1.基于大数据的智能家居节能控制方法，其特征在于，该方法包括以下步骤：

获取室内的视频数据，对视频数据中的每帧图像进行人物检测，得到连续有人的多段等长的视频序列；对每段视频序列进行标签类别的标注，标签类别包括两个标签；将带有标签的视频序列作为神经网络的样本，构成数据集；

分别获取数据集中每个样本输入到神经网络中所对应的特征图数据集合，将每个特征图数据集合中的第k个特征图的第z个像素值组成像素值序列，k和z都为正整数，根据特征图对应的标签类别将像素值序列分为两个子序列；分别根据子序列和像素值序列中任意两个像素值的差值绝对值，计算第k个特征图的第z个像素值的类别间隔；

设定多个损失等级，获取每个样本的损失值，由每个损失值的损失等级计算信息熵；根据第k个特征图的第z个像素值所对应的像素值序列得到多个特征等级，根据每个特征等级下不同损失等级的出现概率计算第k个特征图的第z个像素值所对应的条件熵；将信息熵减去条件熵得到第k个特征图的第z个像素值所对应的信息增益值；

获取第k个特征图的第z个像素值对应类别间隔和信息增益值的乘积，将第k个特征图中所有像素值对应的乘积的相加结果作为第k个特征图的信任度，并将第k个特征图的信任度作为神经网络中第k个卷积核参数的信任度；

获取神经网络中所有卷积核参数的信任度，利用信任度对每个卷积核参数的更新梯度进行调整，以完成神经网络的训练；利用训练好的神经网络获取人短时间回到室内的可能性指标，根据可能性指标获取灯具的关闭时间间隔。

2.如权利要求1所述的基于大数据的智能家居节能控制方法，其特征在于，所述对每段视频序列进行标签类别的标注方法，包括：获取每段视频序列中人离开的时长，当时长大于时长阈值时，将对应视频序列标注为人短暂无返回标签，当时长小于或等于时长阈值时，将对应视频序列标注为人短暂有返回标签。

3.如权利要求1所述的基于大数据的智能家居节能控制方法，其特征在于，所述类别间隔的获取方法，包括：分别计算当前子序列中任意两个像素值的差值绝对值，得到当前子序列的第一差值绝对值均值；获取每个子序列的第一差值绝对值均值，得到第一差值绝对值均值的和；

分别计算像素值序列中任意两个像素值的差值绝对值，得到像素值序列的第二差值绝对值均值；将第一差值绝对值均值的和与第二差值绝对值均值的比值作为第k个特征图的第z个像素值的类别间隔。

4.如权利要求1所述的基于大数据的智能家居节能控制方法，其特征在于，所述根据第k个特征图的第z个像素值所对应的像素值序列得到多个特征等级的方法，包括：获取像素值序列中的最大像素值和最小像素值，得到像素值极差值，基于设定的特征等级数量，将像素值极差值与特征等级数量之间的比值作为等级间隔；利用等级间隔将最大像素值与最小像素值之间的像素值范围划分为与设定的特征等级数量相等的多个特征等级。

5.如权利要求1所述的基于大数据的智能家居节能控制方法，其特征在于，所述利用信任度对每个卷积核参数的更新梯度进行调整的方法，包括：根据每个卷积核参数的信任度计算平均信任度，获取当前卷积核参数的信任度与平均信任度的信任度差值，根据信任度差值得到当前卷积核参数的调整系数，将调整系数与当前卷积核参数的更新梯度的乘积作为调整后的更新梯度。

6.如权利要求1所述的基于大数据的智能家居节能控制方法，其特征在于，所述根据可能性指标获取灯具的关闭时间间隔的方法，包括：设置灯具的最大关闭时间间隔，将可能性指标与最大关闭时间间隔的乘积作为关闭时间间隔。