CN104951055A - 设置设备的操作模式的方法和装置 - Google Patents

Abstract

本发明提供了一种设置设备的操作模式的方法和装置。所述方法包括：基于表示设备的历史操作模式和历史状态的历史关系数据，建立操作模式与状态之间的关系模型；使用关系模型，基于当前状态来预测设备的操作模式；以及至少部分基于预测的操作模式来设置设备的当前操作模式。

Description

设置设备的操作模式的方法和装置

技术领域

本发明涉及智能设备领域，更具体地，涉及设置设备的操作模式的方法和装置。

背景技术

对于传统空调设备，用户通常使用遥控器来设置温度、湿度和风向等等。由于空调不能自适应改变设置，用户还必须使用遥控器来修改设置。这种操作不方便且不智能。

已经提出了一些方案，通过用户检测技术来智能控制空调。例如，一些方案通过检测用户的存在来粗略控制空调的开／关。另一些方案根据用户位置来改变风向。主要存在两类智能空调控制方案。一类利用红外传感器来检测用户的位置。然而检测精度较低，一些动物也可能被检测为用户，从而导致错误判断。另一类方法利用彩色相机来捕捉人体信息。然而传统彩色相机不能获得用户与空调之间的精确距离，并且彩色图像的效果受到照明条件的限制。例如，在光线较暗的情况下，传统彩色相机不能有效地检测人体。

文献1(US20090210193A1)公开了检测用户位置的设备和空调，利用TOF方法距离图像传感器获得用户位置信息(方向和距离)。

文献2(CN101240931B)公开了一种空调控制系统，利用图像识别模块来判断对象位置，从而根据对象位置来调整风量和风向。

文献3(CN101504169B)公开了一种空调，通过摄像设备来确定室内用户的移动，并计算对应的移动量和人体新陈代谢量，以改变温度、风向和风速等运行设置。

文献4(CN102414519A)公开了一种空调，利用多个红外检测器来检测室内人体的存在和位置，并调节空调的风量。

文献5(CN103123159A)公开了一种基于云计算技术的空调睡眠功能控制方法，利用云服务器计算空调运行参数改变曲线。

然而，上述方案均存在缺陷。例如，文献1建立了人体形状特征数据库来定义运动或静止状态的特征，从而判断当前用户的特征，这种判断不够精确，而且空调控制方法不够智能；文献2只是对空调进行了简单的控制操作，而且它通过把用彩色摄像头拍摄的目标图像与存储单元中的存储图像进行对比，来获得目标位置信息，是非常不准确的；文献3根据摄像部拍摄立体图像来计算人体的位置和移动状态，立体图像的效果受照明条件的限制，而且建立立体图像的计算方案过于复杂；文献4只定义了“远、中、近”三个位置，对人体位置的估计非常粗略，而且它利用红外传感器来检测用户，一些动物如猫或狗也可能被检测为用户，从而导致错误判断：文献5的方案使用固定运行参数曲线从而不能适配于用户需求的变化，而且仅推荐空调的睡眠模式。

发明内容

本发明的目的是提供一种设置设备的操作模式的方法和装置，能够更加智能地预测和设置用户期望的操作模式。

根据本发明的一方面，提供了一种设置设备的操作模式的方法，包括：基于表示设备的历史操作模式和历史状态的历史关系数据，建立操作模式与状态之间的关系模型；使用关系模型，基于当前状态来预测设备的操作模式；以及至少部分基于预测的操作模式来设置设备的当前操作模式。

在实施例中，建立关系模型的步骤包括：将每个历史操作模式和相关联的历史状态组合为特征向量；以及基于特征向量来建立关系模型，所述关系模型描述特征向量与目标值之间的关系，所述目标值表示每个历史操作模式被用户选择的次数。

在实施例中，所述关系模型还基于每个历史操作模式与相关联的历史状态之间的关系。

在实施例中，预测操作模式的步骤包括：确定与当前状态相关联的一个或多个候选操作模式；将当前状态与每个候选操作模式组合为候选特征向量；使用关系模型，计算与每个候选特征向量相对应的目标值；以及选择与最大目标值相对应的候选特征向量中包含的候选操作模式，作为预测的操作模式。

在实施例中，设置当前操作模式的步骤包括：向用户通知预测的操作模式；接收用户对预测的操作模式的修改或确认；以及基于用户修改或确认的操作模式来设置设备的当前操作模式。

