CN110925969B - 一种空调控制方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请涉及一种空调控制方法、装置、电子设备及存储介质，该方法包括：通过接收的回波信号获取预设范围内的点云数据，对所述点云数据进行分析得到预设类型的目标对象，并确定所述目标对象的对象信息，通过所述对象信息确定空调的目标运行参数，根据所述目标运行参数控制所述空调运行。该技术方案通过雷达的回波信号确定与预设范围内的目标对象的对象信息，相比图像采集更具有安全性，不易侵犯用户隐私，同时通过对象信息控制空调的运行参数不需要用户手动控制，更加智能化，并且也增加了用户的体验效果。

Description

一种空调控制方法、装置、电子设备及存储介质

技术领域

本申请涉及智能家居领域，尤其涉及一种空调控制方法、装置、电子设备及存储介质。

背景技术

随着互联网技术的发展，智能化的空调越来越普及，对于多人共用的空调，比如家用空调，用户需要根据当前室内的人员情况手动对空调的运行参数进行调节，比如有小孩，老人时，温度不宜太低；当客厅没人的时候，需要及时关闭空调；当客厅有客人来访时，如果天气热需要及时开启空调。这些操作都比较繁琐，给用户增加了不少工作量。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种空调控制方法、装置、电子设备及存储介质。

第一方面，本申请提供了一种空调控制方法，所述方法包括：

基于接收的回波信号获取预设范围内的点云数据；

对所述点云数据进行分析得到预设类型的目标对象，并确定所述目标对象的对象信息；

通过所述对象信息确定空调的目标运行参数；

根据所述目标运行参数控制所述空调运行。

在一个可能的实施方式中，所述对所述点云数据进行分析得到预设类型的目标对象，包括：

根据所述点云数据确定数据点集合；

对所述数据点集合中的所有数据点进行聚类得到所述预设范围内的聚类对象。

在一个可能的实施方式中，所述对所述点云数据进行分析得到预设类型的目标对象，还包括：

根据点云数据获取所述聚类对象的特征信息；

基于所述特征信息选择符合所述预设类型的聚类对象作为目标对象；

其中，所述特征信息至少包括以下一项：躯干带宽，质心，总带宽，频率，周期或偏移量。

在一个可能的实施方式中，所述确定所述目标对象的对象信息，包括：

基于跟踪算法对所述目标对象进行跟踪；

获取所述目标对象的对象信息。

在一个可能的实施方式中，所述目标对象的对象信息包括以下至少一项：

所述目标对象的数量，所述目标对象的位置、所述目标对象的状态、所述目标对象的轮廓特征，以及所述目标对象与所述空调的距离。

在一个可能的实施方式中，所述根据所述对象信息确定空调的目标运行参数，包括：

获取所述空调的历史运行记录；

从所述历史运行记录确定所述对象信息对应的第一候选运行参数；

确定所述第一候选运行参数在所述历史运行记录出现的第一概率；

根据所述第一概率从所述第一候选运行参数中确定所述目标运行参数。

在一个可能的实施方式中，所述通过所述对象信息确定空调的目标运行参数，包括:

获取所述空调的历史运行记录；

根据所述历史运行记录计算所述空调各个运行参数的第二概率；

将所述第二概率大于或等于预设阈值的运行参数作为推荐运行参数；

从所述推荐运行参数中确定所述对象信息对应的第二候选运行参数；

确定所述第二候选运行参数在所述推荐运行参数中出现的第三概率；

根据所述第三概率从所述第二候选运行参数中确定所述目标运行参数。

第二方面，本申请提供了一种空调控制装置，所述装置包括：

获取模块，用于根据接收到回波信号获取预设范围内的点云数据；

分析模块，用于对所述点云数据进行分析得到预设类型的目标对象，并确定所述目标对象的对象信息；

确定模块，用于通过所述对象信息确定空调的目标运行参数；

控制模块，用于通过所述目标运行参数控制对所述空调进行控制。

第三方面，本申请提供了一种电子设备，包括：处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

所述存储器，用于存放计算机程序；

所述处理器，用于执行计算机程序时，实现上述方法步骤。

第四方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述方法步骤。

本申请实施例提供的上述技术方案与现有技术相比具有如下优点：本申请通过雷达的回波信号确定与预设范围内的目标对象的对象信息，相比图像采集更具有安全性，不易侵犯用户隐私，同时通过对象信息控制空调的运行参数不需要用户手动控制，更加智能化，并且也增加了用户的体验效果。

