CN110864412A - 空调控制方法及系统 - Google Patents
空调控制方法及系统 Download PDFInfo
- Publication number
- CN110864412A CN110864412A CN201910741731.4A CN201910741731A CN110864412A CN 110864412 A CN110864412 A CN 110864412A CN 201910741731 A CN201910741731 A CN 201910741731A CN 110864412 A CN110864412 A CN 110864412A
- Authority
- CN
- China
- Prior art keywords
- point
- background model
- points
- current pixel
- pixel point
- 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.)
- Granted
Links
Images
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
- F24F11/62—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
- F24F11/50—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
- F24F11/70—Control systems characterised by their outputs; Constructional details thereof
- F24F11/80—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature 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
- F24F2120/00—Control inputs relating to users or occupants
- F24F2120/10—Occupancy
- F24F2120/12—Position of occupants
Abstract
本发明公开了一种空调控制方法及系统,所述方法包括:采集图像,所述图像中包括人形;根据卷积神经网络结构参数判断所述图像中是否存在睡眠区域,所述睡眠区域用于指示图像中平躺人形所在的区域;当图像中存在睡眠区域时,根据所述睡眠区域中的像素点建立背景模型,根据所述背景模型判断所述睡眠区域中像素点的类型,所述像素点的类型为前景点或背景点,判断前景点的个数是否小于预设值,当前景点的个数小于预设值时,确定人体处于睡眠状态,根据睡眠状态调节温度。通过本申请提供的空调控制方法,可自动识别人体是否处于睡眠状态,根据人体状态所需要的温度对室内温度进行调节,以满足人体不同状态下所需的温度。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种空调控制方法及系统。
背景技术
智能空调是具有自动调节功能的空调。智能空调系统能根据外界气候条件,按照预先设定的指标对温度传感器所传来的信号进行分析、判断、及时自动打开制冷、加热等功能的空调。
目前现有的智能空调通常采用红外热成像技术,使空调根据人体对温度需求的变化而调整温度。这种方法无法有效判断人体的状态,因此也无法根据人体处于不同的状态对温度需求变化而调节温度。
发明内容
为了解决上述技术问题,本申请提供了一种空调控制方法及系统。
第一方面,本申请提供了一种空调控制方法,所述方法包括:
采集图像,所述图像中包括人形;
根据卷积神经网络结构参数判断所述图像中是否存在睡眠区域,所述睡眠区域用于指示图像中平躺人形所在的区域;
当图像中存在睡眠区域时,根据所述睡眠区域中的像素点建立背景模型,
根据所述背景模型判断所述睡眠区域中像素点的类型,所述像素点的类型为前景点或背景点,
判断前景点的个数是否小于预设值,
当前景点的个数小于预设值时,开始计时,
判断从计时开始在预设时间内前景点的个数是否持续小于预设值,
当从计时开始在预设时间内前景点的个数持续小于预设值,确定人体处于睡眠状态,
根据睡眠状态调节温度。
优选地,所述根据卷积神经网络结构参数确定所述图像中的睡眠区域前,所述方法还包括:
