CN105352124B - 一种空调的调控方法和装置 - Google Patents
一种空调的调控方法和装置 Download PDFInfo
- Publication number
- CN105352124B CN105352124B CN201510812032.6A CN201510812032A CN105352124B CN 105352124 B CN105352124 B CN 105352124B CN 201510812032 A CN201510812032 A CN 201510812032A CN 105352124 B CN105352124 B CN 105352124B
- Authority
- CN
- China
- Prior art keywords
- distance
- moving object
- actual
- air conditioner
- range
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004378 air conditioning Methods 0.000 title claims abstract description 8
- 230000001105 regulatory effect Effects 0.000 claims abstract description 29
- 230000000875 corresponding effect Effects 0.000 claims description 39
- 238000004364 calculation method Methods 0.000 claims description 30
- 230000001276 controlling effect Effects 0.000 claims description 20
- 238000001514 detection method Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 8
- 230000002596 correlated effect Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 9
- 239000003570 air Substances 0.000 description 97
- 230000006870 function Effects 0.000 description 55
- 238000012706 support-vector machine Methods 0.000 description 19
- 230000008569 process Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 10
- 238000012549 training Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000009471 action Effects 0.000 description 3
- 210000000746 body region Anatomy 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000012843 least square support vector machine Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/70—Control systems characterised by their outputs; Constructional details thereof
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2120/00—Control inputs relating to users or occupants
- F24F2120/10—Occupancy
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种空调的调控方法和装置，该方法包括：在空调采集的图像数据中检测运动对象；当检测到运动对象时，计算所述运动对象的实际高度；根据所述实际高度计算所述运动对象与所述空调之间的实际距离；根据所述实际距离对所述空调进行调控。本发明实施例自适应根据实际的运动情况进行调控，提高了灵活性，进一步提高了调节的效果，避免手工对空调进行调节，大大提高了操作的简便性。
Description
技术领域
本发明涉及空调的技术领域，特别是涉及一种空调的调控方法和一种空调的调控装置。
背景技术
随着科技的发展，空调已经广泛普及，作为人们日常生活的常用电器之一。
目前空调的发展趋势主要有三方面：
1、节能减排；
2、空调的温度设置需要适应人体的健康需求；
3、智能化控制。
传统空调的调节方法中，主要利用温度传感器检测环境温度，从而调整空调温度，设置制冷，制热等模式来实现空调的智能化控制。
然而，这种智能化控制主要基于环境温度，影响因素单一，灵活性差，调节效果较差，可能无法给出合适的制冷效果，在调节效果较差的情况下，往往还需要用户手动进行调节，操作繁琐。
发明内容
鉴于上述问题，为了解决上述调节效果较差的问题，本发明实施例提出了一种空调的调控方法和相应的一种空调的调控装置。
为了解决上述问题，本发明实施例公开了一种空调的调控方法，包括：
在空调采集的图像数据中检测运动对象；
当检测到运动对象时，计算所述运动对象的实际高度；
根据所述实际高度计算所述运动对象与所述空调之间的实际距离；
根据所述实际距离对所述空调进行调控。
优选地，所述在空调采集的多个图像数据中检测运动对象的步骤包括：
在空调采集的图像数据中提取候选HOG特征；
将所述候选HOG特征与预设的运动对象检测器中的运动对象HOG特征和非运动对象HOG特征进行匹配；
将与所述运动对象HOG特征相匹配的候选HOG特征组成的区域确定为运动对象。
优选地，所述计算所述运动对象的实际高度的步骤包括：
统计所述运动对象从顶部到底部之间像素的数量；
计算单位像素的高度值；
采用所述像素的数量和所述单位像素的高度值计算所述运动对象的实际高度。