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为本申请实施例提供的一种空调控制方法的流程图；

图2为本申请实施例提供的毫米波雷达监测的空间示意图；

图3为本申请另一实施例提供的一种空调控制方法的流程图；

图4为本申请另一实施例提供的一种空调控制方法的流程图；

图5为本申请实施例提供的一种空调控制装置的框图；

图6为本申请实施例提供的一种电子设备的结构示意图。

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。

本申请提供了一种空调控制方法、装置、电子设备及存储介质，本发明实施例所提供的方法可以应用于任意需要的电子设备，例如，可以为服务器、终端等电子设备，在此不做具体限定，为描述方便，后续简称为电子设备。下面首先对本发明实施例所提供的一种空调的控制方法进行介绍。

图1为本申请实施例提供的一种空调控制方法的流程图。如图1所示，该方法包括以下步骤：

步骤S11，根据接收的回波信号获取预设范围内的点云数据；

步骤S12，对点云数据进行分析得到预设类型的目标对象，并确定目标对象的对象信息；

步骤S13，根据对象信息确定空调的目标运行参数；

步骤S14，通过目标运行参数控制所述空调运行。

随着人工智能技术的发展，雷达技术相结合的研究成为一个重要的发展方向。将雷达作为一种新的输入设备，通过智能算法实现人机交互。本实施例将毫米波雷达信号技术运用于空调的智能控制上面，通过毫米波雷达技术检测特定区域中的人的情况,获取房间人员信息。相比摄像头，采用毫米雷达波采集数据不易侵犯用户的隐私。

图2为本申请实施例提供的毫米波雷达监测的空间示意图，如图2所示，毫米波雷达可以扫描它前方的矩形区域，其中，在靠近雷达位置有盲区，即图中虚线包围区域。之后通过毫米波雷达芯片向房间发射电磁波雷达信号，电磁波在空间中遇到物体后，给雷达反馈回波信号。

本实施例中，在接收到回波信号后，将回波信号输入低通滤波器进行滤波，之后再将回波信号转换为数字信号，并使用傅里叶变换进行频谱分析得到频谱信息，根据频谱信息得到预设范围内的物体相对于雷达装置的距离、方位角、仰角。再根据前后相邻两帧数据的相位差，利用多普勒效应原理，计算出物体的径向速度，之后使用恒虚警率得到信噪比。以此经过对回波信号进行一系列处理后得到预设范围内点云数据，并根据点云数据得到数据点集合。

对数据点集合中所有的数据点进行聚类得到预设范围内的聚类对象，本申请提供的聚类方法为：从数据点集合中选取目标点执行以下步骤，直至数据点集合中的所有数据点被选取完毕；

计算目标点与数据点集合中除目标点以外任一数据点的第一距离，当距离小于或等于第一预设阈值时，确定该数据点为有效数据点，计算目标点与任一有效数据点的第二距离，计算第二距离的第一加权和，根据第一加权和确定符合预设条件的第二加权和，获取第二加权和对应的有效数据点集合，有效数据点集合的中心点为目标点。

通过上述方法对数据点集合中的所有数据点进行聚类得到了预设范围内的所有聚类对象，之后根据每一个聚类对象的点云数据计算出该聚类对象的特征信息，特征信息至少包括以下一项：躯干带宽，质心，总带宽，频率，周期或偏移量。