在实施例中，所述方法还包括：基于用户修改或确认的操作模式来更新历史关系数据，其中，如果历史关系数据中存在与用户修改或确认的操作模式和当前状态一致的数据项，则将与该数据项相对应的目标值加1；或者如果历史关系数据中不存在与用户修改或确认的操作模式和当前状态一致的数据项，则将用户修改或确认的操作模式和当前状态作为新数据项加入历史关系数据。

在实施例中，所述方法还包括：确定历史关系数据的量是否大于预定阈值，其中，仅当确定历史关系数据的量大于预定阈值时，执行建立关系模型的步骤。

在实施例中，所述方法还包括：当确定历史关系数据的量不大于预定阈值时：从历史关系数据中搜索与当前状态相似的历史状态；如果从历史关系数据中找到与当前状态相似的至少一个历史状态：确定与所述至少一个历史状态分别相关联的至少一个历史操作模式；以及从所述至少一个历史操作模式中选择被用户选择的次数最多的历史操作模式，作为预测的操作模式，或者如果从历史关系数据中未找到与当前状态相似的历史状态：选择默认操作模式作为预测的操作模式。

在实施例中，所述状态包括与用户相关的状态和与操作环境相关的状态中的至少一项。

在实施例中，所述设备是空调设备，其中，与用户相关的状态包括用户数目、用户的位置和用户的行为中的至少一项；与操作环境相关的状态包括：温度、湿度、季节和时间中的至少一项，其中，所述操作模式包括空调的设定温度，设定湿度、风量和风向中的至少一项。

在实施例中，所述用户的行为表示用户的移动、静止或睡眠状态，所述用户的行为是采用深度和彩色摄像头来获取的。

根据本发明的另一方面，提供了一种设置设备的操作模式的装置，包括：建模单元，基于表示设备的历史操作模式和历史状态的历史关系数据，建立操作模式与状态之间的关系模型；预测单元，使用关系模型，基于当前状态来预测设备的操作模式；以及设置单元，至少部分基于预测的操作模式来设置设备的当前操作模式。

本发明还提供了一种包括上述装置的空调设备。

上述设置设备的操作模式的方法的实施例也适用于上述装置和空调设备。

根据本发明，基于表示设备的历史操作模式和历史状态的历史关系数据来建立操作模式与状态之间的关系模型，并使用关系模型，基于当前状态来预测设备的操作模式，从而能够更加智能地预测和设置用户期望的操作模式。

附图说明

通过下面结合附图说明本发明的优选实施例，将使本发明的上述及其它目的、特征和优点更加清楚，其中：

图1是根据本发明实施例的设置设备的操作模式的方法的流程图；

图2是操作模式与状态之间的关系模型的示意图；

图3是用户位置的量化的示意图；

图4是根据本发明实施例的设置设备的操作模式的装置的框图；以及

图5是根据本发明实施例的空调设备的框图。

具体实施方式

下面参照附图对本发明的优选实施例进行详细说明，在描述过程中省略了对于本发明来说是不必要的细节和功能，以防止对本发明的理解造成混淆。

图1是根据本发明实施例的设置设备的操作模式的方法100的流程图。如图1所示，方法100包括以下步骤。

在步骤S110，基于表示设备的历史操作模式和历史状态的历史关系数据，建立操作模式与状态之间的关系模型。

具体地，步骤S110包括：将每个历史操作模式和相关联的历史状态组合为特征向量；以及基于特征向量来建立关系模型，所述关系模型描述特征向量与目标值之间的关系，所述目标值表示每个历史操作模式被用户选择的次数。

其中，所述关系模型还基于每个历史操作模式与相关联的历史状态之间的关系。

在步骤S120，使用关系模型，基于当前状态来预测设备的操作模式。

具体地，步骤S120包括：确定与当前状态相关联的一个或多个候选操作模式；将当前状态与每个候选操作模式组合为候选特征向量；使用关系模型，计算与每个候选特征向量相对应的目标值；以及选择与最大目标值相对应的候选特征向量中包含的候选操作模式，作为预测的操作模式。

在步骤S130，至少部分基于预测的操作模式来设置设备的当前操作模式。

具体地，步骤S130包括：向用户通知预测的操作模式；接收用户对预测的操作模式的修改或确认；以及基于用户修改或确认的操作模式来设置设备的当前操作模式。

在实施例中，方法100还包括：基于用户修改或确认的操作模式来更新历史关系数据。其中，如果历史关系数据中存在与用户修改或确认的操作模式和当前状态一致的数据项，则将与该数据项相对应的目标值加1。如果历史关系数据中不存在与用户修改或确认的操作模式和当前状态一致的数据项，则将用户修改或确认的操作模式和当前状态作为新数据项加入历史关系数据。