选取各种姿态的人形图片作为卷积神经网络结构参数进行深度学习。
优选地,所述根据所述睡眠区域中的像素点建立背景模型,包括:
获取所述睡眠区域中的任意一个像素点,作为当前像素点,
对所述当前像素点的八邻域的像素点进行指定次数的随机抽样,得到当前像素点对应的对比点,多个所述对比点构成当前像素点对应的初始化背景模型;
所述根据所述背景模型判断所述睡眠区域中像素点的类型,包括:
根据当前像素点与其初始化背景模型做距离计算,判断所述当前像素点与每一个对比点之间的距离是否大于距离阈值,
当当前像素点与对比点之间的距离小于距离阈值时,得到输出值,
判断输出值的个数是否大于个数阈值,
当输出值的个数大于个数阈值时,确定当前像素点为背景点。
优选地,所述方法还包括:
当输出值的个数小于或等于个数阈值时,确定当前像素点为前景点。
优选地,所述确定当前像素点为背景点后,所述方法还包括:
采用当前像素点随机替换初始化背景模型中一个对比点,更新初始化背景模型,得到更新后的背景模型;
将更新后的背景模型作为下一帧图像的背景模型,用于判断下一帧图像中的像素点是否为前景点。
优选地,所述确定当前像素点为前景点后,所述方法还包括:
判断当前像素点作为前景点的次数是否大于次数阈值;
当当前像素点作为前景点的次数大于次数阈值时,将当前像素点随机替换初始化背景模型中一个对比点,更新初始化背景模型,得到更新后的背景模型;
将更新后的背景模型作为下一帧图像的背景模型,用于判断下一帧图像中的像素点是否为前景点。
第二方面,本申请提供了一种空调控制系统,其特征在于,所述系统包括:
图像采集模块,用于采集图像;
睡眠区域确定模块,用于根据卷积神经网络结构参数判断所述图像中是否存在睡眠区域,所述睡眠区域用于指示图像中平躺人形所在的区域;
背景模型建立模块,用于当图像中存在睡眠区域时,根据所述睡眠区域中的像素点建立背景模型,
前景点判断模块,用于根据所述背景模型判断所述睡眠区域中像素点的类型,所述像素点的类型为前景点或背景点;
个数判断模块,用于判断前景点的个数是否小于预设值;
计时模块,用于当前景点的个数小于预设值时,开始计时;
计时判断模块,用于判断从计时开始在预设时间内前景点的个数是否持续小于预设值,
睡眠状态确定模块,用于当从计时开始在预设时间内前景点的个数持续小于预设值,确定人体处于睡眠状态;
温度调节模块,用于根据睡眠状态调节温度。
优选地,所述睡眠区域确定模块包括:
学习单元,用于选取各种姿态的人形图片作为卷积神经网络结构参数进行深度学习。
优选地,所述背景模型建立模块包括:
获取单元,用于获取所述睡眠区域中的任意一个像素点,作为当前像素点;
初始化背景模型建立单元,用于对所述当前像素点的八邻域的像素点进行指定次数的随机抽样,得到当前像素点对应的对比点,多个所述对比点构成当前像素点对应的初始化背景模型;
所述前景点判断模块包括:
计算单元,用于根据当前像素点与其初始化背景模型做距离计算,判断所述当前像素点与每一个对比点之间的距离是否大于距离阈值;
距离确定单元,用于当当前像素点与对比点之间的距离小于距离阈值时,得到输出值;
个数判断单元,用于判断输出值的个数是否大于个数阈值;
背景点确定单元,用于当输出值的个数大于个数阈值时,确定当前像素点为背景点。
第三方面,本申请提供了一种空调,包括如本申请前述的系统,所述系统用于实现如本申请前述的空调控制方法。
本发明的有益效果:
本发明公开了一种空调控制方法及系统,所述方法包括:采集图像,所述图像中包括人形;根据卷积神经网络结构参数判断所述图像中是否存在睡眠区域,所述睡眠区域用于指示图像中平躺人形所在的区域;当图像中存在睡眠区域时,根据所述睡眠区域中的像素点建立背景模型,根据所述背景模型判断所述睡眠区域中像素点的类型,所述像素点的类型为前景点或背景点,判断前景点的个数是否小于预设值,当前景点的个数小于预设值时,开始计时,判断从计时开始在预设时间内前景点的个数是否持续小于预设值,当从计时开始在预设时间内前景点的个数持续小于预设值,确定人体处于睡眠状态,根据睡眠状态调节温度。通过本申请提供的空调控制方法,可自动识别人体是否处于睡眠状态,根据人体状态所需要的温度对室内温度进行调节,以满足人体不同状态下所需的温度。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为一个实施例中一种空调控制方法的流程示意图;
图2为一个实施例中当前像素点的八邻域的结构示意图;
图3为一个实施例中对当前像素点的八邻域进行20次随机抽样结果示意图;