优选地，所述根据所述实际高度计算所述运动对象与所述空调之间的实际距离的步骤包括：
获取空调中摄像头的焦距、运动对象从顶部到底部之间像素的数量；
采用所述实际高度、所述摄像头的焦距和所述像素的数量计算所述运动对象与所述空调之间的实际距离；
其中，所述实际距离与比例因子及所述摄像头的焦距正相关，所述比例因子为所述实际高度与所述像素的数量之间的比例。
优选地，所述根据所述实际距离对所述空调进行调控的步骤包括：
采用所述实际距离计算目标距离；
查询所述目标距离所属的距离范围；
按照所述距离范围对所述空调进行调控。
优选地，所述采用所述实际距离计算目标距离的步骤包括：
当所述运动对象为一个时，从所述运动对象对应的实际距离中，提取在检测运动对象失败之前的N个实际距离；
计算所述N个实际距离的平均值，作为目标距离；
或者，
当所述运动对象为多个时，分别从每个运动对象对应的实际距离中，提取在检测运动对象失败之前的N个实际距离；
分别计算所述N个实际距离的平均值，获得多个候选距离；
从所述多个候选距离中计算目标距离。
优选地，所述距离范围包括如下的一种或多种：
第一范围距离、第二范围距离、第三范围距离；
其中，所述第一范围距离小于所述第二范围距离，所述第二范围距离小于所述第三范围距离；
所述按照所述距离范围对所述空调进行调控的步骤包括：
当所述目标距离属于第一范围距离时，将所述空调的风向设置为上摆风、风速设置为低档位；
和/或，
当所述目标距离属于第二范围距离时，将所述空调的风向设置为下摆风、风速设置为中档位；
和/或，
当所述目标距离属于第三范围距离时，将所述空调的风向设置为下摆风、风速设置为高档位。
本发明实施例还公开了一种空调的调控装置，包括：
运动对象检测模块，用于在空调采集的图像数据中检测运动对象；
实际高度计算模块，用于在检测到运动对象时，计算所述运动对象的多个实际高度；
实际距离计算模块，用于根据所述实际高度计算所述运动对象与所述空调之间的实际距离；
空调调控模块，用于根据所述实际距离对所述空调进行调控。
优选地，所述运动对象检测模块包括：
候选HOG特征提取子模块，用于在空调采集的图像数据中提取候选HOG特征；
HOG特征匹配子模块，用于将所述候选HOG特征与预设的运动对象检测器中的运动对象HOG特征和非运动对象HOG特征进行匹配；
运动对象确定子模块，用于将与所述运动对象HOG特征相匹配的候选HOG特征组成的区域确定为运动对象。
优选地，所述实际高度计算模块包括：
数量统计子模块，用于统计所述运动对象从顶部到底部之间像素的数量；
高度值计算子模块，用于计算单位像素的高度值；
比例计算子模块，因故采用所述像素的数量和所述单位像素的高度值计算所述运动对象的实际高度。
优选地，所述实际距离计算模块包括：
数据获取子模块，用于获取空调中摄像头的焦距、运动对象从顶部到底部之间像素的数量；
数据计算子模块，用于采用所述实际高度、所述摄像头的焦距和所述像素的数量计算所述运动对象与所述空调之间的实际距离；
其中，所述实际距离与比例因子及所述摄像头的焦距正相关，所述比例因子为所述实际高度与所述像素的数量之间的比例。
优选地，所述空调调控模块包括：
目标距离计算子模块，用于采用所述实际距离计算目标距离；
距离范围查询子模块，用于查询所述目标距离所属的距离范围；
调控子模块，用于按照所述距离范围对所述空调进行调控。
优选地，所述目标距离计算子模块包括：
第一实际距离提取单元，用于在所述运动对象为一个时，从所述运动对象对应的实际距离中，提取在检测运动对象失败之前的N个实际距离；
第一平均值计算单元，用于计算所述N个实际距离的平均值，作为目标距离；
或者，
第二实际距离提取单元，用于在所述运动对象为多个时，分别从每个运动对象对应的实际距离中，提取在检测运动对象失败之前的N个实际距离；
第二平均值计算单元，用于分别计算所述N个实际距离的平均值，获得多个候选距离；
候选距离计算单元，用于从所述多个候选距离中计算目标距离。
优选地，所述距离范围包括如下的一种或多种：
第一范围距离、第二范围距离、第三范围距离；
其中，所述第一范围距离小于所述第二范围距离，所述第二范围距离小于所述第三范围距离；
所述调控子模块包括：
第一设置单元，用于在所述目标距离属于第一范围距离时，将所述空调的风向设置为上摆风、风速设置为低档位；
和/或，
第二设置单元，用于在所述目标距离属于第二范围距离时，将所述空调的风向设置为下摆风、风速设置为中档位；
和/或，
第三设置单元，用于在所述目标距离属于第三范围距离时，将所述空调的风向设置为下摆风、风速设置为高档位。
本发明实施例包括以下优点：
本发明实施例对空调采集的图像数据检测运动对象，通过计算其实际高度继而计算与空调之间的实际距离，基于该实际距离对空调进行调控，自适应根据实际的运动情况进行调控，提高了灵活性，进一步提高了调节的效果，避免手工对空调进行调节，大大提高了操作的简便性。
附图说明
图1是本发明的一种空调的调控方法实施例的步骤流程图；
图2是本发明的一种成像原理的示意图；
图3是本发明的一种空调的调控装置实施例的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1，示出了本发明的一种空调的调控方法实施例的步骤流程图，具体可以包括如下步骤：
步骤101，在空调采集的图像数据中分别检测运动对象；
需要说明的是，本发明实施例还可以应用于空调，即空气调节器(airconditioner)，又称冷气。
空调是指用人工手段，对建筑/构筑物内环境空气的温度、湿度、洁净度、速度等参数进行调节和控制的设备，一般包括冷源/热源设备，冷热介质输配系统，末端装置等几大部分和其他辅助设备。其中，末端装置则负责利用输配来的冷热量，具体处理空气，使目标环境的空气参数达到要求。
在本发明实施例中，该空调可以设置摄像头，当空调开启时，可以调用该摄像头采集图像数据，以检测运动对象，即实际运动的人或物体所处的图像区域。
由于采集的图像数据中除了包括物体的人或物体的影像之外，一般还会包括一些周围环境的影像，即背景。
因此，本发明实施例中，要对运动的人或物体进行检测，一般要确定运动的人或物在该图像数据中所处的图像区域。
在本发明的一个实施例中，步骤101可以包括如下子步骤：
子步骤S11，在空调采集的图像数据中提取候选HOG特征；