可选地，方法100还包括：确定历史关系数据的量是否大于预定阈值。仅当确定历史关系数据的量大于预定阈值时，执行步骤S110。

可选地，方法100还包括：当确定历史关系数据的量不大于预定阈值时，从历史关系数据中搜索与当前状态相似的历史状态。如果从历史关系数据中找到与当前状态相似的至少一个历史状态，则确定与所述至少一个历史状态分别相关联的至少一个历史操作模式，并从所述至少一个历史操作模式中选择被用户选择的次数最多的历史操作模式，作为预测的操作模式。如果从历史关系数据中未找到与当前状态相似的历史状态，则选择默认操作模式作为预测的操作模式。

在以下给出的示例中，方法100用于设置空调设备的操作模式。然而，本领域技术人员应理解，本发明不限于空调设备，也适用于任何智能家电设备和电子设备。

这里使用的术语“状态”包括与用户相关的状态和与操作环境相关的状态中的至少一项。

具体地，与用户相关的状态包括用户数目、用户的位置和用户的行为中的至少一项。具体地，所述用户的行为可以表示用户的移动、静止或睡眠状态，所述用户的行为可以是采用深度和彩色摄像头来获取的。深度和彩色摄像头可以获得包含每个用户与空调之间的距离信息的深度图像和彩色图像。例如，可以基于深度图像来跟踪用户的骨骼，还可以基于深度图像和彩色图像来跟踪用户的头部和面部。通过用户跟踪，可以容易地计算用户数目和用户位置(例如用户的平均位置)。此外，可以基于人体各部分的高度来识别睡眠状态：如果各部分的高度接近，则识别用户处于睡眠状态。备选地，可以利用头部跟踪和面部跟踪来计算面部朝向，并基于面部朝向来识别睡眠状态。另外，通过上述跟踪用户的骨骼，可以识别用户的移动或静止状态。

与操作环境相关的状态包括温度、湿度、季节和时间中的至少一项。这里，温度可以使用温度传感器来检测；湿度可以使用湿度传感器来检测；季节和时间可以从时钟获得。

这里使用的术语“操作模式”(或以下简称“模式”)包括空调的设定温度，设定湿度、风量和风向中的至少一项。

图2示出了在步骤S110中建立的关系模型的示例。在图2的示例中，状态包括用户数目、用户位置、用户行为、温度、湿度、季节、时间，分别表示为x₁、x₂、x₃、x₄、x₅、x₆、x₇；模式包括设定温度、设定湿度、风量、风向，分别表示为x₈、x₉、x₁₀、x₁₁。

图2还示出了状态和模式的示例量化值。例如，用户数目的数值可以直接作为其量化值。用户位置的量化可以参见图3，其中o表示空调的位置，各个区域的数字表示用户位置的量化值。用户行为可以量化为：1表示移动状态、2表示静止状态、3表示睡眠状态。温度的数值可以直接作为其量化值。湿度的数值可以直接作为其量化值。季节可以量化为月份1-12。时间可以量化为小时1-24。设定温度的数值可以直接作为其量化值。设定湿度可以量化为：1表示不加湿、2表示加湿(或者其数值可以直接作为其量化值)。风量可以量化为1-10的等级。风向可以量化为0-45的值，其中15个水平位置量化等级、3个垂直位置量化等级、另外0表示“扫风”模式。

将每个历史操作模式和相关联的历史状态组合为特征向量X_i=(x₁，x₂，…，x_p)，i=1，2，…，N，这里i表示索引，p表示特征向量的长度(在本示例中p=11)，N表示历史关系数据项的数目。

关系模型描述特征向量与目标值之间的关系，可以表示为：

$y_i=w_0+\underset{j=1}{\overset{p}{\mathrm{\Σ}}}{w}_j{x}_j+\underset{j=1}{\overset{p}{\mathrm{\Σ}}}\underset{j^{\′}+1}{\overset{p}{\mathrm{\Σ}}}{x}_j{x}_{j^{\′}}\underset{k=1}{\overset{q}{\mathrm{\Σ}}}{r}_{j,k}{r}_{j^{\′}k}---\left(1\right)$