图4为一个实施例中对当前像素点与背景模型进行距离计算的原理示意图;
图5为一个实施例中确定当前像素点为背景点的流程示意图;
图6为一个实施例中确定当前像素点为前景点的流程示意图;
图7为一个实施例中一种空调控制系统的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本申请的一部分实施例,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的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。
图1为一个实施例中一种空调控制方法的流程示意图,在本发明实施例中,参照图1,本申请提供了一种空调控制方法,所述方法包括:
S1、采集图像,所述图像中包括人形;
S2、根据卷积神经网络结构参数判断所述图像中是否存在睡眠区域,所述睡眠区域用于指示图像中平躺人形所在的区域;
S3、当图像中存在睡眠区域时,根据所述睡眠区域中的像素点建立背景模型,
S4、根据所述背景模型判断所述睡眠区域中像素点的类型,所述像素点的类型为前景点或背景点,
S5、判断前景点的个数是否小于预设值,
S6、当前景点的个数小于预设值时,开始计时,
S7、判断从计时开始在预设时间内前景点的个数是否持续小于预设值,
S8、当从计时开始在预设时间内前景点的个数持续小于预设值,确定人体处于睡眠状态,
S9、根据睡眠状态调节温度。
本发明公开了一种空调控制方法,所述方法包括:采集图像,所述图像中包括人形;根据卷积神经网络结构参数判断所述图像中是否存在睡眠区域,所述睡眠区域用于指示图像中平躺人形所在的区域;当图像中存在睡眠区域时,根据所述睡眠区域中的像素点建立背景模型,根据所述背景模型判断所述睡眠区域中像素点的类型,所述像素点的类型为前景点或背景点,判断前景点的个数是否小于预设值,当前景点的个数小于预设值时,开始计时,判断从计时开始在预设时间内前景点的个数是否持续小于预设值,当从计时开始在预设时间内前景点的个数持续小于预设值,确定人体处于睡眠状态,根据睡眠状态调节温度。通过本申请提供的空调控制方法,可自动识别人体是否处于睡眠状态,根据人体状态所需要的温度对室内温度进行调节,以满足人体不同状态下所需的温度。
在本发明实施例中,所述根据卷积神经网络结构参数确定所述图像中的睡眠区域前,所述方法还包括:
选取各种姿态的人形图片作为卷积神经网络结构参数进行深度学习。
图2为一个实施例中当前像素点的八邻域的结构示意图,图3为一个实施例中对当前像素点的八邻域进行20次随机抽样结果示意图,图4为一个实施例中对当前像素点与背景模型进行距离计算的原理示意图,图4中当当前像素点与背景模型中对比点之间的距离大于,当当前像素点与对比点之间的距离小于距离阈值时,得到输出值,输出值为1,当当前像素点与对比点之间的距离大于距离阈值时,得到结果值,结果值为0;图5为一个实施例中确定当前像素点为背景点的流程示意图,在本发明实施例中,参照图2-图5,所述根据所述睡眠区域中的像素点建立背景模型,步骤S3包括:
S31、获取所述睡眠区域中的任意一个像素点,作为当前像素点,
S32、对所述当前像素点的八邻域的像素点进行指定次数的随机抽样,得到当前像素点对应的对比点,多个所述对比点构成当前像素点对应的初始化背景模型;指定次数根据应用场景进行设定,此处设定为20次;
所述根据所述背景模型判断所述睡眠区域中像素点的类型,步骤S4包括:
S41、根据当前像素点与其初始化背景模型做距离计算,判断所述当前像素点与每一个对比点之间的距离是否大于距离阈值,
S42、当当前像素点与对比点之间的距离小于距离阈值时,得到输出值,输出值为1,
S43、判断输出值为1的个数是否大于个数阈值,
S431、当输出值为1的个数大于个数阈值时,确定当前像素点为背景点。
步骤S43后还包括:
S432、当输出值为1的个数小于或等于个数阈值时,确定当前像素点为前景点。
所述确定当前像素点为背景点后,所述方法还包括:
S4311、采用当前像素点随机替换初始化背景模型中一个对比点,更新初始化背景模型,得到更新后的背景模型;
S4312、将更新后的背景模型作为下一帧图像的背景模型,用于判断下一帧图像中的像素点是否为前景点。
图6为一个实施例中确定当前像素点为前景点的流程示意图,在本发明实施例中,参照图6,所述确定当前像素点为前景点后,所述方法还包括:
S4321、判断当前像素点作为前景点的次数是否大于次数阈值;
S4322、当当前像素点作为前景点的次数大于次数阈值时,将当前像素点随机替换初始化背景模型中一个对比点,更新初始化背景模型,得到更新后的背景模型;
