一种智能家电绑定app的方法、装置和服务器及系统
技术领域
1.本发明涉及智能家电领域，特别地，涉及一种智能家电绑定app的方法、装置和服务器及系统。


背景技术：

2.目前智能家电越来越多，现有控制智能家电的方法都是采用智能家电绑定一个app，然后用户在app上设置控制智能家电的方式以及获取智能家电的使用情况。但是现有智能家电绑定app时，要么是用户查找家电的mac地址，手动输入到app上进行绑定，要么就是利用遥控器控制智能家电与app配对。但是上述方式在绑定时，绑定的app可能不是智能家电主人的app，这样会造成用户隐私泄露，而且每次绑定都需要用户进行输入或操控遥控器，绑定过程较为繁琐，用户体验差。


技术实现要素：

3.为了克服现有技术的不足，本发明提供一种智能家电绑定app的方法、装置和服务器及系统，以解决现有智能家电绑定app时，可能造成用户隐私泄露，且每次绑定都需要用户进行输入或操控遥控器，绑定过程较为繁琐，用户体验差的问题。
4.本发明解决其技术问题所采用的技术方案是：
5.第一方面，
6.一种智能家电绑定app的方法，包括以下步骤：
7.接收并存储用户注册app时发送的生物信息和app账号；
8.接收用户通过智能家电发送的绑定请求，所述绑定请求包括所述智能家电的唯一识别信息和所述智能家电采集的所述用户的待验证生物信息；
9.判断是否存在已存储的生物信息与所述待验证生物信息匹配；
10.若存在，则将匹配的已存储的生物信息对应的app账号与所述唯一识别信息绑定。
11.进一步地，所述接收并存储用户注册app时发送的生物信息包括：接收用户注册app时发送的声纹信息、指纹信息和虹膜信息。
12.进一步地，所述待验证生物信息包括以下至少一种：声纹信息、指纹信息和虹膜信息。
13.进一步地，所述唯一识别信息为所述智能家电的唯一机器码或mac地址。
14.进一步地，当所述待验证生物信息为声纹信息时，判断是否存在已存储的生物信息与所述待验证生物信息匹配包括：
15.提取所述声纹信息的声纹特征；
16.通过预训练的神经网络模型对所述声纹特征与已存储的声纹信息的声纹特征的相似度进行打分；
17.若存在分数超过阈值的已存储的声纹信息，则分数最高的已存储的声纹信息与所述声纹信息匹配。
18.进一步地，当所述待验证生物信息为声纹信息时，判断是否存在已存储的生物信息与所述待验证生物信息匹配包括：
19.提取所述声纹信息的声纹特征；
20.通过预训练的神经网络模型对所述声纹特征与已存储的声纹信息的声纹特征的相似度进行打分；
21.若存在分数超过阈值的已存储的声纹信息，则分数最高的已存储的声纹信息与所述声纹信息匹配。
22.进一步地，所述最优孪生神经网络模型训练步骤包括：
23.采用mobinet_v3对现有数据集图像提取特征信息；
24.通过generate anchor与标签框对是否是人眼框图位置信息的判断来判断是正样本还是负样本；
25.通过回归损失函数和分类损失函数进行不断迭代以及获取模型的参数调节学习率；
26.通过随机梯度损失函数得到损失函数最小值得到最优孪生神经网络模型。
27.第二方面，
28.一种智能家电绑定app的装置，包括：
29.app信息接收模块，用于接收并存储用户注册app时发送的生物信息和app账号；
30.智能家电信息接收模块，用于接收用户通过智能家电发送的绑定请求，所述绑定请求包括所述智能家电的唯一识别信息和所述智能家电采集的所述用户的待验证生物信息；
31.生物信息匹配判断模块，用于判断是否存在已存储的生物信息与所述待验证生物信息匹配；
32.绑定模块，用于若存在，则将匹配的已存储的生物信息对应的app账号与所述唯一识别信息绑定。
33.第三方面，
34.一种服务器，包括：
35.处理器；以及，
36.用于存储所述处理器可执行指令的存储器；
37.所述处理器被配置为：
38.接收并存储用户注册app时发送的生物信息和app账号；
39.接收用户通过智能家电发送的绑定请求，所述绑定请求包括所述智能家电的唯一识别信息和所述智能家电采集的所述用户的待验证生物信息；
40.判断是否存在已存储的生物信息与所述待验证生物信息匹配；
41.若存在，则将匹配的已存储的生物信息对应的app账号与所述唯一识别信息绑定。
42.第四方面，
43.一种智能家电绑定app的系统，包括：用户终端、智能家电和如上述技术方案中所述的服务器：
44.用户终端，用于在用户注册app时采集所述用户的生物信息，并将所述生物信息和app账号发送到所述服务器；
45.智能家电，用于在用户请求绑定app时采集所述用户的待验证生物信息，并将待验证生物信息和所述智能家电的唯一识别信息发送到所述服务器；所述唯一识别信息用于绑定app。
46.进一步地，所述用户终端采集用户的声纹信息、指纹信息和虹膜信息。