其中y表示目标值，即每个历史操作模式被用户选择的次数；w₀，w₁，…，w_p，r_1，1，r_1，2，…，r_p，q表示关系模型的参数(待训练／学习的参数)；q表示各个模式／状态中两项之间潜在关系的维数，其值可根据实验设定。这些参数是通过在线机器学习的方法(例如随机梯度下降)而获得的。

从以上等式(1)可以看出，关系模型还描述了每个历史操作模式与相关联的历史状态之间的关系。

在建立了关系模型之后，在步骤S120中，可以检测当前状态，并确定与当前状态相关联的一个或多个候选操作模式(例如根据预定义的关联关系)。然后，如上所述将当前状态与每个候选操作模式组合为候选特征向量，并根据关系模型来计算与每个候选特征向量相对应的目标值。最后，选择与最大目标值相对应的候选特征向量中包含的候选操作模式，作为预测的操作模式。

在步骤S130中，向用户通知预测的操作模式。此时用户可能确认使用预测的操作模式，或者可能修改预测的操作模式。因此，在步骤S130中，接收用户对预测的操作模式的修改或确认，并基于用户修改或确认的操作模式来设置设备的当前操作模式。

然后，基于用户修改或确认的操作模式来更新历史关系数据。具体地，如果历史关系数据中存在与用户修改或确认的操作模式和当前状态一致的数据项，则将与该数据项相对应的目标值加1。如果历史关系数据中不存在与用户修改或确认的操作模式和当前状态一致的数据项，则将用户修改或确认的操作模式和当前状态作为新数据项加入历史关系数据。

如上所述，可选地，方法100还包括：确定历史关系数据的量是否大于预定阈值。仅当确定历史关系数据的量大于预定阈值(例如N>5000)时，执行步骤S110。当确定历史关系数据的量不大于预定阈值时，从历史关系数据中搜索与当前状态相似的历史状态。如果从历史关系数据中找到与当前状态相似的至少一个历史状态，则确定与所述至少一个历史状态分别相关联的至少一个历史操作模式，并从所述至少一个历史操作模式中选择被用户选择的次数最多的历史操作模式，作为预测的操作模式。如果从历史关系数据中未找到与当前状态相似的历史状态，则选择默认操作模式作为预测的操作模式。

这里，关于任何两个状态“相似”的判断包括：判断两个状态的用户数目是否相等；判断两个状态的用户行为是否相同；以及判断两个状态的温度、湿度、季节、时间的差值是否在相应预定范围之内。如果两个状态的用户数目相等、用户行为相同、并且温度、湿度、季节、时间的差值在相应预定范围之内，则认为两个状态“相似”。

此外，可以根据当前状态来选择默认操作模式。例如，可以预先设定操作状态与默认操作模式之间的关联关系。例如，可以设定在当前状态包括用户数目1、用户位置不限、用户行为1、温度29-35℃、湿度≤预定阈值H1、6≤季节≤9、时间不限时，相关联的默认操作模式包括设定温度27℃、设定湿度2、风量3、风向0。

这里应注意，本发明不限于上述特定状态和模式的示例。

图4是根据本发明实施例的设置设备的操作模式的装置400的框图。如图4所示，装置400包括以下单元。

建模单元410，基于表示设备的历史操作模式和历史状态的历史关系数据，建立操作模式与状态之间的关系模型。

预测单元420，使用关系模型，基于当前状态来预测设备的操作模式。

设置单元430，至少部分基于预测的操作模式来设置设备的当前操作模式。

在实施例中，建模单元410被配置为：将每个历史操作模式和相关联的历史状态组合为特征向量；以及基于特征向量来建立关系模型，所述关系模型描述特征向量与目标值之间的关系，所述目标值表示每个历史操作模式被用户选择的次数。

在实施例中，所述关系模型还基于每个历史操作模式与相关联的历史状态之间的关系。

在实施例中，预测单元420被配置为：确定与当前状态相关联的一个或多个候选操作模式；将当前状态与每个候选操作模式组合为候选特征向量；使用关系模型，计算与每个候选特征向量相对应的目标值；以及选择与最大目标值相对应的候选特征向量中包含的候选操作模式，作为预测的操作模式。

在实施例中，设置单元430被配置为：向用户通知预测的操作模式；接收用户对预测的操作模式的修改或确认；以及基于用户修改或确认的操作模式来设置设备的当前操作模式。

在实施例中，装置400还包括：更新单元，基于用户修改或确认的操作模式来更新历史关系数据。如果历史关系数据中存在与用户修改或确认的操作模式和当前状态一致的数据项，则将与该数据项相对应的目标值加1。如果历史关系数据中不存在与用户修改或确认的操作模式和当前状态一致的数据项，则将用户修改或确认的操作模式和当前状态作为新数据项加入历史关系数据。

