CN108474583B - 空调机 - Google Patents
空调机 Download PDFInfo
- Publication number
- CN108474583B CN108474583B CN201780004227.5A CN201780004227A CN108474583B CN 108474583 B CN108474583 B CN 108474583B CN 201780004227 A CN201780004227 A CN 201780004227A CN 108474583 B CN108474583 B CN 108474583B
- Authority
- CN
- China
- Prior art keywords
- mentioned
- room
- room person
- person
- color
- 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
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
- F24F11/72—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure
- F24F11/74—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling air flow rate or air velocity
-
- 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
- F24F11/89—Arrangement or mounting of control or safety devices
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
- Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Fluid Mechanics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明提供舒适性高的空调机。空调机(S)具备:对室内进行拍摄的拍摄部(14);基于拍摄部(14)的拍摄结果检测室内的在室者的在室者检测部(312a);基于由在室者检测部(312a)检测的在室者的衣服的颜色、和/或在室者的头顶部的颜色进行在室者的识别的在室者识别部(312b);以及基于在室者识别部(312b)的识别结果变更空气调节控制的驱动控制部(323)。
Description
技术领域
本发明涉及进行空气调节的空调机。
背景技术
已知如下空调机,其基于照相机的拍摄结果辨识在室者,基于该辨识结果进行空气调节控制。例如,专利文献1记载了一种空调机,其基于拍摄装置(也就是照相机)的拍摄结果辨识人脸,且以朝向该人的方式调整风向。
另外,专利文献2记载了一种空调机,其基于拍摄机构(也就是照相机)的拍摄结果检测在室者的脸部,基于该检测结果进行个人认证,且进行符合个人嗜好的空气调节控制。
现有技术文献
专利文献
专利文献1:日本特开2013-137177号公报
专利文献2:日本特开2015-17728号公报
发明内容
发明所要解决的课题
一般,若不从正面拍摄位于距离照相机比较近的位置的在室者,则多无法清晰地拍摄在室者的面部。如上所述地,在专利文献1、2记载的技术中,对在室者的脸部进行辨识,因此,对于位于相距照相机比较远的位置的在室者,无法辨识其脸部的可能性较大。
另外,在专利文献1、2中,在移动至照相机的视野外的在室者返回到照相机的视野内的情况下,该在室者不面向照相机的正面就无法辨识在室者的脸部,难以判断在室者的同一性。也就是,在专利文献1、2记载的技术中,根据情况不同,可能发生难以进行舒适的空气调节的状况,因此存在实现空气调节的进一步舒适化的余地。
因此,本发明的课题在于提供舒适性高的空调机。
用于解决课题的方案
为了解决上述课题,本发明的空调机的特征在于,具备:对室内进行拍摄的拍摄部;基于上述拍摄部的拍摄结果检测上述室内的在室者的在室者检测部;基于由上述在室者检测部检测的在室者的衣服的颜色和/或在室者的头顶部的颜色进行在室者的识别的在室者识别部;以及基于上述在室者识别部的识别结果变更空气调节控制的空气调节控制部。
发明的效果
根据本发明,能够提供舒适性高的空调机。
附图说明
图1是本发明的第一实施方式的空调机具备的室内机、室外机以及遥控器的主视图。
图2是空调机具备的热泵循环的说明图。
图3是空调机具备的室内机的纵剖视图。
图4是室内机具备的设备的功能块图。
图5是空调机的控制部执行的处理的流程图。
图6是表示空调机的拍摄部的拍摄结果的一例的说明图。
图7是空调机的在室者识别部执行的特征量抽出处理的流程图。
图8(a)是与特定在室者的衣服的颜色相关的说明图,(b)是表示在室者的衣服的颜色分布的例的说明图。
图9(a)是与特定在室者的头顶部的颜色相关的说明图,(b)是表示在室者的头顶部的颜色分布的例的说明图。
图10是与在室者的其它特征量相关的说明图。
图11是空调机的在室者识别部执行的在室者识别处理的流程图。
图12是登记于存储部的各特征量的数据表。
图13是与各在室者的在室时间相关的说明图。
图14是空调机的控制部执行的空气调节控制变更处理的流程图。
图15是本发明的第二实施方式的空调机的室内机具备的设备的功能块图。
图16是表示空调机的控制部执行的处理的流程图。
图17是表示环境检测值的变化量与加权系数的大小的关系的说明图。
图18是表示本发明的第三实施方式的空调机的控制部执行的处理的流程图。
图19是表示在室者的位置的变化量与加权系数的大小的关系的说明图。
图20是表示本发明的第四实施方式的空调机的控制部执行的处理的流程图。
图21是存储于本发明的第五实施方式的空调机的存储部的数据表,(a)是当前时刻的特征量的登记值,(b)是当前时刻的特征量的检测值,(c)是下一次使用的特征量的登记值。
图22是表示当前时刻的特征量的登记值、当前时刻的特征量的检测值以及下一次使用的特征量的登记值的变化的说明图。
图23是本发明的变形例的说明图,(a)是与在室者站立时的姿势相关的说明图,(b)是与在室者坐下时的姿势相关的说明图。
具体实施方式
《第一实施方式》
<空调机的结构>
图1是第一实施方式的空调机S具备的室内机100、室外机200以及遥控器300的主视图。
空调机S是利用热泵循环通过使制冷剂循环而进行空气调节(制冷运转、制热运转、除湿运转等)的设备。如图1所示,空调机S具备室内机100、室外机200以及遥控器300。
室内机100具备遥控器发送/接收部13和拍摄部14。
遥控器发送/接收部13在与遥控器300之间发送/接收信号。例如,从遥控器300向遥控器发送/接收部13发送运转/停止指令、设定温度的变更、定时器的设定、运转模式的变更等信号。另外,例如,从遥控器发送/接收部13向遥控器300发送室内的温湿度的检测值,且在遥控器300显示上述的检测值。
拍摄部14对室内进行拍摄。此外,拍摄部14的详情后面进行叙述。
室外机200具备接下来说明的压缩机21(参照图2)、四通阀22、室外热交换器23、膨胀阀24以及室外风扇25。
图2是空调机S具备的热泵循环的说明图。
如图2所示,空调机S在制冷剂回路Q中利用公知的热泵循环使制冷剂循环,该制冷剂回路Q是压缩机21、四通阀22、室外热交换器23、膨胀阀24以及室内热交换器11依次连接成环状而成。另外,在室外热交换器23的附近设置有室外风扇25,在室内热交换器11的附近设置有室内风扇12。
另外,虽未图示,但是室内机100和室外机200通过通信线连接。并且,压缩机21的马达21a、膨胀阀24、室外风扇马达25a等基于来自后述的主控制器32(参照图4)的指令而驱动。
图3是空调机S具备的室内机100的纵剖视图。