47.进一步地，当用户请求绑定app时，智能家电采集所述用户以下至少一种生物信息：声纹信息、指纹信息和虹膜信息。
48.进一步地，还包括：
49.在接收到预设唤醒词时，所述智能家电开始采集声纹信息。
50.本技术采用以上技术方案，至少具备以下有益效果：
51.本技术技术方案提供一种智能家电绑定app的方法、装置和服务器及系统，当用户注册app时，采集用户的生物信息，并将该生物信息和app账号发送到服务器；当用户绑定app和智能家电时，通过待绑定的智能家电采集用户的待验证生物信息，然后将待验证生物信息和智能家电的唯一识别信息发送到服务器，最后服务器判断是否存在已存储的生物信息与待验证生物信息匹配；若存在，则将匹配的已存储的生物信息对应的app账号与唯一识别信息绑定，这样就可以完成智能家电与app的绑定。本技术方案能够通过用户的生物信息来绑定智能家电和app，用户只需提供生物信息即可，无需用户手动操作，简单方便；同时采用生物信息验证，保证用户信息安全，大大提供了用户的体验度。
附图说明
52.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
53.图1是本发明实施例提供的一种智能家电绑定app的方法流程图；
54.图2是本发明实施例提供的一种声纹信息判断流程示意图；
55.图3是本发明实施例提供的一种智能家电绑定app的装置结构示意图；
56.图4是本发明实施例提供的一种服务器结构示意图；
57.图5是本发明实施例提供的一种智能家电绑定app的系统结构示意图；
58.图6是本发明实施例提供的一种智能家电绑定app的具体方法流程图。
具体实施方式
59.为使本技术的目的、技术方案和优点更加清楚，下面结合附图和实施例对本发明的技术方案进行详细的描述说明。显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本技术所保护的范围。
60.参照图1，本发明实施例提供了一种智能家电绑定app的方法，包括以下步骤：
61.接收并存储用户注册app时发送的生物信息和app账号；
62.接收用户通过智能家电发送的绑定请求，绑定请求包括智能家电的唯一识别信息和智能家电采集的用户的待验证生物信息；
63.判断是否存在已存储的生物信息与待验证生物信息匹配；
64.若存在，则将匹配的已存储的生物信息对应的app账号与唯一识别信息绑定。
65.本发明实施例提供的一种智能家电绑定app的方法，当用户注册app时，接收将该生物信息和app账号发送；当用户绑定app和智能家电时，接收通过待绑定的智能家电采集用户的待验证生物信息以及智能家电的唯一识别信息，最后判断是否存在已存储的生物信息与待验证生物信息匹配；若存在，则将匹配的已存储的生物信息对应的app账号与唯一识别信息绑定，这样就可以完成智能家电与app的绑定。本技术方案能够通过用户的生物信息来绑定智能家电和app，用户只需提供生物信息即可，无需用户手动操作，简单方便；同时采用生物信息验证，保证用户信息安全，大大提供了用户的体验度。
66.作为对上述实施例的一种补充说明，接收并存储用户注册app时发送的生物信息包括：接收用户注册app时发送的声纹信息、指纹信息和虹膜信息。而待验证生物信息包括以下至少一种：声纹信息、指纹信息和虹膜信息。即用户注册app时需要采集三种生物信息，而智能家电发送的待验证信息可以是一种即可。这样绑定时，无需通过智能家电采集全部生物信息，减少待验证生物信息采集的种类，提高了绑定速率，用户体验好。
67.作为本发明实施例一种可选的实现方式，唯一识别信息为智能家电的mac地址。通过mac地址与账号绑定，就可以完成智能家电与app的绑定。
68.在实际应用过程中，智能家电存在唯一机器码例如设备号，通过设备号与账号绑定，也可以完成智能家电与app的绑定。
69.可选地，当待验证生物信息为声纹信息时，判断是否存在已存储的生物信息与待验证生物信息匹配包括：提取声纹信息的声纹特征；通过预训练的神经网络模型对声纹特征与已存储的声纹信息的声纹特征的相似度进行打分；若存在分数超过阈值的已存储的声纹信息，则分数最高的已存储的声纹信息与声纹信息匹配。如图2所示，先采集说话人a和b的语音，然后通过特征提取进行模型训练，得到模型库，模型库中存储有a和b的声纹信息；当接收到待验证的声纹信息时，通过特征提取到声纹特征，在与模型库中存储的信息进行打分，如果与a相比，分数为99，与b相比分数为30，则判断待验证的声纹信息是a；需要说明的是，分数需要大于阈值(如85)，只有存在大于阈值的分数才能说明存在匹配的已存储生物信息，如果存在多个，如一个分数为86，一个分数为99，则将分数最高的作为匹配。