S4323、将更新后的背景模型作为下一帧图像的背景模型,用于判断下一帧图像中的像素点是否为前景点。
图7为一个实施例中一种空调控制系统的结构示意图,在本发明实施例中,参照图7,本申请提供了一种空调控制系统,其特征在于,所述系统包括:
图像采集模块10,用于采集图像;
睡眠区域确定模块20,用于根据卷积神经网络结构参数判断所述图像中是否存在睡眠区域,所述睡眠区域用于指示图像中平躺人形所在的区域;
背景模型建立模块30,用于当图像中存在睡眠区域时,根据所述睡眠区域中的像素点建立背景模型,
前景点判断模块40,用于根据所述背景模型判断所述睡眠区域中像素点的类型,所述像素点的类型为前景点或背景点;
个数判断模块50,用于判断前景点的个数是否小于预设值;
计时模块60,用于当前景点的个数小于预设值时,开始计时;
计时判断模块70,用于判断从计时开始在预设时间内前景点的个数是否持续小于预设值,
睡眠状态确定模块80,用于当从计时开始在预设时间内前景点的个数持续小于预设值,确定人体处于睡眠状态;
温度调节模块90,用于根据睡眠状态调节温度。
本发明公开了一种空调控制系统,所述系统包括:图像采集模块10,用于采集图像;睡眠区域确定模块20,用于根据卷积神经网络结构参数判断所述图像中是否存在睡眠区域,所述睡眠区域用于指示图像中平躺人形所在的区域;背景模型建立模块30,用于当图像中存在睡眠区域时,根据所述睡眠区域中的像素点建立背景模型,前景点判断模块40,用于根据所述背景模型判断所述睡眠区域中像素点的类型,所述像素点的类型为前景点或背景点;个数判断模块50,用于判断前景点的个数是否小于预设值;计时模块60,用于当前景点的个数小于预设值时,开始计时;计时判断模块70,用于判断从计时开始在预设时间内前景点的个数是否持续小于预设值,睡眠状态确定模块80,用于当从计时开始在预设时间内前景点的个数持续小于预设值,确定人体处于睡眠状态;温度调节模块90,用于根据睡眠状态调节温度。通过本申请提供的空调控制系统自动识别人体是否处于睡眠状态,根据人体状态所需要的温度对室内温度进行调节,以满足人体不同状态下所需的温度。
在本发明实施例中,所述睡眠区域确定模块20包括:
学习单元,用于选取各种姿态的人形图片作为卷积神经网络结构参数进行深度学习。
在本发明实施例中,所述背景模型建立模块30包括:
获取单元,用于获取所述睡眠区域中的任意一个像素点,作为当前像素点;
初始化背景模型建立单元,用于对所述当前像素点的八邻域的像素点进行指定次数的随机抽样,得到当前像素点对应的对比点,多个所述对比点构成当前像素点对应的初始化背景模型;
所述前景点判断模块40包括:
计算单元,用于根据当前像素点与其初始化背景模型做距离计算,判断所述当前像素点与每一个对比点之间的距离是否大于距离阈值;
距离确定单元,用于当当前像素点与对比点之间的距离小于距离阈值时,得到输出值;
个数判断单元,用于判断输出值的个数是否大于个数阈值;
背景点确定单元,用于当输出值的个数大于个数阈值时,确定当前像素点为背景点。
所述前景点判断模块40还包括:
前景点确定单元,用于当输出值的个数小于或等于个数阈值时,确定当前像素点为前景点。
所述前景点判断模块40还包括:
第一背景模型更新单元,用于采用当前像素点随机替换初始化背景模型中一个对比点,更新初始化背景模型,得到更新后的背景模型;
第一重新判断单元,用于将更新后的背景模型作为下一帧图像的背景模型,用于判断下一帧图像中的像素点是否为前景点。
所述前景点判断模块40还包括:
检测单元,用于判断当前像素点作为前景点的次数是否大于次数阈值;
第二背景模型更新单元,当当前像素点作为前景点的次数大于次数阈值时,将当前像素点随机替换初始化背景模型中一个对比点,更新初始化背景模型,得到更新后的背景模型;
第二重新判断单元,用于将更新后的背景模型作为下一帧图像的背景模型,用于判断下一帧图像中的像素点是否为前景点。
在本发明实施例中,本申请提供了一种空调,包括如本申请前述的系统,所述系统用于实现如本申请前述的空调控制方法。
本发明公开了一种空调控制方法及系统,所述方法包括:采集图像,所述图像中包括人形;根据卷积神经网络结构参数判断所述图像中是否存在睡眠区域,所述睡眠区域用于指示图像中平躺人形所在的区域;当图像中存在睡眠区域时,根据所述睡眠区域中的像素点建立背景模型,根据所述背景模型判断所述睡眠区域中像素点的类型,所述像素点的类型为前景点或背景点,判断前景点的个数是否小于预设值,当前景点的个数小于预设值时,开始计时,判断从计时开始在预设时间内前景点的个数是否持续小于预设值,当从计时开始在预设时间内前景点的个数持续小于预设值,确定人体处于睡眠状态,根据睡眠状态调节温度。通过本申请提供的空调控制方法,可自动识别人体是否处于睡眠状态,根据人体状态所需要的温度对室内温度进行调节,以满足人体不同状态下所需的温度。
所述系统包括:图像采集模块10,用于采集图像;睡眠区域确定模块20,用于根据卷积神经网络结构参数判断所述图像中是否存在睡眠区域,所述睡眠区域用于指示图像中平躺人形所在的区域;背景模型建立模块30,用于当图像中存在睡眠区域时,根据所述睡眠区域中的像素点建立背景模型,前景点判断模块40,用于根据所述背景模型判断所述睡眠区域中像素点的类型,所述像素点的类型为前景点或背景点;个数判断模块50,用于判断前景点的个数是否小于预设值;计时模块60,用于当前景点的个数小于预设值时,开始计时;计时判断模块70,用于判断从计时开始在预设时间内前景点的个数是否持续小于预设值,睡眠状态确定模块80,用于当从计时开始在预设时间内前景点的个数持续小于预设值,确定人体处于睡眠状态;温度调节模块90,用于根据睡眠状态调节温度。通过本申请提供的空调控制系统自动识别人体是否处于睡眠状态,根据人体状态所需要的温度对室内温度进行调节,以满足人体不同状态下所需的温度。
本发明通过卷积神经网络结构参数自动识别采集图像中的平躺人形,用于确定睡眠区域,然后通过建立背景模型提取睡眠区域的前景点,在预设时间内前景点的个数小于预设值,代表前景点在睡眠区域中所占的面积比例小,则确定人体处于睡眠状态,根据人体的状态变化对室内温度进行调整,调整至人体睡眠状态下所需的温度。
图1为一个实施例中一种空调控制方法的流程示意图,图5为一个实施例中确定当前像素点为背景点的流程示意图,图6为一个实施例中确定当前像素点为前景点的流程示意图。应该理解的是,虽然图1、图5和图6的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1、图5和图6中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种空调控制方法,其特征在于,所述方法包括:
采集图像,所述图像中包括人形;
根据卷积神经网络结构参数判断所述图像中是否存在睡眠区域,所述睡眠区域用于指示图像中平躺人形所在的区域;
当图像中存在睡眠区域时,根据所述睡眠区域中的像素点建立背景模型,
根据所述背景模型判断所述睡眠区域中像素点的类型,所述像素点的类型为前景点或背景点,
判断前景点的个数是否小于预设值,
当前景点的个数小于预设值时,开始计时,
判断从计时开始在预设时间内前景点的个数是否持续小于预设值,
当从计时开始在预设时间内前景点的个数持续小于预设值,确定人体处于睡眠状态,
根据睡眠状态调节温度。
2.根据权利要求1所述的方法,其特征在于,所述根据卷积神经网络结构参数确定所述图像中的睡眠区域前,所述方法还包括:
选取各种姿态的人形图片作为卷积神经网络结构参数进行深度学习。
3.根据权利要求1所述的方法,其特征在于,所述根据所述睡眠区域中的像素点建立背景模型,包括:
获取所述睡眠区域中的任意一个像素点,作为当前像素点,
对所述当前像素点的八邻域的像素点进行指定次数的随机抽样,得到当前像素点对应的对比点,多个所述对比点构成当前像素点对应的初始化背景模型;
所述根据所述背景模型判断所述睡眠区域中像素点的类型,包括:
根据当前像素点与其初始化背景模型做距离计算,判断所述当前像素点与每一个对比点之间的距离是否大于距离阈值,
当当前像素点与对比点之间的距离小于距离阈值时,得到输出值,
判断输出值的个数是否大于个数阈值,
当输出值的个数大于个数阈值时,确定当前像素点为背景点。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
当输出值的个数小于或等于个数阈值时,确定当前像素点为前景点。
5.根据权利要求3所述的方法,其特征在于,所述确定当前像素点为背景点后,所述方法还包括:
采用当前像素点随机替换初始化背景模型中一个对比点,更新初始化背景模型,得到更新后的背景模型;
将更新后的背景模型作为下一帧图像的背景模型,用于判断下一帧图像中的像素点是否为前景点。
6.根据权利要求4所述的方法,其特征在于,所述确定当前像素点为前景点后,所述方法还包括:
判断当前像素点作为前景点的次数是否大于次数阈值;
当当前像素点作为前景点的次数大于次数阈值时,将当前像素点随机替换初始化背景模型中一个对比点,更新初始化背景模型,得到更新后的背景模型;
将更新后的背景模型作为下一帧图像的背景模型,用于判断下一帧图像中的像素点是否为前景点。
7.一种空调控制系统,其特征在于,所述系统包括:
图像采集模块,用于采集图像;
睡眠区域确定模块,用于根据卷积神经网络结构参数判断所述图像中是否存在睡眠区域,所述睡眠区域用于指示图像中平躺人形所在的区域;
背景模型建立模块,用于当图像中存在睡眠区域时,根据所述睡眠区域中的像素点建立背景模型,
前景点判断模块,用于根据所述背景模型判断所述睡眠区域中像素点的类型,所述像素点的类型为前景点或背景点;
个数判断模块,用于判断前景点的个数是否小于预设值;
计时模块,用于当前景点的个数小于预设值时,开始计时;
计时判断模块,用于判断从计时开始在预设时间内前景点的个数是否持续小于预设值,
睡眠状态确定模块,用于当从计时开始在预设时间内前景点的个数持续小于预设值,确定人体处于睡眠状态;
温度调节模块,用于根据睡眠状态调节温度。
8.根据权利要求7中所述的系统,其特征在于,所述睡眠区域确定模块包括:
学习单元,用于选取各种姿态的人形图片作为卷积神经网络结构参数进行深度学习。
9.根据权利要求7中所述的系统,其特征在于,所述背景模型建立模块包括:
获取单元,用于获取所述睡眠区域中的任意一个像素点,作为当前像素点;
初始化背景模型建立单元,用于对所述当前像素点的八邻域的像素点进行指定次数的随机抽样,得到当前像素点对应的对比点,多个所述对比点构成当前像素点对应的初始化背景模型;
所述前景点判断模块包括:
计算单元,用于根据当前像素点与其初始化背景模型做距离计算,判断所述当前像素点与每一个对比点之间的距离是否大于距离阈值;
距离确定单元,用于当当前像素点与对比点之间的距离小于距离阈值时,得到输出值;
个数判断单元,用于判断输出值的个数是否大于个数阈值;
背景点确定单元,用于当输出值的个数大于个数阈值时,确定当前像素点为背景点。
10.一种空调,其特征在于,包括如权利要求7-9中任一所述的系统,所述系统用于实现如权利要求1-6中任一所述的空调控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910741731.4A CN110864412B (zh) | 2019-08-12 | 2019-08-12 | 空调控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910741731.4A CN110864412B (zh) | 2019-08-12 | 2019-08-12 | 空调控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110864412A true CN110864412A (zh) | 2020-03-06 |
CN110864412B CN110864412B (zh) | 2021-02-12 |
Family
ID=69651975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910741731.4A Active CN110864412B (zh) | 2019-08-12 | 2019-08-12 | 空调控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110864412B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113520306A (zh) * | 2020-04-17 | 2021-10-22 | 青岛海尔空调器有限总公司 | 一种人体睡眠状态的监测方法和智能家居装置 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102122343A (zh) * | 2010-01-07 | 2011-07-13 | 索尼公司 | 躯干倾斜角度确定及姿势估计方法和装置 |
CN103150736A (zh) * | 2012-11-16 | 2013-06-12 | 佳都新太科技股份有限公司 | 一种基于视频监控的摄像机移动检测方法 |
CN104566793A (zh) * | 2014-12-17 | 2015-04-29 | 美的集团股份有限公司 | 空调器、空调器的控制方法及系统 |
CN104680521A (zh) * | 2015-02-06 | 2015-06-03 | 哈尔滨工业大学深圳研究生院 | 一种改进的背景建模及前景检测方法 |
CN105091207A (zh) * | 2014-05-22 | 2015-11-25 | 邯郸美的制冷设备有限公司 | 空调器及其检测装置和空调器的检测方法、控制方法 |
CN105258279A (zh) * | 2015-09-25 | 2016-01-20 | 四川长虹电器股份有限公司 | 一种空调控制方法及空调 |
CN105930778A (zh) * | 2016-04-14 | 2016-09-07 | 厦门理工学院 | 一种基于红外图像的夜间人体睡姿监测方法及系统 |
CN106780544A (zh) * | 2015-11-18 | 2017-05-31 | 深圳中兴力维技术有限公司 | 图像前景提取的方法和装置 |
CN107166645A (zh) * | 2017-05-18 | 2017-09-15 | 厦门瑞为信息技术有限公司 | 一种基于室内场景分析的空调控制方法 |
CN107421077A (zh) * | 2017-08-18 | 2017-12-01 | 青岛海尔空调器有限总公司 | 一种基于人体睡眠状态的空调器控制方法及空调器 |
CN107481256A (zh) * | 2016-06-08 | 2017-12-15 | 安讯士有限公司 | 用于更新背景模型的方法和装置 |
CN107967684A (zh) * | 2017-12-11 | 2018-04-27 | 深圳大学 | 非接触式睡眠呼吸检测方法和装置 |
CN108852362A (zh) * | 2018-03-29 | 2018-11-23 | 广东美的制冷设备有限公司 | 睡眠状态的检测方法、装置、空调器及可读存储介质 |
CN109472226A (zh) * | 2018-10-29 | 2019-03-15 | 上海交通大学 | 一种基于深度学习的睡觉行为检测方法 |
CN110345610A (zh) * | 2019-07-23 | 2019-10-18 | 珠海格力电器股份有限公司 | 空调器的控制方法及装置、空调设备 |
-
2019
- 2019-08-12 CN CN201910741731.4A patent/CN110864412B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102122343A (zh) * | 2010-01-07 | 2011-07-13 | 索尼公司 | 躯干倾斜角度确定及姿势估计方法和装置 |
CN103150736A (zh) * | 2012-11-16 | 2013-06-12 | 佳都新太科技股份有限公司 | 一种基于视频监控的摄像机移动检测方法 |
CN105091207A (zh) * | 2014-05-22 | 2015-11-25 | 邯郸美的制冷设备有限公司 | 空调器及其检测装置和空调器的检测方法、控制方法 |
CN104566793A (zh) * | 2014-12-17 | 2015-04-29 | 美的集团股份有限公司 | 空调器、空调器的控制方法及系统 |
CN104680521A (zh) * | 2015-02-06 | 2015-06-03 | 哈尔滨工业大学深圳研究生院 | 一种改进的背景建模及前景检测方法 |
CN105258279A (zh) * | 2015-09-25 | 2016-01-20 | 四川长虹电器股份有限公司 | 一种空调控制方法及空调 |
CN106780544A (zh) * | 2015-11-18 | 2017-05-31 | 深圳中兴力维技术有限公司 | 图像前景提取的方法和装置 |
CN105930778A (zh) * | 2016-04-14 | 2016-09-07 | 厦门理工学院 | 一种基于红外图像的夜间人体睡姿监测方法及系统 |
CN107481256A (zh) * | 2016-06-08 | 2017-12-15 | 安讯士有限公司 | 用于更新背景模型的方法和装置 |
CN107166645A (zh) * | 2017-05-18 | 2017-09-15 | 厦门瑞为信息技术有限公司 | 一种基于室内场景分析的空调控制方法 |
CN107421077A (zh) * | 2017-08-18 | 2017-12-01 | 青岛海尔空调器有限总公司 | 一种基于人体睡眠状态的空调器控制方法及空调器 |
CN107967684A (zh) * | 2017-12-11 | 2018-04-27 | 深圳大学 | 非接触式睡眠呼吸检测方法和装置 |
CN108852362A (zh) * | 2018-03-29 | 2018-11-23 | 广东美的制冷设备有限公司 | 睡眠状态的检测方法、装置、空调器及可读存储介质 |
CN109472226A (zh) * | 2018-10-29 | 2019-03-15 | 上海交通大学 | 一种基于深度学习的睡觉行为检测方法 |
CN110345610A (zh) * | 2019-07-23 | 2019-10-18 | 珠海格力电器股份有限公司 | 空调器的控制方法及装置、空调设备 |
Non-Patent Citations (1)
Title |
---|
杨磊: "《网络视频监控技术》", 30 September 2017 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113520306A (zh) * | 2020-04-17 | 2021-10-22 | 青岛海尔空调器有限总公司 | 一种人体睡眠状态的监测方法和智能家居装置 |
CN113520306B (zh) * | 2020-04-17 | 2024-03-22 | 青岛海尔空调器有限总公司 | 一种人体睡眠状态的监测方法和智能家居装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110864412B (zh) | 2021-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107883541B (zh) | 空调控制方法及装置 | |
CN110929566B (zh) | 基于可见光和近红外双目摄像头的人脸活体检测方法 | |
CN105380575A (zh) | 扫地机器人的控制方法、系统、云服务器和扫地机器人 | |
CN105554439A (zh) | 视频处理所使用的至少一个参数的修改 | |
CN109945438B (zh) | 空调器的控制方法、装置和空调器 | |
CN110864412B (zh) | 空调控制方法及系统 | |
CN107560083B (zh) | 空调控制方法、装置及系统 | |
CN105376524B (zh) | 影像画面的模糊侦测方法、监视装置及监视系统 | |
JP2009103328A (ja) | 空気調和装置 | |
CN113432286B (zh) | 用于空调的控制方法及控制装置、空调 | |
CN111219845A (zh) | 一种温度控制方法、装置、存储介质及空调 | |
JP5010670B2 (ja) | 空調制御装置、空調制御方法及び輻射温度計測装置 | |
CN105469054B (zh) | 正常行为的模型构建方法及异常行为的检测方法 | |
CN112944620A (zh) | 一种空调控制方法、装置、存储介质及空调 | |
CN112327645A (zh) | 用于家电设备的控制方法、装置及家电设备 | |
JP3603715B2 (ja) | 測距装置および該測距装置を備えたカメラ | |
CN106204743A (zh) | 一种增强现实功能的控制方法、装置及移动终端 | |
KR101924715B1 (ko) | 디바이스 제어를 위한 적외선 시그널링의 자동 설정을 가능하게 하는 기법 | |
CN106778901A (zh) | 室内物品遗落提示方法及装置 | |
CN111158258A (zh) | 一种环境监测方法和系统 | |
CN111212226A (zh) | 对焦拍摄方法和装置 | |
CN111240217B (zh) | 状态检测方法、装置、电子设备及存储介质 | |
EP4242540A1 (en) | Home appliance and control method thereof | |
CN107153358B (zh) | 家用设备的控制方法、装置以及系统 | |
CN108758985B (zh) | 空调显示屏亮度控制方法及空调器 |
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 |