CN110925968B - 空调控制方法、装置及空调 - Google Patents

Abstract

本发明公开了一种空调控制方法、装置及空调。其中，该方法包括：获取人流量的图像信息；将图像信息输入预测模型，由预测模型输出人流量预测结果，其中，预测模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：图像信息和图像信息对应的预测结果，预测结果包括人流量在之后一段时间内的变化情况；根据预测结果对空调进行控制。本发明解决了现有技术中空调无法根据场馆内人流量自适应调节控制参数的技术问题。

Description

空调控制方法、装置及空调

技术领域

本发明涉及空调控制领域，具体而言，涉及一种空调控制方法、装置及空调。

背景技术

空调作为商场或大型展览馆的必备电器，其耗电性能极大的影响着场馆的整体用电情况。而现在空调大多是由场馆工作人员根据场馆内温度进行人工调节，而不能根据场馆内人数预测情况，提前设定不同时段的控制模式。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种空调控制方法、装置及空调，以至少解决现有技术中空调无法根据场馆内人流量自适应调节控制参数的技术问题。

根据本发明实施例的一个方面，提供了一种空调控制方法，包括：获取人流量的图像信息；将所述图像信息输入预测模型，由预测模型输出人流量预测结果，其中，所述预测模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：图像信息和所述图像信息对应的预测结果，所述预测结果包括人流量在之后一段时间内的变化情况；根据所述预测结果对空调进行控制。

可选地，所述图像信息包括多个不同时段的人流量的图像信息。

可选地，获取人流量的图像信息包括：确定人流量超过一定流量阈值的主要通道作为图像采集点；在所述图像采集点采集多个不同时段的人流量的图像信息。

可选地，在所述图像采集点采集多个不同时段的人流量的图像信息包括：通过设置在所述主要通道的摄像头采集所述图像信息。

可选地，在所述图像采集点采集多个不同时段的人流量的图像信息包括：根据所述主要通道所在的区域，对所述图像采集点进行分组；同一组的图像采集点，通过同一个预测模型进行人流量预测，其中，所述预测模型由所述同一组的图像采集点的图像信息和所述图像信息对应的预测结果进行训练得到。

可选地，所述预测模型包括长短期记忆网络。

可选地，根据所述预测结果对空调进行控制包括：根据所述预测结果确定与所述预测结果对应的之后一段时间内的空调运行参数；按照之后一段时间内的所述空调运行参数对空调进行控制。

根据本发明实施例的另一方面，还提供了一种空调控制装置，包括：获取模块，用于获取人流量的图像信息；预测模块，用于将所述图像信息输入预测模型，由预测模型输出人流量预测结果，其中，所述预测模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：图像信息和所述图像信息对应的预测结果，所述预测结果包括人流量在之后一段时间内的变化情况；控制模块，用于根据所述预测结果对空调进行控制。

根据本发明实施例的另一方面，还提供了一种存储介质，包括：所述存储介质存储有程序指令，其中，在所述程序指令运行时控制所述存储介质所在设备执行上述中任意一项所述的方法。

根据本发明实施例的另一方面，还提供了一种处理器，包括：所述处理器用于运行程序，其中，所述程序运行时执行上述中任意一项所述的方法。

根据本发明实施例的另一方面，还提供了一种空调，包括上述中所述的空调控制装置。

在本发明实施例中，采用获取人流量的图像信息；将所述图像信息输入预测模型，由预测模型输出人流量预测结果，其中，所述预测模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：图像信息和所述图像信息对应的预测结果，所述预测结果包括人流量在之后一段时间内的变化情况；根据所述预测结果对空调进行控制的方式，通过预测模型识别人流量的图像信息，达到了准确预测人流量的目的，从而实现了根据人流量自动调节空调运行状态的技术效果，进而解决了现有技术中空调无法根据场馆内人流量自适应调节控制参数的技术问题。

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空调控制方法的流程图；

图2是根据本发明实施例的一种空调控制装置的结构示意图。

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。

根据本发明实施例，提供了一种空调控制方法的实施例，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一种空调控制方法的流程图，如图1所示，该方法包括如下步骤：

步骤S102，获取人流量的图像信息；

步骤S104，将图像信息输入预测模型，由预测模型输出人流量预测结果，其中，预测模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：图像信息和图像信息对应的预测结果，预测结果包括人流量在之后一段时间内的变化情况；

步骤S106，根据预测结果对空调进行控制。

在本发明实施例中，采用获取人流量的图像信息；将图像信息输入预测模型，由预测模型输出人流量预测结果，其中，预测模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：图像信息和图像信息对应的预测结果，预测结果包括人流量在之后一段时间内的变化情况；根据预测结果对空调进行控制的方式，通过预测模型识别人流量的图像信息，达到了准确预测人流量的目的，从而实现了根据人流量自动调节空调运行状态的技术效果，进而解决了现有技术中空调无法根据场馆内人流量自适应调节控制参数的技术问题。