HOG(Histogram of Oriented Gradient，方向梯度直方图)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述集，其通过计算和统计图像局部区域的梯度方向直方图来构成特征。
在一帧图像数据中，局部目标的表象和形状能够被梯度或边缘的方向密度分布很好地描述。
具体而言，可以将图像数据分成小的连通区域，成为细胞单元，采集细胞单元中各像素点的梯度的或边缘的方向直方图，把这些直方图组合起来就可以构成特征描述器。
以某一帧图像数据为例，HOG特征提取的实现过程如下：
(1)检测图像窗口，将图像数据进行灰度化处理，即将图像看作一个x，y，z(灰度)的三维图像。
(2)对图像数据进行颜色空间的标准化即归一化。
例如，可以采用Gamma校正法对图像进行颜色空间的归一化，归一化的目的是调节图像数据的对比度，降低图像数据局部的阴影和光照变化所造成的影响，同时可以抑制噪音的干扰。
(3)计算图像中每个像素的梯度(包括大小和方向)，以捕获轮廓信息，同时进一步弱化光照的干扰。
(4)将图像划分成多个小的细胞单元(cell)，例如，将每6*6像素作为一个cell。
(5)统计每个cell的梯度直方图(不同梯度的个数)，即可形成每个cell的特征描述(descriptor)。
(6)将每几个cell组成一个块(block)，例如，将每3*3个cell作为一个block，一个block内所有cell的特征描述组合起来便得到该block的HOG特征描述。
(7)将图像内的所有block的HOG特征描述组合起来就可以得到该图像的HOG特征。
子步骤S12，将所述候选HOG特征与预设的运动对象检测器中的运动对象HOG特征和非运动对象HOG特征进行匹配；
应用本发明实施例，可以预先训练运动对象检测器。
以SVM(Support Vector Machine，支持向量机)训练运动对象检测器为例。
SVM利用分类间隔的思想进行训练，它依赖于对数据的预处理，即在更高维的空间表达原始模式，通过适当的到一个足够高维的非线性映射分别属于两类的原始数据就能够被一个超平面来分隔。
它的基本思想可以概括为：通过非线性变换将输入空间变换到一个高维空间，在这个高维空间中求取最优线性分类面，而这种非线性变换是通过定义适当的内积函数来实现的。
SVM求得的分类函数形式上类似于一个神经网络，其输出是若干中间层节点的线性组合，而每一个中间层节点对应于输入样本与一个支持向量的内积，因此也被叫做支持向量网络。
本发明实施例中，应用SVM训练运动对象检测器的过程可以如下：
(1)获取训练样本图像集合，包括正样本图像集(即包含运动对象的图像数据的样本集)和负样本图像集(即不包含运动对象的图像数据的样本集)。
样本图像理论应该是无限多的，而且应该覆盖实际应用过程中可能发生的各种情况。
(2)对各个样本图像进行裁剪，进一步提高样本图像的准确性。
(3)裁剪之后，将所有正样本图像保存在一个文件夹中，将所有负样本图像保存在另一个文件夹中，并将所有样本图像缩放到同样的尺寸大小。
(4)提取所有正样本图像的HOG特征，以及所有负样本图像的HOG特征，此处即可以采用上述HOG特征提取中所描述的方法提取样本图像的HOG特征。
(5)对所有正负样本图像赋予样本标签。例如，所有正样本图像标记为1，所有负样本图像标记为0。
(6)将正负样本图像的HOG特征和正负样本图像的标签，输入到SVM中进行训练；
(7)SVM训练之后，将结果进行保存，其中即包括了运动对象HOG特征和非运动对象HOG特征。
在通过上述方式创建运动对象检测器之后，即可采用该运动对象检测器确定采集到的图像数据中的运动对象。
子步骤S13，将与所述运动对象HOG特征相匹配的候选HOG特征组成的区域确定为运动对象。
由于已经通过SVM分类的方式对多个样本图像进行了训练，获得了分类后的运动对象HOG特征和非运动对HOG特征，因此，在提取出图像数据的候选HOG特征之后，即可与运动对象检测器中保存的运动对象HOG特征和非运动对象HOG特征进行匹配。
如果采集的图像数据的候选HOG特征与运动对象HOG特征相匹配，则可以说明图像数据中的该候选HOG特征代表的是运动对象的特征，因此，可以将图像数据中与运动对象HOG特征相匹配的候选HOG特征组成的区域确定为运动对象。
步骤102，当检测到运动对象时，计算所述运动对象的实际高度；
若检测到运动对象，则当前环境中可能存在行走的人，由于空调处于开启状态，因此，可以检测该运动对象与空调之间的距离，以对空调进行调控。
在本发明实施例中，实际高度，指的是在实际环境中，该运动对象所表征的人或物体的高度。
在本发明的一个实施例中，步骤102可以包括如下子步骤：
子步骤S21，统计所述运动对象从顶部到底部之间像素的数量；
本发明实施例中，运动对象的高度即可以看成是运动对象的顶部到底部之间的垂直距离。
因此，在确定出图像数据中的运动对象之后，可以统计运动对象的顶部到底部之间像素的数量，即统计在该运动对象内物体的高度方向占用了多少像素。
需要说明的是，此处运动对象的顶部到底部之间像素的数量指的是顶部到底部的垂直方向所占像素的数量。
例如，为了简便可以直接将运动对象的顶部作为其表征的人或物体的顶部，将运动对象的底部作为表征的人或物体的底部，或者，为了使结果更加精确还可以进一步采用上述创建运动对象检测器的方式创建人或物体顶部和底部检测器，采用该人或物体顶部和底部检测器分别识别运动对象中人或物体的顶部和底部。
子步骤S22，计算单位像素的高度值；
本发明实施例中，可以预先创建比例函数，该比例函数可以用于计算所采集的图像数据中运动对象中单位像素对应的高度值，及每个单位像素所对应的、在实际环境中的高度值。
在本发明的一个实施例中，子骤S22进一步可以包括如下子步骤：
子步骤S221，统计所述运动对象的底部到所述图像数据下边缘之间像素的数量；
本发明实施例中，运动对象的底部到图像数据下边缘之间像素的数量指的是运动对象的底部与图像数据下边缘的垂直方向所占像素的数量。
子步骤S222采用预先创建的比例函数，结合所述像素的数量计算所述运动对象中单位像素的高度值。
在所采集的图像数据中，运动对象中单位像素对应的实际高度值与很多因素有关，如摄像头的内部、外部参数以及物体到摄像机的距离等，是一个非常复杂的非线性关系。
本发明实施例中，为了避免标定摄像头参数以及固定物体到摄像机的距离，提出比例函数来逼近这种关系。
在具体实现中，可以采用三次样条插值比例函数和支持向量机拟合比例函数这两种方式计算运动对象中单位像素对应的高度值。