室内机100除了具备在图1说明的遥控器发送/接收部13(参照图1)、拍摄部14(参照图1)外,还具备室内热交换器11、室内风扇12、壳体基座15、尘埃过滤器16、前面面板17、左右风向板18以及上下风向板19。
室内热交换器11是进行制冷剂与室内空气的热交换的热交换器。如图3所示,室内热交换器11具备多个供制冷剂流动的传热管11a。
室内风扇12例如是圆筒状的错流风扇,通过室内风扇马达12a(参照图2)旋转。
壳体基座15是设置室内热交换器11、室内风扇12等的壳体。尘埃过滤器16是从经由空气吸入孔h1获取的空气去除尘埃的过滤器,且设置于室内热交换器11的上侧、前侧。前面面板17是设置于尘埃过滤器16的前侧的面板,能够以下端为轴向前侧转动。此外,前面面板17也可以是不转动的结构。
左右风向板18是用于将朝向空气调节室吹出的空气的引流方向在左右方向上调整的板状部件。该左右风向板18配置于室内风扇12的下游侧,且通过左右风向板用马达18a(参照图4)沿左右方向转动。
上下风向板19是用于将朝向空气调节室吹出的空气的引流方向在上下方向上调整的板状部件。该上下风向板19配置于室内风扇12的下游侧,且通过上下风向板用马达19a(参照图4)沿上下方向转动。
并且,通过室内风扇12旋转,经由空气吸込孔h1吸入的室内空气与在传热管11a流动的制冷剂热交换,且进行了热交换的空气被左右风向板18及上下风向板19向预定方向引导,经由空气吹出孔h2而送入室内。
如上所述,拍摄部14对室内进行拍摄,且设置于壳体基座15。在图3所示的例中,拍摄部14在上下方向上设置于前面面板17与上下风向板19之间,并且以能够合适地拍摄室内的方式设置为相对于水平方向朝向下方预定角度的状态。此外,对于拍摄部14的设置位置、设置角度,只要根据空调机S的型号、用途适当设定即可。
图4是室内机100具备的设备的功能块图。
室内机100除了具备上述的拍摄部14等设备外,还具备控制部3和环境检测部4。
拍摄部14具备光学透镜14a、拍摄元件14b、A/D转换器14c以及数字信号处理部14d。
光学透镜14a是用于调整拍摄部14的拍摄范围(视角)、焦点的透镜。
拍摄元件14b是通过对经由光学透镜14a入射的光进行光电转换而生成拍摄图像信息的元件。此外,作为拍摄元件14b,能够使用CCD传感器(Charge Coupled Device)、CMOS传感器(Complementary Metal Oxide Semiconductor)。
A/D转换器14c具有将从拍摄元件14b输入的模拟信号转换成数字信号的功能。数字信号处理部14d具有对从A/D转换器14c输入的拍摄图像信息补正图像的亮度、色调的功能。
另外,如图4所示,控制部3具备照相机控制器31和主控制器32。照相机控制器31及主控制器32例如是微型计算机,虽未图示,但构成为包含CPU(Central Processing Unit)、ROM(Read Only Memory)、RAM(Random Access Memory)、各种接口等的电路。并且,CPU读取存储于ROM的程序而在RAM展开,并执行各种处理。
照相机控制器31具备图像处理部312和存储在图像处理部312使用的信息的存储部311,图像处理部312基于从拍摄部14输入的拍摄图像信息进行预定的处理。
图像处理部312具备在室者检测部312a、在室者识别部312b、在室时间计算部312c以及学习处理部312d。
在室者检测部312a具有基于拍摄部14的拍摄结果检测室内的在室者(人体)的功能。
在室者识别部312b具有基于由在室者检测部312a检测到的在室者的衣服的颜色、头顶部的颜色等识别该在室者的功能。
在室时间计算部312c具有计算由在室者识别部312b识别到的在室者的在室时间的功能。
学习处理部312d在根据在室者对遥控器300(参照图1)的操作变更设定值(设定温度等)的“通常模式”的执行中,执行学习在室者的偏好的设定值的学习处理。另外,学习处理部312d也具有在符合在室者的偏好的“委托模式”下,基于上述的学习处理的结果变更设定值的功能。
此外,如图4所示,图像处理部312的处理结果输出至拍摄部14、主控制器32。
虽未图示,但是存储部311构成为含有存储与在室者相关的数据、图像处理部312的程序的ROM和供上述的程序展开的RAM。
环境检测部4例如是检测室内温度的温度传感器(热电堆)、检测室内湿度的湿度传感器、检测照度的照度传感器等,但不限于。此外,也可以取代上述的照度传感器而使用拍摄部14的照度检测功能。环境检测部4的检测值输出至主控制器32。
主控制器32具备存储部321、运算处理部322、驱动控制部323。
虽未图示,但是存储部321构成为含有存储运算处理部322、驱动控制部323的程序的ROM和供上述的程序展开的RAM。
运算处理部322具有基于从遥控器发送/接收部13接收的信号、图像处理部312的处理结果以及环境检测部4的检测值来运算室内风扇马达12a的旋转速度指令值、左右风向板用马达18a、上下风向板用马达19a的旋转角指令值的功能。另外,运算处理部322还具有在与室外机控制器(未图示)之间处理用于驱动压缩机21的马达21a(图2参照)、膨胀阀24(参照图2)、室外风扇马达25a(参照图2)等的数据的功能。
驱动控制部323具有基于从运算处理部322输入的各指令值驱动室内风扇马达12a、左右风向板用马达18a、以及上下风向板用马达19a的功能。
图5是空调机S的控制部3执行的处理的流程图(适当参照图4)。
在步骤S101中,控制部3检测设置有室内机100的室内的在室者(人体)。具体地说明,控制部3基于拍摄部14的拍摄结果,由在室者检测部312a特定在室者的脸部的位置(坐标)。
图6是说明空调机S的拍摄部14的拍摄结果的一例的说明图。
在图6所示的例中,由在室者检测部312a检测在室者A、B的脸部中心位置(也就是脸部的位置)。也就是,检测到在室者A的脸部中心rA的位置(XA,YA)和在室者B的脸部中心rB的位置(XB,YB)。另外,在室者的检测使用公知的模式匹配通过检测在室者的头部、肩部来进行。
另外,在图5的步骤S101中的在室者的检测中,包含计算拍摄部14的拍摄范围(视野)中的在室者的头部的大小的处理。作为上述的“头部的大小”,例如能够使用在室者的头部的纵宽Lfa(参照图8(a))。此外,如后述,与在室者的头部的大小相关的信息在检测在室者的衣服、头顶部时使用。步骤S101的处理结果(在室者的脸部中心的位置、头部的大小)存储于存储部311。
然后,在图5的步骤S102中,控制部3通过在室者识别部312b执行抽出在室者的特征量的“特征量抽出处理”。
图7是空调机S的在室者识别部312b执行的特征量抽出处理的流程图。
在步骤S1021中,在室者识别部312b从存储部311读出与在室者的头部的大小相关的信息。也就是,在室者识别部312b从存储部311读出在室者的头部的纵宽Lfa(参照图8(a))的值。
在步骤S1022中,在室者识别部312b特定下侧图像区域U(参照图8(a))。该下侧图像区域U使用于在室者的衣服的颜色的特定(S1023)的区域,位于比脸部中心rA靠下侧(也就是在室者的脸部的下方)。也就就是,在拍摄图像信息的图像上,被推测为包含于在室者的衣服的区域为下侧图像区域U。
图8(a)是与在室者的衣服的颜色的特定相关的说明图。
在图8(a)所示的例中,以脸部中心rA为基准,在向下侧长度Lcr处设定有矩形状的下侧图像区域U。基于该下侧图像区域U的颜色,能够特定在室者的衣服的颜色。
此外,图8(a)所示的长度Lfa是拍摄图像信息的图像上的在室者的头部的纵宽(像素数)。另外,距离Lcr是在室者的脸部中心rA与下侧图像区域U的中心rU的距离(像素数)。
另外,在上述的步骤S1022中,在室者识别部312b设定为拍摄范围中的在室者的头部的纵宽Lfa(参照图8(a))越长,则距离Lcr(参照图8(a))越长,并且优选将下侧图像区域U的范围设定得较大。换言之,优选在室者识别部312b根据拍摄范围中的在室者的头部的大小变更下侧图像区域U的范围。由此,即使在室者位于拍摄部14的附近时,或者在室者距离拍摄部14比较远时,也能够将下侧图像区域U设定于适当的范围而特定在室者的衣服的颜色。
然后,在图7的步骤S1023中,在室者识别部312b特定在室者的衣服的颜色。即,在室者识别部312b将图8(a)所示的下侧图像区域U含有的各像素的颜色(色调)作为“颜色特征量”而特定。上述的“颜色特征量”是用于颜色的特定的特征量,例如,表现为由色泽、彩度、明度这三个成分构成的公知的颜色空间的矢量。
图8(b)是表示在室者的衣服的颜色分布的例的说明图。
图8(b)的横轴是上述的颜色空间的颜色划分。在图8(b)所示的例中,用于衣服的颜色的特定的颜色空间被划分成白、红、蓝、黑四个颜色划分。此外,假设即使在下侧图像区域U含有在室者的脖子等(也就是皮肤的颜色),也以使其与衣服不混同的方式根据图8(b)所示的颜色划分去除了肤色。另外,图8(b)的纵轴是相对于下侧图像区域U的全部像素数,各颜色划分含有的颜色的像素数占的比率。
在图8(a)所示的例中,在室者A穿着白色和黑色的条纹的衣服。因此,如图8(b)所示,在下侧图像区域U中,白色、黑色的像素占得较多。此外,红色、蓝色的像素也稍微存在,但是上述的比率不足阈值a,因此作为噪声而被处理(忽视)。
这样,在室者识别部312b对于下侧图像区域U含有的各像素,特定该像素的颜色所属的颜色划分。各颜色划分中的像素数的分布作为表示在室者的衣服的颜色的信息被数值化,用于在室者的识别。由此,即使在在室者的服含有多个颜色的情况下,也能够适当地特定该衣服的颜色(各颜色的像素数的分布)。此外,也可以将比率为阈值a以上的颜色按照像素数的多少顺序排序,将该排序的信息作为在室者的衣服的颜色而数值化。
在此返回图7,继续进行说明。
在步骤S1023中特定在室者的衣服的颜色后,在步骤S1024中,在室者识别部312b特定上侧图像区域P(参照图9(a))。该上侧图像区域P是用于在室者的头顶部的颜色的特定(S1025)的区域,位于比脸部中心rA靠上侧(也就是在室者的脸部的上方)。也就是,在拍摄图像信息的图像上,被推测为含于在室者的头顶部的区域是上侧图像区域P。
图9(a)是与在室者的头顶部的颜色的特定相关的说明图。
在图9(a)所示的例中,以脸部中心rA为基准,在向上侧长度Lhe处设定有矩形状的上侧图像区域P。基于该上侧图像区域P的颜色,能够特定在室者的头顶部的颜色。此外,图9所示的距离Lhe是在室者的脸部中心rA与上侧图像区域P的中心rP的距离(像素数)。
另外,在上述的步骤S1024中,在室者识别部312b设定为图像上的在室者的头部的纵宽Lfa(参照图9(a))越长,则距离Lhe(参照图9(a)),并且优选将上侧图像区域P的范围设定得较大。换言之,优选在室者识别部312b根据拍摄范围中的在室者的头部的大小变更上侧图像区域P的范围。由此,即使在室者位于拍摄部14的附近时,或者在室者距离拍摄部14比较远时,也能够将上侧图像区域P设定于适当的范围而特定在室者的头顶部的颜色。
然后,在图7的步骤S1025中,在室者识别部312b特定在室者的头顶部的颜色。即,在室者识别部312b将图9(a)所示的上侧图像区域P含有的各像素的颜色(色调)作为“颜色特征量”而特定。
图9(b)是表示在室者的头顶部的颜色分布的例的说明图。
图9(b)的横轴是上述的颜色空间的颜色划分。在图9(b)所示的例中,用于头顶部的颜色的特定的颜色空间被划分成肤色(皮肤的颜色)、红、蓝、灰、黑五个颜色划分。另外,图9(b)的纵轴是相对于上侧图像区域P的全部像素数,各颜色划分含有的颜色的像素数占的比率。
此外,根据在室者的发型、头发的多少,存在头顶部的皮肤露出的情况,因此颜色划分含有肤色。另外,还考虑到在室者的头发含有白发的情况,因此颜色划分也含有灰色。
例如,在得到了图9(b)所示的颜色分布的情况下,在室者识别部312b将上述的比率不足阈值a的红色、蓝色作为噪声而处理,将肤色、灰色、黑色特定为上侧图像区域P含有的颜色。各颜色划分(肤色、灰色、黑色)的像素数的分布作为表示在室者的头顶部的颜色的信息而数值化,用于在室者的识别。此外,也可以将比率为阈值a以上的颜色按照像素数的多少顺序排序,将该排序而得到的信息作为在室者的头顶部的颜色而数值化。
此外,含有在室者的衣服的颜色、以及在室者的头顶部的颜色的颜色特征量存储于存储部311。
再返回图7,继续进行说明。
在步骤S1025特定在室者的头顶部的颜色后,在步骤S1026中,在室者识别部312b抽出在室者的其它特征量。
图10是与在室者的其它特征量相关的说明图。
在室者识别部312b例如框以下所示的(a)~(f)中至少一个特定为在室者的“其它特征量”。
(a)在室者的脸部的皮肤的颜色
(b)在室者的头部的形状
(c)在室者的体型
(d)在室者的眼睛的大小
(e)在室者的两眼间的距离
(f)在室者的嘴唇的横宽
(a)在室者的脸部的皮肤的颜色例如通过将在室者的脸部区域含有的肤色作为上述的颜色空间的矢量数值化而表达。
(b)在室者的头部的形状例如以相对于在室者的头部的横宽Lbe(像素数),头部的纵宽Lfa(像素数)占的比率(Lfa/Lbe)表达。
(c)在室者的体型例如以相对于在室者的头部的横宽Lbe,肩宽Lti占的比率(Lti/Lbe)表达。
(d)在室者的眼睛的大小例如以相对于在室者的脸部的全部像素数Nfi,在室者的眼睛的像素数Ney占的比率(Ney/Nfi)表达。
(e)在室者的两眼间的距离例如以相对于在室者的头部的横宽Lbe,在室者的两眼间的距离Ley占的比率(Ley/Lbe)表达。
(f)在室者的嘴唇的横宽例如以相对于在室者的头部的横宽Lbe,在室者的嘴唇的横宽Lmo占的比率(Lmo/Lbe)表达。
此外,除了在室者的衣服的颜色、头顶部的颜色以外,(a)在室者的脸部的皮肤的颜色也可以包含于上述的“颜色特征量”。另外,将上述的(b)~(f)称为表现在室者的形状的“形状特征量”。
这样,在室者识别部312b抽出在室者的衣服的颜色(S1023:参照图7)、头顶部的颜色(S1025)以及其它特征量(S1026),接触一系列的特征量抽出处理(S102:参照图5)(结束)。
然后,在图5的步骤S103中,控制部3通过在室者识别部312b执行在室者识别处理。
图11是空调机S的在室者识别部312b执行的在室者识别处理的流程图。
在步骤S1031中,在室者识别部312b指定在步骤S101(参照图5)检测到的在室者中的一人。
在步骤S1032中,在室者识别部312b基于在步骤S1031指定的在室者的特征量的检测值与已经登记于存储部311的各人的特征量的登记值的比较,计算评价函数f的值。上述的评价函数f是用于在室者的识别的函数,用以下的(数式1)表达。
f=wc1*|c1-C1|+wc2*|c2-C2|+…+wcn*|cn-Cn|+ws1*|s1-S1|+ws2*|s2-S2|+…+wsm*|sm-Sm|…(数式1)
(数式1)的检测值c1、c2、…、cn(‘c’表示颜色(color)。)是在步骤S102(参照图5)的特征量抽出处理中得到的“颜色特征量”的检测值。例如,检测值c1是在室者的衣服的颜色的检测值,检测值c2是头顶部的颜色的检测值。
(数式1)的登记值C1、C2、…、Cn是上述的“颜色特征量”的登记值,且与过去识别在室者关联,并登记于存储部311(参照图4)。例如,登记值C1是某在室者的衣服的颜色的登记值,登记值C2是该在室者的头顶部的颜色的登记值。
(数式1)的色加权系数wc1是与|c1-C1|相乘的系数,其被预先设定。此外,对于其它色加权系数wc2、…、wcn也同样。
(数式1)的检测值s1、s2、…、sm(‘s’表示形状(shape)。)是在步骤S102(参照图5)的特征量抽出处理中得到的“形状特征量”的检测值。例如,检测值s1是在室者的头部的形状的检测值,检测值s2是体型的检测值。
(数式1)的登记值S1、S2、…、Sm是上述的“形状特征量”的登记值,与过去识别的在室者关联,且登记于存储部311(参照图4)。例如,登记值S1是某在室者的头部的形状的登记值,登记值C2是该在室者的体型的登记值。
(数式1)的形状加权系数ws1是与|s1-S1|相乘的系数,其被预先设定。此外,其它形状加权系数ws2、…、wsm也同样。
图12是在存储部311登记的各特征量的数据表。此外,对登记值C1、C2、C3、S1、S2、S3添加的‘A’表示是与在室者A相关的登记值(对于其他在室者B、C也同样)。这些登记值基于过去进行的在室者识别处理的结果而被登记于存储部311。
另外,上述的(数式1)也可以用以下的(数式2)表达。此外,(数式2)所示的k、j是任意的自然数。
f=Σwck*|ck-Ck|+Σwsj*|sj-Sj|…(数式2)
如(数式2)所示,在室者识别部312b通过将颜色特征量的检测值ck与颜色特征量的登记值Ck的差的绝对值|ck-Ck|乘以色加权系数wck而得到的值和各个颜色特征量相加,从而计算第一加算值Σwck|ck-Ck|。该第一加算值Σwck|ck-Ck|表示颜色特征量的检测值ck与颜色特征量的登记值Ck的比较结果。
另外,在室者识别部312b将形状特征量的检测值sk与形状特征量的登记值Sk的差的绝对值|sk-Sk|乘以形状加权系数wsj而得到的值和各个形状特征量相加,从而计算第二加算值Σwsj|sj-Sj|。该第二加算值Σwsj|sj-Sj|表示形状特征量的检测值sj与形状特征量的登记值Sj的比较结果。
然后,在室者识别部312b将上述的第一加算值Σwck|ck-Ck|与第二加算值Σwsj|sj-Sj|的和作为评价函数f的值而计算。该评价函数f的值越小,与检测值(c1,c2,…,cn,s1,s2,…,sm)对应的在室者与在存储部311登记的人一致的可能性越高。
在图11的步骤S1033中,在室者识别部312b判断在登记于存储部311的人中是否存在评价函数f的值不足预定阈值f1的人。在存在评价函数f的值低于预定阈值f1的人的情况下(S1033:是),在室者识别部312b的处理进入步骤S1034。
在步骤S1034中,在室者识别部312b判断在步骤S101(参照图5)检测到的在室者是否与在步骤S1033特定的人相同。此外,在评价函数f的值不足预定阈值f1的人存在多个的情况下,只要特定评价函数f的值最小的人即可。
在步骤S1035,在室者识别部312b更新在室者的特征量。也就是,在室者识别部312b将在步骤S102(参照图5)得到的特征量的检测值作为特征量的新的登记值与在室者的识别信息关联地存储于存储部311。
另外,在步骤S1033中,在不存在评价函数f的值不足预定阈值f1的人的情况下(S1033:否),在室者识别部312b的处理进入步骤S1036。
在步骤S1036,在室者识别部312b判断为在步骤S101检测到的在室者是在存储部311还未登记的新的在室者。
在步骤S1037中,将在步骤S102(参照图5)得到的特征量的检测值作为新的在室者的特征量的登记值与该在室者的识别信息关联地登记于存储部311。
在进行了步骤S1035或步骤S1037的处理后,在室者识别部312b的处理进入步骤S1038。
在步骤S1038,在室者识别部312b判断是否对所有在步骤S101(参照图5)检测到的在室者进行了识别。在对所有检测到的在室者进行了识别的情况下(S1038:是),在室者识别部312b结束处理(结束)。
另一方面,在步骤S101(参照图5)检测到的在室者中,在存在还未识别的在室者的情况下(S1038:否),在室者识别部312b的处理返回步骤S1031。该情况下,在步骤S1031,在室者识别部312b指定在步骤S101检测到的在室者中未进行识别的其他在室者。
通过进行这样的一系列的处理(S1031~S1038),在室者识别部312b执行上述的在室者识别处理(S103:参照图5)。
然后,在图5的步骤S104中,控制部3通过在室时间计算部312c计算各在室者的在室时间。即,在室时间计算部312c在由在室者识别部312b识别到的在室者已经登记于存储部311的情况下,将该在室者的在室时间计数为1。另外,在室时间计算部312c对于登记于存储部311的各人,在无法在预定时间(例如,30分钟)以内检测到的情况下,视为外出,并将在室时间重置为零。
图13是与各在室者的在室时间相关的说明图。
此外,图13的横轴是时刻。另外,图13的○印表示通过在室者识别部312b识别到在室者的时刻。另外,预定时间Δt(例如,30分钟)是成为判断在室者是否离开了设置有室内机100的房间的判断基准的时间。
在图13所示的例中,在时刻t1~时刻t8含有的预定时间Δt的每一个至少检测(识别)一次在室者A。因此,在当前时刻t8,在室者A的在室时间计算为Δt×7。
另外,在时刻t6以后未检测到在室者B。因此,在从时刻t6经过了预定时间Δt的时刻t7,重置为“在室时间零”。
另外,在时刻t2外出后,在时刻t4返回到室内的在室者C从该时刻t4重新计算在室时间。
在图5的步骤S104计算各在室者的在室时间后,在步骤S105中,控制部3通过运算处理部322(参照图4)及驱动控制部323(参照图4)执行空气调节控制变更处理。此外,基于在室者识别部312b的识别结果变更空气调节控制的“空气调节控制部”含有图4所示的运算处理部322和驱动控制部323而构成。
图14是空调机S的控制部3执行的空气调节控制变更处理的流程图。
在步骤S1051,控制部3将各在室者的在室时间的长度排序。
例如,在图13所示的例中,当前时刻t8下的在室者A的在室时间是(Δt×7),在室者B的在室时间是零,在室者C的在室时间是(Δt×4)。因此,在步骤S1051中,控制部3进行如下排序:就在室时间的长度而言,在室者A最长,然后依次是在室者C、B。
在步骤S1052,控制部3基于在室时间的长度进行空气调节控制。若列举其一例则为,在当前时刻,在在室者A、C在室的状态下(参照图13),在室者C的在室时间比在室者A短,该情况下,控制部3以使预定的温湿度的空气重点输送至在室者C的方式控制左右风向板用马达18a(参照图4)及上下风向板用马达19a(参照图4)。换言之,控制部3向在室时间与另一在室者A相比相对较短的在室者C更长地输送进行了空气调节的空气。
由此,例如,在制热运转中,在室者C进入到房间后,立即向在室者C重点地输送温暖的空气。另一方面,对于在室时间比较长的在室者A,身体多已充分温暖。因此,即使朝向在室者A的送风时间比较短,在室者A感受到的舒适性也基本不会下降。因此,对于在室者A以及在室者C,均能够进行舒适的空气调节。
此外,也可以基于在室时间的长度的比设定对各在室者的送风时间。例如,若在室者A、C的在室时间的比为2:1,则也可以将对在室者A、C的送风时间的比设定为1:2。
另外,图5所示的一系列的处理(S101~S105)以预定周期反复进行(RETURN)。
<效果>
在本实施方式中,如上所述,能够基于在室者的衣服的颜色、头顶部的颜色等识别在室者。因此,相比仅通过脸部识别在室者的现有技术,能够提高在室者的识别精度。例如,即使在在室者背对拍摄部14的状态下、在逆光下难以识别在室者的脸部的状态下,根据本实施方式,也能够基于衣服的颜色等适当地识别在室者。另外,例如,即使在设置有室内机100的房间比较大,且在室者在拍摄部14的视野的内外来往的情况下,能够在在室者进入拍摄部14的视野内后立即基于衣服的颜色等适当地识别在室者。
另外,在在室者的位置相距拍摄部14比较远的情况下,基本无法清晰地拍摄在室者的脸部(也就是,脸部认证困难),但是根据本实施方式,即使在这样的情况下,也能够基于衣服的颜色等适当地识别在室者。另外,因为无需为了更清晰地拍摄在室者的脸部而使用高分别率的照相机作为拍摄部14,因此也不会导致制造成本的增加。
另外,对于上述的下侧图像区域U(参照图8(a))、下侧图像区域U(参照图9(a)),分别设定预定的颜色划分(参照图8(b)、图9(b)),基于颜色划分下的像素数的分布识别在室者。因此,能够基于在室者的衣服的样式、头发的颜色高精度地识别在室者。
另外,在本实施方式中,基于在室者的在室时间变更空气调节控制。例如,重点向刚进入到房间的在室者输送暖风或冷风。因此,相比以往,能够提高对于各在室者的空气调节的舒适性。
《第二实施方式》
第二实施方式与第一实施方式的不同点在于,在第一实施方式所说明的结构(参照图4)追加加权系数补正部312e(参照图15),其它与第一实施方式相同。因此,对与第一实施方式不同的部分进行说明,对于重复的部分,省略说明。
图15是第二实施方式的空调机S的室内机100具备的设备的功能块图。
如图15所示,图像处理部312A具备在室者检测部312a、在室者识别部312b、在室时间计算部312c、学习处理部312d以及加权系数补正部312e。
加权系数补正部312e具有如下功能:拍摄部14的拍摄范围内的颜色或明亮度(环境检测值)的预定时间内的变化量越大,相对于色加权系数wck,使形状加权系数wsj相对地越大。此外,对于色加权系数wck及形状加权系数wsj,与在第一实施方式所说明的相同。
图16是表示第二实施方式的空调机S的控制部3执行的处理的流程图。
在步骤S101,检测在室者,在步骤S102,进行特征量抽出处理,然后,控制部3的处理进入步骤S201。
在步骤S201,控制部3计算环境检测值的变化量。例如,控制部3将拍摄部14的拍摄范围内的当前时刻的颜色(或明亮度)与预定时间前的颜色(或明亮度)的差的绝对值作为环境检测值的变化量来计算。此外,拍摄部14的拍摄范围内的颜色例如通过将拍摄范围内含有的各像素的颜色转换成颜色空间的矢量而计算与各像素对应的多个矢量的重心来求出。
另外,作为在步骤S201使用的环境检测值,也可以是使用环境检测部4(例如,照度传感器:参照图15)的检测值。
在步骤S202,控制部3通过加权系数补正部312e变更评价函数f的颜色加权系数wck及形状加权系数wsj的大小。即,控制部3使环境检测值(颜色或明亮度)的在预定时间的变化量越大则相比色加权系数wck,形状加权系数wsj相对地越大。
图17是表示环境检测值的变化量与加权系数的大小的关系的说明图。
图17的横轴是环境检测值的变化量。也就是,横轴是当前时刻的环境检测值与上次的环境检测值的差的绝对值。图17的纵轴是在第一实施方式说明了的加权系数(色加权系数wck及形状加权系数wsj)。
即,用虚线表示的‘wck’是与颜色特征量相关的色加权系数,表示在第一实施方式说明了的色加权系数wc1、wc2、…、wcn中的任意一个。另外,用实线表示的‘wsj’是与形状特征量相关的形状加权系数,表示在第一实施方式说明了的形状加权系数ws1、ws2、…、wsm中的任意一个。此外,图17所示的环境检测值的变化量与各加权系数的关系预先存储于存储部311(参照图15)。
例如,在室者一旦熄灭房间的荧光灯,点亮带红色的筒灯,在该情况下,入射至拍摄部14的光的明亮度、颜色急剧变化。其结果,拍摄部14拍摄的在室者的衣服、头顶部也成为带红色的颜色。这样,在环境检测值的变化量比较大的情况下,加权系数补正部312e对与颜色特征量相比可靠性更高的形状特征量提高权重。
另外,例如,在拍摄部14的拍摄范围内的光的明亮度、颜色基本不变化的情况下,加权系数补正部312e使色加权系数wck比形状加权系数wsj相对地增大。也就是,加权系数补正部312e对与颜色特征量相比可靠性更高的形状特征量提高权重。由此,能够基于在室者的衣服的颜色、头顶部的颜色等高精度地持续识别在室者。
此外,加权系数wck、wsj的一方较高时,也可以以降低另一方的方式满足以下的数式(3)。
Σwck+Σwsj=(固定值)···(数式3)
这样,控制部3在变更评价函数f的加权系数的发小后(S202:参照图16),使用该加权系数进行在室者识别处理(S103:参照图16)。此外,对于图16的步骤S103~S105,与第一实施方式相同,因此省略说明。
<效果>
根据本实施方式,如上所述地,以环境检测值的变化量越大,则相比颜色特征量越重视形状特征量的方式变更加权系数wck、wsj。由此,即使在照明的点亮时、熄灭时、使用的照明的种类改变了时,也能够适当地识别在室者,从而能够对在室者继续舒适的空气调节。
《第三实施方式》
第三实施方式与第二实施方式的不同点在于,取代环境检测值的变化量,基于在室者的位置的变化量变更评价函数f的加权系数,其它与第二实施方式相同。因此,对与第二实施方式不同的部分进行说明,对于重复的部分,省略说明。
图18是表示第三实施方式的空调机S的控制部3执行的处理的流程图。
在步骤S101检测在室者,在步骤S102进行特征量抽出处理,然后控制部3的处理进入步骤S301。
在步骤S301,控制部3计算在室者的位置的变化量。也就是,控制部3基于当前时刻的在室者的位置(坐标)和上次识别到的在室者的位置(坐标)计算在室者的位置的变化量。
此外,在图18所示的例中,在执行在室者识别处理(S103)前,计算位置的变化量(S301)。因此,在步骤S301,控制部3也可以基于当前时刻检测到的在室者的位置和上次(例如,数秒前)检测、识别到的在室者的位置,在步骤S301使用该位置的变化量最小的位置。
在步骤S302,控制部3通过加权系数补正部312e变更评价函数f的颜色加权系数wck及形状加权系数wsj的大小。即,控制部3使通过在室者检测部312a检测的在室者的预定时间的位置的变化量越大,则相比形状加权系数wsj,色加权系数wck相对地越大。
图19是表示在室者的位置的变化量与加权系数的大小的关系的说明图。
此外,图19的横轴是在室者的位置的变化量,纵轴是在第一实施方式说明了的加权系数(颜色加权系数wck及形状加权系数wsj)。另外,图19所示的位置的变化量与各加权系数的关系预先存储于存储部311。
例如,在室者在室内移动时,在室者的位置的变化量比较大,另外,也有时在室者的朝向改变。这种时刻,形状特征量的大小容易变动,因此加权系数补正部312e对相比形状特征量可靠性高的颜色特征量提高权重。
另外,例如,在室者基本不动时,加权系数补正部312e对相比颜色特征量可靠性高的形状特征量提高权重。
此外,在加权系数wck、wsj的一方较高时,也可以以降低另一方的方式设定加权系数wck、wsj,以满足在第二实施方式说明的数式(3)。
这样,控制部3在变更评价函数f的加权系数的大小后(S302:参照图18),使用该加权系数进行在室者识别处理(S103)。此外,对于图18的步骤S103~S105,与第一实施方式相同,因此省略说明。
<效果>
根据本实施方式,如上所述,以在室者的位置的变化量越大,相比形状特征量越重视颜色特征量的方式变更加权系数wck、wsj。由此,即使在室者在室内移动的情况下,或者在室者基本不动的情况下,也能够适当地识别在室者,从而对在室者进行舒适的空气调节。
《第四实施方式》
第四实施方式与第一实施方式的不同点在于,学习在室者的偏好的设定温度等,其它与第一实施方式(参照图4)相同。因此,对于与第一实施方式不同的部分进行说明,对于重复的部分,省略说明。
图20是表示第四实施方式的空调机S的控制部3执行的处理的流程图。
在步骤S101检测在室者,在步骤S102执行特征量抽出处理,再在步骤S103进行在室者识别处理,然后控制部3的处理进入步骤S401。
在步骤S401,控制部3通过学习处理部312d判断当前时刻的运转模式是否为“委托模式”。上述的“委托模式”是并非根据在室者的遥控器300(参照图1)的操作执行含有设定温度、设定湿度、风向以风量中的至少一个的设定值,而是控制部3根据事前学习的在室者的偏好进行变更的运转模式。
此外,在本实施方式中,作为一例,对在室者自身进行温度设定等的“通常模式”和上述的“委托模式”这两个模式可切换的情况进行说明,但不限于此。
在步骤S401,在当前时刻的运转模式不是“委托模式”的情况下(S401:否),控制部3的处理进入步骤S402。也就是,在当前时刻的运转模式是“通常模式”的情况下,控制部3的处理进入步骤S402。
在步骤S402,控制部3通过学习处理部312d执行学习在室者的偏好的设定温度等的学习处理。也就是,控制部3基于在步骤S103识别到的在室者和此时的设定温度等学习在室者的偏好的设定温度等。例如,在制热运转中,在室者A将设定温度设定为21℃,该情况下,控制部3将该温度作为在室者A的偏好的设定温度而学习,且与在室者A的识别信息关联地存储于存储部311。
在步骤S403,控制部3执行通常的空气调节控制。也就是,控制部3基于通过遥控器300的操作而设定的温度等对各设备进行控制。
另外,在步骤S402,在当前时刻的运转模式为“委托模式”的情况下(S401:是),控制部3的处理进入步骤S404。
在步骤S404,控制部3从存储部311读出学习结果。
在步骤S405,控制部3基于在步骤S404读出的学习结果执行符合在室者的偏好的空气调节控制。也就是,控制部3基于步骤S402的学习处理变更设定温度、设定湿度、风向以及风量中的至少一个设定值,并使用变更后的设定值执行空气调节控制。
例如,在通常模式下执行制热运转时,在室者A将设定温度设为21℃,在其它时间段,在室者B将设定温度设定为18℃。在学习了这些设定温度后(S402),在委托模式的执行中(S401:是),在在室者A、B都在室的情况下,控制部3例如将在室者A的偏好的21℃与在室者B的偏好的18℃的平均值即19.5℃作为设定温度进行空气调节控制。由此,能够对在室者A、B两者进行舒适的空气调节。
另外,例如,在通常模式下执行制冷运转时,在室者A设定为使风集中地吹向自身,在其它时间段,在室者B设定为使风不直接吹向自身。在学习了这些风向后(S402),在委托模式的执行中(S401:是),在在室者A、B都在室的情况下,控制部3重点向在室者A送风。由此,能够对在室者A、B两者进行舒适的空气调节。
<效果>
根据本实施方式,在通常模式的执行中学习在室者的偏好的设定温度等,在委托模式下进行基于学习结果的空气调节,从而能够进行符合在室者的偏好的空气调节控制。另外,与基于在室者的衣服的颜色、头顶部的颜色能够适当地识别在室者(S103:参照图20)相结合,能够比第一实施方式进一步提高空气调节的舒适性。
《第五实施方式》
第五实施方式与第四实施方式的不同点在于,将当前时刻的特征量的登记值与当前时刻的特征量的检测值的平均值作为下次使用的特征量的登记值,其它与第四实施方式相同。因此,对与第四实施方式不同的部分进行说明,对于重复的部分,省略说明。
图21(a)是存储于第五实施方式的空调机S的存储部311的数据表,表示当前时刻的特征量的登记值。
图21(a)所示的例中,作为当前时刻的在室者A的各特征量,将衣服的颜色的登记值C1A、头顶部的颜色的登记值C2A等存储于存储部311。
图21(b)是表示当前时刻的特征量的检测值的数据表。
图21(a)所示的例中,作为当前时刻的在室者A的各特征量的检测值,将衣服的颜色的检测值c1A、头顶部的颜色的检测值c2A等存储于存储部311。
图21(c)是表示下次使用的特征量的登记值的数据表。
如图21(c)所示,控制部3将当前时刻的特征量的登记值(参照图21(a))与当前时刻的特征量的检测值(参照图21(b))的平均值用作下次使用的特征量的登记值。例如,控制部3使用当前时刻的衣服的颜色的登记值C1A与当前时刻的衣服的颜色的检测值c1A的平均值(Ca1+ca1)/2作为下次使用的在室者A的衣服的颜色的登记值。此外,其它特征量也同样,另外,其他在室者也同样。
图22是表示当前时刻的特征量的登记值、当前时刻的特征量的检测值以及下次使用的特征量的登记值的变化的说明图。
此外,图22的横轴是时刻。纵轴是表示在室者A的衣服的颜色的特征量。另外,□印是当前时刻的特征量的登记值,○印是当前时刻的特征量的检测值,●印是下次使用的特征量的登记值。
图22所示的例中,在时刻t3~t5中,在室者A的衣服的颜色的检测值(○印)大幅变动。例如,当在室者A进行照明的点亮、熄灭、点亮与之前不同的种类的照明器具时,在室者A的衣服的颜色的检测值也随之大幅变动。
本实施方式中,如上所述地,使用平均值(C1A+c1A)/2作为下次使用的(也就是实际用于在室者A的识别的)特征量的登记值。由此,即使用图22所示的○印表示的检测值急剧地变动,也能够减缓用●印表示的平均值的变动。也就是,能够抑制特征量的登记值急剧变动。
如图22所示,使用平均值(C1A+c1A)/2作为新的登记值的处理每预定时间Δtα反复进行。并且,使用该新的登记值识别在室者,基于该识别结果执行在第四实施方式说明了的一系列的处理(参照图20)。
此外,也可以仅对颜色特征量进行上述的登记值的更新而对形状特征量不进行。这是因为,即使向房间入射的光的颜色、明亮度变化,形状特征量的检测值也难以变化。
<效果>
根据本实施方式,即使在发生了照明器具的点亮、熄灭、日射量的经时性的变化(晴天、晚霞、多云等)的情况下,也能够适当地持续识别在室者。另外,即使在照相机具备亮度等的自动补正功能的情况下,也能够抑制随着该自动补正而产生的特征量的变动。因此,能够精度良好地进行在室者的识别,从而持续舒适的空气调节。
《变形例》
以上,通过各实施方式对本发明的空调机S进行了说明,但本发明不限于这些记载,能够进行各种变更。
例如,各实施方式中,作为用于识别在室者的特征量,对使用在室者的衣服的颜色、头顶部的颜色、脸部的皮肤的颜色、头部的形状、体型、眼睛的大小、两眼间的距离、以及嘴唇的横宽的情况进行说明,但不限于此。例如,作为用于在室者的识别的特征量,可以追加每单位时间的在室者的移动距离即“移动量”,相比其它特征量,可以有线使用“移动量”。通过这样使用“移动量”,例如,能够容易地辨别一方静止而另一方移动的二位在室者。
另外,作为用于识别在室者的特征量,如以下说明地,可以追加在室者的姿势。
图23(a)是与在室者站立时的姿势相关的说明图。
表示在室者的姿势的特征量例如用在室者的脸部中心rC与体中心rD的距离Lp(像素数)和在室者的体中心rD与脚的位置rF的距离Lq(像素数)的和(Lq+Lp)表示。
图23(b)是与在室者坐下时的姿势相关的说明图。
在室者坐下的姿势与站立的姿势(参照图23(a))相比,在室者的体中心rD与脚的位置rF的距离Lq变短。其结果,在室者坐下时的和(Lq+Lp)比在室者站立时的和(Lq+Lp)小。这样,随着在室者的姿势的变化,上述的和(Lq+Lp)的大小也变化。因此,作为表示在室者的姿势的特征量,能够使用和(Lq+Lp)。此外,也可以取代上述的和(Lq+Lp)而使用比率(Lp/Lq),另外,也可以使用特定姿势的其它公知的方法。
另外,也可以与第三实施方式(参照图19)同样地,在室者的预定时间的姿势的变化量越大,相对于形状加权系数wsj,使色加权系数wck相对地越大。由此,即使在室者在室内移动的情况下,也能够适当地识别在室者。
另外,在各实施方式中,对基于在室者的颜色特征量及形状特征量进行在室者的识别的情况进行了说明,但不限于此。即,也可以基于由在室者检测部312a检测的在室者的衣服的颜色以及在室者的头顶部的颜色进行在室者的识别。另外,也可以基于由在室者检测部312a检测的在室者的衣服的颜色或在室者的头顶部的颜色进行在室者的识别。
此外,在基于在室者的衣服的颜色、和/或、在室者的头顶部的颜色进行在室者的识别的情况下,在室者识别部312b基于由在室者检测部312a检测的颜色特征量的检测值和存储于存储部311的颜色特征量的登记值进行在室者的识别。这样也能够基于衣服的颜色、头顶部的颜色适当地识别在室者。
另外,也可以基于衣服的颜色和/或头顶部的颜色、在室者的肤色、头部的形状、体型、眼睛的大小、两眼间的距离、嘴唇的横宽、移动量、姿势、身高、手、脚的长度以及声音中的至少一个识别在室者。
另外,例如,也可以执行在第四实施方式中说明了的学习处理(S402:参照图20),并且随着拍摄部14的拍摄范围内的颜色或明亮度的检测值的变化使颜色特征量的登记值以接近变化后的检测值的方式变化。该情况下,在室者识别部312b使用学习处理部312d的变化后的颜色特征量的登记值进行在室者的识别。例如,从白天到傍晚,有时因晚霞的影响而拍摄范围内的颜色的平均值向红色系变化。该情况下,学习处理部312d使下次使用的(也就是,实际用于在室者的识别的)颜色的特征量的登记值向红色系变化。由此,即使向房间照射的光的颜色经时性地变化,也能够适当地识别在室者。
另外,也可以每预定时间(例如,一天)将存储于存储部311的各人的特征量的登记值重置,另外,也可以将重置的时间对于各特征量设定为不同的长度。例如,对于衣服的颜色,考虑在室者更换衣服的时间,从而每天重置,对于头发的颜色、体型等,可以将重置前的时间设定得较长。另外,例如,也可以将当前为止的预定时间的颜色特征量的登记值存储于存储部311,考虑存储部311的存储容量等,将比上述的预定时间靠前的颜色特征量的登记值从存储部311删除。即,在室者识别部312b可以基于由在室者检测部312a检测的颜色特征量的检测值和存储于存储部311的预定时间前的颜色特征量的登记值进行在室者的识别。
另外,在第一实施方式中,对特定下侧图像区域U(参照图8(a))含有的各像素的颜色划分(参照图8(b)),并基于各颜色划分的像素数的分布识别在室者的情况进行了说明,但不限于此。例如,也可以将下侧图像区域U(参照图8(a))含有的各像素的颜色转换成颜色空间上的矢量,用与像素的颜色对应的多个矢量的重心表示衣服的颜色。此外,对于头顶部的颜色也同样。
另外,在第三实施方式中,对在进行在室者识别处理(S103:参照图18)前先基于在室者的位置的变化量变更加权系数的大小(S301、S302:参照图18)的处理进行了说明,但不限于此。即,也可以在进行在室者识别处理后,基于该在室者的位置的变化量变更加权系数的大小,将变更后的加权系数用于下次的识别。
另外,各实施方式能够适当组合。例如,可以组合第一实施方式和第五实施方式,进行依次更新特征量的登记值的处理(图21、参照图22),并且基于在室时间的长度进行空气调节控制(参照图5)。
另外,实施方式是为了容易理解地说明本发明而详细记载的方案,不必限定于与具备说明了的所有的结构。另外,对于各实施方式的结构的一部分,可以进行其它结构的追加、删除、置换。
另外,上述的机构、结构表示被认为在说明上必要的部分,不限定于在产品上必须表示所有的机构、结构。
符号说明
S—空调机,100—室内机,14—拍摄部,3—控制部,31—照相机控制器,32—主控制器,311—存储部,312、312A—图像处理部,312a—在室者检测部,312b—在室者识别部,312c—在室时间计算部,312d—学习处理部,312e—加权系数补正部,321—存储部,322—运算处理部(空气调节控制部),323—驱动控制部(空气调节控制部),4—环境检测部,P—上侧图像区域,U—下侧图像区域,300—遥控器。
Claims (9)
1.一种空调机,其特征在于,具备:
对室内进行拍摄的拍摄部;
基于上述拍摄部的拍摄结果检测上述室内的在室者的在室者检测部;
基于由上述在室者检测部检测的在室者的衣服的颜色和/或在室者的头顶部的颜色进行在室者的识别的在室者识别部;以及
基于上述在室者识别部的识别结果变更空气调节控制的空气调节控制部,
上述在室者检测部基于上述拍摄部的拍摄结果特定在室者的脸部的位置,
上述在室者识别部基于位于上述脸部的上方的上侧图像区域的颜色特定在室者的头顶部的颜色,
上述在室者识别部基于位于上述脸部的下方的下侧图像区域的颜色特定在室者的衣服的颜色,
上述在室者检测部计算在上述拍摄部的拍摄范围内占据的在室者的头部的大小,
上述在室者识别部根据上述拍摄范围内的上述头部的大小变更上述上侧图像区域或上述下侧图像区域的范围。
2.根据权利要求1所述的空调机,其特征在于,
具备存储含有在室者的衣服的颜色和/或在室者的头顶部的颜色的颜色特征量的存储部,
上述在室者识别部基于由上述在室者检测部检测的上述颜色特征量的检测值和存储于上述存储部的上述颜色特征量的登记值进行在室者的识别。
3.根据权利要求1所述的空调机,其特征在于,
具备存储含有在室者的衣服的颜色和/或在室者的头顶部的颜色的颜色特征量的存储部,
上述在室者识别部基于由上述在室者检测部检测的上述颜色特征量的检测值和至存储于上述存储部的预定时间前的上述颜色特征量的登记值进行在室者的识别。
4.根据权利要求2或3所述的空调机,其特征在于,
形状特征量的登记值与上述颜色特征量一起与在室者的识别信息关联地登记于上述存储部,上述形状特征量包含在室者的头部的形状、在室者的体型、在室者的眼睛的像素数占脸部的像素数的比率、在室者两眼间的距离占头部的横宽的比率、以及在室者的嘴的横宽占头部的横宽的比率中的至少一个,
上述在室者识别部基于上述颜色特征量的检测值与上述颜色特征量的登记值的比较结果、以及上述形状特征量的检测值与上述形状特征量的登记值的比较结果进行在室者的识别。
5.根据权利要求4所述的空调机,其特征在于,
上述在室者识别部在由上述在室者检测部检测到的在室者中存在未登记于上述存储部的在室者的情况下,将该在室者的上述颜色特征量及上述形状特征量新登记于上述存储部。
6.根据权利要求2或3所述的空调机,其特征在于,
具备学习处理部,其在通常模式的执行中执行学习处理,上述通常模式是根据在室者对遥控器的操作变更含有设定温度、设定湿度、风向以及风量中的至少一个的设定值,上述学习处理是学习由上述在室者识别部识别到的在室者的偏好的上述设定值,
上述学习处理部在进行符合在室者的偏好的空气调节的委托模式下,基于上述学习处理的学习结果变更上述设定值,
上述空气调节控制部基于由上述学习处理部引起的变更后的上述设定值变更空气调节控制。
7.根据权利要求6所述的空调机,其特征在于,
上述学习处理部执行上述学习处理,并且反复进行如下处理:关于由上述在室者检测部检测到的在室者,将登记于上述存储部的上述颜色特征量的登记值与基于上述拍摄部的拍摄结果的上述颜色特征量的检测值的和的平均值作为新的登记值进行更新。
8.根据权利要求6所述的空调机,其特征在于,
上述学习处理部执行上述学习处理,并且随着上述拍摄部的拍摄范围内的颜色或明亮度的检测值的变化使上述颜色特征量的登记值以接近变化后的上述检测值的方式变化,
上述在室者识别部使用由上述学习处理部而引起的变化后的上述颜色特征量的登记值进行在室者的识别。
9.根据权利要求1所述的空调机,其特征在于,
具备计算由上述在室者识别部识别到的在室者的在室时间的在室时间计算部,
上述空气调节控制部向由上述在室时间计算部计算的上述在室时间比其他在室者相对短的在室者更长时间地输送进行了空气调节的空气。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016-056544 | 2016-03-22 | ||
JP2016056544A JP6671201B2 (ja) | 2016-03-22 | 2016-03-22 | 空気調和機 |
PCT/JP2017/009292 WO2017163883A1 (ja) | 2016-03-22 | 2017-03-08 | 空気調和機 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108474583A CN108474583A (zh) | 2018-08-31 |
CN108474583B true CN108474583B (zh) | 2019-05-21 |
Family
ID=59900188
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780004227.5A Active CN108474583B (zh) | 2016-03-22 | 2017-03-08 | 空调机 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP6671201B2 (zh) |