在获取人流量的图像信息时，其中，图像信息包括时间信息和空间信息，具体地，也就是获取人流量的图像的时间以及位置，能够准确了解图像中该时间、该位置的人流量信息。

将图像信息输入预测模型，进而由预测模型输出人流量预测结果，其中，预测模型训练时，将历史流量数据作为训练数据，对场馆内相关主要通道进行相关性聚类，以不同区域为标识分成若干组，并在数据预处理阶段同时利用时间信息和空间信息，以提高预测精度。因此，通过上述预测模型可以准确地预测输入的图像信息对应的预测结果，也就是人流量在之后一段时间内的变化情况。

在根据预测结果对空调进行控制时，空调可以根据人流量在之后一段时间内的变化情况进行自适应调节控制，也即空调的调节会随着人流量的变化而变化。例如，将预测的不同时段人流量用来确定未来各时段的空调调节参数，进而使空调能够提前设定各时段的调节参数，避免了工作人员每天多次调整空调参数，又达到了节能省电的目的。

可选地，图像信息包括多个不同时段的人流量的图像信息。

在图像信息中包括时间信息，其中，该时间信息为采集图像信息的时间间隔，上述的图像信息可以是连续采集的图像信息，也可以是基于预设时间点或者时间段采集的图像信息。具体的采集时间间隔可以根据实际情况设定，也可以采取系统默认的设定。例如，大型场馆的开闭馆时间为早上9:00至下午17：00，根据以往该场馆的人员流动情况，人员的进出高峰主要集中在10:00至11:00，以及16:00至17:00，在进行图像采集时，人员的进出高峰时段的采集频率要明显高于其他时间段。再例如，大型场馆的人员进出比较均衡时，也就是不会出现人流量较大的高峰，此时可以设置时间进行图像信息的采集，如每隔10分钟或者30分钟等采集一次。由于采集的图像信息中包括多个不同时间段的人流量的图像信息，能够充分反映该时间段人员的流动情况，使得空调做出相应的调节以适应人流量。

可选地，获取人流量的图像信息包括：确定人流量超过一定流量阈值的主要通道作为图像采集点；在图像采集点采集多个不同时段的人流量的图像信息。

一般情况下，人流量较大的场所的人员相对集中的区域也是固定的，例如进入场馆的出入口出，楼层之间的电梯及楼梯处，都是人员进出场馆主要活动区域。由于上述主要活动区域的人流量超过一定流量阈值，可以将其视为主要通道。若要获取准确的人流量信息就要在主要通道处设置摄像头，作为图像采集点。然后，在图像采集点采集多个不同时段的人流量信息的图像信息。需要说明的是，确定人流量超过一定流量阈值的主要通道作为图像采集点，实际上就是确定采集图像信息的空间信息，即在场所的某一位置人流量的变化情况，将图像信息中的时间信息与空间信息结合起来，以提高人流量的预测精度。

可选地，在图像采集点采集多个不同时段的人流量的图像信息包括：通过设置在主要通道的摄像头采集图像信息。

在图像采集点采集多个不同时间短的人流量的图像信息时，主要是在该采集点所在的主要通道安装摄像头，然后由该摄像头采集图像信息。需要说明的是，主要通道为人员进出的主要活动区域，可以是电梯口、楼道以及休息区等人员相对密集的区域，还可以是人员进入的等候区或人员离场区等。通过设置主要通道的摄像头采集图像信息，能够准确的了解人员的流动情况，提高人员流动的预测精度，进而大大提升空调调节的准确度。

可选地，在图像采集点采集多个不同时段的人流量的图像信息包括：根据主要通道所在的区域，对图像采集点进行分组；同一组的图像采集点，通过同一个预测模型进行人流量预测，其中，预测模型由同一组的图像采集点的图像信息和图像信息对应的预测结果进行训练得到。

在图像采集点采集多个不同时段的人流量的图像信息时，需要对图像采集点进行分组，将主要通道所在的区域一致的分为一组，再将同一组的图像采集点采集的图像信息输入同一预测模型，进而实现人流量预测。其中，由于主要通道所在的区域其图像采集点能够客观、准确地反映该区域的人流量的变化情况，通过分组方式对同一组的图像采集点采集的图像信息进行同一处理，也即是通过同一个预测模型进行人流量预测，使得人流量的预测更加客观、准确。

可选地，该预测模型包括长短期记忆网络。

在本发明的实施例中，长短期记忆网络用于提取不同位置、不同时间段的人流量，进而对未来一段时间内的人流量进行预测。需要说明的是，由于上述预测模型在训练时，将历史流量数据作为训练数据，对场馆内相关主要通道进行相关性聚类，以不同区域为标识分成若干组，并在数据预处理阶段同时利用时间信息和空间信息，以提高预测精度。