本实施例中将特征信息输入训练好的支持向量机中进行分类，将预设类型的聚类对象作为目标对象。其中，支持向量机是使用多组数据通过机器学习训练得出的，多组数据包括第一类数据和第二类数据，第一类数据中的每组数据中包括：聚类对象的特征信息和标识该特征信息属于预设类型聚类对象的标签，第二类数据中的每组数据均包括：聚类对象的特征信息和标识该特征信息不属于预设类型聚类对象的标签。在此需要说明的是本实施例中的目标对象以人为例。

对当前的聚类对象进行分类得到目标对象后，对目标对象添加标识信息，并根据跟踪算法对目标对象进行跟踪定位，从而确定对象信息。对象信息包括以下至少一项：目标对象的数量，目标对象的位置、目标对象的状态、目标对象的轮廓特征，以及目标对象与所空调的距离。本实施例采用的跟踪算法为卡尔曼滤波跟踪算法。

此外，还能够判断是否有儿童，由于儿童的轮廓特征与成年人不同，所以可以根据轮廓信息确定预设范围内是否存在儿童，或者根据目标对象的状态判断目标对象在休息还是在运动。之后通过对象信息确定空调的目标运行参数，并根据目标运行参数控制空调运行。

图3为本申请另一实施例提供的一种空调控制方法的流程图。如图3所示，

步骤S31、获取空调的历史运行记录；

步骤S32、从历史运行记录确定对象信息对应的第一候选运行参数；

步骤S33、确定第一候选运行参数在历史运行记录出现的第一概率；

步骤S34、根据第一概率从所述第一候选运行参数中确定目标运行参数。

本实施例中，在得到当前预设范围内的目标对象信息后，向服务器发送请求，获取空调的历史运行记录，从历史运行记录中确定对象信息对应的第一候选运行参数，比如对象信息为3个人，从历史记录中获取对象信息为3人的第一候选运行参数为制冷模式26℃和除湿模式27℃。之后确定制冷模式26℃和除湿模式27℃在历史运行记录中的出现的第一概率，将第一概率最大的第一候选运行参数作为目标运行参数。

图4为本申请另一实施例提供的一种空调控制方法的流程图，如图4所示，该方法还包括以下步骤：

步骤S41，获取空调的历史运行记录；

步骤S42，根据历史运行记录计算空调各个运行参数的第二概率；

步骤S43，将第二概率大于或等于预设阈值的运行参数作为推荐运行参数；

步骤S44，从推荐运行参数中确定对象信息对应的第二候选运行参数；

步骤S45，确定所述第二候选运行参数在推荐运行参数中出现的第三概率；

步骤S46，根据第三概率从第二候选运行参数中确定目标运行参数。

本实施例中，在得到当前预设范围内的目标对象信息后，向服务器发送请求，获取空调的历史运行记录，根据历史运行记录计算出空调各个运行参数的第一使用概率，运行参数可以是用户设定的一些参数，比如模式、风速、灯光、辅热、睡眠模式、设定温度、上下扫风、左右扫风、定时、定时时间、干燥、自动清洁、健康、换气、语音、室内环境温度、设定风档等。

比如：空调共有5次使用记录，其中包括1次制冷模式，温度为26℃，对应的目标对象为2人；2次除湿模式，温度为28℃，2次除湿模式对应的目标对象均为3人；2次自动模式，温度为27℃，2次自动模式中对应的一次目标对象为2人，另一次的目标对象为3人。

由此可以计算出制冷模式26℃第二概率为1/5，除湿模式28℃的第二概率为2/5，自动模式27℃的第二概率为2/5。其中预设阈值为2/5，由于湿模式28℃与自动模式27℃对应的第二概率等于预设阈值，所以将除湿模式28℃与自动模式27℃作为推荐运行参数。

之后从推荐运行参数中确定对象信息对应的第二候选运行参数，比如预设范围内当前目标对象的数量为3人，则除湿模式28℃的出现第三概率为2/3，则除湿模式28℃的最终概率为第三概率与第二概率相乘，其结果为4/15，自动模式27℃出现的第三概率为1/3，则自动模式27℃的最终概率为第三概率与第二概率相乘，其结果为2/15，将最终概率最大的运行参数作为目标运行参数，所以目标运行参数为除湿模式28℃。

