1.基于智能家居的婴幼儿监护方法，其特征在于，具体操作步骤如下：

步骤1、将可见光摄像头、麦克风传感器、红外阵列传感器以及温湿度传感器进行装置连接置于距离婴儿1m的地方进行信号采集；

步骤2、通过可见光摄像头采集婴儿视频信息，包括婴儿人脸信息；使用麦克风传感器采集婴儿声音信息；使用红外阵列传感器收集婴儿体温信息；使用温湿度传感器采集婴儿周围环境参数；

采用可见光摄像头对婴儿人脸信息进行检测包括睡姿检测和呼吸心率检测；

使用可见光摄像头进行睡姿检测具体步骤如下：

将可将光摄像头置于婴儿上方，获取婴儿脸部图像，将检测到的图像信息传输至中央控制器通过睡姿检测算法进行睡姿异常检测；

首先对脸部图像信息进行特征提取；其次进行婴儿面部特征进行识别，当检测不到眼部关节点时说明婴儿出现面朝下状态，当可以检测到1个眼部关节点时表明婴儿为侧卧状态，当可以检测到2个眼部关节点时表明婴儿为正面朝上睡姿；若检测不到眼部关节点则通过声光报警器进行报警；

使用可见光摄像头进行婴儿呼吸心率检测具体步骤如下：

对于婴儿的呼吸心率的检测，是基于光电容积脉搏波描记法，可见光摄像头采集的婴儿PPG信号中包含与呼吸同频率的信号，PPG信号由于心脏的周期性波动引起外周血管内血容量周期性变化而呈现周期性，通过分析PPG信号可以得到心率信息步骤3、将采集到的音频信息、体温信息、视频信息及环境参数信息传送至中央控制器，中央控制器通过算法处理计算得到婴儿的呼吸心率、表情、姿态、哭声、体温、温湿度状况；

步骤3.1、选取婴儿面部作为感兴趣区域，视频拍摄的分辨率为720p*1080p,帧率要求大于60FPS；

步骤3.2、对获取的婴儿人脸视频进行检测和追踪：利用自适应增强算法AdaBoost对人脸进行监测，首先采用双线性差值法将人脸视频中选出的多张人脸归一化到20*20像素大小的图片，再从这些归一化后的图片里提取只包含人脸部分的特征矩形，然后利用积分图计算特征矩形的特征值；最后利用AdaBoost训练器训练只包含人脸部分的特征矩形，减少噪声；

步骤3.2中利用人脸追踪算法来减少噪声，使用光流法进行人脸追踪，具体过程为：首先利用Harris角点的特征检测器从初始帧开始寻找一系列特征点，然后基于各特征点的局部模板，通过平移或仿射运动模型的光流法运动估计，寻找各特征点的帧间对应矢量，最后对于各特征点，在各帧中判断其跟踪的好坏，去掉被遮挡或者无法准确跟踪的特征，之后再周期性的加入一些未被遮挡可以准确跟踪的新特征；

步骤3.3、对步骤3.2的人脸检测跟踪算法处理后的视频帧进行ROI和RGB区域选择：选择信噪比较高的额头区域作为感兴趣区域，选择具有较好时频波形图并且信噪比较高的绿色通道；

步骤3.4、经过步骤3.3处理后的视频帧，对每帧的感兴趣区域ROI在R、G、B三通道进行分离，分离后计算每帧ROI在不同通道的像素平均值，即可得到初步的IPPG信号；

其中，M代表图片的长，N代表图片的宽，Vi(x,y,t)代表每一个像素点的灰度值；

对初步的IPPG信号进行降噪预处理后得到s(t):

其中，IPPG()表示提取IPPG信号方法，DF(t)表示高斯白噪声信号，s(t)表示去噪后的IPPG信号；

步骤3.5、将步骤3.4降噪预处理后的IPPG信号利用带通滤波器滤除噪声；

步骤3.6、对步骤3.5滤波后的IPPG信号进行傅里叶变换将其转换到频域，对频域脉搏信号利用峰值检测算法检测最大频率点，设置常规心率频率范围，利用最大频率点计算平均心率值HR，具体如下：其中，p为最大频率点的频率，fs为采样频率，length(FFT)为采样点的个数；

步骤4、中央控制器将信号采集模块传输过来的婴儿监护信息保存至存储模块方便后续本地监控录像及回放；

步骤5、中央控制器将采集的婴儿监护信息经过处理后，当识别异常时通过通讯模块向手机终端发出报警或预警信息，提醒监护人注意。