可选地，根据预测结果对空调进行控制包括：根据预测结果确定与预测结果对应的之后一段时间内的空调运行参数；按照之后一段时间内的空调运行参数对空调进行控制。

在根据预测结果对空调进行控制时，预测结果为人流量在之后一段时间内的变化情况，相应地，根据上述预测结果进一步确定之后一段时间内的空调的运行参数。需要说明的是，空调的运行参数包括运转模式、风速/风向等，其中，运转模式包括自动运转、冷气、除湿、暖气，风速/风向包括改变风速(弱、中、强)，改变风向。还可以包括空调的额定功率、制冷功率、制热功率等。进而，通过改变上述空调的运行参数来实现对空调的控制。

图2是根据本发明实施例的一种空调控制装置的结构示意图；如图2所示，该空调控制装置20，包括：获取模块22，预测模块24和控制模块26。下面对该空调控制装置20进行详细说明。

获取模块22，用于获取人流量的图像信息；预测模块24，与上述获取模块22连接，用于将图像信息输入预测模型，由预测模型输出人流量预测结果，其中，预测模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：图像信息和图像信息对应的预测结果，预测结果包括人流量在之后一段时间内的变化情况；控制模块26，与上述预测模块24连接，用于根据预测结果对空调进行控制。

在本发明实施例中，采用获取人流量的图像信息；将图像信息输入预测模型，由预测模型输出人流量预测结果，其中，预测模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：图像信息和图像信息对应的预测结果，预测结果包括人流量在之后一段时间内的变化情况；根据预测结果对空调进行控制的方式，通过预测模型识别人流量的图像信息，达到了准确预测人流量的目的，从而实现了根据人流量自动调节空调运行状态的技术效果，进而解决了现有技术中空调无法根据场馆内人流量自适应调节控制参数的技术问题。

根据本发明实施例的另一方面，还提供了一种存储介质，包括：存储介质存储有程序指令，其中，在程序指令运行时控制存储介质所在设备执行上述中任意一项的方法。

根据本发明实施例的另一方面，还提供了一种处理器，包括：处理器用于运行程序，其中，程序运行时执行上述中任意一项的方法。

根据本发明实施例的另一方面，还提供了一种空调，包括上述中的空调控制装置。

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 (8)

1.一种空调控制方法，其特征在于，包括：

获取人流量的图像信息；

将所述图像信息输入预测模型，由预测模型输出人流量预测结果，其中，所述预测模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：图像信息和所述图像信息对应的预测结果，所述预测结果包括人流量在之后一段时间内的变化情况；

根据所述预测结果对空调进行控制；

所述图像信息包括多个不同时段的人流量的图像信息；

获取人流量的图像信息包括：确定人流量超过一定流量阈值的主要通道作为图像采集点；在所述图像采集点采集多个不同时段的人流量的图像信息；

在所述图像采集点采集多个不同时段的人流量的图像信息包括：根据所述主要通道所在的区域，对所述图像采集点进行分组；同一组的图像采集点，通过同一个预测模型进行人流量预测，其中，所述预测模型由所述同一组的图像采集点的图像信息和所述图像信息对应的预测结果进行训练得到。

2.根据权利要求1所述的方法，其特征在于，在所述图像采集点采集多个不同时段的人流量的图像信息包括：

通过设置在所述主要通道的摄像头采集所述图像信息。

3.根据权利要求1所述的方法，其特征在于，所述预测模型包括长短期记忆网络。

4.根据权利要求1所述的方法，其特征在于，根据所述预测结果对空调进行控制包括：

根据所述预测结果确定与所述预测结果对应的之后一段时间内的空调运行参数；

按照之后一段时间内的所述空调运行参数对空调进行控制。

5.一种空调控制装置，其特征在于，包括：

获取模块，用于获取人流量的图像信息；

预测模块，用于将所述图像信息输入预测模型，由预测模型输出人流量预测结果，其中，所述预测模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：图像信息和所述图像信息对应的预测结果，所述预测结果包括人流量在之后一段时间内的变化情况；

控制模块，用于根据所述预测结果对空调进行控制；

所述图像信息包括多个不同时段的人流量的图像信息；

获取人流量的图像信息包括：确定人流量超过一定流量阈值的主要通道作为图像采集点；在所述图像采集点采集多个不同时段的人流量的图像信息；

在所述图像采集点采集多个不同时段的人流量的图像信息包括：根据所述主要通道所在的区域，对所述图像采集点进行分组；同一组的图像采集点，通过同一个预测模型进行人流量预测，其中，所述预测模型由所述同一组的图像采集点的图像信息和所述图像信息对应的预测结果进行训练得到。

6.一种存储介质，其特征在于，所述存储介质存储有程序指令，其中，在所述程序指令运行时控制所述存储介质所在设备执行权利要求1至4中任意一项所述的方法。

7.一种处理器，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4中任意一项所述的方法。

8.一种空调，其特征在于，包括权利要求6所述的空调控制装置。

Images