CN109210684A - 控制空调的方法、装置以及空调装置 - Google Patents

Abstract

本发明公开了一种控制空调的方法、装置以及空调装置。其中，该方法包括：获取预设区域内的图像；基于预设模型对图像进行分析，得到每个对象所在的子区域以及每个对象的对象信息，其中，预设模型为使用多组数据通过神经网络学习训练得到的，多组数据中的每组数据均包括：图像以及图像所包含的对象所在的子区域以及对象信息；根据每个对象的对象信息确定每个对象所在的子区域对应的控制参数；根据控制参数控制空调装置调节对应子区域的环境参数。本发明解决了现有的空调无法根据不同区域内的用户活动进行自动调节的技术问题。

Description

控制空调的方法、装置以及空调装置

技术领域

本发明涉及空调技术领域，具体而言，涉及一种控制空调的方法、装置以及空调装置。

背景技术

现有的中央空调主要通过安装在墙壁上的控制盒来实现对各个房间空调的控制模式的设置。然而对于家中行动不便的老人或儿童而言，控制盒的控制方式的便捷性较差，例如，当需要控制空调时，用户需要移动至控制盒周围，给家中行动不便的老人造成了困恼。对于儿童，由于身高较低，可能无法触及控制盒。

另外，通过控制盒对空调器进行调节的过程，主要是根据用户对控制盒的设定而进行的调节，即空调不能根据各个房间内的用户活动进行自动调节，例如，当用户正在运动时，需要空调降低室内的温度，但此时空调无法自动调节，需用户手动调节。

针对上述现有的空调无法根据不同区域内的用户活动进行自动调节的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种控制空调的方法、装置以及空调装置，以至少解决现有的空调无法根据不同区域内的用户活动进行自动调节的技术问题。

根据本发明实施例的一个方面，提供了一种控制空调的方法，包括：获取预设区域内的图像；基于预设模型对图像进行分析，得到每个对象所在的子区域以及每个对象的对象信息，其中，预设模型为使用多组数据通过神经网络学习训练得到的，多组数据中的每组数据均包括：图像以及图像所包含的对象所在的子区域以及对象信息；根据每个对象的对象信息确定每个对象所在的子区域对应的控制参数；根据控制参数控制空调装置调节对应子区域的环境参数。

进一步地，控制空调的方法还包括：获取多张训练图像；对多张训练图像进行标注，得到多张标注图像；对多张标注图像进行训练，得到预设模型。

进一步地，控制空调的方法还包括：输入预设区域内的图像至预设模型，得到预设模型的初始对象信息；获取每张图像的标注信息以及每张图像的局部候选区域；根据标注信息对局部候选区域进行融合，得到每张图像的校正结果；根据校正结果以及初始对象信息得到目标对象信息。

进一步地，对象信息包括如下至少之一：对象类型、对象状态、对象优先级。

进一步地，控制空调的方法还包括：确定每个子区域内每个对象的对象类型以及对象状态；根据对象类型以及对象状态确定每个子区域对应的控制参数。

进一步地，控制空调的方法还包括：获取预设子区域对应的对象类型；在预设子区域包含多个对象，并且多个对象具有相同对象类型的情况下，判断每个对象的对象状态是否相同；在每个对象的对象状态相同的情况下，获取每个对象的对象优先级；确定对象优先级最高的对象所对应的控制参数为预设子区域对应的控制参数。

根据本发明实施例的另一方面，还提供了一种家电设备的控制方法，包括：获取预设区域内的图像；基于图像语义分割算法将预设区域划分为至少一个子区域；确定每个对象所在的子区域对应的控制参数；根据控制参数控制家电设备调节对应子区域的环境参数。

根据本发明实施例的另一方面，还提供了一种空调装置，包括：图像采集设备，用于采集多个区域内的图像；辨识设备，用于基于预设模型对图像进行分析，得到每个对象所在的子区域以及每个对象的对象信息，其中，预设模型为使用多组数据通过神经网络学习训练得到的，多组数据中的每组数据均包括：图像以及图像所包含的对象所在的子区域以及对象信息；控制设备，用于根据每个对象的对象信息确定每个对象所在的子区域对应的控制参数，以调节对应子区域的环境参数。

根据本发明实施例的另一方面，还提供了一种控制空调的装置，包括：获取模块，用于获取多个区域内的图像；分析模块，用于基于预设模型对图像进行分析，得到每个对象所在的子区域以及每个对象的对象信息，其中，预设模型为使用多组数据通过神经网络学习训练得到的，多组数据中的每组数据均包括：图像以及图像所包含的对象所在的子区域以及对象信息；确定模块，用于根据每个对象的对象信息确定每个对象所在的子区域对应的控制参数；控制模块，用于根据控制参数控制空调装置调节对应子区域的环境参数。

根据本发明实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，其中，程序执行控制空调的方法。

根据本发明实施例的另一方面，还提供了一种处理器，该处理器用于运行程序，其中，程序运行时执行控制空调的方法。

在本发明实施例中，采用采用图像辨识对多个对象进行分区控制的方式，在得到预设区域内的图像之后，空调装置基于预设模型对图像进行分析，以得到每个对象所在的子区域以及每个对象的对象信息。然后，根据每个对象的对象信息确定每个对象所在的子区域对应的控制参数，并根据控制参数控制空调装置调节对应子区域的环境参数。其中，预设模型为使用多组数据通过神经网络学习训练得到的，多组数据中的每组数据均包括：图像以及图像所包含的对象所在的子区域以及对象信息。

在上述过程中，通过预设模型对多个对象进行分区，并根据不同对象对应的控制参数来调节该对象所在区域内的环境参数，从而达到使根据不同区域的对象进行自动调节环境参数的目的。另外，由于空调装置的控制参数与对象相对应，因此，根据控制参数控制空调装置调节的环境参数能够符合每个对象的需求，进而实现了提升用户体验的效果。

由此可见，本申请所提供的方案可以解决现有的空调无法根据不同区域内的用户活动进行自动调节的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的一种控制空调的方法流程图；

图2是根据本发明实施例的一种可选的图像分析的过程示意图；

图3是根据本发明实施例的一种家电设备的控制方法流程图；以及

图4是根据本发明实施例的一种控制空调的装置结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

根据本发明实施例，提供了一种控制空调的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的控制空调的方法流程图，如图1所示，该方法包括如下步骤：

步骤S102，获取预设区域内的图像。

需要说明的是，空调装置中具有图像采集设备，可用于采集预设区域内的图像，其中，图像采集设备可以为但不限于摄像头，预设区域包含至少一个子区域。

在一种可选的方案中，在空调装置为中央空调的情况下，空调装置具有多个空气调节系统，分布在各个子区域(例如，各个房间)中，用于调节各个子区域内的环境参数，其中，每个子区域对应有至少一个图像采集设备，用于采集该子区域内的图像。在该场景下，多个子区域组成了预设区域，每个子区域所采集到的图像组成了预设区域内的图像。

在另一种可选的方案中，预设区域为较大的空间，例如，预设区域为多人办公室，在该场景下，预设区域同样包括多个子区域，每个子区域可以为每个对象或者每组对象所在的办公区域。可选的，预设区域内仅安装有一个图像采集设备，该图像采集设备可以采集到整个预设区域内的图像。可选的，预设区域内还可安装有多个图像采集设备，其中，每个采集设备所采集的图像组成了预设区域内的图像。

步骤S104，基于预设模型对图像进行分析，得到每个对象所在的子区域以及每个对象的对象信息，其中，预设模型为使用多组数据通过神经网络学习训练得到的，多组数据中的每组数据均包括：图像以及图像所包含的对象所在的子区域以及对象信息。

需要说明的是，对象信息包括如下至少之一：对象类型、对象状态、对象优先级。其中，对象类型可以为但不限于老人、儿童、婴儿、青年、孕妇等；对象状态包括但不限于阅读、睡觉、运动、工作等；对象优先级的高低可以为当不限于婴儿、儿童、老人、孕妇、青年。

此外，还需要说明的是，子区域内可以不存在对象，例如，子区域内可能仅有家具，并没有对象。

步骤S106，根据每个对象的对象信息确定每个对象所在的子区域对应的控制参数。

需要说明的是，空调装置的控制参数包括但不限于风机转速、压缩机频率、电子膨胀阀开度、导风板角度、风量等级等参数。由于不同对象所需要的环境参数是不同的，因此，与环境参数对应的控制参数也是不同的，例如，在子区域A，儿童正在睡觉，该场景下儿童的需求温度可以为25℃，风速为最低风速，对应的控制参数可能为风机转速为最低转速、压缩机频率为最低频率；在子区域B内，青年正在运动，该场景下，青年的需求温度可能为20℃，风速为最高风速，对应的控制参数可能为风机转速为最高转速、压缩机频率为最高频率。

步骤S108，根据控制参数控制空调装置调节对应子区域的环境参数。

在步骤S108中，环境参数可以包括但不限于温度、湿度、风速。另外，由于控制参数与对象相对应，因此，根据控制参数对对象所在子区域的环境参数进行调节，能够最大程度的提高用户的舒适度。

基于上述步骤S102至步骤S108所限定的方案，可以获知，采用采用图像辨识对多个对象进行分区控制的方式，在得到预设区域内的图像之后，空调装置基于预设模型对图像进行分析，以得到每个对象所在的子区域以及每个对象的对象信息。然后，根据每个对象的对象信息确定每个对象所在的子区域对应的控制参数，并根据控制参数控制空调装置调节对应子区域的环境参数。其中，预设模型为使用多组数据通过神经网络学习训练得到的，多组数据中的每组数据均包括：图像以及图像所包含的对象所在的子区域以及对象信息。

容易注意到的是，通过预设模型对多个对象进行分区，并根据不同对象对应的控制参数来调节该对象所在区域内的环境参数，从而达到使根据不同区域的对象进行自动调节环境参数的目的。另外，由于空调装置的控制参数与对象相对应，因此，根据控制参数控制空调装置调节的环境参数能够符合每个对象的需求，进而实现了提升用户体验的效果。

由此可见，本申请所提供的方案可以解决现有的空调无法根据不同区域内的用户活动进行自动调节的技术问题。

在一种可选的方案中，在基于预设模型对图像进行分析，得到每个对象所在的子区域以及每个对象的对象信息之前，需要创建预设模型，其中，预设模型的创建步骤可以包括：

步骤S10，获取多张训练图像；

步骤S12，对多张训练图像进行标注，得到多张标注图像；

步骤S14，对多张标注图像进行训练，得到预设模型。

在上述步骤S10至步骤S14中，可以采用弱监督信息的方式对训练图像进行标注。其中，与原始信息的标注相比，弱监督信息的标注更易获取，例如，对于目标检测任务，与物体的标签相比，图像层面的标注为弱监督信息的标注。

需要说明的是，上述多张训练图像可以为不同子区域内的图像，例如，多个房间内的图像、同一房间不同位置处的图像。

在得到预设模型之后，空调装置可基于预设模型对图像进行分析，得到每个对象所在的子区域以及每个对象的对象信息，具体步骤如下：

步骤S1040，输入预设区域内的图像至预设模型，得到预设模型的初始对象信息；

步骤S1042，获取每张图像的标注信息以及每张图像的局部候选区域；

步骤S1044，根据标注信息对局部候选区域进行融合，得到每张图像的校正结果；

步骤S1046，根据校正结果以及初始对象信息得到目标对象信息。

可选的，图2示出了一种可选的图像分析的过程示意图。由图2可知，在预设区域内的图像输入至预设模型之后，预设模型采用语义分割算法对图像进行语义分割，得到初始对象信息。然后，获取弱监督信息以及多个局部候选区域，并对多个局部候选区域进行区域融合，得到图像的校正结果。最后，根据初始对象信息以及校正结果对预设模型的模型参数进行修正。迭代执行上述方法，直至预设模型的输出结果满足预定的收敛条件，此时，预设模型的输出即为目标对象信息。进一步的，空调装置根据目标对象信息可以识别出每个子区域所包含的对象以及对象信息，例如，可以识别出子区域A内仅包含家具；子区域B内存在儿童，并且，儿童正在休息；子区域C内存在老人，并且老人正在看书；子区域D内存在青年人，并且青年人正在运动。

需要说明的是，在得到每个对象所在的子区域以及每个对象的对象信息之后，即完成了对不同对象所在位置的分区，以及每个子区域内对象信息的识别过程。再此之后，空调装置进一步根据每个对象的对象信息确定每个对象所在的子区域对应的控制参数。具体过程如下：

步骤S1060，确定每个子区域内每个对象的对象类型以及对象状态；

步骤S1062，根据对象类型以及对象状态确定每个子区域对应的控制参数。

可选的，由于不同子区域内的对象不同，因此，不同子区域对应的对象需求的环境参数不同，进而，对应的控制参数也可能不同。例如，对有老人在看书的子区域，该子区域内的风向避免风直吹人体；对有青年人在运动的子区域，需加大风速和扫风幅度；对有儿童在休息的子区域，调节空调装置至静音睡眠状态，并降低风速，调高温度，保持房间恒温恒湿。另外，在同一个子区域内存在多个不同对象，并进行不同的活动时，例如，子区域A内即有婴儿又有青年人，此时，使空调装置进行分区送风，分区调温，以使婴儿和青年人所处的区域都能达到最适宜的环境。

在一种可选的方案中，当子区域内包含多个对象时，还可通过每个对象的对象优先级来调节该子区域内的环境参数，具体步骤如下：

步骤S20，获取预设子区域对应的对象类型；

步骤S22，在预设子区域包含多个对象，并且多个对象具有相同对象类型的情况下，判断每个对象的对象状态是否相同；

步骤S24，在每个对象的对象状态相同的情况下，获取每个对象的对象优先级；

步骤S26，确定对象优先级最高的对象所对应的控制参数为预设子区域对应的控制参数。

可选的，在同一个子区域内存在相同类型的对象的情况下，采用优先级模式确定合理的中央空调控制参数，此时，空调装置的控制参数为对象优先级最高的对象对应的控制参数。例如，在子区域A中同时存在老人、儿童以及青年人，并且对象状态均相同(例如，看电视)时，空调装置确认子区域A内的对象处于混合状态，并启动优先级模式。然后根据儿童、老人或者青年人的对象优先级设置该区域所对应的控制参数，例如，老人的对象优先级最高，则将空调装置的控制参数设置为与老人对应的控制参数。

需要说明的是，对象的对象优先级可以由用户自主设置。可选的，不同的对象具有不同的权限，例如，具有设置对象优先级权限的用户才能设置对象优先级。

实施例2

根据本发明实施例，还提供了一种家电设备的控制方法实施例，其中，图3是根据本发明实施例的家电设备的控制方法流程图，如图3所示，该方法包括如下步骤：

步骤S302，获取预设区域内的图像。

需要说明的是，家电设备中具有图像采集设备，可用于采集预设区域内的图像，其中，家电设备可以为但不限于空调装置，图像采集设备可以为但不限于摄像头，预设区域包含至少一个子区域。

步骤S304，基于图像语义分割算法将预设区域划分为至少一个子区域。

需要说明的是，预设区域可以包含多个子区域，其中，每个子区域内对应有至少一个图像采集设备以采集每个子区域内的图像，进而得到预设区域内的图像。另外，预设区域内的图像可以包含至少一个对象，家电设备通过图像语义分割算法可将预设区域分为至少一个子区域，每个子区域内存在的对象数量以及对象的对象信息可能不同，例如，子区域A内仅包含家具；子区域B内存在儿童，并且，儿童正在休息；子区域C内存在老人，并且老人正在看书；子区域D内存在青年人，并且青年人正在运动。

需要说明的是，对象信息包括如下至少之一：对象类型、对象状态、对象优先级。其中，对象类型可以为但不限于老人、儿童、婴儿、青年、孕妇等；对象状态包括但不限于阅读、睡觉、运动、工作等；对象优先级的高低可以为当不限于婴儿、儿童、老人、孕妇、青年。

步骤S306，确定每个对象所在的子区域对应的控制参数。

需要说明的是，在家电设备为空调装置的情况下，控制参数包括但不限于风机转速、压缩机频率、电子膨胀阀开度、导风板角度、风量等级等参数。由于不同对象所需要的环境参数是不同的，因此，与环境参数对应的控制参数也是不同的，例如，在子区域A，儿童正在睡觉，该场景下儿童的需求温度可以为25℃，风速为最低风速，对应的控制参数可能为风机转速为最低转速、压缩机频率为最低频率；在子区域B内，青年正在运动，该场景下，青年的需求温度可能为20℃，风速为最高风速，对应的控制参数可能为风机转速为最高转速、压缩机频率为最高频率。

步骤S308，根据控制参数控制家电设备调节对应子区域的环境参数。

需要说明的是，环境参数可以包括但不限于温度、湿度、风速。另外，由于控制参数与对象相对应，因此，根据控制参数对对象所在子区域的环境参数进行调节，能够最大程度的提高用户的舒适度。

基于上述步骤S302至步骤S308所限定的方案，可以获知，采用图像辨识对多个对象进行分区控制的方式，在得到预设区域内的图像之后，家电设备基于图像语义分割算法将预设区域划分为至少一个子区域，并确定每个对象所在的子区域对应的控制参数，最后，根据控制参数控制家电设备调节对应子区域的环境参数。

容易注意到的是，通过图像语义分割算法对多个对象进行分区，并根据不同对象对应的控制参数来调节该对象所在区域内的环境参数，从而达到使根据不同区域的对象进行自动调节环境参数的目的。另外，由于家电设备的控制参数与对象相对应，因此，根据控制参数控制家电设备调节的环境参数能够符合每个对象的需求，进而实现了提升用户体验的效果。

由此可见，本申请所提供的方案可以解决现有的空调无法根据不同区域内的用户活动进行自动调节的技术问题。

在一种可选的方案中，在获取预设区域内的图像之后，家电设备可采用预设模型对图像进行分析，得到每个对象所在的子区域以及每个对象的对象信息，其中，预设模型采用语义分割算法对图像进行语义分割，以将预设区域划分为至少一个子区域。其中，在基于预设模型对图像进行分析，得到每个对象所在的子区域以及每个对象的对象信息之前，需要对预设模型进行构建。具体的，首先获取多张训练图像，然后对多张训练图像进行标注，得到多张标注图像，最后对多张标注图像进行训练，得到预设模型。

可选的，在预设模型构建完成之后，家电设备输入预设区域内的图像至预设模型，得到预设模型的初始对象信息，并获取每张图像的标注信息以及每张图像的局部候选区域，然后根据标注信息对局部候选区域进行融合，得到每张图像的校正结果，最后，根据校正结果以及初始对象信息得到目标对象信息。

进一步的，家电设备确定每个子区域内每个对象的对象类型以及对象状态，并根据对象类型以及对象状态确定每个子区域对应的控制参数。具体点，家电设备首先获取预设子区域对应的对象类型，并在预设子区域包含多个对象，并且多个对象具有相同对象类型的情况下，判断每个对象的对象状态是否相同，如果每个对象的对象状态相同的，则获取每个对象的对象优先级，并确定对象优先级最高的对象所对应的控制参数为预设子区域对应的控制参数。

可选的，在同一个子区域内存在相同类型的对象的情况下，采用优先级模式确定合理的中央空调控制参数，此时，空调装置的控制参数为对象优先级最高的对象对应的控制参数。例如，在子区域A中同时存在老人、儿童以及青年人，并且对象状态均相同(例如，看电视)时，空调装置确认子区域A内的对象处于混合状态，并启动优先级模式。然后根据儿童、老人或者青年人的对象优先级设置该区域所对应的控制参数，例如，老人的对象优先级最高，则将空调装置的控制参数设置为与老人对应的控制参数。

实施例3

根据本发明实施例，还提供了一种空调装置实施例，需要说明的是，该空调装置可执行实施例1中的控制空调的方法，其中，该空调装置包括：图像采集设备、辨识设备以及控制设备。

其中，图像采集设备，用于采集多个区域内的图像；辨识设备，用于基于预设模型对图像进行分析，得到每个对象所在的子区域以及每个对象的对象信息，其中，预设模型为使用多组数据通过神经网络学习训练得到的，多组数据中的每组数据均包括：图像以及图像所包含的对象所在的子区域以及对象信息；控制设备，用于根据每个对象的对象信息确定每个对象所在的子区域对应的控制参数，以调节对应子区域的环境参数。

由上可知，采用采用图像辨识对多个对象进行分区控制的方式，在得到预设区域内的图像之后，空调装置基于预设模型对图像进行分析，以得到每个对象所在的子区域以及每个对象的对象信息。然后，根据每个对象的对象信息确定每个对象所在的子区域对应的控制参数，并根据控制参数控制空调装置调节对应子区域的环境参数。其中，预设模型为使用多组数据通过神经网络学习训练得到的，多组数据中的每组数据均包括：图像以及图像所包含的对象所在的子区域以及对象信息。

容易注意到的是，通过预设模型对多个对象进行分区，并根据不同对象对应的控制参数来调节该对象所在区域内的环境参数，从而达到使根据不同区域的对象进行自动调节环境参数的目的。另外，由于空调装置的控制参数与对象相对应，因此，根据控制参数控制空调装置调节的环境参数能够符合每个对象的需求，进而实现了提升用户体验的效果。

由此可见，本申请所提供的方案可以解决现有的空调无法根据不同区域内的用户活动进行自动调节的技术问题。

可选的，在基于预设模型对图像进行分析，得到每个对象所在的子区域以及每个对象的对象信息之前，辨识设备获取多张训练图像，并对多张训练图像进行标注，得到多张标注图像，然后对多张标注图像进行训练，得到预设模型。

进一步的，辨识设备输入预设区域内的图像至预设模型，得到预设模型的初始对象信息，并获取每张图像的标注信息以及每张图像的局部候选区域，然后根据标注信息对局部候选区域进行融合，得到每张图像的校正结果，最后根据校正结果以及初始对象信息得到目标对象信息，其中，对象信息包括如下至少之一：对象类型、对象状态、对象优先级。

可选的，辨识设备确定每个子区域内每个对象的对象类型以及对象状态，并根据对象类型以及对象状态确定每个子区域对应的控制参数。具体的，辨识设备获取预设子区域对应的对象类型，在在预设子区域包含多个对象，并且多个对象具有相同对象类型的情况下，判断每个对象的对象状态是否相同。其中，在每个对象的对象状态相同的情况下，辨识设备获取每个对象的对象优先级，并确定对象优先级最高的对象所对应的控制参数为预设子区域对应的控制参数。

实施例4

根据本发明实施例，还提供了一种控制空调的装置实施例，需要说明的是，该空调装置可执行实施例1中的控制空调的方法，其中，图4是根据本发明实施例的该空调装置可执行实施例1中的控制空调的装置结构示意图，如图4所示，该装置包括：获取模块401、分析模块403、确定模块405以及控制模块407。

其中，获取模块401，用于获取多个区域内的图像；分析模块403，用于基于预设模型对图像进行分析，得到每个对象所在的子区域以及每个对象的对象信息，其中，预设模型为使用多组数据通过神经网络学习训练得到的，多组数据中的每组数据均包括：图像以及图像所包含的对象所在的子区域以及对象信息；确定模块405，用于根据每个对象的对象信息确定每个对象所在的子区域对应的控制参数；控制模块407，用于根据控制参数控制空调装置调节对应子区域的环境参数。

需要说明的是，上述获取模块401、分析模块403、确定模块405以及控制模块407对应于实施例1中的步骤S102至步骤S108，四个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。

在一种可选的方案中，控制空调的装置还包括：第一获取模块、标注模块以及训练模块。其中，第一获取模块，用于获取多张训练图像；标注模块，用于对多张训练图像进行标注，得到多张标注图像；训练模块，用于对多张标注图像进行训练，得到预设模型。

需要说明的是，上述第一获取模块、标注模块以及训练模块对应于实施例1中的步骤S10至步骤S14，三个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。

在一种可选的方案中，分析模块包括：第一处理模块、第二获取模块、融合模块以及第二处理模块。其中，第一处理模块，用于输入预设区域内的图像至预设模型，得到预设模型的初始对象信息；第二获取模块，用于获取每张图像的标注信息以及每张图像的局部候选区域；融合模块，用于根据标注信息对局部候选区域进行融合，得到每张图像的校正结果；第二处理模块，用于根据校正结果以及初始对象信息得到目标对象信息。其中，对象信息包括如下至少之一：对象类型、对象状态、对象优先级。

需要说明的是，上述第一处理模块、第二获取模块、融合模块以及第二处理模块对应于实施例1中的步骤S1040至步骤S1046，四个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。

在一种可选的方案中，确定模块包括：第一确定模块以及第二确定模块。其中，第一确定模块，用于确定每个子区域内每个对象的对象类型以及对象状态；第二确定模块，用于根据对象类型以及对象状态确定每个子区域对应的控制参数。

需要说明的是，上述第一确定模块以及第二确定模块对应于实施例1中的步骤S1060至步骤S1062，两个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。

在一种可选的方案中，第二确定模块包括：第三获取模块、判断模块、第四获取模块以及第三确定模块。其中，第三获取模块，用于获取预设子区域对应的对象类型；判断模块，用于在预设子区域包含多个对象，并且多个对象具有相同对象类型的情况下，判断每个对象的对象状态是否相同；第四获取模块，用于在每个对象的对象状态相同的情况下，获取每个对象的对象优先级；第三确定模块，用于确定对象优先级最高的对象所对应的控制参数为预设子区域对应的控制参数。

需要说明的是，上述第三获取模块、判断模块、第四获取模块以及第三确定模块对应于实施例1中的步骤S20至步骤S26，四个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。

实施例5

根据本发明实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，其中，程序执行实施例1所提供的控制空调的方法。

实施例6

根据本发明实施例的另一方面，还提供了一种处理器，该处理器用于运行程序，其中，程序运行时执行实施例1所提供的控制空调的方法。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (11)

1.一种控制空调的方法，其特征在于，包括：

获取预设区域内的图像；

基于预设模型对所述图像进行分析，得到每个对象所在的子区域以及所述每个对象的对象信息，其中，所述预设模型为使用多组数据通过神经网络学习训练得到的，所述多组数据中的每组数据均包括：所述图像以及所述图像所包含的对象所在的子区域以及对象信息；

根据所述每个对象的对象信息确定所述每个对象所在的子区域对应的控制参数；

根据所述控制参数控制空调装置调节对应子区域的环境参数。

2.根据权利要求1所述的方法，其特征在于，在基于预设模型对所述图像进行分析，得到每个对象所在的子区域以及所述每个对象的对象信息之前，所述方法还包括：

获取多张训练图像；

对所述多张训练图像进行标注，得到多张标注图像；

对所述多张标注图像进行训练，得到所述预设模型。

3.根据权利要求2所述的方法，其特征在于，基于预设模型对所述图像进行分析，得到每个对象所在的子区域以及所述每个对象的对象信息，包括：

输入所述预设区域内的图像至所述预设模型，得到所述预设模型的初始对象信息；

获取每张图像的标注信息以及所述每张图像的局部候选区域；

根据所述标注信息对所述局部候选区域进行融合，得到所述每张图像的校正结果；

根据所述校正结果以及所述初始对象信息得到目标对象信息。

4.根据权利要求1所述的方法，其特征在于，所述对象信息包括如下至少之一：对象类型、对象状态、对象优先级。

5.根据权利要求4所述的方法，其特征在于，根据所述每个对象的对象信息确定所述每个对象所在的子区域对应的控制参数，包括：

确定每个子区域内所述每个对象的对象类型以及所述对象状态；

根据所述对象类型以及所述对象状态确定所述每个子区域对应的控制参数。

6.根据权利要求5所述的方法，其特征在于，根据所述对象类型以及所述对象状态确定所述每个子区域对应的控制参数，包括：

获取预设子区域对应的对象类型；

在所述预设子区域包含多个对象，并且所述多个对象具有相同对象类型的情况下，判断所述每个对象的对象状态是否相同；

在所述每个对象的对象状态相同的情况下，获取所述每个对象的对象优先级；

确定所述对象优先级最高的对象所对应的控制参数为所述预设子区域对应的控制参数。

7.一种家电设备的控制方法，其特征在于，包括：

获取预设区域内的图像；

基于图像语义分割算法将所述预设区域划分为至少一个子区域；

确定每个对象所在的子区域对应的控制参数；

根据所述控制参数控制家电设备调节对应子区域的环境参数。

8.一种空调装置，其特征在于，包括：

图像采集设备，用于采集多个区域内的图像；

辨识设备，用于基于预设模型对所述图像进行分析，得到每个对象所在的子区域以及所述每个对象的对象信息，其中，所述预设模型为使用多组数据通过神经网络学习训练得到的，所述多组数据中的每组数据均包括：所述图像以及所述图像所包含的对象所在的子区域以及对象信息；

控制设备，用于根据所述每个对象的对象信息确定所述每个对象所在的子区域对应的控制参数，以调节对应子区域的环境参数。

9.一种控制空调的装置，其特征在于，包括：

获取模块，用于获取多个区域内的图像；

分析模块，用于基于预设模型对所述图像进行分析，得到每个对象所在的子区域以及所述每个对象的对象信息，其中，所述预设模型为使用多组数据通过神经网络学习训练得到的，所述多组数据中的每组数据均包括：所述图像以及所述图像所包含的对象所在的子区域以及对象信息；

确定模块，用于根据所述每个对象的对象信息确定所述每个对象所在的子区域对应的控制参数；

控制模块，用于根据所述控制参数控制空调装置调节对应子区域的环境参数。

10.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行权利要求1至6中任意一项所述的控制空调的方法。

11.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至6中任意一项所述的控制空调的方法。