70.具体地，声纹特征提取主要采用深度学习方法，即通过神经网络学习到不同的说话人发音特色，并将其映射到一个低维度(通常为几十到几百维)向量空间，该向量即为说话人声纹特征，其按照实现细节差异又可分为x
‑
vector和d
‑
vector等。声纹比对判决主要是基于声纹特征，使用plda(probabilistic linear discriminant analysis)打分或余弦距离打分方法。
71.作为本发明实施例一种可选的实现方式，当待验证生物信息为虹膜信息时，判断是否存在已存储的生物信息与待验证生物信息匹配包括：通过预训练的最优孪生神经网络模型判断是否存在已存储的虹膜信息与虹膜信息匹配。最优孪生神经网络模型训练步骤包括：采用mobinet_v3对现有数据集图像提取特征信息；通过generate anchor与标签框对是否是人眼框图位置信息的判断来判断是正样本还是负样本；通过回归损失函数和分类损失函数进行不断迭代以及获取模型的参数调节学习率；通过随机梯度损失函数得到损失函数最小值得到最优孪生神经网络模型。需要说明的是，采用改进的虹膜识别技术嵌入到家电
和调用手机的摄像头，在传统的虹膜识别技术中添加了人眼动态跟踪技术，采用孪生神经网络进行动态跟踪用户的人眼位置信息，template(用户人眼信息)储存在智能家居系统，search(搜索区域)就是用户在智能家居门前摄像头所获取的图像区域图。
72.对于指纹识别，由于现有技术已经非常成熟，因此采用目前主流的指纹识别技术即可，在此不再多做说明。
73.本发明实施例提供的智能家电绑定app的方法，通过声纹信息和指纹信息或虹膜信息的验证来绑定智能家电和app，无需用户查找信息或使用遥控器匹配绑定，简单方便，大大提高了绑定速率，优化了用户体验。
74.一个实施例中，本发明还提供一种智能家电绑定app的装置，如图3所示，包括：
75.app信息接收模块31，用于接收并存储用户注册app时发送的生物信息和app账号；具体地，接收用户注册app时发送的声纹信息、指纹信息和虹膜信息。
76.智能家电信息接收模块32，用于接收用户通过智能家电发送的绑定请求，绑定请求包括智能家电的唯一识别信息和智能家电采集的用户的待验证生物信息；其中，待验证生物信息包括以下至少一种：声纹信息、指纹信息和虹膜信息。唯一识别信息为智能家电的唯一机器码或mac地址。
77.生物信息匹配判断模块33，用于判断是否存在已存储的生物信息与待验证生物信息匹配；当待验证生物信息为声纹信息时，判断是否存在已存储的生物信息与待验证生物信息匹配包括：提取声纹信息的声纹特征；通过预训练的神经网络模型对声纹特征与已存储的声纹信息的声纹特征的相似度进行打分；若存在分数超过阈值的已存储的声纹信息，则分数最高的已存储的声纹信息与声纹信息匹配。当待验证生物信息为虹膜信息时，判断是否存在已存储的生物信息与待验证生物信息匹配包括：通过预训练的最优孪生神经网络模型判断是否存在已存储的虹膜信息与虹膜信息匹配。最优孪生神经网络模型训练步骤包括：采用mobinet_v3对现有数据集图像提取特征信息；通过generate anchor与标签框对是否是人眼框图位置信息的判断来判断是正样本还是负样本；通过回归损失函数和分类损失函数进行不断迭代以及获取模型的参数调节学习率；通过随机梯度损失函数得到损失函数最小值得到最优孪生神经网络模型。
78.绑定模块34，用于若存在，则将匹配的已存储的生物信息对应的app账号与唯一识别信息绑定。
79.本发明实施例提供的智能家电绑定app的装置，app信息接收模块接收并存储用户注册app时发送的生物信息和app账号；智能家电信息接收模块接收用户通过智能家电发送的绑定请求；生物信息匹配判断模块判断是否存在已存储的生物信息与待验证生物信息匹配；若存在，绑定模块则将匹配的已存储的生物信息对应的app账号与唯一识别信息绑定。本发明实施例提供的装置利用用户的语音声纹信息或者指纹信息以及虹膜等信息进行注册app，当用户注册完后，用户只需要提供用户的声纹或指纹或虹膜等信息给智能家电就可以快速绑定该用户的app，这样方式使app快速简单绑定指定的家用电器。
80.一个实施例中，本发明还提供一种服务器，如图4所示，包括：
81.处理器41；以及，
82.用于存储处理器可执行指令的存储器42；
83.处理器41被配置为：
84.接收并存储用户注册app时发送的生物信息和app账号；具体地，接收用户注册app时发送的声纹信息、指纹信息和虹膜信息。
85.接收用户通过智能家电发送的绑定请求，绑定请求包括智能家电的唯一识别信息和智能家电采集的用户的待验证生物信息；其中，待验证生物信息包括以下至少一种：声纹信息、指纹信息和虹膜信息。唯一识别信息为智能家电的唯一机器码或mac地址。
86.判断是否存在已存储的生物信息与待验证生物信息匹配；当待验证生物信息为声纹信息时，判断是否存在已存储的生物信息与待验证生物信息匹配包括：提取声纹信息的声纹特征；通过预训练的神经网络模型对声纹特征与已存储的声纹信息的声纹特征的相似度进行打分；若存在分数超过阈值的已存储的声纹信息，则分数最高的已存储的声纹信息与声纹信息匹配。当待验证生物信息为虹膜信息时，判断是否存在已存储的生物信息与待验证生物信息匹配包括：通过预训练的最优孪生神经网络模型判断是否存在已存储的虹膜信息与虹膜信息匹配。最优孪生神经网络模型训练步骤包括：采用mobinet_v3对现有数据集图像提取特征信息；通过generate anchor与标签框对是否是人眼框图位置信息的判断来判断是正样本还是负样本；通过回归损失函数和分类损失函数进行不断迭代以及获取模型的参数调节学习率；通过随机梯度损失函数得到损失函数最小值得到最优孪生神经网络模型。
87.若存在，则将匹配的已存储的生物信息对应的app账号与唯一识别信息绑定。
88.本发明实施例提供的服务器，不仅可以通过声纹识别提起用户信息并绑定手机上的app账号；还可以利用指纹信息或者虹膜信息绑定手机上的app账号；采用用户的生物信息绑定到用户手机上的app账号，当用户想要绑定app时，让智能家电识别用户的虹膜信息时，这时该智能家电就会快速绑定用户手机上的app。
89.一个实施例中，本发明还提供一种智能家电绑定app的系统，如图5所示，包括：用户终端51、智能家电52和如上述发明实施例提供的服务器53：
90.用户终端51，用于在用户注册app时采集用户的生物信息，并将生物信息和app账号发送到服务器53；用户终端51采集用户的声纹信息、指纹信息和虹膜信息。
91.智能家电52，用于在用户请求绑定app时采集用户的待验证生物信息，并将待验证生物信息和智能家电的唯一识别信息发送到服务器53；唯一识别信息用于绑定app。当用户请求绑定app时，智能家电52采集用户以下至少一种生物信息：声纹信息、指纹信息和虹膜信息。
92.在接收到预设唤醒词时，智能家电开始采集声纹信息。例如预设唤醒词为“采集声纹信息”，当智能家电听到用户说“采集声纹信息”后开始采集用户的声纹信息，这样可以避免一直采集用户的声纹信息。
93.绑定流程如图6所示，用户在注册手机中的app时，app会启动声纹识别系统进行采集用户的语音和指纹采集系统采集用户的指纹以及采集用户的虹膜信息到家用电器的app里，app采集到用户的相关个人信息和app账号绑定在一起并上传到服务器；当家用电器配上网后并打开语音功能或者指纹功能以及虹膜采集时，用户打开绑定功能和说出唤醒词就能把用户的家电app与该家电进行绑定，其他方式是相应的指纹或者虹膜信息让家用电器采集也能绑定用户的家电app。
94.本发明实施例提供的智能家电绑定app的系统，用户在注册手机中的app时，app会
启动声纹识别系统进行采集用户的语音和指纹采集系统采集用户的指纹以及采集用户的虹膜信息到家用电器的app里，app采集到用户的相关个人信息和app账号绑定在一起并上传到服务器；当家用电器配上网后并打开语音功能或者指纹功能以及虹膜采集时，用户打开绑定功能和说出唤醒词就能把用户的家电app与该家电进行绑定，其他方式是相应的指纹或者虹膜信息让家用电器采集也能绑定用户的家电app。通过本发明实施例提供的系统，用户的家电可以快速绑定用户的手机上的app，手机上的app可以快速控制该家电。
95.可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
96.需要说明的是，在本技术的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本技术的描述中，除非另有说明，“多个”的含义是指至少两个。
97.流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。
98.应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
99.本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
100.此外，在本技术各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
101.上述提到的存储介质可以是只读存储器，磁盘或光盘等。
102.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
103.尽管上面已经示出和描述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。