1.一种智能家居的智能物联感知方法，其特征在于，包括以下步骤：步骤S1：对智能家居进行功能差异化分析，得到功能差异数据集；根据功能差异数据集进行智能物联感知控制系统搭建，得到物联感知控制平台；

步骤S2：对用户体态进行人体肌肤状态分析，得到肌肤状态感知数据；对肌肤状态感知数据进行疲劳度评估，得到肌肤疲劳感知数据；

步骤S3：对家居实时环境进行环境数据提取，得到家居实时环境数据；基于家居实时环境数据对肌肤疲劳感知数据进行感官疲劳分析，得到感官疲劳数据；

步骤S4：将肌肤疲劳感知数据输入至物联感知控制平台进行控制平台感知层构建，得到控制平台智能感知层；根据控制平台智能感知层对智能家居进行指令联动处理，得到智能联动家居策略。

2.根据权利要求1所述的智能家居的智能物联感知方法，其特征在于，步骤S1包括以下步骤：步骤S11：对智能家居进行功能分类，得到功能类别数据集；

步骤S12：对功能类别数据集进行功能差异化分析，得到功能差异数据集；

步骤S13：根据功能差异数据集进行连接协议制定，得到连接协议数据；

步骤S14：根据连接协议数据进行网络端口适配处理，得到网络端口适配数据；

步骤S15：根据网络端口适配数据以及连接协议数据进行网络传输通道搭建，得到网络传输通道；

步骤S16：根据网络传输通道对功能类别数据集进行智能物联感知控制系统搭建，得到物联感知控制平台。

3.根据权利要求2所述的智能家居的智能物联感知方法，其特征在于，步骤S12包括以下步骤：步骤S121：对功能类别数据集进行特征提取，得到功能类别特征数据；

步骤S122：对功能类别特征数据进行最大相似性评估，得到功能类别相似数据；

步骤S123：对功能类别相似数据进行聚类分析，得到功能类别聚类数据；

步骤S124：根据功能类别聚类数据对功能类别数据集进行差异正态分布划分，得到功能差异样本数据；

步骤S125：对功能差异样本数据进行样本方差计算，得到功能差异样本方差数据；

步骤S126：根据功能差异样本方差数据以及功能差异样本数据进行功能差异无偏估计分析，得到功能差异数据集。

4.根据权利要求3所述的智能家居的智能物联感知方法，其特征在于，步骤S2包括以下步骤：步骤S21：对用户体态进行红外成像扫描，得到用户体态红外数据；

步骤S22：根据用户体态红外数据进行体温分布数据提取，得到体温分布数据；

步骤S23：对体温分布数据进行异常温度区域划分，得到异常温度区域数据；

步骤S24：基于异常温度区域数据进行人体肌肤状态分析，得到肌肤状态感知数据；

步骤S25：利用肌肤疲劳度评估算法对肌肤状态感知数据进行疲劳度评估，得到肌肤疲劳感知数据。

5.根据权利要求4所述的智能家居的智能物联感知方法，其特征在于，步骤S24包括以下步骤：步骤S241：基于异常温度区域数据对肌肤微观结构分析，得到肌肤微观结构数据；

步骤S242：基于肌肤微观结构数据进行肌肤湿度监测，得到肌肤湿度数据；

步骤S243：根据肌肤微观结构数据进行角质层分析，得到肌肤角质层数据；

步骤S244：根据肌肤角质层数据以及肌肤湿度数据进行酸碱度计算，得到肌肤酸碱度数据；

步骤S245：根据肌肤微观结构数据进行肌肤分泌物分布状态分析，得到肌肤分泌物分布数据；

步骤S246：根据肌肤分泌物分布数据以及肌肤酸碱度数据进行肌肤敏感度分析，得到肌肤敏感度数据；

步骤S247：对肌肤敏感度数据进行人体肌肤状态分析，得到肌肤状态感知数据。

6.根据权利要求4所述的智能家居的智能物联感知方法，其特征在于，步骤S25中的肌肤疲劳度评估算法如下所示：其中，f表示肌肤疲劳感知结果值，N表示疲劳度评估的参数数量值，ai表示第i个肌肤状态感知数据的权重系数，bi表示第i个肌肤状态感知数据的数据冗余度，ci表示第i个肌肤状态感知数据的结构关联系数，x表示算法运算次数值，ω表示肌肤疲劳度评估算法的误差调整值。

7.根据权利要求6所述的智能家居的智能物联感知方法，其特征在于，步骤S3包括以下步骤：步骤S31：对家居实时环境进行环境数据提取，得到家居实时环境数据，其中家居实时环境数据包括体感环境数据和卫生环境数据；

步骤S32：获取用户历史活动轨迹数据；

步骤S33：对体感环境数据进行波动性分析，得到体感环境波动性数据；

步骤S34：根据用户历史活动轨迹数据进行重点卫生环境区域监测，得到重点卫生环境区域数据；

步骤S35：根据重点卫生环境区域数据对卫生环境数据进行环境感知评估，得到环境感知系数；

步骤S36：根据环境感知系数对体感环境波动性数据进行环境感知补偿，得到环境感知数据；

步骤S37：基于环境感知数据对肌肤疲劳感知数据进行感官疲劳分析，得到感官疲劳数据。

8.根据权利要求7所述的智能家居的智能物联感知方法，其特征在于，步骤S36包括以下步骤：步骤S361：对体感环境波动性数据进行波动离散程度分析，得到体感波动离散度数据；

步骤S362：根据体感波动离散度数据进行数据波动分布规律分析，得到体感波动规律分布数据；

步骤S363：对体感波动规律分布数据进行最小生成树构建，得到体感规律分布图数据；

步骤S364：对体感规律分布图数据进行权重子集划分，得到分布图权重子集数据；

步骤S365：对分布图权重子集数据进行拟合评估，得到体感拟合分布数据；

步骤S366：根据环境感知系数对体感拟合分布数据进行环境感知补偿，得到环境感知数据。

9.根据权利要求7所述的智能家居的智能物联感知方法，其特征在于，步骤S4包括以下步骤：步骤S41：将肌肤疲劳感知数据输入至物联感知控制平台进行控制平台感知层构建，得到控制平台智能感知层；根据控制平台智能感知层进行初始感知指令发布，得到初始感知指令数据；

步骤S42：对初始感知指令数据进行指令解析，得到感知指令解析数据；

步骤S43：对感知指令解析数据进行指令模块化处理，得到感知模块化指令数据；

步骤S44：基于感知模块化指令数据将感官疲劳数据输入至物联感知控制平台进行指令操作适配，得到标准物联感知指令数据；

步骤S45：根据标准物联感知指令数据对智能家居进行指令联动处理，得到智能联动家居策略。

10.根据权利要求7所述的智能家居的智能物联感知方法，其特征在于，步骤S41具体为：步骤S411：将肌肤疲劳感知数据输入至物联感知控制平台进行参数提取，得到疲劳感知参数；

步骤S412：对疲劳感知参数数据进行数据降维，得到疲劳感知降维数据；

步骤S413：根据疲劳感知降维数据进行聚类分析，得到疲劳感知聚类数据；

步骤S414：对疲劳感知聚类数据进行关联分析，得到疲劳关联感知数据；

步骤S415：基于卷积神经网络对疲劳关联感知数据进行控制平台感知层构建，得到控制平台智能感知层；

步骤S416：根据控制平台智能感知层进行初始感知指令发布，得到初始感知指令数据。