在实施例中，装置400还包括：确定单元，确定历史关系数据的量是否大于预定阈值。建模单元410被配置为：仅当确定单元确定历史关系数据的量大于预定阈值时，建立关系模型。

在实施例中，装置400还包括：选择单元，当确定历史关系数据的量不大于预定阈值时，从历史关系数据中搜索与当前状态相似的历史状态。如果从历史关系数据中找到与当前状态相似的至少一个历史状态，则确定与所述至少一个历史状态分别相关联的至少一个历史操作模式；以及从所述至少一个历史操作模式中选择被用户选择的次数最多的历史操作模式，作为预测的操作模式。备选地，如果从历史关系数据中未找到与当前状态相似的历史状态，则选择默认操作模式作为预测的操作模式。

在实施例中，所述状态包括与用户相关的状态和与操作环境相关的状态中的至少一项。

在实施例中，所述设备是空调设备。与用户相关的状态包括用户数目、用户的位置和用户的行为中的至少一项。与操作环境相关的状态包括：温度、湿度、季节和时间中的至少一项。所述操作模式包括空调的设定温度，设定湿度、风量和风向中的至少一项。

在实施例中，所述用户的行为表示用户的移动、静止或睡眠状态，所述用户的行为是采用深度和彩色摄像头来获取的。

应注意，以上关于方法100以及结合图1-3所描述的特征和示例也适用于装置400。

图5是根据本发明实施例的空调设备500的框图。空调设备500包括图4所示的装置400。空调设备500还可以包括控制器510，根据装置400所设置的操作模式来控制空调设备500的操作，例如控制风量、风向等等。空调设备500还可以包括存储历史关系数据以及关系模型的存储器、彩色和深度摄像头、用于检测当前状态的各种传感器(例如温度传感器、湿度传感器等等)。

应注意，以上关于方法100以及结合图1-3所描述的特征和示例也适用于空调设备500。

尽管以上已经结合本发明的优选实施例示出了本发明，但是本领域的技术人员将会理解，在不脱离本发明的精神和范围的情况下，可以对本发明进行各种修改、替换和改变。因此，本发明不应由上述实施例来限定，而应由所附权利要求及其等价物来限定。

Claims (23)

1.一种设置设备的操作模式的方法，包括：

基于表示设备的历史操作模式和历史状态的历史关系数据，建立操作模式与状态之间的关系模型；

使用关系模型，基于当前状态来预测设备的操作模式；以及

至少部分基于预测的操作模式来设置设备的当前操作模式。

2.根据权利要求1所述的方法，其中，建立关系模型的步骤包括：

将每个历史操作模式和相关联的历史状态组合为特征向量；以及

基于特征向量来建立关系模型，所述关系模型描述特征向量与目标值之间的关系，所述目标值表示每个历史操作模式被用户选择的次数。

3.根据权利要求2所述的方法，其中，所述关系模型还基于每个历史操作模式与相关联的历史状态之间的关系。

4.根据权利要求2所述的方法，其中，预测操作模式的步骤包括：

确定与当前状态相关联的一个或多个候选操作模式；

将当前状态与每个候选操作模式组合为候选特征向量；

使用关系模型，计算与每个候选特征向量相对应的目标值；以及

选择与最大目标值相对应的候选特征向量中包含的候选操作模式，作为预测的操作模式。

5.根据权利要求2所述的方法，其中，设置当前操作模式的步骤包括：

向用户通知预测的操作模式；

接收用户对预测的操作模式的修改或确认；以及

基于用户修改或确认的操作模式来设置设备的当前操作模式。

6.根据权利要求5所述的方法，还包括：

基于用户修改或确认的操作模式来更新历史关系数据，

其中，如果历史关系数据中存在与用户修改或确认的操作模式和当前状态一致的数据项，则将与该数据项相对应的目标值加1；或者

如果历史关系数据中不存在与用户修改或确认的操作模式和当前状态一致的数据项，则将用户修改或确认的操作模式和当前状态作为新数据项加入历史关系数据。

7.根据权利要求2所述的方法，还包括：确定历史关系数据的量是否大于预定阈值，

其中，仅当确定历史关系数据的量大于预定阈值时，执行建立关系模型的步骤。

8.根据权利要求7所述的方法，其中，当确定历史关系数据的量不大于预定阈值时，还包括：

从历史关系数据中搜索与当前状态相似的历史状态；

如果从历史关系数据中找到与当前状态相似的至少一个历史状态：

确定与所述至少一个历史状态分别相关联的至少一个历史操作模式；以及

从所述至少一个历史操作模式中选择被用户选择的次数最多的历史操作模式，作为预测的操作模式，或者

如果从历史关系数据中未找到与当前状态相似的历史状态：

选择默认操作模式作为预测的操作模式。

9.根据权利要求1-8中任一项所述的方法，其中，所述状态包括与用户相关的状态和与操作环境相关的状态中的至少一项。

10.根据权利要求9所述的方法，其中，所述设备是空调设备，

其中，与用户相关的状态包括用户数目、用户的位置和用户的行为中的至少一项；

与操作环境相关的状态包括：温度、湿度、季节和时间中的至少一项，

其中，所述操作模式包括空调的设定温度，设定湿度、风量和风向中的至少一项。

11.根据权利要求10所述的方法，其中，所述用户的行为表示用户的移动、静止或睡眠状态，所述用户的行为是采用深度和彩色摄像头来获取的。

12.一种设置设备的操作模式的装置，包括：

建模单元，基于表示设备的历史操作模式和历史状态的历史关系数据，建立操作模式与状态之间的关系模型；

预测单元，使用关系模型，基于当前状态来预测设备的操作模式；以及

设置单元，至少部分基于预测的操作模式来设置设备的当前操作模式。

13.根据权利要求12所述的装置，其中，建模单元被配置为：

将每个历史操作模式和相关联的历史状态组合为特征向量；以及

基于特征向量来建立关系模型，所述关系模型描述特征向量与目标值之间的关系，所述目标值表示每个历史操作模式被用户选择的次数。

14.根据权利要求13所述的装置，其中，所述关系模型还基于每个历史操作模式与相关联的历史状态之间的关系。

15.根据权利要求13所述的装置，其中，预测单元被配置为：

确定与当前状态相关联的一个或多个候选操作模式；

将当前状态与每个候选操作模式组合为候选特征向量；

使用关系模型，计算与每个候选特征向量相对应的目标值；以及

选择与最大目标值相对应的候选特征向量中包含的候选操作模式，作为预测的操作模式。

16.根据权利要求13所述的装置，其中，设置单元被配置为：

向用户通知预测的操作模式；

接收用户对预测的操作模式的修改或确认；以及

基于用户修改或确认的操作模式来设置设备的当前操作模式。

17.根据权利要求16所述的装置，还包括：

更新单元，基于用户修改或确认的操作模式来更新历史关系数据，

其中，如果历史关系数据中存在与用户修改或确认的操作模式和当前状态一致的数据项，则将与该数据项相对应的目标值加1；或者

如果历史关系数据中不存在与用户修改或确认的操作模式和当前状态一致的数据项，则将用户修改或确认的操作模式和当前状态作为新数据项加入历史关系数据。

18.根据权利要求13所述的装置，还包括：

确定单元，确定历史关系数据的量是否大于预定阈值，

其中，建模单元被配置为：仅当确定单元确定历史关系数据的量大于预定阈值时，建立关系模型。

19.根据权利要求18所述的装置，还包括：

选择单元，当确定历史关系数据的量不大于预定阈值时，从历史关系数据中搜索与当前状态相似的历史状态；

如果从历史关系数据中找到与当前状态相似的至少一个历史状态：

确定与所述至少一个历史状态分别相关联的至少一个历史操作模式；以及

从所述至少一个历史操作模式中选择被用户选择的次数最多的历史操作模式，作为预测的操作模式，或者

如果从历史关系数据中未找到与当前状态相似的历史状态：

选择默认操作模式作为预测的操作模式。

20.根据权利要求12-19中任一项所述的装置，其中，所述状态包括与用户相关的状态和与操作环境相关的状态中的至少一项。

21.根据权利要求20所述的装置，其中，所述设备是空调设备，

其中，与用户相关的状态包括用户数目、用户的位置和用户的行为中的至少一项；

与操作环境相关的状态包括：温度、湿度、季节和时间中的至少一项，

其中，所述操作模式包括空调的设定温度，设定湿度、风量和风向中的至少一项。

22.根据权利要求21所述的装置，其中，所述用户的行为表示用户的移动、静止或睡眠状态，所述用户的行为是采用深度和彩色摄像头来获取的。

23.一种空调设备，包括权利要求12-22中任一项所述的装置。