应用本发明实施例，可以预先创建比例函数，可以通过已知高度的物体在具有摄像功能的设备所能覆盖的视场区域内运动，从而获得多个物体运动到不同位置的样本图像，然后利用这些样本图像训练比例函数。
整体过程如下：
采集物体运动到不同位置的多个样本图像，并确定各样本图像内的运动对象；
获取物体的实际高度，并针对每个样本图像内的运动对象，在该运动对象中统计物体的顶部到底部所占的像素数量；
针对每个样本图像内的运动对象，采用所述物体的实际高度和所述该运动对象中物体的顶部到底部所占的像素数量计算该运动对象中单位像素对应的实际高度；
采用各运动对象中单位像素对应的实际高度计算比例函数的各个系数，得到比例函数。
进一步地，其中采用各运动对象中单位像素对应的实际高度计算比例函数的各个系数，得到比例函数的步骤可以包括：针对每个样本图像，在所述样本图像中统计物体的底部到所述样本图像下边缘之间像素的数量；采用各运动对象中单位像素对应的实际高度和对应的各物体的底部到所述样本图像下边缘之间像素的数量计算比例函数的各个系数，得到比例函数。
下面，分别针对三次样条插值比例函数和支持向量机拟合比例函数的创建过程进行详细介绍。
1、三次样条插值比例函数
三次样条曲线可以用以下公式1的三次样条插值函数表示：
Si(x)＝ai+bi(x-xi)+ci(x-xi)2+di(x-xi)3 公式1
在公式1中，ai、bi、ci和di为多项式系数，本发明实施例中对三次样条插值比例函数的创建即是要计算ai、bi、ci和di这些系数。
假设所采集到的样本图像为M个，对该M个样本图像按照其内运动对象中物体的底部到该样本图像下边缘所占的像素数量进行排序(例如从大到小或从小到大排序)，在排序后划分区段，如果对M个样本图像划分n个区段，那么就要在M个样本图像中提取n+1个节点。
每个区段内包括多个样本图像，每个区段都可以表明一个像素数量的范围，即从该区段内第一个样本图像内运动对象中人或物体的底部到该样本图像下边缘所占的像素数量到最后一个样本图像内运动对象中物体的底部到该样本图像下边缘所占的像素数量这个范围。
例如，有0～99这100个样本图像，需要划分10个区段，每个区段包括10个样本图像，则可以通过提取其中的0、9、19、29、39、49、59、69、79、89、99这11个节点，即最后划分的区段为(0～9)、(10～19)、(20～29)、(30～39)、(40～49)、(50～59)、(60～69)、(70～79)、(80～89)、(90～99)这10个。
其中，(0～9)这个区段即可表明样本图像0内运动对象中物体的底部到该样本图像下边缘所占的像素数量到样本图像9内运动对象中物体的底部到该样本图像下边缘所占的像素数量这一范围。
Si(x)是一个分段定义的公式，提取n+1个节点的情况下，共有n个区间，上述公式1即表示第i个区段对应的三次样条插值函数，满足以下条件：
(a)针对每一个区段[xi,xi+1](i＝0，1，...n-1)，S(x)＝Si(x)都是一个三次多项式；
(b)满足S(xi)＝yi(i＝0,1,...,n)；
(c)S(x)，导数S′(x)，二阶导数S″(x)在区间[a，b]内都是连续的，即S(x)曲线是光滑的。
因此，式中ai、bi、ci和di代表4n个未知系数。
对于上述公式1还具有以下条件：
(A)提取的n+1个节点[xi,yi],i＝0,1,...,n；
(B)每一个区段都是三次多项式函数曲线；
(C)节点达到二阶连续；
(D)左右两端点处特性(自然边界，固定边界，非节点边界)。
针对每个区段对应的三次样条插值函数，计算出其中的4个系数，即可以得到该区段对应的三次样条插值比例函数。
如果将所提取的每个节点用一个坐标(x，y)来表示，则其中x代表该节点对应的样本图像内运动对象中物体的底部到该样本图像下边缘所占的像素数量，y代表该节点对应的样本图像内运动对象中单位像素对应的高度值。假设提取了以下节点：x:a＝x0＜x1＜…＜xn＝b，y:y0y1…yn，其中a，b为预设的边界值。
因此，如果区段i对应的三次样条插值函数为上述公式1，则在针对上述公式1计算其中的系数时，首先提取区段i中除第一个和最后一个样本图像之外的至少4个样本图像；然后将公式1中的xi替换为区段i中的第一个或最后一个样本图像内运动对象中物体的底部到该样本图像下边缘所占的像素数量，将公式1中的x替换为所提取的样本图像内运动对象中物体的底部到该样本图像下边缘所占的像素数量，将公式1中的Si(x)替换为所提取的样本图像内运动对象中单位像素对应的高度值。
因此，即可得到所提取的样本图像个数的方程式，根据这些方程式即可计算得到其中的4个系数，进而得到区段i对应的三次样条插值比例函数：
fi(x)＝ai+bi(x-xi)+ci(x-xi)2+di(x-xi)3。
其中，xi为区段i的第一个或最后一个样本图像内运动对象中物体的底部到该样本图像下边缘所占的像素数量，ai、bi、ci和di为已计算出的系数。
2、支持向量机拟合比例函数
上述提到的三次样条插值比例函数可以在有限的训练样本下对函数变量之间的关系做出预测，在实践中由于训练样本有限，并且训练样本本身存在噪声和孤立点，用三次样条插值的方法进行函数拟合的结果往往不能满足要求。
因此，本发明实施例中还提出利用基于尺度核函数的最小二乘支持向量机对函数进行拟合。
需要说明的是，上述支持向量机用于样本的训练，而此处提到的支持向量机用于函数的拟合。而最小二乘支持向量机是支持向量机的一种改进，这种方法采用最小二乘线性系统作为损失函数，求解过程变成了一组等式方程，求解速度相对加快，应用到模式识别和非线性函数估计中取得较好的效果。
基于尺度核函数的最小二乘支持向量机的原理如下：在线性回归情况下，给定L个训练样本图像集{(x1,y1),(x2,y2)…,(xL,yL)}，其中x代表样本图像内运动对象中物体的底部到该样本图像下边缘所占的像素数量，y代表样本图像内运动对象中单位像素对应的高度值。
本发明实施例中的支持向量机拟合比例函数用以下公式2表示：
其中，L为预先采集的样本图像个数，wi为矩阵w中的第i个元素，k(xi,x)为核函数，xi为第i个样本图像内物体的底部到所述目标图像下边缘所占的像素数量；要得到上述公式2的支持向量机拟合比例函数，就需要计算出其中的系数wi(即w)和b。
其中，通过选择合适的核函数k(xi,x)，确定输入控件到特定空间的映射，其中常用的核函数为高斯函数，核函数k(xi,x)可以通过以下公式3计算：
