CN110319544A - 环境管理方法、装置和空调 - Google Patents
环境管理方法、装置和空调 Download PDFInfo
- Publication number
- CN110319544A CN110319544A CN201910599071.0A CN201910599071A CN110319544A CN 110319544 A CN110319544 A CN 110319544A CN 201910599071 A CN201910599071 A CN 201910599071A CN 110319544 A CN110319544 A CN 110319544A
- Authority
- CN
- China
- Prior art keywords
- user
- fatigue
- air
- conditioning
- video image
- 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.)
- Pending
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
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
-
- 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
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/52—Indication arrangements, e.g. displays
-
- 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
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/61—Control or safety arrangements characterised by user interfaces or communication using timers
-
- 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
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
- F24F11/64—Electronic processing using pre-stored data
-
- 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
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
- F24F11/65—Electronic processing for selecting an operating mode
-
- 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
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/10—Controlling the light source
-
- 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
-
- 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
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Fluid Mechanics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本申请提出一种环境管理方法,包括:判断用户是否进入预设模式;在用户进入预设模式后,监测用户的疲劳程度;在用户进入预设模式后,根据用户的疲劳程度和环境照度调节光源的控制参数,和/或,根据用户的疲劳程度调节空调的运行参数;控制参数用于控制光源色温和/或光源亮度,从而使得室内环境处于能够消除疲劳感的状态,进而提高工作学习效率。
Description
技术领域
本申请涉及空调领域,特别涉及环境管理方法、装置和空调。
背景技术
随着环境保护概念的逐渐深入人心,人们对室内环境品质也相应的越来越重视。室内环境品质是由美国国家居住安全与健康研究所提出的一个概念,是指室内空气品质、舒适度、噪音、照明、社会心理压力、工作压力、工作区背景等因素对室内人员生理和心理上的单独和综合的作用。室内环境品质对人的影响分为直接影响和间接影响。直接影响是指环境的直接因素对人体健康与舒适的直接作用,间接影响指间接因素促使环境对人员产生的积极或者消极作用。
学习和工作效率的提高有赖于环境参数,在现有技术中,当用户进行学习和工作时往往会专心学习和工作而没有精力去调节工作环境的环境参数,导致用户的环境参数与用户的学习和工作状态不匹配,造成用户工作和学习效率低。
因此,改善用户工作和学习时的环境,以提高工作和学习效率,是本领域亟待解决的问题。
发明内容
本申请提供了一种环境管理方法、装置和空调,用于改善用户工作和学习时的环境,以提高工作和学习效率。
为了解决上述问题,作为本申请的一个方面,提供了一种环境管理方法,包括:
判断用户是否进入预设模式;
在用户进入预设模式后,监测用户的疲劳程度;
在用户进入预设模式后,根据用户的疲劳程度和环境照度调节光源的控制参数,和/或,根据用户的疲劳程度调节空调的运行参数;
控制参数用于控制光源色温和/或光源亮度。
可选的,监测用户的疲劳程度,包括:
采集用户的视频图像,识别用户的人脸区域;
根据视频图像中人脸区域的动作确定用户在当前时段的闭眼时长、眨眼频率、打哈次数和/或点头频率;
根据当前时段的闭眼时长、眨眼频率、打哈次数和/或点头频率确定用户的疲劳程度。
可选的,在采集用户的视频图像之后,在识别用户的人脸区域之前,还包括:
对采集到的视频图像进行滤波去噪处理;
对采集到的视频图像进行光照均衡处理。
可选的,根据视频图像中人脸区域的动作确定用户的闭眼时长和/或眨眼频率,包括:
根据面部器官几何分布规则确定人脸区域中的眼部区域;
基于大律法对眼部区域进行自适应二值化;
通过垂直积分投影法判断用户是否佩戴眼镜;
若用户佩戴眼镜,则采用基于直方图局部统计特征算法识别用户的眼睛开闭状态;
若用户未佩戴眼镜,则采用基于Adaboost算法的人眼分类器直接检测眼部区域,对眼部区域二值化后计算眼睛近似张角从而识别用户的眼睛开闭状态;
根据所述视频图像中用户的眼睛开闭状态的变化确定用户的闭眼时长和/或眨眼频率。
可选的,根据视频图像中人脸区域的动作确定用户的打哈次数,包括:
根据嘴部在人脸区域中的几何分布规则定位嘴部区域;
设定阈值对视频图像进行二值化获得嘴部区域的面积;
利用Sobel边缘检测法提取嘴部边缘获得嘴部周长并计算嘴部的似圆度;
在似圆度大于预设似圆度时确定嘴部张开,在似圆度不大于预设似圆度时确定嘴部闭合;
根据视频图像中用户嘴部的开闭状态变化确定用户的打哈次数。
可选的,根据疲劳程度调节空调的运行参数,包括:
当用户处于不疲劳状态时,空调采用预设的默认参数运行,或者,根据当前室内的环境参数调节空调的运行参数;
和/或,当用户处于轻度疲劳时,空调在默认参数的基础上,将扫风速度提高第一风速值,将空调出风吹送至用户所在区域;
和/或,当用户处于中度疲劳时,空调在默认参数的基础上,将目标温度降低第一温度值、将扫风速度提高第二风速值和/或增加空调出风中的新风量;
和/或,当用户处于重度疲劳时,发出提醒信息,提醒用户休息;
其中,疲劳程度包括不疲劳状态、轻度疲劳、中度疲劳和重度疲劳,第二风速值大于第一风速值。
本申请还提出一种环境管理装置,包括:
判断单元,用于判断用户是否进入预设模式;
疲劳监测单元,用于在用户进入预设模式后,监测用户的疲劳程度;
光源控制单元,用于在用户进入预设模式后,根据用户的疲劳程度和环境照度调节光源的控制参数;
和/或,空调控制单元,用于在用于进入预设模式后根据用户的疲劳程度调节空调的运行参数;
其中,控制参数用于控制光源色温和/或光源亮度。
可选的,疲劳监测单元监测用户的疲劳程度,包括:
采集用户的视频图像,识别用户的人脸区域;
根据视频图像中人脸区域的动作确定用户在当前时段的闭眼时长、眨眼频率、打哈次数和/或点头频率;
根据当前时段的闭眼时长、眨眼频率、打哈次数和/或点头频率确定用户的疲劳程度。
可选的,疲劳监测单元在采集用户的视频图像之后,在识别用户的人脸区域之前,还用于:
对采集到的视频图像进行滤波去噪处理;
对采集到的视频图像进行光照均衡处理。
可选的,疲劳监测单元根据视频图像中人脸区域的动作确定用户的闭眼时长和/或眨眼频率,包括:
根据面部器官几何分布规则确定人脸区域中的眼部区域;
基于大律法对眼部区域进行自适应二值化;
通过垂直积分投影法判断用户是否佩戴眼镜;
若用户佩戴眼镜,则采用基于直方图局部统计特征算法识别用户的眼睛开闭状态;
若用户未佩戴眼镜,则采用基于Adaboost算法的人眼分类器直接检测眼部区域,对眼部区域二值化后计算眼睛近似张角从而识别用户的眼睛开闭状态;
根据所述视频图像中用户的眼睛开闭状态的变化确定用户的闭眼时长和/或眨眼频率。
可选的,疲劳监测单元根据视频图像中人脸区域的动作确定用户的打哈次数,包括:
根据嘴部在人脸区域中的几何分布规则定位嘴部区域;
设定阈值对视频图像进行二值化获得嘴部区域的面积;
利用Sobel边缘检测法提取嘴部边缘获得嘴部周长并计算嘴部的似圆度;
在似圆度大于预设似圆度时确定嘴部张开,在似圆度不大于预设似圆度时确定嘴部闭合;
根据视频图像中用户嘴部的开闭状态变化确定用户的打哈次数。
可选的,空调控制单元根据疲劳程度调节空调的运行参数,包括:
当用户处于不疲劳状态时,空调采用预设的默认参数运行,或者,根据当前室内的环境参数调节空调的运行参数;
和/或,当用户处于轻度疲劳时,空调在默认参数的基础上,将扫风速度提高第一风速值,将空调出风吹送至用户所在区域;
和/或,当用户处于中度疲劳时,空调在默认参数的基础上,将目标温度降低第一温度值、将扫风速度提高第二风速值和/或增加空调出风中的新风量;
和/或,当用户处于重度疲劳时,发出提醒信息,提醒用户休息;
其中,疲劳程度包括不疲劳状态、轻度疲劳、中度疲劳和重度疲劳,第二风速值大于第一风速值。
本申请还提出一种空调,包括本申请提出的任一的环境管理装置。
本申请提出了一种环境管理方法、装置和空调,在用户进入工作模式或学习模式后,根据用户的疲劳程度调节光源的控制参数和/或空调的运行参数,从而营造出能够提高用户工作和学习效率的光学环境,和温湿度环境,从而使得室内环境处于能够消除疲劳感的状态,进而提高工作学习效率。
附图说明
图1为本申请实施例中一种环境管理方法的流程图;
图2为本申请实施例中一种确定用户疲劳状态的流程图;
图3为本申请实施例中一种环境管理装置的组成图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
需要说明的是,本申请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,以便这里描述的本申请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、装置、产品或装置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、产品或装置固有的其它步骤或单元。
在现有技术中,用户在进行工作和学习时,用户没有精力对环境参数(例如光照、湿度和温度)进行调节,在工作和学习过程中,用户会逐渐感到疲劳,导致工作和学习效率降低。本申请的发明人经过研究发现,通过调节用户所在环境的光照、温度和湿度等参数,可以提高用户在工作和学习时的效率,降低用户的疲劳感,缓解疲劳程度。
基于上述发现,本申请提出一种环境管理方法,如图1所示,环境管理方法,包括:
S11:判断用户是否进入预设模式。
具体的,本申请中的预设模式为工作模式或学习模式,为用户需要专心工作和学习的模式,判断用户是否进入预设模式具体为判断用户是否开启空调和光源的工作模式或学习模式,本申请中通过控制光源和/或空调,从而提高用户在工作和学习时的效率,当用户选择进入工作模式或学习模式时,表明用户需要通过改善环境参数从而提高工作效率或学习效率。用户可以采用手机与光源和/或空调网络连接,通过手机上输入控制指令告知光源和/或空调进入工作模式或学习模式;或者用户所在区域的空调中可以预先设置预设模式,由用户通过空调的遥控器选择是否进入预设模式。或者,可以在用户工作房间的台灯上设置模式开关,用户开启台灯上的模式开关表明进入预设模式。
S12:在用户进入所述预设模式后,监测用户的疲劳程度。
具体的,用户开启光源和空调的学习模式或工作模式,确定用户疲劳程度的方法可以为多种。例如可以采用统计用户进入预设模式的时间长度确定用户的疲劳程度,通常在刚刚开始工作或学习的前1个小时处于不疲劳状态,随着工作或学习的时间增长疲劳度而逐渐增减,用户从不疲劳状态依次进入轻度疲劳、中度疲劳和重度疲劳状态,可以预先由用户根据自己的身体状态设置在不同的工作或学习的时长与疲劳程度的对应关系,然后根据该对应关系和用户进入预设模式的时长确定用户当前的疲劳程度。或者,可以预先检测用户在不同疲劳程度时的心跳、血压、呼吸频率等生理参数,根据用户进入预设模式后的生理参数确定用户的疲劳程度。再或者,可以是每隔一段时间由用户自己手动输入用户自己认为的当前的疲劳程度。
本申请提出的方法还包括图1中的S13和S14中的一个或两个。
S13:在用户进入所述预设模式后,根据用户的疲劳程度和环境照度调节光源的控制参数。
具体的,此处的光源可以是用户的台灯,所述控制参数用于控制光源色温和/或光源亮度,在用户刚进入预设模式时处于不疲劳状态,此时默认用户开启台灯时将光源的色温和/或光照强度调节至预设值,从而保护用户的眼睛,并且通过合适的色温和光照强度可以降低用户用眼的疲劳感,对于不同的用户,预设的色温和/或光照强度可以不同,其可以由用户手动设置,如果用户没有设置则选用光源的默认值,本申请的发明人通过研究发现一般情况下当光照强度为750lx,色温为4000k时人的学习和工作效率最高,因此用该值作为默认的预设色温和预设光照强度(即光源的默认值),在需要调节光源的控制参数时,结合环境照度将用户工作区域的光调节至预设色温和预设光照强度,以满足大部分用户的需求。随着用户工作和学习时间的增长,用户的疲劳程度增加,而用户在工作或学习时的光照强度和色温会很明显的影响用户的工作效率和学习效率,在光照强度过强或过弱时,瞳孔大幅度收缩,导致用户用眼疲劳,加快疲劳速度,导致工作学习的效率快速下降。当人疲劳时,人的眼睛对于光的敏感度会逐渐增强,因此人的瞳孔会缩小,因此在人的疲劳程度增加时,应当适当降低亮度,并采用柔和色温,减小用户眼睛的负担。
S14:在用户进入所述预设模式后,根据用户的疲劳程度调节空调的运行参数。
具体的,在用户刚刚进入预设模式后,可以按照用户自己选择的空调的运行参数运行,也可以是自动获取此时环境的温度湿度,根据环境的温度湿度确定适宜的空调的运行参数,或者是采用空调的默认参数运行。在用户进入预设模式后即开始检测用户的疲劳程度,根据不同的疲劳程度采用不同的控制参数,通常情况当用户较为疲倦时,体温会略微上升,因此可以适当降低空调的出风温度从而帮助用户提神和散热。依据疲劳程度的不同,用户的疲劳状态可分为不疲劳、轻度疲劳、中度疲劳和重度疲劳,不同的疲劳程度下空调的运行参数不同,运行参数具体可以包括出风温度、出风湿度、出风角度、出风速度和扫风范围等,通过调节空调的运行参数从而可以改善用户所在区域的环境,使得用户所在环境温度、湿度等成为适宜用户工作和学习的环境,因为空调的运行参数参考了用户的疲劳程度,所以可以在一定程度上降低用户的疲倦度。对于空调在用户不同疲劳程度下的运行参数可以由用户预先手动设置。
本申请提出的环境管理方法,在用户进入工作模式或学习模式后,根据用户的疲劳程度调节光源的控制参数和/或空调的运行参数,从而营造出能够提高用户工作和学习效率的光学环境和/或温湿度环境,从而使得室内环境处于能够消除疲劳感的状态,进而提高工作学习效率。
在一些可选的实施例中,本申请提出的管理方法还包括:根据用户的疲劳程度播放音乐,例如在用户不疲劳或轻度疲劳的情况下,播放舒缓的音乐,而在用户疲劳程度增加的情况下播放节奏轻快或重金属打击音乐进行提神。
在一些可选的实施例中,本申请提出的管理方法还包括:检测用户进入预设模式后,在没有休息的情况下的持续工作时长,根据所述持续工作时长、疲劳程度和注意力集中特征确定用户的暂停时间点和暂停时长,在暂停时间点提醒用户休息,休息的时间长度的等于暂停时长。人们进行工作后并不能连续工作过长时间(一般人只能集中工作40-60分钟),人在不同的疲劳程度下能够持续集中注意力的时间长度就是注意力集中特征。举例而言:用户在不疲劳状态下可以集中注意力工作40分钟,而在轻度疲劳时只能集中注意力工作30分钟,因此在不疲劳状态下,用户工作了40分钟后(即暂停时间点)提醒用户休息5分钟(暂停时长),在轻度疲劳时则是工作了30分钟后提醒用户休息7分钟,用户越是疲劳则暂停时长越长。如果在暂停时间点用户休息的时长不短于暂停时长,则持续工作时长清零,需要注意的是如果用户在没有休息够暂停时长,则需要根据用户实际休息的暂停时长调整下一次休息时的暂停时长(例如增加下一次休息的暂停时长)。
在一些可选的实施例中,监测用户的疲劳程度,包括:
采集用户的视频图像,识别用户的人脸区域;
根据视频图像中人脸区域的动作确定用户在当前时段的闭眼时长、眨眼频率、打哈次数和/或点头频率;
根据当前时段的闭眼时长、眨眼频率、打哈次数和/或点头频率确定用户的疲劳程度。
具体的,在本实施例中,实时采集用户工作或学习时的视频图像,也可以是每隔一段时间采集一次用户的视频图像,每一个视频图像包括多帧图片,采用图像识别技术确定图片中的人脸区域,用户在工作和学习时,随着疲劳程度的增加,用户会不自觉的延长闭眼时间,频繁眨眼,过于疲劳时还会打哈欠,头部会不自觉下垂点头。闭眼时间是指用户在眨眼时从眼睛全睁开到闭合再到全睁开这一过程的时长。通过检测上述特点可以确定用户的疲劳程度。图像采集装置可以设置在台灯上,台灯与用户的距离最近,且台灯提供的光照可以很好的照亮用户的头像,从而清楚的拍摄到用户的视频图像,台灯实时拍摄用户的视频图像识别用户的疲劳程度,然后发送给空调的控制器,由空调的控制器根据用户的疲劳程度控制空调的运行参数。当前时段是指从N分钟前到当前时刻这一时间段,N可以等于3。因为人越疲劳闭眼时长越长,眨眼频率越小、打哈次数越多同时点头频率越高,因此可以采用加权算法,分别为闭眼时长、眨眼频率的倒数打哈次数和点头频率设置权重,再计算加权和,加权和越大表明人越疲劳。
在一些可选的实施例中,在采集用户的视频图像之后,在识别用户的人脸区域之前,还包括:
对采集到的视频图像进行去噪滤波处理;
对采集到的视频图像进行光照均衡处理。
具体的,采集的视频图像可能像素不好,或者视频过暗过亮,导致对图像进行人脸识别时的准确率降低,因此本申请进行了去噪滤波处理,以及光照均衡处理,从而降低噪声和光线因素对图像识别产生的不良影响。图像滤波时采用的方法可以是传统的均值法、中值法也可以是高斯模板滤波法。
在一些可选的实施例中,根据视频图像中人脸区域的动作确定用户的闭眼时长和/或眨眼频率,包括:
根据面部器官几何分布规则确定人脸区域中的眼部区域;
基于大律法对眼部区域进行自适应二值化;
通过垂直积分投影法判断用户是否佩戴眼镜;
若用户佩戴眼镜,则采用基于直方图局部统计特征算法识别用户的眼睛开闭状态;
若用户未佩戴眼镜,则采用基于Adaboost算法的人眼分类器直接检测眼部区域,对眼部区域二值化后计算眼睛近似张角从而识别用户的眼睛开闭状态;
根据所述视频图像中用户的眼睛开闭状态的变化确定用户的闭眼时长和/或眨眼频率。
具体的,人脸检测是人脸识别的前提,本实施例中是通过人脸检测确定用户的疲劳程度,所以需要先识别视频图像中的人脸区域,在识别人员区域时,采用基于Haar特征的Adaboost分类器法识别视频图像中的人脸区域,然后根据人眼在人脸区域中的分布规则先确定眼部区域的大致位置,再采用大律法(即最大类间方差法)对眼部区域进行二值化,该方法基于图像的灰度直方图,以目标和背景的类间方差最大或类内方差最小作为阈值选择的准则,主要原理是对于一帧图像,假设t为前景与背景的分割阈值,设前景点数占图像比例为w0,灰度均值为u0,背景点数占图像比例为w1,灰度均值为u1,则图像的总灰度均值为u=w0*u0+w1*u1,设定参数g=w0*(u0-u)2+w1*(u1-u)2,当g的值最大时对应的t就是阈值,基于该阈值对视频图像进行二值化。然后因为用户佩戴眼镜会影响对眼睛状态的判断,所以需要判断用户是否佩戴眼镜,对自适应二值化后的图像进行垂直积分投影,无论是有框眼镜、无框眼镜还是半框眼镜,共同点是在两眼之间鼻梁的上方区域存在眼镜桥结构,通过做垂直积分投影发现,在用户没有佩戴眼镜时,垂直积分投影图中存在两个独立的连通域(左右眼区域不连通),而在用户带眼镜时垂直积分投影图中只有明显的1个独立连通域(左右眼区域连通),因此可以通过对自适应二值化后的图像进行垂直积分投影确定用户是否佩戴了眼镜。然后识别眼睛的状态判断用户是否闭眼,并结合视频录制的时间确定用户的闭眼时长和眨眼频率。
在一些可选的实施例中,根据视频图像中人脸区域的动作确定用户的打哈次数,包括:
根据嘴部在人脸区域中的几何分布规则定位嘴部区域;
设定阈值对视频图像进行二值化获得嘴部区域的面积;
利用Sobel边缘检测法提取嘴部边缘获得嘴部周长并计算嘴部的似圆度;
在似圆度大于预设似圆度时确定嘴部张开,在似圆度不大于预设似圆度时确定嘴部闭合;
根据视频图像中用户嘴部的开闭状态变化确定用户的打哈次数。
具体的,与判断用户的眼睛开闭状态时相似,需要先根据面部五官的分布规则确定嘴部区域,然后选取合适的阈值将图像二值化,计算连通域面积(嘴部区域的面积),再采用Sobel边缘检测方法提取嘴部边缘,计算边缘周长,最后计算似圆度判断嘴部张开或闭合状态。更具体的,在通过几何分布规则定位嘴部区域并进行二值化后,对二值化后的图像进行腐蚀处理,用结构元素扫描图像中的每一个像素,用结构元素与其覆盖的二值化的图像进行“与”操作,如果都为1,二值化的图像中该像素被赋值为255(白色),否则赋值0(黑色),然后对二值化的图像进行连通区域标记,比较各区域的面积大小,选择面积最大的区域作为嘴部连通域,该区域的面积是由区域内的白色像素总数表示作为嘴部区域的面积,然后进行边缘检测,确定嘴部周长,并根据嘴部的周长和嘴部区域的面积确定嘴部的似圆度,似圆度等于4πS/P2,其中S为嘴部区域的面积,P为嘴部区域的周长,似圆度越接近1表明嘴部的形状越接近圆形,代表嘴部张开的程度越大,通过设定预设似圆度,判断嘴部是张开还是闭合。再根据用户嘴部张开和闭合的变化确定用户是否打哈,并统计用户在预设时段(例如从N分钟前到当前时刻)内的打哈次数。当用户打哈欠的时候,嘴部会张开呈现近乎圆形的状态,而当用户嘴部关闭或是微微张开而非打哈气的时候,嘴部呈现非圆形的状态,似圆度低,通过嘴部的似圆度从而确定用户是否打哈气,而不是仅仅根据通常情况嘴部的张开和关闭,因为用户在平时工作和学习时,出于呼吸等原因也会张嘴和闭嘴,但是在非打哈欠的时候,嘴部是扁平张开的,似圆度低,因此不应当计入打哈欠的次数,本申请通过似圆度从而准确确定用户是否在打哈欠。
在一些可选的实施例中,根据当前时刻的闭眼时长、眨眼频率、打哈次数和/或点头频率确定用户的疲劳程度,包括:
若闭眼时长不大于第一时长阈值时,则确定用户处于不疲劳状态;
具体的,用户在疲劳时,由于是长期使用眼睛,所以最先反应疲劳状态的就是眼睛,体现在闭眼时长增加,当用户闭眼时长没有增加到第一时长阈值时,表明用户此时还不累,第一时长阈值可以是用户非工作状态下平均闭眼时长,可选的,第一时长阈值为用户进入预设模式后的前N分钟内的平均闭眼时长。
和/或,若闭眼时长大于第一时长阈值,但不大于第二时长阈值,同时用户打哈次数为零,则确定用户处于轻度疲劳;
具体的,当闭眼时长增加到大于第一时长阈值,表明用户此时已经出现疲劳表现,但增加的闭眼时长并不太长,而且用户尚未打哈欠,表明用户此时仅仅是刚刚出现疲劳的表现,为轻度疲劳。
和/或,若闭眼时长大于第二时长阈值则确定用户处于中度疲劳,或者,若闭眼时长大于第一时长阈值且小于第二时长阈值,同时用户打哈次数大于零且不大于第一次数阈值,则确定用户处于中度疲劳;
具体的,此时用户已经出现了打哈欠的表现,或者是闭眼时长已经明显增长到大于第二时长阈值,其中,第一时长阈值小于第二时长阈值,表明用户进一步感到疲倦。
和/或,若闭眼时长大于第二时长且点头频率大于0,则确定用户处于重度疲劳,或者,若用户的打哈次数大于第一次数阈值且点头频率大于0,则确定用户处于重度疲劳。
因为闭眼时长与眨眼频率存在相关性,用户越是疲劳则闭眼时长越长,眨眼频率越低,因此在一些可选的实施例中,根据当前时刻的闭眼时长、眨眼频率、打哈次数和/或点头频率确定用户的疲劳程度,包括:
若所述眨眼频率不小于第一眨眼频率阈值时,则确定用户处于不疲劳状态;第一眨眼频率阈值可以是用户平时不疲劳时的眨眼频率平均值。
和/或,
若所述眨眼频率小于第一眨眼频率阈值,且不小于第二眨眼频率阈值,同时用户打哈次数为零,则确定用户处于轻度疲劳;其中,第一眨眼频率阈值大于第二眨眼频率阈值,此时用户的眨眼频率降低,说明用户逐渐感到疲劳,但用户尚未开始打哈欠,因此处于轻度疲劳。
和/或,若所述眨眼频率小于第二眨眼频率阈值则确定用户处于中度疲劳,或者,若所述眨眼频率小于第一眨眼频率阈值且不小于第二眨眼频率阈值,同时用户打哈次数大于零且不大于第一次数阈值,则确定用户处于中度疲劳;
和/或,若所述眨眼频率小于第二眨眼频率阈值且点头频率不大于第一频率阈值,则确定用户处于重度疲劳,或者,若用户的打哈次数大于第一次数阈值且点头频率不大于第一频率阈值,则确定用户处于重度疲劳;
和/或,若用户的点头频率大于第一频率阈值,且眨眼频率小于第三眨眼频率阈值,则确定用户处于极度疲劳;第二眨眼频率阈值大于第三眨眼频率阈值。
在一些可选的实施例中,根据所述疲劳程度调节空调的运行参数,包括:
当用户处于不疲劳状态时,空调采用预设的默认参数运行,或者,根据当前室内的环境参数调节空调的运行参数;
举例而言,如何是在夏天等需要制冷时,默认参数可以是:制冷设定26℃,中风档,导风板水平位置,扫风叶片打直;如果是在冬天等需要制热时,默认参数可以是制热模式设定28℃,高风档,导风板水平向下30°,扫风叶片正前。湿度在40%~60%,换气量按照30m3/h.人。默认参数是预先设定的用户在不疲劳状态下使用频率最高的运行参数,最符合用户的期望,该默认参数可以是由用户自己设定。
和/或,当用户处于轻度疲劳时,空调在默认参数的基础上,将扫风速度提高第一风速值,将空调出风吹送至用户所在区域;
具体的,在用户处于轻度疲劳时,需要适当提神,此时先调入默认参数,然后将默认参数的扫风速度提高第一风速值,因为用户疲劳时体温会略微上升,增加扫风速度可以帮助用户散热提神。
和/或,当用户处于中度疲劳时,空调在默认参数的基础上,将目标温度降低第一温度值、将扫风速度提高第二风速值和/或增加空调出风中的新风量;
具体的,在用户处于中度疲劳时,可以选择降低目标温度,进一步提高扫风速度和增加新风量中的一个或多个,从而帮助用户提神,所述第二风速值大于所述第一风速值。执行时先调入默认参数,然后在默认参数的基础上调节目标温度、扫风速度和新风量。
和/或,当用户处于重度疲劳时,发出提醒信息,提醒用户休息;此时用户已经相当疲劳,因此应当停止工作进行适当的休息防止对身体造成损伤。其中,所述疲劳程度包括不疲劳状态、轻度疲劳、中度疲劳和重度疲劳,
在一些可选的实施例中,通过采用摄像头检测用户是否在工作和学习,并监测用户的姿势,如果用户未处于工作学习状态也没有在休息,或是用户的姿势不正确则发出提醒信息。
在一些可选的实施例中,还可以检测用户进入预设模式后的时长,当时长超过时长阈值后,则发出休息提醒。
在一些可选的实施例中,可以在用户所在位置设置香薰,在用户处于疲劳状态时开启香薰进行提神,香薰可以设置在用户的台灯上,使得香薰与用户的距离最小。
为了更好的说明本申请的有益效果,一下提出另一个优选的实施例。
在本实施例中,在台灯上装摄像头,通过摄像头采集图像从而识别用户疲劳程度,再联动空调调节室内温湿度和风场,营造适宜的工作和学习环境,缓解疲劳程度,提高学习/工作效率;台灯上装有温湿度检测装置,检测周围环境的温湿度,并且通过与空调联动确保局部环境达到较好的舒适度。上述台灯具有温湿度检测模块,能检测周围环境的温湿度。同时该台灯能将识别到的疲劳程度和温湿度反馈给空调。空调具有温度调节模块,能调节温度;具有湿度调节模块,能调节湿度;具有新风模块,能引入所需新风量;具有多段导风板和多个扫风电机,能将风送到台灯周围实现局部送风功能。
上述空调能根据用户的疲劳状态选择合适的出风温度、风速、扫风模式、湿度、以及新风量,其中温度和风速可以在一定范围内波动。
在本实施例中,预设模式为学习模式,如果用户没有进入学习模式但打开了台灯,则根据用户自己选定的控制参数控制台灯,或者根据周围环境的照度自动调节台灯的色温和亮度,例如可以控制台灯的色温为6500K,照度为600~750LX。
如果用户没有进入预设模式但开启了空调,则按照用户选定的空调的运行参数控制空调运行。
在用户进入了预设模式后,如果用户开启了台灯,则根据用户的疲劳程度并结合周围环境的照度调节台灯的色温和亮度,如果用户开启了空调,则根据用户的疲劳程度调节空调的运行参数。
假设用户进入了预设模式,同时开启了空调和台灯,空调按照默认模式运行。(默认模式是指:制冷设定26℃,中风档;制热模式设定28℃,高风档。湿度在40%~60%,换气量按照30m3/h.人),台灯开启摄像头、温湿度传感器、CO2传感器。此时空调读取台灯上温湿度传感器采集到的数据作为判断空调运行判断依据;空调开启多段导风板和多电机的扫风叶片部件,将风送到台灯周围;空调根据用户周围的CO2浓度决定是否开启换气功能。
假设用户进入了预设模式,开启了空调但没有开启台灯,此时空调按照用户的要求运行或者按照上次用户的设置运行,如果上次是“学习/工作”模式则自动跳出按照默认模式运行。(默认模式是指:制冷设定26℃,中风档,导风板水平位置,扫风叶片打直;制热模式设定28℃,高风档,导风板水平向下30°,扫风叶片正前。)
本实施例以用户开启了台灯和空调为例进行说明,在本实施例中,用户通过手机或遥控器输入的方式(例如在遥控器上设置学习模式的按键),告知空调和台灯进入学习模式。此时台灯开启摄像头采集用户的图像,台灯上的温湿度检测周围环境的温湿度数据并发送给空调。台灯根据周围环境的照度,将用户所在区域的照度调节到750lx,色温调节到4000K,该数值是通过大数据统计的最适宜人工作学习的光照环境。
在确定用户的疲劳程度时,请参看图2,开启摄像头采集到用户的视频图像,首先进行视频图像预处理。由于用户在使用台灯过程中台灯的位置不同,所以使用者的面部区域在行会受到不同光照的影响,同时由于视频图像在获取与传输过程中会产生噪声与模糊。因此需要预先对图像进行滤波去噪和光照均衡处理,保障人脸区域的准确检测。
然后进行人脸检测与运动目标跟踪。检测人脸的方法有很多种,这里建议采用基于Adaboost算法的人脸分类器检测视频图像中用户的面部区域。该方法通过Haar-Like特征与积分图像法迭代训练人脸分类器。与传统的基于肤色或模板匹配的人脸检测方法相比,其检测效率更高、准确性更好。基于人脸检测的结果,采用粒子滤波运动目标跟踪算法实时追踪用户的面部目标区域。
接着进行眼睛检测与状态识别。首先,利用面部器官的几何分布规则粗略分割眼部的候选区域。其次,基于大律法对双眼区域进行图像自适应二值化。通过垂直积分投影并计算连通区域个数,判断驾驶者是否佩戴眼镜。最后,分两种情况选择对应的算法识别睁眼或闭眼状态。如果用户佩戴眼镜,则提出基于局部直方图统计特征的算法识别眼部状态;如果用户未佩戴眼镜,则采取基于Adaboost算法的人眼分类器直接定位眼睛,对单眼区域二值化后提取最大矩形并得到眼睛的近似张角,由阈值判断眼睛睁开或闭合状态。
在进行眼睛检测与状态识别时,可以同步进行嘴部检测与状态识别。嘴部相对于人脸其他区域来说具有特殊的颜色与亮度信息。本文为了简化计算、提高检测效率,首先根据嘴部在面部的分布位置,粗定位嘴部候选区。其次二值化获得嘴部面积,利用Sobel边缘检测法提取嘴部边缘获得嘴部周长。最后计算似圆度,识别嘴部张开或闭合状态。
同时可以同步进行头部状态识别。人在打瞌睡时,头部会出现突发性的上仰、下沉或规律性的上下往复运动。这部分主要利用已经定位到的眼睛与嘴部中心点位置信息。
最后进行疲劳状态判断。该过程利用持续闭眼时间、眨眼频率、打哈欠持续时间、打哈欠次数和点头频率等指标单一进行判断,或者综合判断用户是否瞌睡。输出用户的疲劳程度。
疲劳程度分为:无疲劳、轻度疲劳、中度疲劳、重度疲劳。
当用户轻度疲劳时,开启扫风功能,在用户周围形成微风波动减少用户的疲劳度;
当用户中度疲劳时,降低空调运行温度,一般降低1~2℃;风挡提高一档,即低风升为中风、中风升为高风等;加大新风量换气量。
当用户重度疲劳时,台灯发出提醒,让用户休息或者起来活动一下。
当用户不疲劳时,台灯的色温为6500K,照度为600~750LX。空调采用默认模式不更改。(默认模式是指:制冷设定26℃,中风档,导风板水平位置,扫风叶片打直;制热模式设定28℃,高风档,导风板水平向下30°,扫风叶片正前。湿度在40%~60%,换气量按照30m3/h.人)
当摄像头在一定的时间内未判断出用户的面部特征,即用户不在台灯周围,台灯调低照度,空调开启节能模式。一定时间后提醒用户是否关机。
摄像头会在一定的时间内重复判断用户的面部特征,重新读取用户的疲劳程度。
本申请还提出一种环境管理装置,如图4所示,环境管理装置包括:
判断单元10,用于判断用户是否进入预设模式;
疲劳监测单元20,用于在用户进入预设模式后,监测用户的疲劳程度;
还包括光源控制单元30和空调控制单元40中的一个或多个。
光源控制单元30,用于在用户进入预设模式后,根据用户的疲劳程度和环境照度调节光源的控制参数;
和/或,空调控制单元40,用于在用于进入预设模式后根据用户的疲劳程度调节空调的运行参数;
其中,控制参数用于控制光源色温和/或光源亮度。
在一些可选的实施例中,本申请提出的环境管理装置还包括:音乐播放系统,用于根据用户的疲劳程度播放音乐,例如在用户不疲劳或轻度疲劳的情况下,播放舒缓的音乐,而在用户疲劳程度增加的情况下播放节奏轻快或重金属打击音乐进行提神。
在一些可选的实施例中,本申请提出的环境管理装置还包括:提醒单元,用于检测用户进入预设模式后,在没有休息的情况下的持续工作时长,根据所述持续工作时长、疲劳程度和注意力集中特征确定用户的暂停时间点和暂停时长,在暂停时间点提醒用户休息,休息的时间长度的等于暂停时长。人们进行工作后并不能连续工作过长时间(一般人只能集中工作40-60分钟),人在不同的疲劳程度下能够持续集中注意力的时间长度就是注意力集中特征。举例而言:用户在不疲劳状态下可以集中注意力工作40分钟,而在轻度疲劳时只能集中注意力工作30分钟,因此在不疲劳状态下,用户工作了40分钟后(即暂停时间点)提醒用户休息5分钟(暂停时长),在轻度疲劳时则是工作了30分钟后提醒用户休息7分钟,用户越是疲劳则暂停时长越长。如果在暂停时间点用户休息的时长不短于暂停时长,则持续工作时长清零,需要注意的是如果用户在没有休息够暂停时长,则需要根据用户实际休息的暂停时长调整下一次休息时的暂停时长(例如增加下一次休息的暂停时长)。
可选的,疲劳监测单元20监测用户的疲劳程度,包括:
采集用户的视频图像,识别用户的人脸区域;
根据视频图像中人脸区域的动作确定用户在当前时段的闭眼时长、眨眼频率、打哈次数和/或点头频率;
根据当前时段的闭眼时长、眨眼频率、打哈次数和/或点头频率确定用户的疲劳程度。
可选的,疲劳监测单元20在采集用户的视频图像之后,在识别用户的人脸区域之前,还用于:
对采集到的视频图像进行滤波去噪处理;
对采集到的视频图像进行光照均衡处理。
可选的,其特征在于,疲劳监测单元20根据视频图像中人脸区域的动作确定用户的闭眼时长和/或眨眼频率,包括:
根据面部器官几何分布规则确定人脸区域中的眼部区域;
基于大律法对眼部区域进行自适应二值化;
通过垂直积分投影法判断用户是否佩戴眼镜;
若用户佩戴眼镜,则采用基于直方图局部统计特征算法识别用户的眼睛开闭状态;
若用户未佩戴眼镜,则采用基于Adaboost算法的人眼分类器直接检测眼部区域,对眼部区域二值化后计算眼睛近似张角从而识别用户的眼睛开闭状态;
根据所述视频图像中用户的眼睛开闭状态的变化确定用户的闭眼时长和/或眨眼频率。
可选的,疲劳监测单元20根据视频图像中人脸区域的动作确定用户的打哈次数,包括:
根据嘴部在人脸区域中的几何分布规则定位嘴部区域;
设定阈值对视频图像进行二值化获得嘴部区域的面积;
利用Sobel边缘检测法提取嘴部边缘获得嘴部周长并计算嘴部的似圆度;
在似圆度大于预设似圆度时确定嘴部张开,在似圆度不大于预设似圆度时确定嘴部闭合;
根据视频图像中用户嘴部的开闭状态变化确定用户的打哈次数。
在一些可选的实施例中,疲劳监测单元20根据当前时刻的闭眼时长、眨眼频率、打哈次数和/或点头频率确定用户的疲劳程度,包括:
若闭眼时长不大于第一时长阈值时,则确定用户处于不疲劳状态;
具体的,用户在疲劳时,由于是长期使用眼睛,所以最先反应疲劳状态的就是眼睛,体现在闭眼时长增加,当用户闭眼时长没有增加到第一时长阈值时,表明用户此时还不累,第一时长阈值可以是用户非工作状态下平均闭眼时长,可选的,第一时长阈值为用户进入预设模式后的前N分钟内的平均闭眼时长。
和/或,若闭眼时长大于第一时长阈值,但不大于第二时长阈值,同时用户打哈次数为零,则确定用户处于轻度疲劳;
具体的,当闭眼时长增加到大于第一时长阈值,表明用户此时已经出现疲劳表现,但增加的闭眼时长并不太长,而且用户尚未打哈欠,表明用户此时仅仅是刚刚出现疲劳的表现,为轻度疲劳。
和/或,若闭眼时长大于第二时长阈值则确定用户处于中度疲劳,或者,若闭眼时长大于第一时长阈值且小于第二时长阈值,同时用户打哈次数大于零且不大于第一次数阈值,则确定用户处于中度疲劳;
具体的,此时用户已经出现了打哈欠的表现,或者是闭眼时长已经明显增长到大于第二时长阈值,其中,第一时长阈值小于第二时长阈值,表明用户进一步感到疲倦。
和/或,若闭眼时长大于第二时长且点头频率大于0,则确定用户处于重度疲劳,或者,若用户的打哈次数大于第一次数阈值且点头频率大于0,则确定用户处于重度疲劳。
因为闭眼时长与眨眼频率存在相关性,用户越是疲劳则闭眼时长越长,眨眼频率越低,因此在一些可选的实施例中,疲劳监测单元20根据当前时刻的闭眼时长、眨眼频率、打哈次数和/或点头频率确定用户的疲劳程度,包括:
若所述眨眼频率不小于第一眨眼频率阈值时,则确定用户处于不疲劳状态;第一眨眼频率阈值可以是用户平时不疲劳时的眨眼频率平均值。
和/或,
若所述眨眼频率小于第一眨眼频率阈值,且不小于第二眨眼频率阈值,同时用户打哈次数为零,则确定用户处于轻度疲劳;其中,第一眨眼频率阈值大于第二眨眼频率阈值,此时用户的眨眼频率降低,说明用户逐渐感到疲劳,但用户尚未开始打哈欠,因此处于轻度疲劳。
和/或,若所述眨眼频率小于第二眨眼频率阈值则确定用户处于中度疲劳,或者,若所述眨眼频率小于第一眨眼频率阈值且不小于第二眨眼频率阈值,同时用户打哈次数大于零且不大于第一次数阈值,则确定用户处于中度疲劳;
和/或,若所述眨眼频率小于第二眨眼频率阈值且点头频率不大于第一频率阈值,则确定用户处于重度疲劳,或者,若用户的打哈次数大于第一次数阈值且点头频率不大于第一频率阈值,则确定用户处于重度疲劳;
和/或,若用户的点头频率大于第一频率阈值,且眨眼频率小于第三眨眼频率阈值,则确定用户处于极度疲劳;第二眨眼频率阈值大于第三眨眼频率阈值。
可选的,空调控制单元40根据疲劳程度调节空调的运行参数,包括:
当用户处于不疲劳状态时,空调采用预设的默认参数运行,或者,根据当前室内的环境参数调节空调的运行参数;
和/或,当用户处于轻度疲劳时,空调在默认参数的基础上,将扫风速度提高第一风速值,将空调出风吹送至用户所在区域;
和/或,当用户处于中度疲劳时,空调在默认参数的基础上,将目标温度降低第一温度值、将扫风速度提高第二风速值和/或增加空调出风中的新风量;
和/或,当用户处于重度疲劳时,发出提醒信息,提醒用户休息;
其中,疲劳程度包括不疲劳状态、轻度疲劳、中度疲劳和重度疲劳,第二风速值大于第一风速值。
本申请还提出一种空调,包括本申请提出的任一的环境管理装置。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (13)
1.一种环境管理方法,其特征在于,包括:
判断用户是否进入预设模式;
在用户进入所述预设模式后,监测用户的疲劳程度;
在用户进入所述预设模式后,根据用户的疲劳程度和环境照度调节光源的控制参数,和/或,根据用户的疲劳程度调节空调的运行参数;
所述控制参数用于控制光源色温和/或光源亮度。
2.根据权利要求1所述的环境管理方法,其特征在于,监测用户的疲劳程度,包括:
采集用户的视频图像,识别用户的人脸区域;
根据所述视频图像中人脸区域的动作确定用户在当前时段的闭眼时长、眨眼频率、打哈次数和/或点头频率;
根据当前时段的闭眼时长、眨眼频率、打哈次数和/或点头频率确定用户的疲劳程度。
3.根据权利要求2所述的环境管理方法,其特征在于,在采集用户的视频图像之后,在识别用户的人脸区域之前,还包括:
对采集到的视频图像进行滤波去噪处理;
对采集到的视频图像进行光照均衡处理。
4.根据权利要求2-3任一项所述的环境管理方法,其特征在于,根据所述视频图像中人脸区域的动作确定用户的闭眼时长和/或眨眼频率,包括:
根据面部器官几何分布规则确定所述人脸区域中的眼部区域;
基于大律法对所述眼部区域进行自适应二值化;
通过垂直积分投影法判断用户是否佩戴眼镜;
若用户佩戴眼镜,则采用基于直方图局部统计特征算法识别用户的眼睛开闭状态;
若用户未佩戴眼镜,则采用基于Adaboost算法的人眼分类器直接检测眼部区域,对眼部区域二值化后计算眼睛近似张角从而识别用户的眼睛开闭状态;
根据所述视频图像中用户的眼睛开闭状态的变化确定用户的闭眼时长和/或眨眼频率。
5.根据权利要求2-4任一项所述的环境管理方法,其特征在于,根据所述视频图像中人脸区域的动作确定用户的打哈次数,包括:
根据嘴部在所述人脸区域中的几何分布规则定位嘴部区域;
设定阈值对所述视频图像进行二值化获得嘴部区域的面积;
利用Sobel边缘检测法提取嘴部边缘获得嘴部周长并计算嘴部的似圆度;
在所述似圆度大于预设似圆度时确定嘴部张开,在所述似圆度不大于预设似圆度时确定嘴部闭合;
根据所述视频图像中用户嘴部的开闭状态变化确定用户的打哈次数。
6.根据权利要求1-5任一项所述的环境管理方法,其特征在于,根据所述疲劳程度调节空调的运行参数,包括:
当用户处于不疲劳状态时,空调采用预设的默认参数运行,或者,根据当前室内的环境参数调节空调的运行参数;
和/或,当用户处于轻度疲劳时,空调在默认参数的基础上,将扫风速度提高第一风速值,将空调出风吹送至用户所在区域;
和/或,当用户处于中度疲劳时,空调在默认参数的基础上,将目标温度降低第一温度值、将扫风速度提高第二风速值和/或增加空调出风中的新风量;
和/或,当用户处于重度疲劳时,发出提醒信息,提醒用户休息;
其中,所述疲劳程度包括不疲劳状态、轻度疲劳、中度疲劳和重度疲劳,所述第二风速值大于所述第一风速值。
7.一种环境管理装置,其特征在于,包括:
判断单元,用于判断用户是否进入预设模式;
疲劳监测单元,用于在用户进入所述预设模式后,监测用户的疲劳程度;
光源控制单元,用于在用户进入所述预设模式后,根据用户的疲劳程度和环境照度调节光源的控制参数;
和/或,空调控制单元,用于在用于进入所述预设模式后根据用户的疲劳程度调节空调的运行参数;
其中,所述控制参数用于控制光源色温和/或光源亮度。
8.根据权利要求7所述的环境管理装置,其特征在于,所述疲劳监测单元监测用户的疲劳程度,包括:
采集用户的视频图像,识别用户的人脸区域;
根据所述视频图像中人脸区域的动作确定用户在当前时段的闭眼时长、眨眼频率、打哈次数和/或点头频率;
根据当前时段的闭眼时长、眨眼频率、打哈次数和/或点头频率确定用户的疲劳程度。
9.根据权利要求8所述的环境管理装置,其特征在于,所述疲劳监测单元在采集用户的视频图像之后,在识别用户的人脸区域之前,还用于:
对采集到的视频图像进行滤波去噪处理;
对采集到的视频图像进行光照均衡处理。
10.根据权利要求8-9任一项所述的环境管理装置,其特征在于,所述疲劳监测单元根据所述视频图像中人脸区域的动作确定用户的闭眼时长和/或眨眼频率,包括:
根据面部器官几何分布规则确定所述人脸区域中的眼部区域;
基于大律法对所述眼部区域进行自适应二值化;
通过垂直积分投影法判断用户是否佩戴眼镜;
若用户佩戴眼镜,则采用基于直方图局部统计特征算法识别用户的眼睛开闭状态;
若用户未佩戴眼镜,则采用基于Adaboost算法的人眼分类器直接检测眼部区域,对眼部区域二值化后计算眼睛近似张角从而识别用户的眼睛开闭状态;
根据所述视频图像中用户的眼睛开闭状态的变化确定用户的闭眼时长和/或眨眼频率。
11.根据权利要求8-10任一项所述的环境管理装置,其特征在于,所述疲劳监测单元根据所述视频图像中人脸区域的动作确定用户的打哈次数,包括:
根据嘴部在所述人脸区域中的几何分布规则定位嘴部区域;
设定阈值对所述视频图像进行二值化获得嘴部区域的面积;
利用Sobel边缘检测法提取嘴部边缘获得嘴部周长并计算嘴部的似圆度;
在所述似圆度大于预设似圆度时确定嘴部张开,在所述似圆度不大于预设似圆度时确定嘴部闭合;
根据所述视频图像中用户嘴部的开闭状态变化确定用户的打哈次数。
12.根据权利要求7-11任一项所述的环境管理装置,其特征在于,所述空调控制单元根据所述疲劳程度调节空调的运行参数,包括:
当用户处于不疲劳状态时,空调采用预设的默认参数运行,或者,根据当前室内的环境参数调节空调的运行参数;
和/或,当用户处于轻度疲劳时,空调在默认参数的基础上,将扫风速度提高第一风速值,将空调出风吹送至用户所在区域;
和/或,当用户处于中度疲劳时,空调在默认参数的基础上,将目标温度降低第一温度值、将扫风速度提高第二风速值和/或增加空调出风中的新风量;
和/或,当用户处于重度疲劳时,发出提醒信息,提醒用户休息;
其中,所述疲劳程度包括不疲劳状态、轻度疲劳、中度疲劳和重度疲劳,所述第二风速值大于所述第一风速值。
13.一种空调,其特征在于,包括如权利要求6-12任一所述的环境管理装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910599071.0A CN110319544A (zh) | 2019-07-04 | 2019-07-04 | 环境管理方法、装置和空调 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910599071.0A CN110319544A (zh) | 2019-07-04 | 2019-07-04 | 环境管理方法、装置和空调 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110319544A true CN110319544A (zh) | 2019-10-11 |
Family
ID=68122723
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910599071.0A Pending CN110319544A (zh) | 2019-07-04 | 2019-07-04 | 环境管理方法、装置和空调 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110319544A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113341741A (zh) * | 2021-05-31 | 2021-09-03 | 青岛海尔空调器有限总公司 | 用于疲劳度调节的家电设备控制方法及装置、家电设备 |
CN113390167A (zh) * | 2020-03-13 | 2021-09-14 | 青岛海尔空调器有限总公司 | 空调器室内机及其控制方法 |
CN113655877A (zh) * | 2020-05-12 | 2021-11-16 | 华为技术有限公司 | 显示调整方法和设备 |
CN113932300A (zh) * | 2021-10-08 | 2022-01-14 | 青岛海尔空调器有限总公司 | 一种新风空调控制方法、控制装置及新风空调 |
CN114326877A (zh) * | 2021-12-20 | 2022-04-12 | 重庆新允创环保技术研究院有限公司 | 桌面微环境控制方法及系统 |
CN114636219A (zh) * | 2022-03-18 | 2022-06-17 | 青岛海尔空调器有限总公司 | 用于控制空调的方法及装置、空调 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254151A (zh) * | 2011-06-16 | 2011-11-23 | 清华大学 | 一种基于面部视频分析的驾驶人疲劳检测方法 |
CN102840494A (zh) * | 2011-06-21 | 2012-12-26 | 沈卫军 | 带温湿度计的台灯 |
CN103596338A (zh) * | 2013-11-26 | 2014-02-19 | 司雨棉 | 台灯监控系统 |
CN105202705A (zh) * | 2015-10-20 | 2015-12-30 | 广东美的制冷设备有限公司 | 用于空调器的控制方法和装置 |
CN206300053U (zh) * | 2016-11-11 | 2017-07-04 | 湖北申安亚明照明科技有限公司 | 一种多功能控制空调的台灯 |
CN107014045A (zh) * | 2017-03-09 | 2017-08-04 | 珠海格力电器股份有限公司 | 一种空调系统 |
CN107023952A (zh) * | 2017-04-05 | 2017-08-08 | 珠海格力电器股份有限公司 | 一种能够检测人体状态参数的空调器 |
CN109409347A (zh) * | 2018-12-27 | 2019-03-01 | 哈尔滨理工大学 | 一种基于人脸特征检测疲劳驾驶的方法 |
-
2019
- 2019-07-04 CN CN201910599071.0A patent/CN110319544A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254151A (zh) * | 2011-06-16 | 2011-11-23 | 清华大学 | 一种基于面部视频分析的驾驶人疲劳检测方法 |
CN102840494A (zh) * | 2011-06-21 | 2012-12-26 | 沈卫军 | 带温湿度计的台灯 |
CN103596338A (zh) * | 2013-11-26 | 2014-02-19 | 司雨棉 | 台灯监控系统 |
CN105202705A (zh) * | 2015-10-20 | 2015-12-30 | 广东美的制冷设备有限公司 | 用于空调器的控制方法和装置 |
CN206300053U (zh) * | 2016-11-11 | 2017-07-04 | 湖北申安亚明照明科技有限公司 | 一种多功能控制空调的台灯 |
CN107014045A (zh) * | 2017-03-09 | 2017-08-04 | 珠海格力电器股份有限公司 | 一种空调系统 |
CN107023952A (zh) * | 2017-04-05 | 2017-08-08 | 珠海格力电器股份有限公司 | 一种能够检测人体状态参数的空调器 |
CN109409347A (zh) * | 2018-12-27 | 2019-03-01 | 哈尔滨理工大学 | 一种基于人脸特征检测疲劳驾驶的方法 |
Non-Patent Citations (1)
Title |
---|
邹昕彤、王世刚、赵文婷等: "《基于眼睛与嘴部状态识别的疲劳驾驶检测》", 《吉林大学学报(信息科学版)》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113390167A (zh) * | 2020-03-13 | 2021-09-14 | 青岛海尔空调器有限总公司 | 空调器室内机及其控制方法 |
CN113655877A (zh) * | 2020-05-12 | 2021-11-16 | 华为技术有限公司 | 显示调整方法和设备 |
CN113341741A (zh) * | 2021-05-31 | 2021-09-03 | 青岛海尔空调器有限总公司 | 用于疲劳度调节的家电设备控制方法及装置、家电设备 |
WO2022252673A1 (zh) * | 2021-05-31 | 2022-12-08 | 青岛海尔空调器有限总公司 | 用于疲劳度调节的家电设备控制方法及装置、家电设备 |
CN113932300A (zh) * | 2021-10-08 | 2022-01-14 | 青岛海尔空调器有限总公司 | 一种新风空调控制方法、控制装置及新风空调 |
CN114326877A (zh) * | 2021-12-20 | 2022-04-12 | 重庆新允创环保技术研究院有限公司 | 桌面微环境控制方法及系统 |
CN114636219A (zh) * | 2022-03-18 | 2022-06-17 | 青岛海尔空调器有限总公司 | 用于控制空调的方法及装置、空调 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110319544A (zh) | 环境管理方法、装置和空调 | |
CN110319545A (zh) | 环境管理方法、装置和空调 | |
CN107273071A (zh) | 电子装置、屏幕调节系统及方法 | |
CN103423657B (zh) | 一种智能灯具及其智能提醒的方法 | |
JP5109922B2 (ja) | ドライバモニタリング装置およびドライバモニタリング装置用のプログラム | |
CN107606512A (zh) | 一种智能台灯、基于智能台灯提醒用户坐姿的方法及装置 | |
CN112483924B (zh) | 带坐姿矫正提醒的ai护眼台灯及其实现方法 | |
CN103426275A (zh) | 检测用眼疲劳度的装置、台灯及方法 | |
CN102028577A (zh) | 眼睛视力智能保护系统 | |
CN111124534A (zh) | 一种智能护眼电脑 | |
CN110063736B (zh) | 基于MOD-Net网络的眼动参数监测的疲劳检测及促醒系统 | |
WO2022252673A1 (zh) | 用于疲劳度调节的家电设备控制方法及装置、家电设备 | |
CN109782620A (zh) | 智能窗帘及其控制方法、装置及计算机可读存储介质 | |
WO2019080646A1 (zh) | 一种屈光矫正仪的使用方法 | |
CN111476196A (zh) | 一种基于面部动作的老年残障人士护理需求识别方法 | |
CN115171024A (zh) | 一种基于视频序列的面部多特征融合疲劳检测方法及系统 | |
CN112208547B (zh) | 一种安全自动驾驶系统 | |
CN110200745A (zh) | 眼罩以及睡眠促进方法 | |
CN114305334A (zh) | 智能美容方法、装置、设备及存储介质 | |
CN113297966A (zh) | 一种基于多重刺激的夜间学习方法 | |
CN106859931B (zh) | 基于dlp的vr儿童视力矫正仪 | |
WO2012144622A1 (ja) | 心身状態回復促進装置およびこれを用いた心身状態回復システム | |
CN111652131A (zh) | 人脸识别装置及其补光方法、可读存储介质 | |
CN110425443A (zh) | 一种智能台灯 | |
CN107168088A (zh) | 一种基于室内用户面部识别的智能窗帘控制系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191011 |
|
RJ01 | Rejection of invention patent application after publication |