本实施例中，除根据目标对象的对象信息控制空调的运行参数外，还可以根据室外温度、天气等预设条件因素对空调的运行参数作进一步的优化，比如：可以根据当前的室外温度，以及当前时间对目标运行参数作进一步的调整，比如根据历史运行记录统计对象信息对应的使用时间，结合当前时间，给用户推送更合适的运行参数。

图5为本申请实施例提供的一种空调控制装置的框图，该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图5所示，该空调控制装置包括：

获取模块501，用于根据接收到回波信号获取预设范围内的点云数据；

分析模块502，用于对点云数据进行分析得到预设类型的目标对象，并确定目标对象的对象信息；

确定模块503，用于通过对象信息确定空调的目标运行参数；

控制模块504，用于通过目标运行参数控制对空调进行控制。

本申请实施例还提供一种电子设备，如图6所示，电子设备可以包括：处理器1501、通信接口1502、存储器1503和通信总线1504，其中，处理器1501，通信接口1502，存储器1503通过通信总线1504完成相互间的通信。

存储器1503，用于存放计算机程序；

处理器1501，用于执行存储器1503上所存放的计算机程序时，实现以上实施例的步骤。

上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口用于上述电子设备与其他设备之间的通信。

存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(DigitalSignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

本申请还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以下步骤：

基于接收的回波信号获取预设范围内的点云数据；

对点云数据进行分析得到预设类型的目标对象，并确定目标对象的对象信息；

通过对象信息确定空调的目标运行参数；

根据目标运行参数控制所述空调运行。

可选的，该计算机程序被处理器执行时还实现以下步骤：

对点云数据进行分析得到预设类型的目标对象，包括：

根据点云数据确定数据点集合；

对数据点集合中的所有数据点进行聚类得到预设范围内的聚类对象。

可选的，该计算机程序被处理器执行时还实现以下步骤：

对点云数据进行分析得到预设类型的目标对象，还包括：

根据点云数据获取聚类对象的特征信息；

基于特征信息选择符合预设类型的聚类对象作为目标对象；

其中，特征信息至少包括以下一项：躯干带宽，质心，总带宽，频率，周期或偏移量。

可选的，该计算机程序被处理器执行时还实现以下步骤：

确定所述目标对象的对象信息，包括：

基于跟踪算法对所述目标对象进行跟踪；

获取目标对象的对象信息。

可选的，该计算机程序被处理器执行时还实现以下步骤：

目标对象的对象信息包括以下至少一项：

目标对象的数量，目标对象的位置、目标对象的状态、目标对象的轮廓特征，以及目标对象与所述空调的距离。

可选的，该计算机程序被处理器执行时还实现以下步骤：

根据对象信息确定空调的目标运行参数，包括：

获取空调的历史运行记录；

从历史运行记录确定对象信息对应的第一候选运行参数；

确定第一候选运行参数在历史运行记录出现的第一概率；

根据第一概率从第一候选运行参数中确定所述目标运行参数。

可选的，该计算机程序被处理器执行时还实现以下步骤：

通过对象信息确定空调的目标运行参数，包括:

获取空调的历史运行记录；

根据历史运行记录计算空调各个运行参数的第二概率；

将第二概率大于或等于预设阈值的运行参数作为推荐运行参数；

从推荐运行参数中确定对象信息对应的第二候选运行参数；

确定所述第二候选运行参数在推荐运行参数中出现的第三概率；

根据第三概率从第二候选运行参数中确定目标运行参数。

需要说明的是，对于上述装置、电子设备及计算机可读存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

进一步需要说明的是，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 (9)

