CN110529984A - 智能空调的控制方法和装置、存储介质 - Google Patents
智能空调的控制方法和装置、存储介质 Download PDFInfo
- Publication number
- CN110529984A CN110529984A CN201910741224.0A CN201910741224A CN110529984A CN 110529984 A CN110529984 A CN 110529984A CN 201910741224 A CN201910741224 A CN 201910741224A CN 110529984 A CN110529984 A CN 110529984A
- Authority
- CN
- China
- Prior art keywords
- intelligent air
- air condition
- location information
- supply direction
- air supply
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000005855 radiation Effects 0.000 claims abstract description 9
- 230000033001 locomotion Effects 0.000 claims description 44
- 238000004378 air conditioning Methods 0.000 claims description 32
- 230000015654 memory Effects 0.000 claims description 19
- 238000003062 neural network model Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 230000032258 transport Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 20
- 238000004891 communication Methods 0.000 abstract description 15
- 230000009471 action Effects 0.000 description 12
- 238000012544 monitoring process Methods 0.000 description 11
- 230000004044 response Effects 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005562 fading Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 210000005036 nerve Anatomy 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 241000406668 Loxodonta cyclotis Species 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000007664 blowing Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000392 somatic effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/54—Control or safety arrangements characterised by user interfaces or communication using one central controller connected to several sub-controllers
-
- 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
- F24F11/56—Remote control
- F24F11/58—Remote control using Internet 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
- F24F11/70—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
- F24F11/79—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling the direction of the supplied air
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Selective Calling Equipment (AREA)
Abstract
本申请公开了一种智能空调的控制方法和装置、存储介质。其中，该方法包括：获取无线通信设备的信道状态信息；基于信道状态信息确定目标对象的位置信息，位置信息用于指示目标对象在目标区域内的位置，目标区域为无线通信设备的信号辐射区域；根据位置信息控制智能空调的送风方向。本申请解决了相关技术中智能空调实现用户定位的成本较高的技术问题。
Description
技术领域
本申请涉及智能家居领域，具体而言，涉及一种智能空调的控制方法和装置、存储介质。
背景技术
近年来，随着数字化家庭的到来，人们家庭生活中所使用的各种数码家电可以通过家庭网络进行互联通信，从而在家庭网络平台上实现信息的共享和设备的控制。现有的智能空调通常通过路由设备与智能终端(如，智能手机)互联通信，通过智能终端来实现对智能空调的控制。在现有技术中，用户的位置信息通常是终端设备通过通用分组无线服务技术(General Packet Radio Service，简称GPRS)或位置传感器来定位的，终端设备将获取到的用户位置信息通过网络反馈给智能空调后，该智能空调便根据将用户位置信息调整摆风角度。
但是，上述方案中的各种智能终端的GPRS功能只能定位出用户的大致位置，误差较大，特别是当用户在小范围区域内移动时，终端设备中的GPRS所获取的位置信息并不会发生改变，这样智能空调便无法精确的定位出用户与智能空调间的相对位置，从而使得智能空调只能向用户的大致方位吹风，并不能对智能空调实现精确的控制；且智能空调需要配备额外的智能定位设备才能实现对用户的定位，从而造成了成本的提升。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种智能空调的控制方法和装置、存储介质，以至少解决相关技术中智能空调实现用户定位的成本较高的技术问题。
根据本申请实施例的一个方面，提供了一种智能空调的控制方法，包括：获取无线通信设备的信道状态信息；基于信道状态信息确定目标对象的位置信息，位置信息用于指示目标对象在目标区域内的位置，目标区域为无线通信设备的信号辐射区域；根据位置信息控制智能空调的送风方向。
根据本申请实施例的另一方面，还提供了一种智能空调的控制装置，包括：获取单元，用于获取无线通信设备的信道状态信息；确定单元，用于基于信道状态信息确定目标对象的位置信息，位置信息用于指示目标对象在目标区域内的位置，目标区域为无线通信设备的信号辐射区域；控制单元，用于根据位置信息控制智能空调的送风方向。
根据本申请实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，程序运行时执行上述的方法。
根据本申请实施例的另一方面，还提供了一种智能空调，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，处理器通过计算机程序执行上述的方法。
在本申请实施例中，可以基于信道状态信息确定目标对象的位置信息，进而根据位置信息控制智能空调的送风方向，由于大部分家庭配有无线通信设备，故采用本申请的技术方案不需要配置额外的定位设备，可以解决相关技术中智能空调实现用户定位的成本较高的技术问题，进而达到降低成本的技术效果。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的智能空调的控制方法的硬件环境的示意图；
图2是根据本申请实施例的一种可选的智能空调的控制方法的流程图；
图3是根据本申请实施例的一种可选的智能空调的控制方案的示意图；
图4是根据本申请实施例的一种可选的智能空调的控制方法的流程图；
图5是根据本申请实施例的一种可选的智能空调的控制方法的流程图；
图6是根据本申请实施例的一种可选的智能空调的控制方法的流程图；以及,
图7是根据本申请实施例的一种可选的智能空调的控制装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，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，都应当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、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。
首先，在对本申请实施例进行描述的过程中出现的部分名词或者术语适用于如下解释：
人工神经网络(Artificial Neural Networks，简写为ANNs)也简称为神经网络(NNs)或称作连接模型(Connection Model)，是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型，在工程与学术界也常直接简称为“神经网络”或类神经网络，可模仿动物神经网络行为特征，是进行分布式并行信息处理的算法数学模型，这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。
近年来，随着人工智能领域的迅速发展以及人们对智能监控、智能家居及新型人机交互的需求日益提升，人体行为识别(Human Activity Recognition,HAR)技术已经成为模式识别、计算机视觉、无线感知等领域的一项重要组成部分，可将HAR技术被运用到智能家居、智能监控、体感游戏及医疗监护等多种应用中，可采用基于WIFI的人体识别技术监测区域范围内的人员运动轨迹，根据本申请实施例的一方面，提供了一种智能空调的实施例，该空调可应用此技术辅助空调进行智能送风。
如图1所示，该智能空调可以包括：一个或多个(图1中仅示出一个)处理器101、存储器103、以及传输装置105(如WiFi、蓝牙、NFC等)，如图1所示，该空调还可以包括输入输出设备107。
其中，存储器103可用于存储软件程序以及模块，如本申请实施例中的智能空调的控制方法和装置对应的程序指令/模块，处理器101通过运行存储在存储器103内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的智能空调的控制方法。存储器103可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器103可进一步包括相对于处理器101远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
上述的传输装置105用于经由一个网络接收或者发送数据(如WiFi模块)，还可以用于处理器与存储器之间的数据传输(如内部总线)。上述的网络具体实例可包括有线网络及无线网络。在一个实例中，传输装置105包括一个网络适配器(Network InterfaceController，NIC)，其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中，传输装置105为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
上述存储器103用于存储应用程序，如图2所示的步骤对应的应用程序。
上述输入输出设备107为可与智能空调进行交互的设备，如智能手机、遥控器等设备。
根据本申请实施例的另一个方面，还提供了一种智能空调的控制方法的方法实施例。图2是根据本申请实施例的一种可选的智能空调的控制方法的流程图，如图2所示，该方法可以包括以下步骤：
步骤S202，获取无线通信设备的信道状态信息。
上述无线通信设备为具备无线热点功能的设备，如无线路由器、开了热点的智能手机等设备。
信道状态信息CSI(英文全称Channel State Information)，是通信链路的信道属性，它描述了信号在每条传输路径上的衰弱因子，即信道增益矩阵H(有时也称为信道矩阵，信道衰落矩阵)中每个元素的值，如信号散射(Scattering)，环境衰弱(fading，multipathfading or shadowing fading),距离衰减(power decay of distance)等信息。CSI可以使通信系统适应当前的信道条件，在多天线系统中为高可靠性高速率的通信提供了保障。
步骤S204，基于信道状态信息确定目标对象的位置信息，位置信息用于指示目标对象在目标区域内的位置，目标区域为无线通信设备的信号辐射区域。
位置信息指示的位置可以是位置信息直接表示该位置，也可是间接的表示该位置(如利用位置信息能够计算出该位置)，所指示的位置可以是当前时刻或者之前时刻的位置，也可是预测的之后某个时刻的位置。
上述目标对象为可移动对象，如智能空调的用户，目标区域为智能空调所在的且能被无线通信设备的信号辐射的区域。
步骤S206，根据位置信息控制智能空调的送风方向。
上述智能空调的送风方向可以为送风风随人、送风风避人等模式。
采用本申请的技术方案，可以通过人体行为识别技术对监测区域范围内的人员进行定位跟踪监测，实时抓取人员的运动轨迹，可根据人员的运动轨迹进行风随人或风避人的智能送风控制。以如图3所示为例，人体动作行为可对空调WIFI模组端接收到的信号(即无线通信设备的传播波形)产生一定的干扰，空调端获取到WIFI信道状态信息，并将数据上传至云端服务器进行相应的处理操作；云端的数据处理模块对数据进行预处理，进行相应的滤波、去除异常点；然后动作监测模块通过人工智能机器学习模型对数据进行处理；动作识别模块再通过神经网络模型对动作数据进行识别并识别出人的距离和运动轨迹(包括运动方向矢量)，最终将识别的动作运动(包括运动轨迹)反馈给空调端。
通过上述步骤S202至步骤S206，可以基于信道状态信息确定目标对象的位置信息，进而根据位置信息控制智能空调的送风方向，由于大部分家庭配有无线通信设备，故采用本申请的技术方案不需要配置额外的定位设备，可以解决相关技术中智能空调实现用户定位的成本较高的技术问题，进而达到降低成本的技术效果。
下面结合图2所示的实施例进一步详述本申请的技术方案。
在步骤S202提供的技术方案中，获取无线通信设备的信道状态信息。无线通信设备置于房间(即目标区域)内，人行为动作对无线信号传播会产生影响导致其波形变化，可通过软件工具提取无线信道的状态信息，即提取信道中子载波波形状态数据信息。
在步骤S204提供的技术方案中，基于信道状态信息确定目标对象的位置信息，位置信息用于指示目标对象在目标区域内的位置，目标区域为无线通信设备的信号辐射区域。
可选地，基于信道状态信息确定目标对象的位置信息可包括：对信道状态信息进行预处理，其中，预处理用于过滤信道状态信息中的异常信息，预处理包括去噪操作和去冗余操作中的至少之一；在神经网络模型中，利用预处理后的信道状态信息确定目标对象的位置和运动矢量，神经网络模型是利用预先标记为标记信息(如位置、运动放心等)的特征数据进行训练后得到的。
上述实施例中，利用预处理后的信道状态信息确定目标对象的位置和运动矢量可以通过如下方式实现：从预处理后的信道状态信息中提取特征值；利用特征值确定目标对象的位置和运动矢量。
下面以无线通信设备为WIFI设备为例，结合图4详述步骤S204提供的技术方案：
步骤S402，提取WIFI波形数据(即上述的信道状态信息)。
步骤S404，对波形数据进行去冗余等预处理操作。
针对提取到的波形数据进行去冗余等预处理操作，如利用海明窗低通滤波器对一串CSI数据流中的每两两天线间的信道链路中的数据做卷积，进行初步去噪处理，再利用主成分分析PCA(英文全称为Principal Components Analysis)技术对信道状态信息CSI的数据流进行降维去冗余,在尽量保证数据本质的前提下将数据的维度降低，主成分分析算法把可能具有相关性的高维度变量合成线性无关的低维变量，新的低维数据集会尽可能保留原始数据的变量。
步骤S406，对波形数据提取特征值数据信息。
对处理后的数据提取特征值，如通过离散小波变换将去噪后的一段时间内的CSI信息进行频率解析，把它分成多个频段，每个频段的小波系数提取出来作为进行识别工作的特征，再运用了Percentiles算法对指定动作的频谱图进行运算，估计出每个采样时刻的upper(表示上限截止频率)、center(表示中心频率)的速度。
Percentiles算法首先对小波系数取一经验阀值，小于阀值的小波系数做噪声处理置y＝(v,t)＝0，大于阀值的小波系数则保留置y＝(v,t)＝1，其中t为采样时刻，v为指定时刻的速度分量。通过对小波系数频谱图中的幅度分布进行累计计算，来估计运动速度，设累计分布函数为P，当满足P(U(t),t)＝95％，此时的速度等级U(t)为估计的upper速度对应的频段，当满足P(C(t),t)＝50％，此时的速度等级C(t)为估计的center速度对应的频段。其中U(t)是通过Percentiles算法估计的upper速度对应的频段，C(t)是通过Percentiles算法估计的center速度对应的频段。
步骤S408，对波形干扰点进行分析，结合波形的传播性质实现人体定位。
由于人行为动作对WIFI信号传播都会产生影响，对波形数据进行降噪去冗余后再次对波形进行分析，根据波形的干扰点结合波形的传播性质(波的传播速度、传播时间)可实现对人体的定位。如，此时刻采集到的波形数据干扰点在整个波形的位置，下一时刻波形数据干扰点在波形的位置，结合两时刻的干扰点信息实现人体定位。
在步骤S206提供的技术方案中，根据位置信息控制智能空调的送风方向。
上述实施例中，根据位置信息控制智能空调的送风方向包括：在智能空调的送风方向与位置信息指示的位置不满足预设关系的情况下，按照位置信息指示的位置调整智能空调的送风方向，其中，调整后的智能空调的送风方向与位置信息指示的位置之间满足预设关系。
可选地，在获取无线通信设备的信道状态信息之前，用户可以在手机、遥控器等设备上对智能空调进行配置，此时，智能空调接收用户的配置指令，配置指令用于指示智能空调默认按照第一预设关系(如风随人)或者第二预设关系(如风避人)进行送风；按照配置指令的指示配置智能空调。
可选地，在智能空调的送风方向与位置信息指示的位置不满足预设关系的情况下，按照位置信息指示的位置调整智能空调的送风方向包括：在智能空调的送风方向与位置信息指示的位置不满足第一预设关系的情况下，按照位置信息指示的位置调整智能空调的送风方向，以使调整后的智能空调的送风方向与位置信息指示的位置之间满足第一预设关系，其中，第一预设关系包括位置信息指示的目标对象的位置位于智能空调的送风方向上；在智能空调的送风方向与位置信息指示的位置不满足第二预设关系的情况下，按照位置信息指示的位置调整智能空调的送风方向，以使调整后的智能空调的送风方向与位置信息指示的位置之间满足第二预设关系，其中，第二预设关系包括位置信息指示的目标对象的位置不位于智能空调的送风方向上。
在上述方案中，提供了两种送风模式的实施例，下文中将提供两种控制模式的实施方案，其一是在根据用户在当前时刻(即第一时刻)的位置来进行调整，以实现风随人或者风避人，其二是预估用户在下一时刻(即第二时刻)的位置，进而根据智能空调在当前时刻的状态来进行调整，以在下一时刻实现风随人或者风避人，具体如下。
在智能空调的送风方向与位置信息指示的位置不满足预设关系的情况下，按照位置信息指示的位置调整智能空调的送风方向包括：在智能空调在第一时刻的送风方向与第一位置不满足预设关系的情况下，按照第一位置调整智能空调的送风方向，其中，第一位置为位置信息指示的目标对象在第一时刻的位置；在智能空调在第一时刻的送风方向与第二位置不满足预设关系的情况下，在第一时刻和第二时刻之间按照第二位置调整智能空调的送风方向，其中，第二位置为位置信息指示的目标对象在第二时刻的位置，第二时刻晚于第一时刻。
下面结合图5进一步详述步骤S206的技术方案。
步骤S502，APP设置智能送风，用户可在手机应用APP中设置默认的送风方式。
步骤S504，空调主控响应用户的配置指令。
步骤S506，人体行为识别技术启动。
步骤S508，空调WIFI人体行为识别系统监测到人员在房间内运动。
步骤S510，对动作、运动状态矢量进行分析并人工智能学习，分析出运动轨迹和下一运动方向。
步骤S512，将识别出的信息反馈给空调主控。
步骤S514，空调主控根据运动轨迹进行风随人或风避人的操作。
采用上述技术方案，WIFI空调可采用基于WIFI的人体行为识别技术实现风随人、风避人。
作为一种可选的实施例，下面以图6为例详述本申请的技术方案。
步骤S602，通过软件工具提取WIFI波形数据。
步骤S604，对波形数据进行去冗余等处理操作，如利用海明窗低通滤波器进行初步去噪处理,再利用PCA技术对数据流进行降维去冗余。
步骤S606，对波形数据提取特征值数据信息。
步骤S608，运用Percentiles算法对指定动作的频谱图进行运算，估计出每个采样时刻的upper、center速度、方向。
步骤S610，根据动作运动方向通过深度学习和神经网络模型识别出运动轨迹并能预测用户的下一运动的动作矢量(包括速度和方向)。
在一个可选的实施例中，APP与空调连接，在APP端设置空调风随人或风避人智能送风功能，APP通过WIFI无线通讯将指令发送给空调端的WIFI模块，WIFI模块端将接收到的指令通过串口通讯传递给空调主控板，空调主控板收到指令唤醒人体行为识别运动轨迹跟踪技术，此时人体行为识别技术实时检测人体的运动轨迹，并将运动轨迹反馈给空调主控，设置空调主控根据运动轨迹进行智能送风操作的操作指令，空调主控根据指令实行风随人或风避人。
在又一个可选的实施例中，APP与空调连接，在APP端设置空调风随人或风避人智能送风功能，APP通过WIFI无线通讯将指令发送给空调端的WIFI模块，WIFI模块端将接收到的指令通过串口通讯传递给空调主控板，空调主控板收到指令唤醒人体行为识别运动轨迹跟踪技术，此时人体行为识别技术实时检测人体的运动轨迹，并根据运动轨迹逻辑设计智能送风的操作指令，将智能送风的操作指令反馈给空调主控，空调主控根据指令实行风随人或风避人。
采用本申请的技术方案，可通过无线探测识别人体动作运动轨迹，完成对用户的定位，然后实现基于WIFI的智能送风控制。本申请的空调WIFI模组可进行人体行为识别，保护了用户隐私，可有效监护婴儿，使得看护更人性化。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。
根据本申请实施例的另一个方面，还提供了一种用于实施上述智能空调的控制方法的智能空调的控制装置。图7是根据本申请实施例的一种可选的智能空调的控制装置的示意图，如图7所示，该装置可以包括：
获取单元701，用于获取无线通信设备的信道状态信息；
确定单元703，用于基于信道状态信息确定目标对象的位置信息，其中，位置信息用于指示目标对象在目标区域内的位置，目标区域为无线通信设备的信号辐射区域；
控制单元705，用于根据位置信息控制智能空调的送风方向。
需要说明的是，该实施例中的获取单元701可以用于执行本申请实施例中的步骤S202，该实施例中的确定单元703可以用于执行本申请实施例中的步骤S204，该实施例中的控制单元705可以用于执行本申请实施例中的步骤S206。
此处需要说明的是，上述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所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在如图1所示的硬件环境中，可以通过软件实现，也可以通过硬件实现。
可选地，控制单元还可用于：在智能空调的送风方向与位置信息指示的位置不满足预设关系的情况下，按照位置信息指示的位置调整智能空调的送风方向，调整后的智能空调的送风方向与位置信息指示的位置之间满足预设关系。
可选地，控制单元还可用于：在智能空调的送风方向与位置信息指示的位置不满足第一预设关系的情况下，按照位置信息指示的位置调整智能空调的送风方向，以使调整后的智能空调的送风方向与位置信息指示的位置之间满足第一预设关系，其中，第一预设关系包括位置信息指示的目标对象的位置位于智能空调的送风方向上；在智能空调的送风方向与位置信息指示的位置不满足第二预设关系的情况下，按照位置信息指示的位置调整智能空调的送风方向，以使调整后的智能空调的送风方向与位置信息指示的位置之间满足第二预设关系，其中，第二预设关系包括位置信息指示的目标对象的位置不位于智能空调的送风方向上。
可选地，本申请的装置还可包括配置单元，用于在获取无线通信设备的信道状态信息之前，在智能空调上接收配置指令，其中，配置指令用于指示智能空调按照第一预设关系或者第二预设关系进行送风；按照配置指令的指示配置智能空调。
可选地，控制单元还可用于：在智能空调在第一时刻的送风方向与第一位置不满足预设关系的情况下，按照第一位置调整智能空调的送风方向，其中，第一位置为位置信息指示的目标对象在第一时刻的位置；在智能空调在第一时刻的送风方向与第二位置不满足预设关系的情况下，在第一时刻和第二时刻之间按照第二位置调整智能空调的送风方向，其中，第二位置为位置信息指示的目标对象在第二时刻的位置，第二时刻晚于第一时刻。
可选地，确定单元还可用于：对信道状态信息进行预处理，其中，预处理用于过滤信道状态信息中的异常信息，预处理包括去噪操作和去冗余操作中的至少之一；在神经网络模型中，利用预处理后的信道状态信息确定目标对象的位置和运动矢量。
可选地，确定单元在利用预处理后的信道状态信息确定目标对象的位置和运动矢量时，可以通过如下方案实现：从预处理后的信道状态信息中提取特征值；利用特征值确定目标对象的位置和运动矢量。
用本申请的技术方案，可以通过人体行为识别技术对监测区域范围内的人员进行定位跟踪监测，实时抓取人员的运动轨迹，可根据人员的运动轨迹进行风随人或风避人的智能送风控制。人体动作行为可对空调WIFI模组端接收到的信号(即无线通信设备的传播波形)产生一定的干扰，空调端获取到WIFI信道状态信息，并将数据上传至云端服务器进行相应的处理操作；云端的数据处理模块对数据进行预处理，进行相应的滤波、去除异常点；然后动作监测模块通过人工智能机器学习模型对数据进行处理；动作识别模块再通过神经网络模型对动作数据进行识别并识别出人的距离和运动轨迹(包括运动方向矢量)，最终将识别的动作运动(包括运动轨迹)反馈给空调端。
此处需要说明的是，上述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所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在如图1所示的硬件环境中，可以通过软件实现，也可以通过硬件实现，其中，硬件环境包括网络环境。
可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(RandomAccess Memory，RAM)、磁盘或光盘等。
本申请的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于执行智能空调的控制方法的程序代码。
可选地，在本实施例中，上述存储介质可以位于上述实施例所示的网络中的多个网络设备中的至少一个网络设备上。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：
获取无线通信设备的信道状态信息；
基于信道状态信息确定目标对象的位置信息，其中，位置信息用于指示目标对象在目标区域内的位置，目标区域为无线通信设备的信号辐射区域；
根据位置信息控制智能空调的送风方向。
可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。
可选地，在本实施例中，上述存储介质可以包括但不限于：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。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
上述实施例中的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，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本申请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存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
在本申请的上述实施例中，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，所揭露的客户端，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，仅仅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网络单元上。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，在本申请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。
以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种智能空调的控制方法，其特征在于，包括：
获取无线通信设备的信道状态信息；
基于所述信道状态信息确定目标对象的位置信息，其中，所述位置信息用于指示所述目标对象在目标区域内的位置，所述目标区域为所述无线通信设备的信号辐射区域；
根据所述位置信息控制智能空调的送风方向。
2.根据权利要求1所述的方法，其特征在于，根据所述位置信息控制智能空调的送风方向包括：
在所述智能空调的送风方向与所述位置信息指示的位置不满足预设关系的情况下，按照所述位置信息指示的位置调整所述智能空调的送风方向，其中，调整后的所述智能空调的送风方向与所述位置信息指示的位置之间满足所述预设关系。
3.根据权利要求2所述的方法，其特征在于，在所述智能空调的送风方向与所述位置信息指示的位置不满足预设关系的情况下，按照所述位置信息指示的位置调整所述智能空调的送风方向包括：
在所述智能空调的送风方向与所述位置信息指示的位置不满足第一预设关系的情况下，按照所述位置信息指示的位置调整所述智能空调的送风方向，以使调整后的所述智能空调的送风方向与所述位置信息指示的位置之间满足所述第一预设关系，其中，所述第一预设关系包括所述位置信息指示的所述目标对象的位置位于所述智能空调的送风方向上；
在所述智能空调的送风方向与所述位置信息指示的位置不满足第二预设关系的情况下，按照所述位置信息指示的位置调整所述智能空调的送风方向，以使调整后的所述智能空调的送风方向与所述位置信息指示的位置之间满足所述第二预设关系，其中，所述第二预设关系包括所述位置信息指示的所述目标对象的位置不位于所述智能空调的送风方向上。
4.根据权利要求3所述的方法，其特征在于，在获取无线通信设备的信道状态信息之前，所述方法还包括：
在所述智能空调上接收配置指令，其中，所述配置指令用于指示所述智能空调按照所述第一预设关系或者所述第二预设关系进行送风；
按照所述配置指令的指示配置所述智能空调。
5.根据权利要求2所述的方法，其特征在于，在所述智能空调的送风方向与所述位置信息指示的位置不满足预设关系的情况下，按照所述位置信息指示的位置调整所述智能空调的送风方向包括：
在所述智能空调在第一时刻的送风方向与第一位置不满足所述预设关系的情况下，按照所述第一位置调整所述智能空调的送风方向，其中，所述第一位置为所述位置信息指示的所述目标对象在第一时刻的位置；
在所述智能空调在所述第一时刻的送风方向与第二位置不满足所述预设关系的情况下，在所述第一时刻和第二时刻之间的时间段按照所述第二位置调整所述智能空调的送风方向，其中，所述第二位置为所述位置信息指示的所述目标对象在第二时刻的位置，所述第二时刻晚于所述第一时刻。
6.根据权利要求1所述的方法，其特征在于，基于所述信道状态信息确定目标对象的位置信息包括：
对所述信道状态信息进行预处理，其中，所述预处理用于过滤所述信道状态信息中的异常信息，所述预处理包括去噪操作和去冗余操作中的至少之一；
在神经网络模型中，利用预处理后的所述信道状态信息确定所述目标对象的位置和运动矢量。
7.根据权利要求6所述的方法，其特征在于，利用预处理后的所述信道状态信息确定所述目标对象的位置和运动矢量包括：
从预处理后的所述信道状态信息中提取特征值；
利用所述特征值确定所述目标对象的位置和运动矢量。
8.一种智能空调的控制装置，其特征在于，包括：
获取单元，用于获取无线通信设备的信道状态信息；
确定单元，用于基于所述信道状态信息确定目标对象的位置信息，其中，所述位置信息用于指示所述目标对象在目标区域内的位置，所述目标区域为所述无线通信设备的信号辐射区域；
控制单元，用于根据所述位置信息控制智能空调的送风方向。
9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序运行时执行上述权利要求1至7任一项中所述的方法。
10.一种智能空调，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，所述处理器通过所述计算机程序执行上述权利要求1至7任一项中所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910741224.0A CN110529984A (zh) | 2019-08-12 | 2019-08-12 | 智能空调的控制方法和装置、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910741224.0A CN110529984A (zh) | 2019-08-12 | 2019-08-12 | 智能空调的控制方法和装置、存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110529984A true CN110529984A (zh) | 2019-12-03 |
Family
ID=68663085
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910741224.0A Pending CN110529984A (zh) | 2019-08-12 | 2019-08-12 | 智能空调的控制方法和装置、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110529984A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111306716A (zh) * | 2020-03-03 | 2020-06-19 | 青岛海尔空调器有限总公司 | 空调器及其控制方法 |
| CN111427287A (zh) * | 2020-02-20 | 2020-07-17 | 珠海格力电器股份有限公司 | 一种智能厨房控制方法、装置、电子设备及存储介质 |
| CN112799307A (zh) * | 2020-12-25 | 2021-05-14 | 美的集团股份有限公司 | 设备的智能控制方法及装置 |
| CN113048616A (zh) * | 2021-03-29 | 2021-06-29 | 珠海格力电器股份有限公司 | 一种空调的控制方法、装置、空调、存储介质及处理器 |
| CN113900415A (zh) * | 2020-06-22 | 2022-01-07 | 美的智慧家居科技有限公司 | 设备控制方法和设备控制器 |
| CN114915911A (zh) * | 2021-12-23 | 2022-08-16 | 天翼数字生活科技有限公司 | 一种基于CSI的Wi-Fi终端保护方法、系统及装置 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1089024A (zh) * | 1992-12-28 | 1994-07-06 | 新典自动化股份有限公司 | 依人体位置适应控制的送风装置 |
| US20140293899A1 (en) * | 2013-03-26 | 2014-10-02 | Samsung Electronics Co., Ltd. | Method and apparatus for selecting modulation and coding selection (mcs) level in wireless mobile communication system |
| CN106407905A (zh) * | 2016-08-31 | 2017-02-15 | 电子科技大学 | 基于机器学习的无线感知动作识别方法 |
| CN107525238A (zh) * | 2017-08-22 | 2017-12-29 | 广东美的制冷设备有限公司 | 空调器控制方法、红外信号收发器及空调器 |
| CN107994960A (zh) * | 2017-11-06 | 2018-05-04 | 北京大学（天津滨海）新代信息技术研究院 | 一种室内活动检测方法及系统 |
| CN109617771A (zh) * | 2018-12-07 | 2019-04-12 | 连尚（新昌）网络科技有限公司 | 一种家居控制方法及其对应的路由设备 |
| CN109711251A (zh) * | 2018-11-16 | 2019-05-03 | 天津大学 | 一种基于商用Wi-Fi的方向独立的步态识别方法 |
| CN110057039A (zh) * | 2019-04-29 | 2019-07-26 | 广东美的制冷设备有限公司 | 空调器及其控制方法、终端和计算机可读存储介质 |
-
2019
- 2019-08-12 CN CN201910741224.0A patent/CN110529984A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1089024A (zh) * | 1992-12-28 | 1994-07-06 | 新典自动化股份有限公司 | 依人体位置适应控制的送风装置 |
| US20140293899A1 (en) * | 2013-03-26 | 2014-10-02 | Samsung Electronics Co., Ltd. | Method and apparatus for selecting modulation and coding selection (mcs) level in wireless mobile communication system |
| CN106407905A (zh) * | 2016-08-31 | 2017-02-15 | 电子科技大学 | 基于机器学习的无线感知动作识别方法 |
| CN107525238A (zh) * | 2017-08-22 | 2017-12-29 | 广东美的制冷设备有限公司 | 空调器控制方法、红外信号收发器及空调器 |
| CN107994960A (zh) * | 2017-11-06 | 2018-05-04 | 北京大学（天津滨海）新代信息技术研究院 | 一种室内活动检测方法及系统 |
| CN109711251A (zh) * | 2018-11-16 | 2019-05-03 | 天津大学 | 一种基于商用Wi-Fi的方向独立的步态识别方法 |
| CN109617771A (zh) * | 2018-12-07 | 2019-04-12 | 连尚（新昌）网络科技有限公司 | 一种家居控制方法及其对应的路由设备 |
| CN110057039A (zh) * | 2019-04-29 | 2019-07-26 | 广东美的制冷设备有限公司 | 空调器及其控制方法、终端和计算机可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| KUN QIAN: ""PADS: Passive detection of moving targets with dynamic speed"", 《IEEE COMPUTER SOCIETY》 * |
| 王正杰，杨伟丽等: ""基于CSI的行为识别研究综述"", 《计算机工程与应用》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111427287A (zh) * | 2020-02-20 | 2020-07-17 | 珠海格力电器股份有限公司 | 一种智能厨房控制方法、装置、电子设备及存储介质 |
| CN111306716A (zh) * | 2020-03-03 | 2020-06-19 | 青岛海尔空调器有限总公司 | 空调器及其控制方法 |
| CN113900415A (zh) * | 2020-06-22 | 2022-01-07 | 美的智慧家居科技有限公司 | 设备控制方法和设备控制器 |
| CN112799307A (zh) * | 2020-12-25 | 2021-05-14 | 美的集团股份有限公司 | 设备的智能控制方法及装置 |
| CN113048616A (zh) * | 2021-03-29 | 2021-06-29 | 珠海格力电器股份有限公司 | 一种空调的控制方法、装置、空调、存储介质及处理器 |
| CN113048616B (zh) * | 2021-03-29 | 2022-03-15 | 珠海格力电器股份有限公司 | 一种空调的控制方法、装置、空调、存储介质及处理器 |
| CN114915911A (zh) * | 2021-12-23 | 2022-08-16 | 天翼数字生活科技有限公司 | 一种基于CSI的Wi-Fi终端保护方法、系统及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110529984A (zh) | 智能空调的控制方法和装置、存储介质 | |
| US10904698B2 (en) | Detecting location within a network | |
| JP7154295B2 (ja) | 無線信号の特性の機械学習に基づく動き検出 | |
| US10142785B2 (en) | Detecting location within a network | |
| EP3721257B1 (en) | Motion detection in mesh networks | |
| US10325641B2 (en) | Detecting location within a network | |
| CN106642534B (zh) | 空调控制方法和装置 | |
| CN106707788B (zh) | 一种智能家居语音控制识别系统与方法 | |
| Amato et al. | Robotic ubiquitous cognitive network | |
| CN107606687A (zh) | 物联网区域的设备控制方法及相关产品 | |
| Rashid et al. | Gesture control of ZigBee connected smart home Internet of Things | |
| CN111466130A (zh) | 基于性能信息、配置信息和环境信息来执行移动通信网络的分析和管理 | |
| CN108227691A (zh) | 机器人的控制方法、系统和装置及机器人 | |
| US11423968B2 (en) | Detecting location within a network | |
| CN110196743A (zh) | 事件触发的方法、装置、存储介质及电子装置 | |
| CN110262262A (zh) | 基于手势识别的智能家居系统 | |
| CN116800382B (zh) | 一种基于视觉传感器的索引调制方法及装置 | |
| CN116187406A (zh) | 用于排除人体传感器环境干扰的方法、人体传感器 | |
| JP7276481B2 (ja) | 移動端末及び通信品質予測方法 | |
| US11489699B2 (en) | Channel estimation for high-speed wireless clients | |
| CN108205268A (zh) | 一种智能控制系统 | |
| Gheitasi | Motor fault recognition using distributed Signature Analaysis | |
| Quevedo et al. | University of Newcastle Research Online nova. newcastle. edu. au |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191203 |