k(xi,x)＝exp(-||xi-x||2/2σ2) 公式3
公式3中，σ为核函数的可调参数，一般在[1,10000]里调整，符号“|| ||”表示范数。
本发明实施例中，可以通过以下公式4的拉格朗日函数计算系数wi(即w)和b：
其中，w为L行1列的矩阵，分别对应各个样本，wT为矩阵w的转置，ai为预先设置的第i个样本图像对应的拉格朗日系数，xi为第i个样本图像内运动对象中物体的顶部到底部所占的像素数量，yi为第i个样本图像内运动对象中单位像素对应的高度值。
在计算过程中，将上述公式4分别针对w和b计算偏微分并令计算偏微分后的值等于0，即可得到两个方程式，根据这两个方程式组成的方程组即可计算的到w和b，最终得到上述公式2所示的支持向量机拟合比例函数的表达式。
在得到上述比例函数之后，即可采用该比例函数，结合所述第二像素数量计算所述运动对象中单位像素对应的高度值。
子步骤S23，采用所述像素的数量和所述单位像素的高度值计算所述运动对象的实际高度。
在具体实现中，单位像素对应的高度值和运动对象所占像素的数量的乘积即为该运动对象的实际高度。
本发明实施例的检测方法可以应用于实际高度的检测。下面，以对人体的高度检测为例，介绍检测方法。
在获取样本图像的过程中，可以让1个已知高度的人在摄像头所覆盖的视场范围内运动，从而得到多个样本图像，在获取目标图像的过程中，即可采集物体运动到某一位置的目标图像。下面，仅介绍高度检测的过程，对训练的过程不在详细论述。
参照图2，假设地面水平，摄像头光轴平行于地面，图像传感器垂直于地面，忽略镜头畸变。
图2中，O点为摄像头光学系统中心，可以理解为摄像头，GH为图像传感器上的有效部分，∠COD为摄像头的视场角，视场角是以被测目标的物像可通过镜头的最大范围的两条边缘构成的夹角，通俗的说，目标物体超过这个角就不会被收到镜头里。∠COD通过O点映射到图像中对应的最大范围为GH，C点为地面上与图像边缘相对应的点。
假设高度为h0(单位为cm)的人位于B点，忽略人体的横向尺寸，其图像在像平面上为倒立的EF，高度为h1(单位为像素)。
假设B、C两点之间的距离为x0(单位为cm)，BC的像在像平面上为FG，高度为x(单位为像素)。用y＝h0/h1表示人体区域上单位像素代表的实际高度(单位为cm/像素)。
由于ΔABO∽ΔEFO，因此y的值与h0无关。
当未知高度的人在摄像头所覆盖的视场范围内运动时，就可以采用比例函数根据x求出y，进而根据人体区域的顶部到底部的像素数h1得到高度值h＝y h1。
需要说明的是，图2所示的是倒立的像，在实际计算时应按正立计算，即E为人体区域的顶部，F为人体区域的底部，G为图像数据的下边缘，H为图像数据的上边缘。
运动对象中单位像素所代表的实际高度值与很多因素有关，如摄像机的内部数、外部参数以及物体到摄像机的距离等，是一个非常复杂的非线性关系。
本发明实施例比例函数来模拟逼近这种关系，实现高度检测，避免了标定摄像机参数。该方法不仅易于实现，而且具有较高的精度。本发明不仅仅只针对特定高度的物体进行高度测量，也无需固定物体与摄像头之间的距离，无需固定采集平面与物体所在平面的夹角，无需通过去除背景的技术获取物体姿态后再测量高度，物体在视野范围内运动即可测量出高度，这种方式非常自然且容易实现。
步骤103，根据所述实际高度计算所述运动对象与所述空调之间的多个实际距离；
在本发明实施例中，实际距离，指的是在实际环境中，该运动对象所表征的人或物体，与空调之间的距离。
在本发明的一个实施例中，步骤104可以包括如下子步骤：
子步骤S31，获取空调中摄像头的焦距、运动对象从顶部到底部之间像素的数量；
子步骤S32，采用所述实际高度、所述摄像头的焦距和所述像素的数量计算所述运动对象与所述空调之间的实际距离；
其中，所述实际距离与比例因子及所述摄像头的焦距正相关，所述比例因子为所述实际高度与所述像素的数量之间的比例。
在实际应用中，摄像头的焦距、视场大小及镜头到被摄取物体的距离的计算如下：
f＝wL/W f＝hL/H
其中，f为摄像头的焦距，w为图象数据的宽度(及被摄物体在CCD靶面上成象宽度)，W为被摄物体宽度，L为被摄物体至镜头的距离，h为图象数据的高度(及被摄物体在CCD靶面上成像高度)，H为视场(摄取场景)高度。
在本发明实施例的一个示例中，可以通过如下公式计算所述运动对象与所述空调之间的实际距离d：
d＝h*f/h1
其中，h为运动对象的实际高度，f为空调中摄像头的焦距，h1为运动对象从顶部到底部之间像素的数量。
需要说明的是，处在同一位置不同身高的人或物体，在计算人或物体与摄像头(及空调)之间的距离时，由于运动对象的实际高度h越大时，运动对象从顶部到底部之间像素的数量h1也会相应变大，因此，实际距离d是不变的。
步骤104，根据所述实际距离对所述空调进行调控。
在具体实现中，若检测出实际距离，则可以根据该实际距离对空调进行是应用调控。
需要说明的是，空调的调控与运动对象的实际距离相关，与运动对象的实际高度并不一定具有直接关系。
在本发明的一个实施例中，步骤104可以包括如下子步骤：
子步骤S41，采用所述实际距离计算目标距离；
在本发明实施例中，摄像头是持续在采集图像数据的，可以持续计算出多个实际距离，因此，可以从中计算出一个作为代表的目标距离。
当运动对象为一个时，从运动对象对应的实际距离中，提取在检测运动对象失败之前的N(N为正整数，如10)个实际距离，计算N个实际距离的平均值，作为目标距离。
由于人可能停止运动，导致检测运动对象失败，及输出的实际距离为0m，实际距离的输出形式类似于(1m,0.5m,2m,3m,2m,……0m,0m,0m)。
当运动对象为多个时，为准确计算处其实际距离，可以分别从每个运动对象对应的实际距离中，提取在检测运动对象失败之前的N(N为正整数，如10)个实际距离，即0m之前的N个数据，分别计算N个实际距离的平均值，获得多个候选距离。
从该多个候选距离中计算目标距离，如选取最大的候选距离、最小的候选距离、多个候选距离的平均值等等，本发明实施例对此不加以限制。
子步骤S42，查询所述目标距离所属的距离范围；
子步骤S43，按照所述距离范围对所述空调进行调控。
应用本发明实施例，可以预先设置不同的距离范围，每个距离范围可以对应至少一种调控方式。
若查询处目标距离所属的距离范围，则可以按照其调控方式对空调进行调控。
在本发明实施例的一个示例中，距离范围可以包括如下的一种或多种：
第一范围距离、第二范围距离、第三范围距离；
其中，所述第一范围距离小于所述第二范围距离，所述第二范围距离小于所述第三范围距离；
例如，由于家庭中的空调所面向的范围比较有限，如一般为3-5米，因此，可以设置0＜第一范围距离≤2，2＜第二范围距离≤3，3＜第三范围距离。
在空调的调控效果中，风速和风向等因素与距离相关，因此，可以在自适应调控中对空调的风速和风向进行调整。
以上述示例进行说明：
当目标距离属于第一范围距离时，将空调的风向设置为上摆风、风速设置为低档位；
当目标距离属于第二范围距离时，将空调的风向设置为下摆风、风速设置为中档位；
当目标距离属于第三范围距离时，将空调的风向设置为下摆风、风速设置为高档位。
当然，上述调控方式只是作为示例，在实施本发明实施例时，可以根据实际情况设置其他调控方式，本发明实施例对此不加以限制。另外，除了上述调控方式外，本领域技术人员还可以根据实际需要采用其它调控方式，本发明实施例对此也不加以限制。
本发明实施例对空调采集的图像数据检测运动对象，通过计算其实际高度继而计算与空调之间的实际距离，基于该实际距离对空调进行调控，自适应根据实际的运动情况进行调控，提高了灵活性，进一步提高了调节的效果，避免手工对空调进行调节，大大提高了操作的简便性。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
参照图3，示出了本发明的一种空调的调控装置实施例的结构框图，具体可以包括如下模块：
运动对象检测模块301，用于在空调采集的图像数据中检测运动对象；
实际高度计算模块302，用于在检测到运动对象时，计算所述运动对象的多个实际高度；
实际距离计算模块303，用于根据所述实际高度计算所述运动对象与所述空调之间的实际距离；
空调调控模块304，用于根据所述实际距离对所述空调进行调控。
在本发明的一个实施例中，所述运动对象检测模块301可以包括如下子模块：
候选HOG特征提取子模块，用于在空调采集的图像数据中提取候选HOG特征；
HOG特征匹配子模块，用于将所述候选HOG特征与预设的运动对象检测器中的运动对象HOG特征和非运动对象HOG特征进行匹配；
运动对象确定子模块，用于将与所述运动对象HOG特征相匹配的候选HOG特征组成的区域确定为运动对象。
在本发明的一个实施例中，所述实际高度计算模块302可以包括如下子模块：
数量统计子模块，用于统计所述运动对象从顶部到底部之间像素的数量；
高度值计算子模块，用于计算单位像素的高度值；
比例计算子模块，因故采用所述像素的数量和所述单位像素的高度值计算所述运动对象的实际高度。
在本发明的一个实施例中，所述实际距离计算模块303可以包括如下子模块：
数据获取子模块，用于获取空调中摄像头的焦距、运动对象从顶部到底部之间像素的数量；
数据计算子模块，用于采用所述实际高度、所述摄像头的焦距和所述像素的数量计算所述运动对象与所述空调之间的实际距离；
其中，所述实际距离与比例因子及所述摄像头的焦距正相关，所述比例因子为所述实际高度与所述像素的数量之间的比例。
在本发明的一个实施例中，所述空调调控模块304可以包括如下子模块：
目标距离计算子模块，用于采用所述实际距离计算目标距离；
距离范围查询子模块，用于查询所述目标距离所属的距离范围；
调控子模块，用于按照所述距离范围对所述空调进行调控。
在本发明实施例的一个示例中，所述目标距离计算子模块可以包括如下单元：
第一实际距离提取单元，用于在所述运动对象为一个时，从所述运动对象对应的实际距离中，提取在检测运动对象失败之前的N个实际距离；
第一平均值计算单元，用于计算所述N个实际距离的平均值，作为目标距离；
或者，
第二实际距离提取单元，用于在所述运动对象为多个时，分别从每个运动对象对应的实际距离中，提取在检测运动对象失败之前的N个实际距离；
第二平均值计算单元，用于分别计算所述N个实际距离的平均值，获得多个候选距离；
候选距离计算单元，用于从所述多个候选距离中计算目标距离。
在本发明实施例的一个示例中，所述距离范围可以包括如下的一种或多种：
第一范围距离、第二范围距离、第三范围距离；
其中，所述第一范围距离小于所述第二范围距离，所述第二范围距离小于所述第三范围距离；
所述调控子模块可以包括如下单元：
第一设置单元，用于在所述目标距离属于第一范围距离时，将所述空调的风向设置为上摆风、风速设置为低档位；
和/或，
第二设置单元，用于在所述目标距离属于第二范围距离时，将所述空调的风向设置为下摆风、风速设置为中档位；
和/或，
第三设置单元，用于在所述目标距离属于第三范围距离时，将所述空调的风向设置为下摆风、风速设置为高档位。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种空调的调控方法和一种空调的调控装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (14)
1.一种空调的调控方法，其特征在于，包括：
在空调采集的图像数据中检测运动对象；
当检测到运动对象时，计算所述运动对象的实际高度；
获取空调中摄像头的焦距、运动对象从顶部到底部之间像素的数量；
采用所述实际高度、所述摄像头的焦距和所述像素的数量计算所述运动对象与所述空调之间的实际距离；
根据所述实际距离对所述空调进行调控。
2.根据权利要求1所述的方法，其特征在于，所述在空调采集的图像数据中检测运动对象的步骤包括：
在空调采集的图像数据中提取候选HOG特征；
将所述候选HOG特征与预设的运动对象检测器中的运动对象HOG特征和非运动对象HOG特征进行匹配；
将与所述运动对象HOG特征相匹配的候选HOG特征组成的区域确定为运动对象。
3.根据权利要求1所述的方法，其特征在于，所述计算所述运动对象的实际高度的步骤包括：
统计所述运动对象从顶部到底部之间像素的数量；
计算单位像素的高度值；
采用所述像素的数量和所述单位像素的高度值计算所述运动对象的实际高度。
4.根据权利要求1或2或3所述的方法，其特征在于，所述实际距离与比例因子及所述摄像头的焦距正相关，所述比例因子为所述实际高度与所述像素的数量之间的比例。
5.根据权利要求1或2或3所述的方法，其特征在于，所述根据所述实际距离对所述空调进行调控的步骤包括：
采用所述实际距离计算目标距离；
查询所述目标距离所属的距离范围；
按照所述距离范围对所述空调进行调控。
6.根据权利要求5所述的方法，其特征在于，所述采用所述实际距离计算目标距离的步骤包括：
当所述运动对象为一个时，从所述运动对象对应的实际距离中，提取在检测运动对象失败之前的N个实际距离；
计算所述N个实际距离的平均值，作为目标距离；
或者，
当所述运动对象为多个时，分别从每个运动对象对应的实际距离中，提取在检测运动对象失败之前的N个实际距离；
分别计算所述N个实际距离的平均值，获得多个候选距离；
从所述多个候选距离中计算目标距离。
7.根据权利要求5所述的方法，其特征在于，所述距离范围包括如下的一种或多种：
第一范围距离、第二范围距离、第三范围距离；
其中，所述第一范围距离小于所述第二范围距离，所述第二范围距离小于所述第三范围距离；
所述按照所述距离范围对所述空调进行调控的步骤包括：
当所述目标距离属于第一范围距离时，将所述空调的风向设置为上摆风、风速设置为低档位；
和/或，
当所述目标距离属于第二范围距离时，将所述空调的风向设置为下摆风、风速设置为中档位；
和/或，
当所述目标距离属于第三范围距离时，将所述空调的风向设置为下摆风、风速设置为高档位。
8.一种空调的调控装置，其特征在于，包括：
运动对象检测模块，用于在空调采集的图像数据中检测运动对象；
实际高度计算模块，用于在检测到运动对象时，计算所述运动对象的多个实际高度；
实际距离计算模块，用于根据所述实际高度计算所述运动对象与所述空调之间的实际距离；
其中，所述实际距离计算模块包括：
数据获取子模块，用于获取空调中摄像头的焦距、运动对象从顶部到底部之间像素的数量；
数据计算子模块，用于采用所述实际高度、所述摄像头的焦距和所述像素的数量计算所述运动对象与所述空调之间的实际距离；
空调调控模块，用于根据所述实际距离对所述空调进行调控。
9.根据权利要求8所述的装置，其特征在于，所述运动对象检测模块包括：
候选HOG特征提取子模块，用于在空调采集的图像数据中提取候选HOG特征；
HOG特征匹配子模块，用于将所述候选HOG特征与预设的运动对象检测器中的运动对象HOG特征和非运动对象HOG特征进行匹配；
运动对象确定子模块，用于将与所述运动对象HOG特征相匹配的候选HOG特征组成的区域确定为运动对象。
10.根据权利要求8所述的装置，其特征在于，所述实际高度计算模块包括：
数量统计子模块，用于统计所述运动对象从顶部到底部之间像素的数量；
高度值计算子模块，用于计算单位像素的高度值；
比例计算子模块，用于采用所述像素的数量和所述单位像素的高度值计算所述运动对象的实际高度。
11.根据权利要求8或9或10所述的装置，其特征在于，其中，所述实际距离与比例因子及所述摄像头的焦距正相关，所述比例因子为所述实际高度与所述像素的数量之间的比例。
12.根据权利要求8或9或10所述的装置，其特征在于，所述空调调控模块包括：
目标距离计算子模块，用于采用所述实际距离计算目标距离；
距离范围查询子模块，用于查询所述目标距离所属的距离范围；
调控子模块，用于按照所述距离范围对所述空调进行调控。
13.根据权利要求12所述的装置，其特征在于，所述目标距离计算子模块包括：
第一实际距离提取单元，用于在所述运动对象为一个时，从所述运动对象对应的实际距离中，提取在检测运动对象失败之前的N个实际距离；
第一平均值计算单元，用于计算所述N个实际距离的平均值，作为目标距离；
或者，
第二实际距离提取单元，用于在所述运动对象为多个时，分别从每个运动对象对应的实际距离中，提取在检测运动对象失败之前的N个实际距离；
第二平均值计算单元，用于分别计算所述N个实际距离的平均值，获得多个候选距离；
候选距离计算单元，用于从所述多个候选距离中计算目标距离。
14.根据权利要求12所述的装置，其特征在于，所述距离范围包括如下的一种或多种：
第一范围距离、第二范围距离、第三范围距离；
其中，所述第一范围距离小于所述第二范围距离，所述第二范围距离小于所述第三范围距离；
所述调控子模块包括：
第一设置单元，用于在所述目标距离属于第一范围距离时，将所述空调的风向设置为上摆风、风速设置为低档位；
和/或，
第二设置单元，用于在所述目标距离属于第二范围距离时，将所述空调的风向设置为下摆风、风速设置为中档位；
和/或，
第三设置单元，用于在所述目标距离属于第三范围距离时，将所述空调的风向设置为下摆风、风速设置为高档位。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510812032.6A CN105352124B (zh) | 2015-11-20 | 2015-11-20 | 一种空调的调控方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510812032.6A CN105352124B (zh) | 2015-11-20 | 2015-11-20 | 一种空调的调控方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105352124A CN105352124A (zh) | 2016-02-24 |
| CN105352124B true CN105352124B (zh) | 2018-08-03 |
Family
ID=55328143
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510812032.6A Active CN105352124B (zh) | 2015-11-20 | 2015-11-20 | 一种空调的调控方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105352124B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108253596B (zh) * | 2018-01-31 | 2021-01-08 | 广东美的制冷设备有限公司 | 空调送风方法、空调器及计算机可读存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010276231A (ja) * | 2009-05-27 | 2010-12-09 | Panasonic Corp | 空気調和機 |
| CN102798194A (zh) * | 2011-05-25 | 2012-11-28 | 珠海格力电器股份有限公司 | 空调器及其送风模式控制方法和装置 |
| CN104240264A (zh) * | 2014-08-29 | 2014-12-24 | 青岛海信电器股份有限公司 | 一种运动物体的高度检测方法和装置 |
| CN104697112A (zh) * | 2015-03-04 | 2015-06-10 | 广东美的制冷设备有限公司 | 空调器控制方法和系统 |
| CN104819549A (zh) * | 2015-05-18 | 2015-08-05 | 广东美的暖通设备有限公司 | 空调器及其的控制方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101202324B1 (ko) * | 2007-06-19 | 2012-11-16 | 삼성전자주식회사 | 공기조화기 및 그 제어방법 |
-
2015
- 2015-11-20 CN CN201510812032.6A patent/CN105352124B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010276231A (ja) * | 2009-05-27 | 2010-12-09 | Panasonic Corp | 空気調和機 |
| CN102798194A (zh) * | 2011-05-25 | 2012-11-28 | 珠海格力电器股份有限公司 | 空调器及其送风模式控制方法和装置 |
| CN104240264A (zh) * | 2014-08-29 | 2014-12-24 | 青岛海信电器股份有限公司 | 一种运动物体的高度检测方法和装置 |
| CN104697112A (zh) * | 2015-03-04 | 2015-06-10 | 广东美的制冷设备有限公司 | 空调器控制方法和系统 |
| CN104819549A (zh) * | 2015-05-18 | 2015-08-05 | 广东美的暖通设备有限公司 | 空调器及其的控制方法 |
Non-Patent Citations (1)
| Title |
|---|
| 非正方形像素之二值图形的面积计算;陈恳等;《宁波大学学报》;20060630;第141-145段 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105352124A (zh) | 2016-02-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104240264B (zh) | 一种运动物体的高度检测方法和装置 | |
| CN109903331B (zh) | 一种基于rgb-d相机的卷积神经网络目标检测方法 | |
| CN108304820B (zh) | 一种人脸检测方法、装置及终端设备 | |
| CN110532970B (zh) | 人脸2d图像的年龄性别属性分析方法、系统、设备和介质 | |
| CN107909081B (zh) | 一种深度学习中图像数据集的快速获取和快速标定方法 | |
| US20140118494A1 (en) | Depth Map Generation From a Monoscopic Image Based on Combined Depth Cues | |
| CN107330390B (zh) | 一种基于图像分析和深度学习的人数统计方法 | |
| CN107403175A (zh) | 一种运动背景下的视觉跟踪方法及视觉跟踪系统 | |
| CN105243667B (zh) | 基于局部特征融合的目标再识别方法 | |
| CN106952274B (zh) | 基于立体视觉的行人检测与测距方法 | |
| CN105956632B (zh) | 一种检测目标的方法和装置 | |
| CN102682303A (zh) | 基于lbp加权社会力模型的人群异常事件检测方法 | |
| CN106204658A (zh) | 运动图像跟踪方法及装置 | |
| CN106157330B (zh) | 一种基于目标联合外观模型的视觉跟踪方法 | |
| CN112767443A (zh) | 目标跟踪方法、电子设备及相关产品 | |
| CN107403414A (zh) | 一种利于模糊核估计的图像区域选择方法和系统 | |
| CN103778436A (zh) | 一种基于图像处理的行人姿态检测方法 | |
| CN111860587A (zh) | 一种用于图片小目标的检测方法 | |
| CN111256315A (zh) | 基于神经网络空调控制模型的创建方法、控制方法、空调 | |
| CN110503017A (zh) | 基于图像处理的智慧节能室内人数检测系统与方法 | |
| Wen et al. | Autonomous robot navigation using Retinex algorithm for multiscale image adaptability in low-light environment | |
| CN111178405A (zh) | 一种融合多种神经网络的相似物体识别方法 | |
| CN105352124B (zh) | 一种空调的调控方法和装置 | |
| CN105426928A (zh) | 一种基于Haar特征和EOH特征的行人检测方法 | |
| CN113362221A (zh) | 用于门禁的人脸识别系统与人脸识别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 266100 Zhuzhou Road, Laoshan District, Shandong, No. 151, No. Patentee after: Hisense Visual Technology Co., Ltd. Address before: 266100 Zhuzhou Road, Laoshan District, Shandong, No. 151, No. Patentee before: QINGDAO HISENSE ELECTRONICS Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder |