CN108573568B - 无人售货装置、门把手加热方法和门把手加热系统 - Google Patents
无人售货装置、门把手加热方法和门把手加热系统 Download PDFInfo
- Publication number
- CN108573568B CN108573568B CN201810341322.0A CN201810341322A CN108573568B CN 108573568 B CN108573568 B CN 108573568B CN 201810341322 A CN201810341322 A CN 201810341322A CN 108573568 B CN108573568 B CN 108573568B
- Authority
- CN
- China
- Prior art keywords
- door handle
- preset
- distance
- temperature
- pedestrian
- 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
- 238000010438 heat treatment Methods 0.000 title claims abstract description 263
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000001514 detection method Methods 0.000 claims description 51
- 238000012549 training Methods 0.000 claims description 41
- 238000013136 deep learning model Methods 0.000 claims description 23
- 230000008859 change Effects 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims 1
- 230000036541 health Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000001914 filtration Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 5
- 238000004134 energy conservation Methods 0.000 description 5
- 230000002146 bilateral effect Effects 0.000 description 4
- 238000002372 labelling Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 230000003862 health status Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F9/00—Details other than those peculiar to special kinds or types of apparatus
- G07F9/10—Casings or parts thereof, e.g. with means for heating or cooling
- G07F9/105—Heating or cooling means, for temperature and humidity control, for the conditioning of articles and their storage
-
- E—FIXED CONSTRUCTIONS
- E05—LOCKS; KEYS; WINDOW OR DOOR FITTINGS; SAFES
- E05B—LOCKS; ACCESSORIES THEREFOR; HANDCUFFS
- E05B1/00—Knobs or handles for wings; Knobs, handles, or press buttons for locks or latches on wings
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Abstract
本发明提出了一种无人售货装置、门把手加热方法、门把手加热系统、计算机设备和计算机可读存储介质。其中,无人售货装置包括:售货箱主体;门把手,门把手设置于售货箱主体上;摄像模块,第一摄像装置设置在售货箱主体上,用于采集售货箱主体前方行人图像;控制模块,控制模块用于接收并分析摄像模块发送的前方行人图像,根据分析结果控制以预设加热功率加热门把手。本发明的无人售货装置的门把手可以进行加热,避免了低温天气时温度较低的门把手给用户带来不好的购物体验,提高了用户的购买量,根据摄像装置感知前方行人与无人售货箱主体的距离控制如何加热门把手,在保证用户使用需求的前提下,实现了能源的节省。
Description
技术领域
本发明涉及无人售货技术领域,具体而言,涉及一种无人售货装置、门把手加热方法、门把手加热系统、计算机设备和计算机可读存储介质。
背景技术
无人售货越来越受到人们的欢迎,现有的无人售货柜在低温天气时,门把手温度也较低,给用户带来较差的购物体验,或是降低了用户购买欲望,进而降低了用户购买量;现有的一些门把手加热场景,在检测环境温度低时就一直加热门把手,如此,在没有用户使用门把手时,造成了电能的浪费。
因此,如何实现智能加热无人售货装置的门把手,在满足用户需求的前提下,节约能源成为亟待解决的问题。
发明内容
本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。
为此,本发明第一个方面在于提出一种无人售货装置。
本发明的第二个方面在于提出一种门把手加热方法。
本发明的第三个方面在于提出一种门把手加热系统。
本发明的第四个方面在于提出一种计算机设备。
本发明的第五个方面在于提出一种计算机可读存储介质。
有鉴于此,根据本发明的一个方面,提出了一种无人售货装置,包括:售货箱主体;门把手,门把手设置于售货箱主体上;摄像模块,第一摄像装置设置在售货箱主体上,用于采集售货箱主体前方行人图像;控制模块,控制模块用于接收并分析摄像模块发送的前方行人图像,根据分析结果控制以预设加热功率加热门把手。
本发明提供的无人售货装置,通过摄像模块采集售货箱主体前方行人图像,对购买用户及行人位置跟踪,控制模块根据接收来自摄像模块的图像进行分析,获得用户与售货箱主体的位置信息,根据位置信息控制以预设加热功率加热门把手,无人售货装置的门把手可以进行加热,避免了低温天气时温度较低的门把手给用户带来不好的购物体验,提高了用户的购买量,根据摄像装置感知前方行人与无人售货箱主体的距离控制如何加热门把手,在用户与售货箱主体距离达到一定距离阈值时再进行加热,在保证用户使用需求的前提下,实现了能源的节省。
根据本发明的上述无人售货装置,还可以具有以下技术特征:
在上述技术方案中,优选地,门把手包括:加热模块,加热模块用于产生预设加热功率的热量,并以预设功率加热门把手;温度检测模块,温度检测模块用于检测门把手的温度。
在该技术方案中,门把手包括加热模块和温度检测模块,温度检测模块可以检测当前门把手温度,控制模块根据设置的门把手需要到达的温度和当前门把手温度以及加热时间,计算出预设加热功率,加热模块根能够产生控制模块确定的预设加热功率的热量,用来加热门把手,如此,实现基于摄像装置位置跟踪的门把手加热,满足了用户对门把手温度的需求,避免了门把手一直处于加热状态导致的热量的浪费。
在上述任一技术方案中,优选地,门把手包括:健康检测模块,健康检测模块用于检测接触门把手的用户的健康状况信息。
在该技术方案中,门把手还包括健康检测装置,在用户打开无人售货装置门把手的同时,对用户的身体健康状况检测、疾病检测,使得用户方便的了解自身身体状况,进一步促使了用户使用无人售货装置,提高用户的购买量。另外,无人售货装置可以门把手可加热,使得用户在开门时无需带手套等,使得健康检测装置在环境处于低温时也可以实现对用户的健康检测。
在上述任一技术方案中,优选地,还包括:扬声器,扬声器设置在售货箱主体上,用于语音播放;传声器,传声器设置在售货箱主体上,用于语音识别;商品展示模块,商品展示窗设置在售货箱主体上;出货口,出货口设置在售货箱主体上;广告模块,广告模块设置在售货箱主体上;售卖凭条出口,售卖凭条出口设置在售货箱主体上;所述摄像装置还用于识别售货箱主体内部的商品。
在该技术方案中,无人售货装置包括扬声器,用于语音合成一些信息之后的播放,比如介绍无人售货装置内商品信息的介绍;传声器用于语音识别,比如用户通过语音说想买某种商品,直接对用户的话语进行语音识别,更加方便用户购买商品;摄像模块还可以设别售货箱内商品,识别售货箱内商品的摄像模块可以和采集行人用户图像的摄像模块为一体,也可以分别单独设置。
根据本发明的第二个方面,提出了一种门把手加热方法,用于上述任一技术方案中的无人售货装置,包括:控制摄像模块采集前方行人图像;根据前方行人图像获取前方行人与售货箱主体的距离,将其设定为第一距离;判断第一距离是否小于预设距离;若判断结果为小于预设距离,则根据第一距离确定加热门把手的预设加热功率,并控制以预设加热功率加热门把手。
本发明提供的门把手加热方法,控制无人售货装置上的摄像装置采集前方行人图像,根据前方行人图像进行分析,对前方行人进行定位、跟踪,获得前方行人与售货箱主体的距离,设为第一距离,通过判断第一距离是否超过预设距离来确定是否开启加热门把手模式,当第一距离小于预设距离说明用户即将通过门把手打开售货箱,此时根据第一距离的数值,基于预设规则算法计算出加热门把手的预设加热功率,并以预设加热功率对门把手进行加热,使得用户在到达售货箱主体的时候,门把手的温度达到设定温度,避免了低温天气时温度较低的门把手给用户带来不好的购物体验,提高了用户的购买量,根据摄像装置感知前方行人与无人售货箱主体的距离控制如何加热门把手,在保证用户使用需求的前提下,实现了能源的节省。
根据本发明的上述门把手加热方法,还可以具有以下技术特征:
在上述技术方案中,优选地,若判断结果为小于预设距离,则根据第一距离确定加热门把手的预设加热功率,并控制以预设加热功率加热门把手的步骤,具体包括:获取无人售货装置的温度检测模块检测的当前门把手温度以及预设门把手温度;判断当前门把手温度与预设门把手温度的差值是否小于0;若判断结果为是,则根据预设规则计算预设加热功率,并控制以预设加热功率加热门把手;若判断结果为否,则执行获取无人售货装置的温度检测模块检测的当前门把手温度以及预设门把手温度的步骤。
在该技术方案中,在前方行人与售货箱主体的距离小于预设距离,确定加热门把手的预设加热功率,并以预设功率加热门把手的过程,首先,通过无人售货装置的温度检测模块检测当前门把手温度和预先设定的门把手需要达到的温度,通过判断当前门把手温度与预设门把手温度的差值是否小于0,来判断是否需要对当前门把手进行加热,当判断结果为是,说明当前门把手温度较低,未达到预设温度,需要对门把手进行加热,此时根据预设规则算法计算加热门把手的预设加热功率,并进行加热;当判断结果为否,说明当前门把手温度已经达到预先设定的温度,无需门把手进行加热,那么重新进行获取无人售货装置的温度检测模块检测的当前门把手温度以及预设门把手温度,如此,实现了在低温时对门把手温度的加热控制,提高了低温时无人售货装置的用户购买量。
在上述任一技术方案中,优选地,若判断结果为是,则根据预设规则计算预设加热功率,并控制以预设加热功率加热门把手的步骤,具体包括:根据差值计算差值的变化率、差值的积分;设定比例-积分-微分控制器的比例系数、积分系数、微分系数;基于第一距离,按照第一预设公式修正比例系数:
按照第二预设公式计算预设加热功率:
P=Kp×D+Ki×Di+Kd×Dr
控制以预设加热功率加热门把手;其中,Kpa为修正的比例系数,Kp为比例系数,Ki为积分系数,Kd为微分系数,D为差值,Di为差值的积分,Dr为差值的变化率。
在该技术方案中,当门把手当前温度小于预设温度,需要对门把手进行加热时,计算当前门把手温度与预设温度差值变化率、差值的积分,采用比例-积分-微分控制器进行计算控制预设加热功率,设定比例-积分-微分控制器的比例系数、积分系数、微分系数,然后根据第一预设公式对比例系数进行修正,再分别将修正后的比例系数与差值、积分系数与差值的积分、微分系数和差值的变化率乘积后进行加和,得到预设加热功率,如此,基于PID控制(proportion-integral-derivative控制,比例-积分-微分控制)与距离的智能控温算法,计算得出门把手预设加热功率,进而实现低温时对门把手精确的温度加热控制。
在上述任一技术方案中,优选地,控制以预设加热功率加热门把手的步骤,具体包括:控制无人售货装置的脉冲宽度调节模块根据预设加热功率生成预设占空比的方波信号;控制无人售货装置的滤波器对方波信号进行滤波;控制无人售货装置的功率开关管根据方波信号驱动无人售货装置的加热装置加热门把手。
在该技术方案中,控制以预设加热功率加热门把手过程,控制脉冲宽度调节模块(PWM控制器)根据预设加热功率生成预设占空比的方波信号,经过滤波器滤波后,通过功率开关管根据方波信号驱动加热装置(如加热丝)对门把手进行加热,实现对门把手的加热控制。
在上述任一技术方案中,优选地,在若判断结果为小于预设距离,则根据第一距离确定加热门把手的预设加热功率,并控制以预设加热功率加热门把手之后,还包括:控制无人售货装置的温度检测模块检测的当前门把手温度;控制无人售货装置的仪表放大器与模数转换器对当前门把手温度进行处理;将处理后的当前门把手温度发送至控制模块,以进行门把手的温度反馈控制。
在该技术方案中,在控制以预设加热功率加热门把手之后,温度检测模块(如温度传感器)实时检测当前温度,经过精密仪表放大器放大与ADC(Analog-to-DigitalConverter,模数转换器)进行模式转换处理,将温度信息传达给控制模块(控制器),实现反馈控制,提高了控制的精确度。
在上述任一技术方案中,优选地,在控制摄像模块采集前方行人图像之前,还包括:控制摄像模块获取的样本前方行人图像;获取样本行人与售货箱主体的样本距离;对样本前方行人图像预处理,以去除图像噪声;在处理后的样本前方行人图像中标注样本行人的轮廓,得到标记数据,根据多个标记数据获得训练关联数据集;应用训练关联数据集进行训练得到深度学习模型;根据前方行人图像获取前方行人与售货箱主体的距离,将其设定为第一距离的步骤,具体包括:利用深度学习模型,根据前方行人图像获取前方行人与售货箱主体的距离;其中,训练关联数据集包括:样本前方行人图像集、标记数据集、样本行人与售货箱主体的样本距离的距离集。
在该技术方案中,在控制摄像模块采集前方行人图像之前,预先进行建立深度学习模型,再进而根据深度学习模型推断计算前方行人与无人售货主体的距离。建立深度网络学习模型过程:1)通过摄像模块获取的样本前方行人图像G;2)测量并记录图像中的样本行人与无人售货主体的距离L;3)对样本前方行人图像预处理,使用双边滤波在保证图像边缘清晰的前提下去除图像中的噪声;4)标注图像G中行人的轮廓,得到标记数据C;5)多次重复1)、2)、3),得到用于训练的训练关联数据集U(包括图像集Ug、标记数据集Uc、距离集Ul);6)搭建深度学习网络,利用训练数据集U进行训练,得到深度学习模型。如此,根据充分训练深度学习模型进行计算推断前方行人与无人售货主体的距离,使得数据更加准确,基于该距离进行计算预设加热功率也就更加精准,使得用户具有更好的体验,无人售货装置也更加节能。
根据本发明的第三个方面,提出了一种门把手加热系统,用于上述任一技术方案中的无人售货装置,包括:采集单元,用于控制摄像模块采集前方行人图像;设定单元,用于根据前方行人图像获取前方行人与售货箱主体的距离,将其设定为第一距离;第一判断单元,用于判断第一距离是否小于预设距离;控制单元,用于若判断结果为小于预设距离,则根据第一距离确定加热门把手的预设加热功率,并控制以预设加热功率加热门把手。
本发明提供的门把手加热系统,控制无人售货装置上的摄像装置采集前方行人图像,根据前方行人图像进行分析,对前方行人进行定位、跟踪,获得前方行人与售货箱主体的距离,设为第一距离,通过判断第一距离是否超过预设距离来确定是否开启加热门把手模式,当第一距离小于预设距离说明用户即将通过门把手打开售货箱,此时根据第一距离的数值,基于预设规则算法计算出加热门把手的预设加热功率,并以预设加热功率对门把手进行加热,使得用户在到达售货箱主体的时候,门把手的温度达到设定温度,避免了低温天气时温度较低的门把手给用户带来不好的购物体验,提高了用户的购买量,根据摄像装置感知前方行人与无人售货箱主体的距离控制如何加热门把手,在保证用户使用需求的前提下,实现了能源的节省。
根据本发明的上述门把手加热系统,还可以具有以下技术特征:
在上述技术方案中,优选地,控制单元具体包括:获取单元,用于获取无人售货装置的温度检测模块检测的当前门把手温度以及预设门把手温度;第二判断单元,用于判断当前门把手温度与预设门把手温度的差值是否小于0;加热单元,用于若判断结果为是,则根据预设规则计算预设加热功率,并控制以预设加热功率加热门把手;获取单元,还用于若判断结果为否,则执行获取无人售货装置的温度检测模块检测的当前门把手温度以及预设门把手温度的步骤。
在该技术方案中,在前方行人与售货箱主体的距离小于预设距离,确定加热门把手的预设加热功率,并以预设功率加热门把手的过程,首先,通过无人售货装置的温度检测模块检测当前门把手温度和预先设定的门把手需要达到的温度,通过判断当前门把手温度与预设门把手温度的差值是否小于0,来判断是否需要对当前门把手进行加热,当判断结果为是,说明当前门把手温度较低,未达到预设温度,需要对门把手进行加热,此时根据预设规则算法计算加热门把手的预设加热功率,并进行加热;当判断结果为否,说明当前门把手温度已经达到预先设定的温度,无需门把手进行加热,那么重新进行获取无人售货装置的温度检测模块检测的当前门把手温度以及预设门把手温度,如此,实现了在低温时对门把手温度的加热控制,提高了低温时无人售货装置的用户购买量。
在上述任一技术方案中,优选地,加热单元具体包括:第一计算单元,用于根据差值计算差值的变化率、差值的积分;系数单元,用于设定比例-积分-微分控制器的比例系数、积分系数、微分系数;修正单元,用于基于第一距离,按照第一预设公式修正比例系数:
第二计算单元,用于按照第二预设公式计算预设加热功率:
P=Kp×D+Ki×Di+Kd×Dr
控制子单元,用于控制以预设加热功率加热门把手;其中,Kpa为修正的比例系数,Kp为比例系数,Ki为积分系数,Kd为微分系数,D为差值,Di为差值的积分,Dr为差值的变化率。
在该技术方案中,当门把手当前温度小于预设温度,需要对门把手进行加热时,计算当前门把手温度与预设温度差值变化率、差值的积分,采用比例-积分-微分控制器进行计算控制预设加热功率,设定比例-积分-微分控制器的比例系数、积分系数、微分系数,然后根据第一预设公式对比例系数进行修正,再分别将修正后的比例系数与差值、积分系数与差值的积分、微分系数和差值的变化率乘积后进行加和,得到预设加热功率,如此,基于PID控制(proportion-integral-derivative控制,比例-积分-微分控制)与距离的智能控温算法,计算得出门把手预设加热功率,进而实现低温时对门把手精确的温度加热控制。
在上述任一技术方案中,优选地,控制子单元具体包括:信号单元,用于控制无人售货装置的脉冲宽度调节模块根据预设加热功率生成预设占空比的方波信号;滤波单元,用于控制无人售货装置的滤波器对方波信号进行滤波;开关单元,用于控制无人售货装置的功率开关管根据方波信号驱动无人售货装置的加热装置加热门把手。
在该技术方案中,控制以预设加热功率加热门把手过程,控制脉冲宽度调节模块(PWM控制器)根据预设加热功率生成预设占空比的方波信号,经过滤波器滤波后,通过功率开关管根据方波信号驱动加热装置(如加热丝)对门把手进行加热,实现对门把手的加热控制。
在上述任一技术方案中,优选地,还包括:检测单元,用于控制无人售货装置的温度检测模块检测的当前门把手温度;处理单元,用于控制无人售货装置的仪表放大器与模数转换器对当前门把手温度进行处理;反馈单元,用于将处理后的当前门把手温度发送至控制模块,以进行门把手的温度反馈控制。
在该技术方案中,在控制以预设加热功率加热门把手之后,温度检测模块(如温度传感器)实时检测当前温度,经过精密仪表放大器放大与ADC(Analog-to-DigitalConverter,模数转换器)进行模式转换处理,将温度信息传达给控制模块(控制器),实现反馈控制,提高了控制的精确度。
在上述任一技术方案中,优选地,还包括:第一样本单元,用于控制摄像模块获取的样本前方行人图像;第二样本单元,用于获取样本行人与售货箱主体的样本距离;噪声处理单元,用于对样本前方行人图像预处理,以去除图像噪声;标注单元,用于在处理后的样本前方行人图像中标注样本行人的轮廓,得到标记数据,根据多个标记数据获得训练关联数据集;训练单元,用于应用训练关联数据集进行训练得到深度学习模型;设定单元具体包括:设定子单元,用于利用深度学习模型,根据前方行人图像获取前方行人与售货箱主体的距离;其中,训练关联数据集包括:样本前方行人图像集、标记数据集、样本行人与售货箱主体的样本距离的距离集。
在该技术方案中,在控制摄像模块采集前方行人图像之前,预先进行建立深度学习模型,再进而根据深度学习模型推断计算前方行人与无人售货主体的距离。建立深度网络学习模型过程:1)通过摄像模块获取的样本前方行人图像G;2)测量并记录图像中的样本行人与无人售货主体的距离L;3)对样本前方行人图像预处理,使用双边滤波在保证图像边缘清晰的前提下去除图像中的噪声;4)标注图像G中行人的轮廓,得到标记数据C;5)多次重复1)、2)、3),得到用于训练的训练关联数据集U(包括图像集Ug、标记数据集Uc、距离集Ul);6)搭建深度学习网络,利用训练数据集U进行训练,得到深度学习模型。如此,根据充分训练深度学习模型进行计算推断前方行人与无人售货主体的距离,使得数据更加准确,基于该距离进行计算预设加热功率也就更加精准,使得用户具有更好的体验,无人售货装置也更加节能。
根据本发明的第四个方面,本发明提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述任一技术方案中的门把手加热方法的步骤。
本发明提供的一种计算机设备,处理器执行计算机程序时实现:控制无人售货装置上的摄像装置采集前方行人图像,根据前方行人图像进行分析,对前方行人进行定位、跟踪,获得前方行人与售货箱主体的距离,设为第一距离,通过判断第一距离是否超过预设距离来确定是否开启加热门把手模式,当第一距离小于预设距离说明用户即将通过门把手打开售货箱,此时根据第一距离的数值,基于预设规则算法计算出加热门把手的预设加热功率,并以预设加热功率对门把手进行加热,使得用户在到达售货箱主体的时候,门把手的温度达到设定温度,避免了低温天气时温度较低的门把手给用户带来不好的购物体验,提高了用户的购买量,根据摄像装置感知前方行人与无人售货箱主体的距离控制如何加热门把手,在保证用户使用需求的前提下,实现了能源的节省。
根据本发明的第五个方面,本发明提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述任一技术方案中的门把手加热方法的步骤。
本发明提供的一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现:控制无人售货装置上的摄像装置采集前方行人图像,根据前方行人图像进行分析,对前方行人进行定位、跟踪,获得前方行人与售货箱主体的距离,设为第一距离,通过判断第一距离是否超过预设距离来确定是否开启加热门把手模式,当第一距离小于预设距离说明用户即将通过门把手打开售货箱,此时根据第一距离的数值,基于预设规则算法计算出加热门把手的预设加热功率,并以预设加热功率对门把手进行加热,使得用户在到达售货箱主体的时候,门把手的温度达到设定温度,避免了低温天气时温度较低的门把手给用户带来不好的购物体验,提高了用户的购买量,根据摄像装置感知前方行人与无人售货箱主体的距离控制如何加热门把手,在保证用户使用需求的前提下,实现了能源的节省。
本发明的附加方面和优点将在下面的描述部分中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1示出了本发明的一个实施例的无人售货装置的结构示意图;
图2示出了本发明的一个实施例的门把手加热方法的流程示意图;
图3示出了本发明的另一个实施例的门把手加热方法的流程示意图;
图4示出了本发明的再一个实施例的门把手加热方法的流程示意图;
图5示出了本发明的一个实施例的门把手加热系统的示意框图;
图6示出了本发明的一个具体实施例的门把手加热系统的示意框图;
图7示出了本发明的一个具体实施例的基于PID与摄像头距离检测的智能控温算法的流程示意图;
图8示出了本发明的一个实施例的计算机设备的示意框图。
附图标记:
其中,图1中的附图标记与部件名称之间的对应关系为:
10售货箱主体,20门把手,30摄像模块,40控制模块,100无人售货装置。
具体实施方式
为了能够更清楚地理解本发明的上述方面、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不限于下面公开的具体实施例的限制。
本发明第一方面的实施例,提出一种无人售货装置100,如图1所示,无人售货装置100包括:售货箱主体10、门把手20、摄像模块30、控制模块40。门把手20设置于所述售货箱主体10上;摄像模块30设置在售货箱主体10上,用于采集售货箱主体10前方行人图像;控制模块40用于接收并分析摄像模块30发送的前方行人图像,根据分析结果控制以预设加热功率加热门把手20。
本发明提供的无人售货装置100,通过摄像模块30采集售货箱主体10前方行人图像,对购买用户及行人位置跟踪,控制模块40根据接收来自摄像模块30的图像进行分析,获得用户与售货箱主体10的位置信息,根据位置信息控制以预设加热功率加热门把手20,无人售货装置100的门把手20可以进行加热,避免了低温天气时温度较低的门把手给用户带来不好的购物体验,提高了用户的购买量,根据摄像装置感知前方行人与无人售货箱主体10的距离控制如何加热门把手,在用户与售货箱主体10距离达到一定距离阈值时再进行加热,在保证用户使用需求的前提下,实现了能源的节省。
在上述实施例中,优选地,门把手20包括:加热模块和度检测模块。加热模块用于产生预设加热功率的热量,并以预设功率加热门把手20;温度检测模块用于检测门把手20的温度。
在该实施例中,门把手20包括加热模块和温度检测模块,温度检测模块可以检测当前门把手20温度,控制模块根据设置的门把手20需要到达的温度和当前门20把手温度以及加热时间,计算出预设加热功率,加热模块根能够产生控制模块确定的预设加热功率的热量,用来加热门把手20,如此,实现基于摄像装置位置跟踪的门把手加热,满足了用户对门把手温度的需求,避免了门把手一直处于加热状态导致的热量的浪费。
在上述任一实施例中,优选地,门把手20包括健康检测模块,健康检测模块用于检测接触门把手的用户的健康状况信息。
在该实施例中,门把手20还包括健康检测装置,在用户打开无人售货装置门把手20的同时,对用户的身体健康状况检测、疾病检测,使得用户方便的了解自身身体状况,进一步促使了用户使用无人售货装置,提高用户的购买量。另外,无人售货装置可以门把手可加热,使得用户在开门时无需带手套等,使得健康检测装置在环境处于低温时也可以实现对用户的健康检测。
在上述任一实施例中,优选地,还包括:扬声器,扬声器设置在售货箱主体上,用于语音播放;传声器,传声器设置在售货箱主体上,用于语音识别;商品展示模块,商品展示窗设置在售货箱主体上;出货口,出货口设置在售货箱主体上;广告模块,广告模块设置在售货箱主体上;售卖凭条出口,售卖凭条出口设置在售货箱主体上;所述摄像装置还用于识别售货箱主体内部的商品。
在该实施例中,无人售货装置包括扬声器,用于语音合成一些信息之后的播放,比如介绍无人售货装置内商品信息的介绍;传声器用于语音识别,比如用户通过语音说想买某种商品,直接对用户的话语进行语音识别,更加方便用户购买商品;无人售货装置包括展示窗、商品价格显示装置,摄像模块还可以设别售货箱内商品,识别售货箱内商品的摄像模块可以和采集行人用户图像的摄像模块为一体,也可以分别单独设置。
本发明第二方面的实施例,提出一种门把手加热方法,用于上述任一实施例中的无人售货装置,图2示出了本发明的一个实施例的门把手加热方法的流程示意图:
步骤202,控制摄像模块采集前方行人图像;
步骤204,根据前方行人图像获取前方行人与售货箱主体的距离,将其设定为第一距离;
步骤206,判断第一距离是否小于预设距离;
步骤208,若判断结果为小于预设距离,则根据第一距离确定加热门把手的预设加热功率,并控制以预设加热功率加热门把手。
本发明提供的门把手加热方法,控制无人售货装置上的摄像装置采集前方行人图像,根据前方行人图像进行分析,对前方行人进行定位、跟踪,获得前方行人与售货箱主体的距离,设为第一距离,通过判断第一距离是否超过预设距离来确定是否开启加热门把手模式,当第一距离小于预设距离说明用户即将通过门把手打开售货箱,此时根据第一距离的数值,基于预设规则算法计算出加热门把手的预设加热功率,并以预设加热功率对门把手进行加热,使得用户在到达售货箱主体的时候,门把手的温度达到设定温度,避免了低温天气时温度较低的门把手给用户带来不好的购物体验,提高了用户的购买量,根据摄像装置感知前方行人与无人售货箱主体的距离控制如何加热门把手,在保证用户使用需求的前提下,实现了能源的节省。
在上述实施例中,优选地,若判断结果为小于预设距离,则根据第一距离确定加热门把手的预设加热功率,并控制以预设加热功率加热门把手的步骤,具体包括:获取无人售货装置的温度检测模块检测的当前门把手温度以及预设门把手温度;判断当前门把手温度与预设门把手温度的差值是否小于0;若判断结果为是,则根据预设规则计算预设加热功率,并控制以预设加热功率加热门把手;若判断结果为否,则执行获取无人售货装置的温度检测模块检测的当前门把手温度以及预设门把手温度的步骤。
在该实施例中,在前方行人与售货箱主体的距离小于预设距离,确定加热门把手的预设加热功率,并以预设功率加热门把手的过程,首先,通过无人售货装置的温度检测模块检测当前门把手温度和预先设定的门把手需要达到的温度,通过判断当前门把手温度与预设门把手温度的差值是否小于0,来判断是否需要对当前门把手进行加热,当判断结果为是,说明当前门把手温度较低,未达到预设温度,需要对门把手进行加热,此时根据预设规则算法计算加热门把手的预设加热功率,并进行加热;当判断结果为否,说明当前门把手温度已经达到预先设定的温度,无需门把手进行加热,那么重新进行获取无人售货装置的温度检测模块检测的当前门把手温度以及预设门把手温度,如此,实现了在低温时对门把手温度的加热控制,提高了低温时无人售货装置的用户购买量。
图3示出了本发明的另一个实施例的门把手加热方法的流程示意图。其中,该方法包括:
步骤302,控制摄像模块采集前方行人图像;
步骤304,根据前方行人图像获取前方行人与售货箱主体的距离,将其设定为第一距离;
步骤306,判断第一距离是否小于预设距离,是,则进入步骤308,否,则进入步骤302;
步骤308,获取无人售货装置的温度检测模块检测的当前门把手温度以及预设门把手温度;
步骤310,判断当前门把手温度与预设门把手温度的差值是否小于0,是,则进入步骤312,否,则进入步骤308;
步骤312,根据差值计算差值的变化率、差值的积分;
步骤314,设定比例-积分-微分控制器的比例系数、积分系数、微分系数;
步骤316,基于第一距离,按照第一预设公式修正比例系数;
步骤318,按照第二预设公式计算预设加热功率,控制以预设加热功率加热门把手。
第一预设公式为:P=Kp×D+Ki×Di+Kd×Dr;
Kpa为修正的比例系数,Kp为比例系数,Ki为积分系数,Kd为微分系数,D为差值,Di为差值的积分,Dr为差值的变化率。
在该实施例中,当门把手当前温度小于预设温度,需要对门把手进行加热时,计算当前门把手温度与预设温度差值变化率、差值的积分,采用比例-积分-微分控制器进行计算控制预设加热功率,设定比例-积分-微分控制器的比例系数、积分系数、微分系数,然后根据第一预设公式对比例系数进行修正,再分别将修正后的比例系数与差值、积分系数与差值的积分、微分系数和差值的变化率乘积后进行加和,得到预设加热功率,如此,基于PID控制(proportion-integral-derivative控制,比例-积分-微分控制)与距离的智能控温算法,计算得出门把手预设加热功率,进而实现低温时对门把手精确的温度加热控制。
在上述任一实施例中,优选地,控制以预设加热功率加热门把手的步骤,具体包括:控制无人售货装置的脉冲宽度调节模块根据预设加热功率生成预设占空比的方波信号;控制无人售货装置的滤波器对方波信号进行滤波;控制无人售货装置的功率开关管根据方波信号驱动无人售货装置的加热装置加热门把手。
在该实施例中,控制以预设加热功率加热门把手过程,控制脉冲宽度调节模块(PWM控制器)根据预设加热功率生成预设占空比的方波信号,经过滤波器滤波后,通过功率开关管根据方波信号驱动加热装置(如加热丝)对门把手进行加热,实现对门把手的加热控制。
图4示出了本发明的再一个实施例的门把手加热方法的流程示意图。其中,该方法包括:
步骤402,建立深度网络学习模型;
步骤404,控制摄像模块采集前方行人图像;
步骤406,利用深度学习模型,根据前方行人图像获取前方行人与售货箱主体的距离,将其设定为第一距离;
步骤408,判断第一距离是否小于预设距离,是,则进入步骤410,否,则进入步骤404;
步骤410,获取无人售货装置的温度检测模块检测的当前门把手温度以及预设门把手温度;
步骤412,判断当前门把手温度与预设门把手温度的差值是否小于0,是,则进入步骤414,否,则进入步骤410;
步骤414,根据差值计算差值的变化率、差值的积分,设定比例-积分-微分控制器的比例系数、积分系数、微分系数,基于第一距离,按照第一预设公式修正比例系数;
步骤416,按照第二预设公式计算预设加热功率,控制以预设加热功率加热门把手;
步骤418,控制无人售货装置的温度检测模块检测的当前门把手温度,控制无人售货装置的仪表放大器与模数转换器对当前门把手温度进行处理,将处理后的当前门把手温度发送至控制模块,以进行门把手的温度反馈控制。
第一预设公式为:P=Kp×D+Ki×Di+Kd×Dr;
Kpa为修正的比例系数,Kp为比例系数,Ki为积分系数,Kd为微分系数,D为差值,Di为差值的积分,Dr为差值的变化率。
在该实施例中,控制以预设加热功率加热门把手过程,控制脉冲宽度调节模块(PWM控制器)根据预设加热功率生成预设占空比的方波信号,经过滤波器滤波后,通过功率开关管根据方波信号驱动加热装置(如加热丝)对门把手进行加热,实现对门把手的加热控制。
在上述实施例中,优选地,在若判断结果为小于预设距离,则根据第一距离确定加热门把手的预设加热功率,并控制以预设加热功率加热门把手之后,还包括:控制无人售货装置的温度检测模块检测的当前门把手温度;控制无人售货装置的仪表放大器与模数转换器对当前门把手温度进行处理;将处理后的当前门把手温度发送至控制模块,以进行门把手的温度反馈控制。
在该实施例中,在控制以预设加热功率加热门把手之后,温度检测模块(如温度传感器)实时检测当前温度,经过精密仪表放大器放大与ADC(Analog-to-DigitalConverter,模数转换器)进行模式转换处理,将温度信息传达给控制模块(控制器),实现反馈控制,提高了控制的精确度。
在上述实施例中,优选地,步骤402建立深度网络学习模型包括:控制摄像模块获取的样本前方行人图像;获取样本行人与售货箱主体的样本距离;对样本前方行人图像预处理,以去除图像噪声;在处理后的样本前方行人图像中标注样本行人的轮廓,得到标记数据,根据多个标记数据获得训练关联数据集;应用训练关联数据集进行训练得到深度学习模型;根据前方行人图像获取前方行人与售货箱主体的距离,将其设定为第一距离的步骤,具体包括:利用深度学习模型,根据前方行人图像获取前方行人与售货箱主体的距离;其中,训练关联数据集包括:样本前方行人图像集、标记数据集、样本行人与售货箱主体的样本距离的距离集。
在该技术方案中,在控制摄像模块采集前方行人图像之前,预先进行建立深度学习模型,再进而根据深度学习模型推断计算前方行人与无人售货主体的距离。建立深度网络学习模型过程:1)通过摄像模块获取的样本前方行人图像G;2)测量并记录图像中的样本行人与无人售货主体的距离L;3)对样本前方行人图像预处理,使用双边滤波在保证图像边缘清晰的前提下去除图像中的噪声;4)标注图像G中行人的轮廓,得到标记数据C;5)多次重复1)、2)、3),得到用于训练的训练关联数据集U(包括图像集Ug、标记数据集Uc、距离集Ul);6)搭建深度学习网络,利用训练数据集U进行训练,得到深度学习模型。如此,根据充分训练深度学习模型进行计算推断前方行人与无人售货主体的距离,使得数据更加准确,基于该距离进行计算预设加热功率也就更加精准,使得用户具有更好的体验,无人售货装置也更加节能。
本发明第三方面的实施例,提出一种门把手加热系统500,用于上述任一实施例中的无人售货装置。图5示出了本发明的一个实施例的门把手加热系统500的示意框图。如图5所示,门把手加热系统500包括:采集单元502、设定单元504、第一判断单元506和控制单元508。其中,采集单元502用于控制摄像模块采集前方行人图像;设定单元504用于根据前方行人图像获取前方行人与售货箱主体的距离,将其设定为第一距离;第一判断单元506用于判断第一距离是否小于预设距离;控制单元508用于若判断结果为小于预设距离,则根据第一距离确定加热门把手的预设加热功率,并控制以预设加热功率加热门把手。
本发明提供的门把手加热系统500,控制无人售货装置上的摄像装置采集前方行人图像,根据前方行人图像进行分析,对前方行人进行定位、跟踪,获得前方行人与售货箱主体的距离,设为第一距离,通过判断第一距离是否超过预设距离来确定是否开启加热门把手模式,当第一距离小于预设距离说明用户即将通过门把手打开售货箱,此时根据第一距离的数值,基于预设规则算法计算出加热门把手的预设加热功率,并以预设加热功率对门把手进行加热,使得用户在到达售货箱主体的时候,门把手的温度达到设定温度,避免了低温天气时温度较低的门把手给用户带来不好的购物体验,提高了用户的购买量,根据摄像装置感知前方行人与无人售货箱主体的距离控制如何加热门把手,在保证用户使用需求的前提下,实现了能源的节省。
在上述实施例中,优选地,控制单元508具体包括:获取单元,用于获取无人售货装置的温度检测模块检测的当前门把手温度以及预设门把手温度;第二判断单元,用于判断当前门把手温度与预设门把手温度的差值是否小于0;加热单元,用于若判断结果为是,则根据预设规则计算预设加热功率,并控制以预设加热功率加热门把手;获取单元,还用于若判断结果为否,则执行获取无人售货装置的温度检测模块检测的当前门把手温度以及预设门把手温度的步骤。
在该实施例中,在前方行人与售货箱主体的距离小于预设距离,确定加热门把手的预设加热功率,并以预设功率加热门把手的过程,首先,通过无人售货装置的温度检测模块检测当前门把手温度和预先设定的门把手需要达到的温度,通过判断当前门把手温度与预设门把手温度的差值是否小于0,来判断是否需要对当前门把手进行加热,当判断结果为是,说明当前门把手温度较低,未达到预设温度,需要对门把手进行加热,此时根据预设规则算法计算加热门把手的预设加热功率,并进行加热;当判断结果为否,说明当前门把手温度已经达到预先设定的温度,无需门把手进行加热,那么重新进行获取无人售货装置的温度检测模块检测的当前门把手温度以及预设门把手温度,如此,实现了在低温时对门把手温度的加热控制,提高了低温时无人售货装置的用户购买量。
在上述任一实施例中,优选地,加热单元具体包括:第一计算单元,用于根据差值计算差值的变化率、差值的积分;系数单元,用于设定比例-积分-微分控制器的比例系数、积分系数、微分系数;修正单元,用于基于第一距离,按照第一预设公式修正比例系数:
第二计算单元,用于按照第二预设公式计算预设加热功率:
P=Kp×D+Ki×Di+Kd×Dr
控制子单元,用于控制以预设加热功率加热门把手;其中,Kpa为修正的比例系数,Kp为比例系数,Ki为积分系数,Kd为微分系数,D为差值,Di为差值的积分,Dr为差值的变化率。
在该实施例中,当门把手当前温度小于预设温度,需要对门把手进行加热时,计算当前门把手温度与预设温度差值变化率、差值的积分,采用比例-积分-微分控制器进行计算控制预设加热功率,设定比例-积分-微分控制器的比例系数、积分系数、微分系数,然后根据第一预设公式对比例系数进行修正,再分别将修正后的比例系数与差值、积分系数与差值的积分、微分系数和差值的变化率乘积后进行加和,得到预设加热功率,如此,基于PID控制(proportion-integral-derivative控制,比例-积分-微分控制)与距离的智能控温算法,计算得出门把手预设加热功率,进而实现低温时对门把手精确的温度加热控制。
在上述任一实施例中,优选地,控制子单元具体包括:信号单元,用于控制无人售货装置的脉冲宽度调节模块根据预设加热功率生成预设占空比的方波信号;滤波单元,用于控制无人售货装置的滤波器对方波信号进行滤波;开关单元,用于控制无人售货装置的功率开关管根据方波信号驱动无人售货装置的加热装置加热门把手。
在该实施例中,控制以预设加热功率加热门把手过程,控制脉冲宽度调节模块(PWM控制器)根据预设加热功率生成预设占空比的方波信号,经过滤波器滤波后,通过功率开关管根据方波信号驱动加热装置(如加热丝)对门把手进行加热,实现对门把手的加热控制。
在上述任一实施例中,优选地,还包括:检测单元,用于控制无人售货装置的温度检测模块检测的当前门把手温度;处理单元,用于控制无人售货装置的仪表放大器与模数转换器对当前门把手温度进行处理;反馈单元,用于将处理后的当前门把手温度发送至控制模块,以进行门把手的温度反馈控制。
在该实施例中,在控制以预设加热功率加热门把手之后,温度检测模块(如温度传感器)实时检测当前温度,经过精密仪表放大器放大与ADC(Analog-to-DigitalConverter,模数转换器)进行模式转换处理,将温度信息传达给控制模块(控制器),实现反馈控制,提高了控制的精确度。
在上述任一实施例中,优选地,还包括:第一样本单元,用于控制摄像模块获取的样本前方行人图像;第二样本单元,用于获取样本行人与售货箱主体的样本距离;噪声处理单元,用于对样本前方行人图像预处理,以去除图像噪声;标注单元,用于在处理后的样本前方行人图像中标注样本行人的轮廓,得到标记数据,根据多个标记数据获得训练关联数据集;训练单元,用于应用训练关联数据集进行训练得到深度学习模型;设定单元504具体包括:设定子单元,用于利用深度学习模型,根据前方行人图像获取前方行人与售货箱主体的距离;其中,训练关联数据集包括:样本前方行人图像集、标记数据集、样本行人与售货箱主体的样本距离的距离集。
在该实施例中,在控制摄像模块采集前方行人图像之前,预先进行建立深度学习模型,再进而根据深度学习模型推断计算前方行人与无人售货主体的距离。建立深度网络学习模型过程:1)通过摄像模块获取的样本前方行人图像G;2)测量并记录图像中的样本行人与无人售货主体的距离L;3)对样本前方行人图像预处理,使用双边滤波在保证图像边缘清晰的前提下去除图像中的噪声;4)标注图像G中行人的轮廓,得到标记数据C;5)多次重复1)、2)、3),得到用于训练的训练关联数据集U(包括图像集Ug、标记数据集Uc、距离集Ul);6)搭建深度学习网络,利用训练数据集U进行训练,得到深度学习模型。如此,根据充分训练深度学习模型进行计算推断前方行人与无人售货主体的距离,使得数据更加准确,基于该距离进行计算预设加热功率也就更加精准,使得用户具有更好的体验,无人售货装置也更加节能。
下面结合图6和图7说明书本发明的一个具体实施例。
在本发明的一个具体实施例中,无人售货系统600包括主体,所述主体上设有展示窗、出货口、广告机构、商品价格标签显示装置、售卖凭条出口、喇叭(用于语音合成后的语音播放)、microphone麦克风(用于语音识别)、智能加热门把手,箱体内表面摄像头(用于箱内商品图像识别),箱体外表面摄像头(用于用户、行人位置跟踪),主体内设有电源控制模块、处理器控制模块。智能加热门把手包括温度产生装置、温度检测装置以及健康检测(身体状况检测、疾病检测)装置。控制原理如图6所示,箱体外表面摄像头采集前方行人图像,传给控制器进行分析,控制器通过训练生成的深度学习网络得出前方行人距离售货系统距离,通过基于PID与距离的智能控温算法,得出加热功率。再经PWM(Pulse WidthModulation脉冲宽度调节)生成器、滤波器驱动加热丝制热。温度传感器实时检测当前温度,经过精密仪表放大器放大与ADC进行模式转换处理,将温度信息传达给控制器,实现反馈控制。该无人售货系统600中,基于PID与摄像头距离检测的智能控温算法部分的流程图如图7所示:
步骤702,输入门把手需要达到的温度值T,距离阈值Lt;
步骤704,通过箱体外表面摄像头,对前方行人进行定位,对前方行人进行跟踪;
步骤706,判断是否有行人与无人售货系统距离小于Lt,如果是,执行步骤708,否则执行步骤704;
步骤708,确定距离售货系统最近的人,并确定其距离无人售货系统的距离L;
步骤710,温度传感器采集当前门把手当前温度值U;
步骤712,计算当前温度与所需要达到温度的差值D:D=U-T;
步骤714,判断D是否小于0,如果小于0,执行步骤716,否则执行步骤710;
步骤716,计算温度差的变化率Dr,计算温度差的积分Di,设定比例系数Kp、积分系数Ki、微分系数Kd;
步骤718,按照第一公式修正比例系数,按照第二公示计算加热功率;
步骤720,PWM生成器生成相应占空比方波,经过滤波器滤波后,通过功率开关管驱动加热丝进行加热,之后执行步骤704。
其中,第一公式为:
第二公式为:
P=Kpa*D+Ki*Di+Kd*Dr。
该具体实施例中,无人售货系统600具有门把手智能加热功能,解决低温天气门把手健康检测功能体验性较差的问题,智能加热基于位置修正的PID算法,更加节能。位置信息通过基于深度神经网络的深度摄像头位置跟踪、距离检测得到。同时温度较低的场景温暖的门把手有利于提升销售指标,可以使用户体验更好。
本发明第四方面的实施例,提出一种计算机设备,图8示出了本发明的一个实施例的计算机设备800的示意框图。其中,该计算机设备800包括:
存储器802、处理器804及存储在存储器802上并可在处理器804上运行的计算机程序,处理器804执行计算机程序时实现上述任一实施例中的门把手加热方法的步骤。
本发明提供的一种计算机设备800,处理器804执行计算机程序时实现:控制无人售货装置上的摄像装置采集前方行人图像,根据前方行人图像进行分析,对前方行人进行定位、跟踪,获得前方行人与售货箱主体的距离,设为第一距离,通过判断第一距离是否超过预设距离来确定是否开启加热门把手模式,当第一距离小于预设距离说明用户即将通过门把手打开售货箱,此时根据第一距离的数值,基于预设规则算法计算出加热门把手的预设加热功率,并以预设加热功率对门把手进行加热,使得用户在到达售货箱主体的时候,门把手的温度达到设定温度,避免了低温天气时温度较低的门把手给用户带来不好的购物体验,提高了用户的购买量,根据摄像装置感知前方行人与无人售货箱主体的距离控制如何加热门把手,在保证用户使用需求的前提下,实现了能源的节省。
本发明第五方面的实施例,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述任一实施例中的门把手加热方法的步骤。
本发明提供的一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现:控制无人售货装置上的摄像装置采集前方行人图像,根据前方行人图像进行分析,对前方行人进行定位、跟踪,获得前方行人与售货箱主体的距离,设为第一距离,通过判断第一距离是否超过预设距离来确定是否开启加热门把手模式,当第一距离小于预设距离说明用户即将通过门把手打开售货箱,此时根据第一距离的数值,基于预设规则算法计算出加热门把手的预设加热功率,并以预设加热功率对门把手进行加热,使得用户在到达售货箱主体的时候,门把手的温度达到设定温度,避免了低温天气时温度较低的门把手给用户带来不好的购物体验,提高了用户的购买量,根据摄像装置感知前方行人与无人售货箱主体的距离控制如何加热门把手,在保证用户使用需求的前提下,实现了能源的节省。
在本说明书的描述中,术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或实例。而且,描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种门把手加热方法,用于无人售货装置,其特征在于,包括:
控制摄像模块采集前方行人图像;
根据所述前方行人图像获取所述前方行人与售货箱主体的距离,将其设定为第一距离;
判断所述第一距离是否小于预设距离;
若判断结果为小于所述预设距离,则根据所述第一距离确定加热门把手的预设加热功率,并控制以所述预设加热功率加热所述门把手;
所述若判断结果为小于所述预设距离,则根据所述第一距离确定加热所述门把手的所述预设加热功率,并控制以所述预设加热功率加热所述门把手的步骤,具体包括:获取所述无人售货装置的温度检测模块检测的当前门把手温度以及预设门把手温度;
判断所述当前门把手温度与所述预设门把手温度的差值是否小于0;
若判断结果为是,则根据预设规则计算所述预设加热功率,并控制以所述预设加热功率加热所述门把手;
所述若判断结果为是,则根据预设规则计算所述预设加热功率,并控制以所述预设加热功率加热所述门把手的步骤,具体包括:
根据所述差值计算所述差值的变化率、所述差值的积分;
设定比例-积分-微分控制器的比例系数、积分系数、微分系数;
基于所述第一距离,按照第一预设公式修正所述比例系数:
按照第二预设公式计算所述预设加热功率:
控制以所述预设加热功率加热所述门把手;
2.根据权利要求1所述的门把手加热方法,其特征在于,所述若判断结果为小于所述预设距离,则根据所述第一距离确定加热所述门把手的所述预设加热功率,并控制以所述预设加热功率加热所述门把手的步骤,具体还包括:
若判断结果为否,则执行所述获取所述无人售货装置的温度检测模块检测的当前门把手温度以及预设门把手温度的步骤。
3.根据权利要求1所述的门把手加热方法,其特征在于,所述控制以所述预设加热功率加热所述门把手的步骤,具体包括:
控制所述无人售货装置的脉冲宽度调节模块根据所述预设加热功率生成预设占空比的方波信号;
控制所述无人售货装置的滤波器对方波信号进行滤波;
控制所述无人售货装置的功率开关管根据所述方波信号驱动所述无人售货装置的加热装置加热所述门把手。
4.根据权利要求1所述的门把手加热方法,其特征在于,在所述若判断结果为小于所述预设距离,则根据所述第一距离确定加热所述门把手的所述预设加热功率,并控制以所述预设加热功率加热所述门把手之后,还包括:
控制所述无人售货装置的温度检测模块检测的当前门把手温度;
控制所述无人售货装置的仪表放大器与模数转换器对所述当前门把手温度进行处理;
将处理后的所述当前门把手温度发送至控制模块,以进行所述门把手的温度反馈控制。
5.根据权利要求1至4中任一项所述的门把手加热方法,其特征在于,在所述控制所述摄像模块采集所述前方行人图像之前,还包括:
控制所述摄像模块获取的样本前方行人图像;
获取样本行人与所述售货箱主体的样本距离;
对所述样本前方行人图像预处理,以去除图像噪声;
在处理后的所述样本前方行人图像中标注所述样本行人的轮廓,得到标记数据,根据多个所述标记数据获得训练关联数据集;
应用所述训练关联数据集进行训练得到深度学习模型;
所述根据所述前方行人图像获取所述前方行人与所述售货箱主体的距离,将其设定为第一距离的步骤,具体包括:
利用所述深度学习模型,根据所述前方行人图像获取所述前方行人与所述售货箱主体的距离;
其中,所述训练关联数据集包括:样本前方行人图像集、标记数据集、所述样本行人与所述售货箱主体的样本距离的距离集。
6.一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述门把手加热方法的步骤。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述门把手加热方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810341322.0A CN108573568B (zh) | 2018-04-17 | 2018-04-17 | 无人售货装置、门把手加热方法和门把手加热系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810341322.0A CN108573568B (zh) | 2018-04-17 | 2018-04-17 | 无人售货装置、门把手加热方法和门把手加热系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108573568A CN108573568A (zh) | 2018-09-25 |
CN108573568B true CN108573568B (zh) | 2021-09-24 |
Family
ID=63574911
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810341322.0A Active CN108573568B (zh) | 2018-04-17 | 2018-04-17 | 无人售货装置、门把手加热方法和门把手加热系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108573568B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109219162B (zh) * | 2018-09-29 | 2021-06-04 | 北京小米移动软件有限公司 | 门把手加热方法及装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530944A (zh) * | 2013-09-27 | 2014-01-22 | 申烽 | 一种售餐机 |
CN104372986A (zh) * | 2014-10-27 | 2015-02-25 | 苏州市吴中区光福金凤五金厂 | 一种加热门把手 |
CN104955178B (zh) * | 2015-05-12 | 2016-08-24 | 孙昊 | 加热方法及加热器 |
CN105357788B (zh) * | 2015-11-26 | 2018-06-26 | 广东美的厨房电器制造有限公司 | 一种加热方法和加热装置 |
CN206166816U (zh) * | 2016-08-12 | 2017-05-17 | 杭州培宇电子有限公司 | 智能马桶控制器 |
CN107313496B (zh) * | 2017-08-24 | 2019-09-03 | 威海惠高生物科技有限公司 | 一种智能马桶及其控制方法 |
CN207212164U (zh) * | 2017-08-30 | 2018-04-10 | 天津市森奥门窗有限公司 | 一种可加热把手的防盗门 |
-
2018
- 2018-04-17 CN CN201810341322.0A patent/CN108573568B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108573568A (zh) | 2018-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10638820B2 (en) | Carrying device and method of controlling the same | |
CN103824420B (zh) | 基于心率变异性非接触式测量的疲劳驾驶识别系统 | |
CN112026686B (zh) | 一种自动调节车辆座椅位置的方法及装置 | |
CN110945522B (zh) | 一种学习状态的判断方法、装置及智能机器人 | |
EP3450117B1 (en) | Mobile robot and control method therefor | |
US20140156125A1 (en) | Autonomous electronic apparatus and navigation method thereof | |
CN102982336A (zh) | 识别模型生成方法和系统 | |
WO2013047383A1 (ja) | 運転支援装置および方法 | |
CN108876822A (zh) | 一种行为危险度评估方法及家庭安防看护系统 | |
CN208141447U (zh) | 智能货架系统 | |
CN108573568B (zh) | 无人售货装置、门把手加热方法和门把手加热系统 | |
CN106355242A (zh) | 一种基于人脸检测的互动机器人 | |
CN109373518B (zh) | 空调器及其语音控制装置和语音控制方法 | |
CN109711239B (zh) | 基于改进混合增量动态贝叶斯网络的视觉注意力检测方法 | |
US11074471B2 (en) | Assisted creation of video rules via scene analysis | |
CN111652036A (zh) | 一种基于视觉的融合心率与面部特征的疲劳驾驶识别方法 | |
CN110353958A (zh) | 一种协助盲人乘车的便携式装置及其方法 | |
CN116580828B (zh) | 一种猫健康的全自动感应识别的可视化监测方法 | |
CN108875617A (zh) | 辅助驾驶方法和装置、车辆 | |
CN109211138A (zh) | 一种外形检测系统和方法 | |
Heng et al. | Analysis of performance between Kinect v1 and Kinect v2 for various facial part movements | |
CN110142767A (zh) | 一种集成视觉系统的夹爪控制方法、装置及夹爪控制设备 | |
CN115131625A (zh) | 一种自助柜台机和自助柜台机姿态调节的方法 | |
JP2019191854A (ja) | 画像認識装置、人工授粉システム、およびプログラム | |
US11550276B1 (en) | Activity classification based on multi-sensor input |
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 |