CN (1) | CN108474583B (zh) |
WO (1) | WO2017163883A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108981109A (zh) * | 2018-08-30 | 2018-12-11 | 广东美的暖通设备有限公司 | 空调的控制方法、装置及空调 |
WO2020115791A1 (ja) * | 2018-12-03 | 2020-06-11 | 三菱電機株式会社 | 設備機器制御装置、設備機器制御方法および学習方法 |
CN109916055A (zh) * | 2019-03-08 | 2019-06-21 | 百度在线网络技术(北京)有限公司 | 控制方法和装置 |
CN112066450A (zh) * | 2020-09-15 | 2020-12-11 | 美的集团武汉制冷设备有限公司 | 空调器、空调器的控制方法及计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102162664A (zh) * | 2010-02-24 | 2011-08-24 | 株式会社东芝 | 空调控制系统以及空调控制方法 |
JP2011220612A (ja) * | 2010-04-09 | 2011-11-04 | Mitsubishi Electric Corp | 空気調和機 |
CN103471213A (zh) * | 2012-06-05 | 2013-12-25 | 日立空调·家用电器株式会社 | 空调机和空调机的控制方法 |
CN104422074A (zh) * | 2013-09-11 | 2015-03-18 | 日立空调·家用电器株式会社 | 空气调节器 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3453870B2 (ja) * | 1994-09-21 | 2003-10-06 | 松下電器産業株式会社 | 画像処理装置と画像処理装置を用いた応用機器 |
WO2006034135A2 (en) * | 2004-09-17 | 2006-03-30 | Proximex | Adaptive multi-modal integrated biometric identification detection and surveillance system |
JP2011137589A (ja) * | 2009-12-28 | 2011-07-14 | Mitsubishi Electric Corp | 空気調和機、空気調和機の制御装置 |
US8929592B2 (en) * | 2012-03-13 | 2015-01-06 | Mitsubishi Electric Research Laboratories, Inc. | Camera-based 3D climate control |
WO2014009291A1 (en) * | 2012-07-12 | 2014-01-16 | Osram Gmbh | Vision based occupancy detection system and method |
-
2016
- 2016-03-22 JP JP2016056544A patent/JP6671201B2/ja active Active
-
2017
- 2017-03-08 CN CN201780004227.5A patent/CN108474583B/zh active Active
- 2017-03-08 WO PCT/JP2017/009292 patent/WO2017163883A1/ja active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102162664A (zh) * | 2010-02-24 | 2011-08-24 | 株式会社东芝 | 空调控制系统以及空调控制方法 |
JP2011220612A (ja) * | 2010-04-09 | 2011-11-04 | Mitsubishi Electric Corp | 空気調和機 |
CN103471213A (zh) * | 2012-06-05 | 2013-12-25 | 日立空调·家用电器株式会社 | 空调机和空调机的控制方法 |
CN104422074A (zh) * | 2013-09-11 | 2015-03-18 | 日立空调·家用电器株式会社 | 空气调节器 |
Also Published As
Publication number | Publication date |
---|---|
JP2017172828A (ja) | 2017-09-28 |
JP6671201B2 (ja) | 2020-03-25 |
WO2017163883A1 (ja) | 2017-09-28 |
CN108474583A (zh) | 2018-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108474583B (zh) | 空调机 | |
CN107860101A (zh) | 空调设备的参数调整方法及装置、空调设备 | |
KR102121785B1 (ko) | 인공지능을 이용하여 지시된 위치로 풍향을 제어하는 에어컨 및 이를 제어하는 방법 | |
CN102047652B (zh) | 摄像装置、集成电路及摄像方法 | |
CN107883541A (zh) | 空调控制方法及装置 | |
CN109344532A (zh) | 一种应用于地产的室内设计方法及装置 | |
JP2016171526A (ja) | 画像センサ、人検出方法、制御システム、制御方法及びコンピュータプログラム | |
Kim et al. | Real-time daylight glare control using a low-cost, window-mounted HDRI sensor | |
CN104717422B (zh) | 显示设备以及显示方法 | |
CN109874209A (zh) | 基于场景自动识别的商务酒店客房场景照明系统 | |
CN109073252B (zh) | 空调可视化系统 | |
CN107102736A (zh) | 实现增强现实的方法 | |
CN106664767A (zh) | 用于体育场的照明系统 | |
CN107631439A (zh) | 空调送风方法和装置 | |
CN109542233A (zh) | 一种基于动态手势和人脸识别的灯具控制系统 | |
CN108230362A (zh) | 环境监控方法、装置、电子设备和存储介质 | |
US20210318018A1 (en) | Air flow control apparatus | |
CN111240217B (zh) | 状态检测方法、装置、电子设备及存储介质 | |
CN103310422A (zh) | 获取图像的方法及装置 | |
JP2018147718A (ja) | 照明制御方法および照明制御システム | |
JP2015115649A (ja) | 機器制御システム、および、機器制御方法 | |
CN104854960B (zh) | 灯具的选址方法、照明灯具以及用于房间照明的系统 | |
CN107830604A (zh) | 一种室内温度控制方法、装置、系统及机器人 | |
JP2018059672A (ja) | 空気調和機 | |
CN107886540A (zh) | 制冷设备内物品识别定位方法和制冷设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |