例中，智能家居控制器还与用户的至少一个智能终端连接；一方面通过以下方式获取目标特征量中的当前室外特征量：

通过智能终端获取当前时刻的室外环境信息和用户运动信息；将当前时刻的室外环境信息和用户运动信息作为当前室外特征量。

另一方面，通过以下方式获取特征量中的当前室内特征量：

通过智能终端获取当前时刻的室内环境信息；读取智能家居设备的运行状态信息；或者，通过与智能家居设备连接的传感器获取智能家居设备的运行状态信息；将当前时刻的室内环境信息和智能家居设备的运行状态信息作为当前室内特征量。

在训练样本集采集时，可以通过上述方式尽量全面地、精准地采集各种特征量数据，这样可以使训练好的智能判断模型的效果更好。上述智能判断模型的训练过程如下：

(1)获取训练样本集；训练样本集中的样本至少包括以下之一：历史室外特征量及其对应的设备控制指令、历史室内特征量及其对应的设备控制指令、历史室外特征量及其分别对应的历史室内特征量和设备控制指令；

(2)将训练样本集中的样本输入预设神经网络模型进行训练，得到智能判断模型。

如果上述训练样本集中的样本是历史室外特征量及其对应的设备控制指令，那么训练好的智能判断模型就可以根据当前室外特征量输出对应的预测设备控制指令；如果上述训练样本集中的样本是历史室内特征量及其对应的设备控制指令，那么训练好的智能判断模型就可以根据当前室内特征量输出对应的预测设备控制指令；如果上述训练样本集中的样本是历史室外特征量及其对应的历史室内特征量和设备控制指令，那么训练好的智能判断模型就可以根据当前室外特征量、当前室内特征量输出对应的预测设备控制指令。

上述样本数据均是基于用户平时的生活习惯采集的，符合用户的身心需求，比如，室内气温较高的情况下，用户主动向智能家居控制器发送开启空调指令，并调节到18度，那么就将此时室内气温信息和用户的空调开启指令及温度调节指令，确定为一个样本数据，存储于训练样本集中；如果用户在室外运动时，室外气温较低，10度，而且室内气温也较低，比如，19度，用户此时向智能家居控制器输入空调开启指令并将温度设置为28度，这样就是可以将此时的用户的运动信息、室外温度信息、室内温度信息和对应的空调开启指令及温度调节指令作为一组样本数据存储于训练样本集中，以此类推，可以采集大量的样本数据形成训练样本集，通过该训练样本集对神经网络模型进行训练可以得到智能判断模型。上述神经网络模型可以包括多种，比如，利用微软ML.NET机器学习框架，或者googletensorflow框架，均可实现模型训练过程。

下面列举一些具体的实施例，比如，首先通过用户的智能终端，获取到室外温度较低，且运动位置离家越来越近，判断出用户在多久后回到家，然后将上述获取到的特征量输入到智能判断模型中，判断出用户当前的需求为需要热水，实际上会直接输出对智能电热水壶的烧水指令，使其在指定时间内把水烧开，方便用户回家后直接泡茶。或者，根据室内温度，室外温度较高，用户步数偏多，提前打开空调，方便用户回家休息等。

上述过程为智能家居控制器根据用户当前所处环境和状态，进行自行判断的处理过程，在一定程度上，大大提高了用户的智能化家居服务体验，为了进一步提高智能家居控制方式的智能化，并保障家庭生活的安全性，本申请实施例还提供了对智能家居设备的自动监测报警过程，具体参见图2所示的流程图实现：

步骤S202，检测智能家居设备的运行状态信息；该运行状态信息包括：设备是否功能正常、工作状态还是停机状态、物料是否充足，比如，饮水机，工作状态中，水量为100ml，功能正常，扫地机器人的装垃圾袋子已满、饮水器中茶叶不足等等。

上述检测智能家居设备的运行状态信息的过程，可以采用轮询方式进行，一个一个地检测子设备，另外，还可以设定检测时间，每隔预设时间，对设备进行一次检测等，或者根据用户的实际需求，按照用户的选择确定具体的检测方式。

步骤S204，如果检测到运行状态信息存在异常，根据预设短信模板生成报警短信信息；预设短信模板配置有短信内容和终端标识。

如果检测到上述智能家居设备的运行状态信息中存储异常，比如，饮水机水量小于预设阈值，或者检测到没水了，根据预设短信模板生成报警短信信息，比如，“XX小区XX号楼XXX室饮水机水量达到下限，需要及时补水”等，该短信模板中还设置有对应的终端标识，也就是短信将要发送的手机号。

在另一种优选实施方式中，上述预设短信模板可以有多种，分别针对不同的终端配置不同的模板，比如，向用户终端发送缺水通知，向送水公司发水量信息，向物业发送订水信息等，这些内容均可以根据用户的需求提前配置好。

步骤S206，将报警短信信息发送至终端标识对应的终端。

生成报警短信信息后，将该短信发送至上述手机号对应的终端，比如，用户的手机、送水公司终端和物业终端，以使用户及时知晓家中智能饮水机的使用情况，使饮水管理终端的工作人员根据短信提醒及时提供送水服务，使物业管理人员及时进行送水辅助服务。

此外，本申请实施例还提供一种根据用户输入的信息进行相应操作的智能处理过程，具体参见图3所示的流程图实现：

步骤S302，接收用户的输入信息。

上述输入信息可以是用户直接输入的文字信息，也可以是对用户发送的语音信息进行语音识别得到的文字信息。

步骤S304，对输入信息进行语义分析，根据语义分析的结果，执行相应操作；语义分析的结果包括：设备控制指令类和非设备控制指令类。

如果语义分析的结果为设备控制指令类，将语义分析的结果中包含的第二设备控制指令发送至对应的第二智能家居设备，以使第二智能家居设备根据第二设备控制指令执行相应的操作；

如果语义分析的结果为非设备控制指令类，根据语义分析的结果中包含的指定请求执行相应的操作；指定请求包括以下之一：售后求助请求、信息处理请求。

还以上述饮水机水量不足够进行报警的实施例进行说明，如果用户需要对上述预设短信模板中的信息进行更改时，还可以通过以下方式实现：

(1)接收用户发起的针对预设短信模板的信息更新请求；信息更新请求中携带有用户输入的更改信息。

(2)将更改信息对预设短信模板中的对应信息进行替换，得到更新后的短信模板。

具体实施时，用户可以通过发送语音信息的方式或者直接输入信息的方式与智能家居控制器进行交互，比如，用户输入“下次没水不用发信息给我”，通过对用户输入信息的语义识别，即可判断出该信息为非设备控制指令类，而是用户向智能家居控制器发起了信息更新请求，这时，可以将预设短信模板中的用户的终端标识删除，得到更新后的短信模板，依据更新后的短信模板下发短信，就不会再打扰到用户。

本申请实施例提供的智能家居的控制方法，能够基于用户当前的情况和室内外情况进行用户需求的预判，并直接生成设备的控制指令，提前使智能家居设备进行相应操作为用户提供符合其意愿需求的家居服务。另外，还可以自动监测智能家居设备的运行状态信息，对有异常的信息进行及时的处理，还可以根据用户自己的指令或信息，进行一系列设备控制操作或其它的家居服务辅助操作，如拨打售后电话或者对信息的增删查改等服务。

基于上述方法实施例，本申请实施例还提供一种智能家居的控制装置，该装置应用于智能家居控制器，智能家居控制器与用户的至少一个智能家居设备连接；参见图4所示，该装置包括：

特征量获取模块402，用于获取目标特征量；目标特征量包括当前室外特征量和/或当前室内特征量；当前室外特征量至少包括以下之一：室外环境信息、用户运动信息；当前室内特征量至少包括以下之一：室内环境信息、智能家居设备的运行状态信息；模型预测模块404，用于将目标特征量输入到预先训练好的智能判断模型，得到第一设备控制指令；智能判断模型为基于历史特征数据对预设神经网络模型进行训练得到的；历史特征数据包括：历史特征量及其对应的设备控制指令；设备控制模块406，用于将第一设备控制指令发送至对应的第一智能家居设备，以使第一智能家居设备根据第一设备控制指令执行相应的操作。

在另一种可能的实施方式中，上述室外环境信息和室内环境信息均至少包括以下之一：温度信息、湿度信息、光照强度、风级和空气质量；用户运动信息至少包括以下之一：位置信息、运动路线、运动时间和运动强度；智能家居设备的运行状态信息至少包括以下之一：设备运行状态和设备运行参数。

在另一种可能的实施方式中，上述智能家居控制器与用户的至少一个智能终端连接；目标特征量包括当前室外特征量；上述特征量获取模块402，还用于通过智能终端获取当前时刻的室外环境信息和用户运动信息；将当前时刻的室外环境信息和用户运动信息作为当前室外特征量。

在另一种可能的实施方式中，目标特征量包括当前室内特征量；上述特征量获取模块402，还用于通过智能终端获取当前时刻的室内环境信息；读取智能家居设备的运行状态信息；或者，通过与智能家居设备连接的传感器获取智能家居设备的运行状态信息；将当前时刻的室内环境信息和智能家居设备的运行状态信息作为当前室内特征量。

在另一种可能的实施方式中，参见图5所示，上述装置还包括模型训练模块408，用于获取训练样本集；训练样本集中的样本至少包括以下之一：历史室外特征量及其对应的设备控制指令、历史室内特征量及其对应的设备控制指令、历史室外特征量及其分别对应的历史室内特征量和设备控制指令；将训练样本集中的样本输入预设神经网络模型进行训练，得到智能判断模型。

在另一种可能的实施方式中，上述装置还包括：监测报警模块410，用于：检测智能家居设备的运行状态信息；如果检测到运行状态信息存在异常，根据预设短信模板生成报警短信信息；预设短信模板配置有短信内容和终端标识；将报警短信信息发送至终端标识对应的终端。

在另一种可能的实施方式中，上述装置还包括：信息识别响应模块412，用于：接收用户的输入信息；输入信息包括文字信息，或由语音信息进行语音识别得到的信息；对输入信息进行语义分析，根据语义分析的结果，执行相应操作；语义分析的结果包括：设备控制指令类和非设备控制指令类。

在另一种可能的实施方式中，上述信息识别响应模块412还用于：如果语义分析的结果为设备控制指令类，将语义分析的结果中包含的第二设备控制指令发送至对应的第二智能家居设备，以使第二智能家居设备根据第二设备控制指令执行相应的操作；如果语义分析的结果为非设备控制指令类，根据语义分析的结果中包含的指定请求执行相应的操作；指定请求包括以下之一：售后求助请求、信息处理请求。

本申请实施例提供的智能家居的控制装置，其实现原理及产生的技术效果和前述智能家居的控制方法实施例相同，为简要描述，智能家居的控制装置的实施例部分未提及之处，可参考前述智能家居的控制方法实施例中相应内容。

基于上述方法实施例，本申请实施例还提供一种智能家居的控制系统，参见图6所示，该系统包括：智能家居控制器62、智能家居设备64和智能终端66；

智能家居控制器62、智能家居设备64和智能终端66两两连接；

智能家居控制器62用于执行如权利要求1-9任一项的智能家居的控制方法的步骤。

本申请实施例提供的版本的智能家居的控制系统，其实现原理及产生的技术效果和前述智能家居的控制方法实施例相同，为简要描述，智能家居的控制系统的实施例部分未提及之处，可参考前述智能家居的控制方法实施例中相应内容。

本申请实施例还提供了一种电子设备，如图7所示，为该电子设备的结构示意图，其中，该电子设备包括处理器71和存储器70，该存储器70存储有能够被该处理器71执行的计算机可执行指令，该处理器71执行该计算机可执行指令以实现上述方法。

在图7示出的实施方式中，该电子设备还包括总线72和通信接口73，其中，处理器71、通信接口73和存储器70通过总线72连接。

其中，存储器70可能包含高速随机存取存储器(RAM，Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口73(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。总线72可以是ISA(IndustryStandard Architecture，工业标准体系结构)总线、PCI(Peripheral ComponentInterconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线72可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

处理器71可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器71中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器71可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessor，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器71读取存储器中的信息，结合其硬件完成前述实施例的方法的步骤。

本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令在被处理器调用和执行时，该计算机可执行指令促使处理器实现上述方法，具体实现可参见前述方法实施例，在此不再赘述。

本申请实施例所提供的智能家居的控制方法、装置、系统和电子设备的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本申请的范围。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

在本申请的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“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申请和简化描述，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申请的限制。此外，术语“第一”、“第二”、“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。

最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。