1.一种空调控制方法，其特征在于，包括：

基于接收的回波信号获取预设范围内的点云数据；

对所述点云数据进行分析得到预设类型的目标对象，并确定所述目标对象的对象信息；

通过所述对象信息确定空调的目标运行参数；

根据所述目标运行参数控制所述空调运行；

所述对所述点云数据进行分析得到预设类型的目标对象，包括：

根据所述点云数据确定数据点集合；

对所述数据点集合中的所有数据点进行聚类得到所述预设范围内的聚类对象；

所述对所述数据点集合中的所有数据点进行聚类得到所述预设范围内的聚类对象，包括：

计算第一数据点与数据点集合中除第一数据点以外任一数据点的第一距离，将与所述第一数据点距离小于或等于第一预设阈值的数据点作为第二数据点，计算所述第二数据点与数据点集合中除第一数据点以外任一有效数据点的第二距离，计算第二距离的第一加权和，根据第一加权和确定符合预设条件的第二加权和，根据第二加权和对应的数据点得到所述聚类对象。

2.根据权利要求1所述的方法，其特征在于，所述对所述点云数据进行分析得到预设类型的目标对象，还包括：

根据点云数据获取所述聚类对象的特征信息；

基于所述特征信息选择符合所述预设类型的聚类对象作为目标对象；

其中，所述特征信息至少包括以下一项：躯干带宽，质心，总带宽，频率，周期或偏移量。

3.根据权利要求1所述的方法，其特征在于，所述确定所述目标对象的对象信息，包括：

基于跟踪算法对所述目标对象进行跟踪；

获取所述目标对象的对象信息。

4.根据权利要求3所述的方法，其特征在于，所述目标对象的对象信息包括以下至少一项：

所述目标对象的数量，所述目标对象的位置、所述目标对象的状态、所述目标对象的轮廓特征，以及所述目标对象与所述空调的距离。

5.根据权利要求1所述的方法，其特征在于，所述根据所述对象信息确定空调的目标运行参数，包括：

获取所述空调的历史运行记录；

从所述历史运行记录确定所述对象信息对应的第一候选运行参数；

确定所述第一候选运行参数在所述历史运行记录出现的第一概率；

根据所述第一概率从所述第一候选运行参数中确定所述目标运行参数。

6.根据权利要求1所述的方法，其特征在于，所述通过所述对象信息确定空调的目标运行参数，包括:

获取所述空调的历史运行记录；

根据所述历史运行记录计算所述空调各个运行参数的第二概率；

将所述第二概率大于或等于预设阈值的运行参数作为推荐运行参数；

从所述推荐运行参数中确定所述对象信息对应的第二候选运行参数；

确定所述第二候选运行参数在所述推荐运行参数中出现的第三概率；

根据所述第三概率从所述第二候选运行参数中确定所述目标运行参数。

7.一种空调控制装置，其特征在于，包括：

获取模块，用于根据接收到回波信号获取预设范围内的点云数据；

分析模块，用于对所述点云数据进行分析得到预设类型的目标对象，并确定所述目标对象的对象信息；

确定模块，用于通过所述对象信息确定空调的目标运行参数；

控制模块，用于通过所述目标运行参数控制对所述空调进行控制；

所述分析模块，包括：

确定子模块，用于根据所述点云数据确定数据点集合；

处理子模块，用于对所述数据点集合中的所有数据点进行聚类得到所述预设范围内的聚类对象；

所述处理子模块，用于计算第一数据点与数据点集合中除第一数据点以外任一数据点的第一距离，将与所述第一数据点距离小于或等于第一预设阈值的数据点作为第二数据点，计算所述第二数据点与数据点集合中除第一数据点以外任一有效数据点的第二距离，计算第二距离的第一加权和，根据第一加权和确定符合预设条件的第二加权和，根据第二加权和对应的数据点得到所述聚类对象。

8.一种电子设备，其特征在于，包括：处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

所述存储器，用于存放计算机程序；

所述处理器，用于执行所述计算机程序时，实现权利要求1-6任一项所述的方法步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6任一项所述的方法步骤。

Images