CN111486571A - 一种风向调整方法、装置、存储介质及出风设备 - Google Patents

一种风向调整方法、装置、存储介质及出风设备 Download PDF

Info

Publication number
CN111486571A
CN111486571A CN202010322894.1A CN202010322894A CN111486571A CN 111486571 A CN111486571 A CN 111486571A CN 202010322894 A CN202010322894 A CN 202010322894A CN 111486571 A CN111486571 A CN 111486571A
Authority
CN
China
Prior art keywords
image
feature map
recognized
human body
deconvolution
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
Application number
CN202010322894.1A
Other languages
English (en)
Other versions
CN111486571B (zh
Inventor
李绍斌
宋德超
陈翀
肖文轩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun Technology Co Ltd
Original Assignee
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Gree Electric Appliances Inc of Zhuhai, Zhuhai Lianyun Technology Co Ltd filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN202010322894.1A priority Critical patent/CN111486571B/zh
Publication of CN111486571A publication Critical patent/CN111486571A/zh
Application granted granted Critical
Publication of CN111486571B publication Critical patent/CN111486571B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • F24F11/70—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
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
    • F04D27/002—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids by varying geometry within the pumps, e.g. by adjusting vanes
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Physics & Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本申请涉及一种风向调整方法、装置、存储介质及出风设备，方法包括：获取所述出风设备的摄像头采集到的待识别图像，利用训练的神经网络模型对所述待识别图像进行识别，并在识别到人体时获取该人体在所述待识别图像中的位置，根据所述人体在所述待识别图像中的位置、所述摄像头的参数信息以及所述摄像头的光轴与出风设备的送风方向之间的夹角调整所述出风设备的送风方向。通过采用上述方法，可以根据人的位置调整出风设备的送风方向，避免了现有技术需要人为操作以调整送风方向，造成调整不便，进而使用户体验感差的问题。

Description

一种风向调整方法、装置、存储介质及出风设备
技术领域
本申请涉及智能家电技术领域，特别地涉及一种风向调整方法、装置、存储介质及出风设备。
背景技术
随着经济的发展和人们生活水平的提高，空调和电扇在人们的日常生活中被广泛使用，在夏季用于供冷，冬季用于供暖。同时，为了满足不同用户的需求，空调的功能越来越多样。
目前，传统空调或电扇在使用过程中，主要由用户通过遥控器调节温度、送风方向等，以实现制冷、制热等功能。
但是，现有空调或风扇等产品需要调节送风方向时，需要用户通过频繁按动遥控器或者控制按钮进行调节，因而存在调整不便的问题，进而造成用户的体验较差。
发明内容
针对上述问题，本申请提供一种风向调整方法、装置、存储介质及出风设备，解决了现有技术中在需要调节送风方向时，需要用户手动调整而存在调节不便的问题。
第一方面，本申请提供了一种风向调整方法，应用于出风设备的控制器，所述方法包括：
获取所述出风设备的摄像头采集到的待识别图像；
利用训练的神经网络模型对所述待识别图像进行识别，并在识别到人体时获取该人体在所述待识别图像中的位置；
根据所述人体在所述待识别图像中的位置、所述摄像头的参数信息以及所述摄像头的光轴与出风设备的送风方向之间的夹角调整所述出风设备的送风方向。
可选的，在上述风向调整方法中，利用训练的神经网络模型对所述待识别图像进行识，并在识别到人体时获取该人体在所述待识别图像中的位置，包括：
利用训练的神经网络模型的卷积编码网络，对所述待识别图像进行卷积运算，生成目标卷积特征图；
将所述目标卷积特征图输入至所述训练的神经网络模型中的反卷积解码网络，以对所述目标卷积特征图进行反卷积运算以得到反卷积特征图：
将所述反卷积特征图输入至所述训练的神经网络模型的图像输出层，以输出所述待识别图像的分割区域、每个分割区域的识别结果以及每个分割区域的区域信息；
根据识别结果为人体的分割区域在所述待识别图像中的位置，得到人体在所述待识别图像中的位置。
可选的，在上述风向调整方法中，所述卷积编码网络包含至少一个卷积层，每个所述卷积层包括第一卷积单元、第一批正则化单元、第一激活单元和最大池化单元，所述反卷积解码网络包括至少一个反卷积层，每个所述反卷积层包括上采样单元、第二反卷积单元、第二批正则化单元和第二激活单元；
利用训练的神经网络模型的卷积编码网络，对所述待识别图像进行卷积运算，生成目标卷积特征图，包括：
利用所述第一卷积单元对所述待识别图像进行卷积运算，得到第一卷积特征图，利用所述第一批正则化单元对所述第一卷积特征图进行归一化处理，得到第一归一化特征图，利用所述第一激活单元对所述第一归一化特征图进行非线性变换，得到第一变换特征图，利用所述最大池化单元对所述第一变换特征图进行最大池化运算，得到池化特征图，根据所述池化特征图生成所述目标卷积特征图，其中，所述池化特征图包括池化索引标识；
将所述目标卷积特征图输入至所述训练的神经网络模型中的反卷积解码网络，以对所述目标卷积特征图进行反卷积运算以得到反卷积特征图，包括：
利用所述上采样单元和所述池化索引标识对所述目标卷积特征图进行上采样，得到上采样特征图，利用所述第二反卷积单元对所述上采样特征图进行卷积运算，得到第二卷积特征图，利用所述第二批正则化单元对所述第二卷积特征图进行归一化处理，得到第二归一化特征图，利用所述第二激活单元对所述第二归一化特征图进行非线性变换，得到第二变换特征图，根据所述第二变换特征图生成所述反卷积特征图。
可选的，在上述风向调整方法中，所述图像输出层为softmax层，所述卷积编码网络包含十六个卷积层，所述反卷积解码网络包括十六个反卷积层；
所述卷积编码网络中除最后一个卷积层之外的任意一个目标卷积层，在生成池化特征图时，将该池化特征图输入至所述卷积编码网络层中与该目标卷积层相邻的下一卷积层，直至所述最后一个卷积层生成池化特征图时，将该最后一个卷积层生成的池化特征图作为目标卷积特征图；
所述反卷积解码网络中除最后一个反卷积层之外的任意一个目标反卷积层，在生成第二变换特征图时，将该变换特征图作为新的目标卷积图并输入至与该目标反卷积层相邻的下一反卷积层，直至所述最后一个反卷积层生成第二变换特征图时，将该第二变换特征图作为反卷积特征图。
可选的，在上述风向调整方法中，根据识别结果为人体的分割区域在所述待识别图像中的位置，得到人体在所述待识别图像中的位置，包括：
对识别结果为人体的分割区域对应的像素点进行K均值聚类以得到中心像素点，并将中心像素点在所述待识别图像中的位置作为人体在所述待识别图像中的位置。
可选的，在上述风向调整方法中，当所述摄像头的光轴与所述风机的送风方向平行时，根据所述人体在所述待识别图像中的位置、所述摄像头的参数信息以及所述摄像头的光轴与出风设备的送风方向之间的夹角调整所述出风设备的送风方向，包括：
根据所述人体的分割区域中两个设定像素点在所述待识别图像中的位置，得到所述两个设定像素点的在所述待识别图像中的像素点距离，并获取该两个设定像素点对应在人体时的实际距离；
获取人体到所述摄像头的第一距离；
获取人体在所述待识别图像中的位置和所述待识别图像的中心点之间的距离，并根据该距离、所述像素点距离以及所述实际距离得到人体到所述摄像头的光轴的第二距离；
根据所述第一距离和第二距离利用三角定理得到计算角度，并根据计算角度调整所述出风设备的送风方向。
第二方面，本申请还提供一种风向调整装置，应用于出风设备的控制器，所述装置包括：
图像获取模块：用于获取所述出风设备的摄像头采集到的待识别图像；
图像识别模块：用于利用训练的神经网络模型对所述待识别图像进行识别，并在识别到人体时获取该人体在所述待识别图像中的位置；
风向调整模块：用于根据所述人体在所述待识别图像中的位置、所述摄像头的参数信息以及所述摄像头的光轴与出风设备的送风方向之间的夹角调整所述出风设备的送风方向。
第三方面，本申请还提供一种存储介质，该存储介质存储有计算机程序，所述计算机程序被一个或多个处理器执行时，实现如上述的风向调整方法。
第四方面，本申请还提供一种出风设备，包括：
存储器，所述存储器上存储有计算机程序；
摄像头，用于采集待识别图像；
控制器，所述控制器与所述风机、存储器以及摄像头分别电连接，并用于在执行所述计算机程序时，执行如上述的风向调整方法。
可选的，在上述出风设备中，所述出风设备包括风扇或空调，且所述摄像头的光轴与所述出风设备的送风方向平行。
与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：
本申请提供的一种风向调整方法、装置、存储介质及出风设备，方法包括：获取所述出风设备的摄像头采集到的待识别图像，利用训练的神经网络模型对所述待识别图像进行识别，并在识别到人体时获取该人体在所述待识别图像中的位置，根据所述人体在所述待识别图像中的位置、所述摄像头的参数信息以及所述摄像头的光轴与出风设备的送风方向之间的夹角调整所述出风设备的送风方向。通过采用上述方法，可以根据人的位置调整出风设备的送风方向，避免了现有技术需要人为操作以调整送风方向，造成调整不便，进而使用户体验感差的问题。
附图说明
在下文中将基于实施例并参考附图来对本申请进行更详细的描述。
图1为本申请实施例提供的一种风向调整方法的流程示意图。
图2为本申请实施例提供的一种出风设备的结构示意图。
图3为本申请实施例提供的一种神经网络模型的结构示意图。
图4为图1中步骤S120的流程示意图。
图5为图1中步骤S130的流程示意图。
图标：
10-出风设备；11-控制器；12-摄像头；13-风机；14-存储器。
在附图中，相同的部件使用相同的附图标记，附图并未按照实际的比例绘制。
具体实施方式
以下将结合附图及实施例来详细说明本申请的实施方式，借此对本申请如何应用技术手段来解决技术问题，并达到相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征，在不相冲突前提下可以相互结合，所形成的技术方案均在本申请的保护范围之内。
实施例一
请结合参阅图1和图2，本申请提供一种风向调整方法，应用于出风设备10的控制器11，其中，所述出风设备10可以是空调或风扇，所述风扇可以是空调扇、风冷扇等，所述风向调整方法应用于所述出风设备10的控制器11时，执行步骤S110-S130。
步骤S110：获取所述出风设备10的摄像头12采集到的待识别图像。
步骤S120：利用训练的神经网络模型对所述待识别图像进行识别，并在识别到人体时获取该人体在所述待识别图像中的位置。
步骤S130：根据所述人体在所述待识别图像中的位置、所述摄像头12的参数信息以及所述摄像头12的光轴与出风设备10的送风方向之间的夹角调整所述出风设备10的送风方向。
通过采用上述方法，以实现根据人体的位置自动调整出风设备10的送风方向，使得出风设备10(风扇或空调)更加智能。减少用户在使用过程中需要通过遥控或手动调整出风设备10的送风方向作出的冗余动作，进而能提升用户的使用体验。
在步骤S110中，在出风设备10启动时，设置于所述出风设备10的摄像头12启动，并利用该摄像头12采集拍摄范围内的图像以得到待识别图像。
其中，当所述出风设备10为空调时，所述摄像头12可以设置于所述空调出风口的风向调节板上，当所述出风设备10为风扇时，所述摄像头12可以设置于所述风扇的风扇罩上，当风扇包括风向调节板时，所述摄像头12也可以设置于所述风扇的风向调节板上，在此不作具体限定，根据实际需求进行设置即可。
所述出风设备10的摄像头12的光轴可以与所述出风设备10的送风方向平行，也可以存在夹角，为保障送风方向调整的可靠性，在本实施例中，所述摄像头12的光轴与所述出风设备10的送风方向趋于平行，且所述摄像头12可以设置于所述出风设备10的风向调节板的中心位置或所述出风设备10的风扇罩的中心位置。
可以理解，上述获取到的待识别图像中可能包括人体图像，也可能仅包括运行环境的图像，当包括人体图像时，所述待识别图像中的人体图像可能是一个，也可能是多个。
在步骤S120中：所述训练的神经网络模型可以通过以下方式建立：
获取所述出风设备10的摄像头12采集到的多个样本图像，其中，所述多个样本图像中包括存在人体的图像和不存在人体的图像，并对所述多个样本图像进行标注，以将样本图像中的每个像素点分为至少两种语义类别，在本实施例中，具体为将每个像素点分为2种语义类别，且分别人体、非人体，为了方便计算机读取数据，将两种语义类别分别标记为0(非人体)和1(人体)，利用标注后的样本图像对设定的神经网络进行训练以得到训练的神经网络模型。
请结合参阅图3，在本实施例中，所述神经网络模型包括输入层(Input images)、卷积编码网络(code module)、反卷积解码网络(decode module)以及图像输出层(outputimages)。
请结合参阅图4，利用训练的神经网络模型对所述待识别图像进行识别，并在识别到人体时获取人体在所述待识别图像中的位置具体包括：
步骤S122：利用训练的神经网络模型的卷积编码网络，对所述待识别图像进行卷积运算，生成目标卷积特征图。
步骤S124：将所述目标卷积特征图输入至所述训练的神经网络模型中的反卷积解码网络，以对所述目标卷积特征图进行反卷积运算以得到反卷积特征图。
步骤S126：将所述反卷积特征图输入至所述训练的神经网络模型的图像输出层，以输出所述待识别图像的分割区域、每个分割区域的识别结果以及每个分割区域的区域信息。
步骤S128：根据识别结果为人体的分割区域在所述待识别图像中的位置，得到人体在所述待识别图像中的位置。
在步骤S122中，需要说明的是，上述的卷积编码网络包括至少一个卷积层，每个卷积层包括至少一个卷积单元和池化单元，每个卷积层还可以包括批正则化单元、激活单元。其中，池化单元为最大池化单元，卷积单元用于通过卷积核对输入的数据进行卷积运算，批正则化单元用于对数据进行归一化处理，以提高网络的泛化能力。
可选的，在本实施例中，每个卷积层包括第一卷积单元、第一批正则化单元、第一激活单元和最大池化单元，步骤S122具体包括：利用所述第一卷积单元对所述待识别图像进行卷积运算，得到第一卷积特征图，利用所述第一批正则化单元对所述第一卷积特征图进行归一化处理，得到第一归一化特征图，利用所述第一激活单元对所述第一归一化特征图进行非线性变换，得到第一变换特征图，利用所述最大池化单元对所述第一变换特征图进行最大池化运算，得到池化特征图，根据所述池化特征图生成所述目标卷积特征图，其中，所述池化特征图包括池化索引标识。
可以理解，由于所述卷积编码网络中包括的卷积层可以为一个，也可以为多个，当为多个时，各个卷积层中的卷积核大小和卷积核数量根据需求自定义设置。第一批正则化单元为BN(Batch Normalization，批正则化)。第一激活单元为RELU，最大池化单元用于降维和提取特征，池化索引标识为最大池化时选取的特征点的位置信息。
在本实施例中，当所述卷积编码网络中包括一个卷积层时，所述池化特征图即为所述目标卷积特征图。
当所述卷积编码网络中包括多个卷积层时，在执行步骤S122生成池化特征图后，应当将该池化特征图发送至与生成该池化特征图的卷积层相邻的下一卷积层，以利用该下一卷积层中的第一卷积单元、第一批正则化单元第一激活单元和最大池化单元进行处理，直至得到的池化特征图为卷积编码网络中的最后一个卷积层中的最大池化单元输出的池化特征图，并将池化特征图作为目标卷积特征图，并保留每个卷积层中的最大池化单元的池化索引标识。
在本实施例中，当卷积编码网络中包括多个卷积层时：所述卷积编码网络中除最后一个卷积层之外的任意一个目标卷积层，在生成池化特征图时，将该池化特征图输入至所述卷积编码网络层中与该目标卷积层相邻的下一卷积层，直至所述最后一个卷积层生成池化特征图时，将该最后一个卷积层生成的池化特征图作为目标卷积特征图。
在步骤S124中，需要说明的是，所述卷积解码网络的卷积层的数量应当与卷积编码网络的反卷积层的数量相同。
具体的，反卷积解码网络包括至少一个反卷积层，反卷积层包括上采样单元和反卷积单元，还可以包括批正则化单元和激活单元。其中，上采样单元用于对输入的特征图进行上采样处理，反卷积单元，用于对上采样后的图像进行卷积操作。反卷积层中的批正则化单元和激活单元与卷积层中批正则化单元和激活单元具有相同的作用。
在本实施例中，所述反卷积解码网络包括至少一个反卷积层，每个所述反卷积层包括上采样单元、第二反卷积单元、第二批正则化单元和第二激活单元，所述步骤S124具体包括：
利用所述上采样单元和所述池化索引标识对所述目标卷积特征图进行上采样，得到上采样特征图，利用所述第二反卷积单元对所述上采样特征图进行卷积运算，得到第二卷积特征图，利用所述第二批正则化单元对所述第二卷积特征图进行归一化处理，得到第二归一化特征图，利用所述第二激活单元对所述第二归一化特征图进行非线性变换，得到第二变换特征图，根据所述第二变换特征图生成所述反卷积特征图。
在一个实施例中，当所述反卷积解码网络仅包括一个反卷积层时，将所述变换特征图作为反卷积特征图。
当所述反卷积解码网络包括多个反卷积层时，执行步骤S124生成第二变换特征图后，应当将该第二变换特征图发送至与生成该第二变换特征图的反卷积层相邻的下一反卷积层，以利用该下一反卷积层中的上采样单元、第二反卷积单元、第二批正则化单元和第二激活单元进行处理，直至得到的第二变换特征图为反卷积解码网络中的最后一个反卷积层中的第二激活单元输出的第二变换特征图，并将该第二变换特征图作为目标卷积特征图。
在本实施例中，在所述反卷积解码网络包括的反卷积层为多个时，所述反卷积解码网络中除最后一个反卷积层之外的任意一个目标反卷积层，在生成第二变换特征图时，将该变换特征图作为新的目标卷积图并输入至与该目标反卷积层相邻的下一反卷积层，直至所述最后一个反卷积层生成第二变换特征图时，将该第二变换特征图作为反卷积特征图。
在本实施例中，所述卷积编码网络与为物体分类而设计的VGG-19网络结构的前16层卷积神经层相似，同时抛弃了VGG-19的全连接层，这样有利于在最深层的编码器中输出高分辨率的特征图，并减少了网络的参数，从而减少网络的训练时间。与之对应的反卷积解码层(decode module)也有16个反卷积层，所以整个网络结构达到了32层。最后的图像输出层(output images)由一个Softmax分类器组成，它用来将对应位置的像素点分类为各个类别，并计算出像素点归属于哪个类别的概率，对于人体识别来说，主要是将输入图像像素分为两类，即分为人体和非人体，且为了方便计算机读取数据，分别对每种类别进行one-hot编码。
在步骤S126中，所述图像输出层可以是softmax层，其中，softmax层用于对反卷积特征图进行归一化和识别，其中，归一化是指将反卷积特征图中的特征值归一化至特定区间，识别是指识别反卷积特征图的特征，从而得到待识别图像对应的分割区域的识别结果和区域信息。
步骤S128可以是：将获取识别结果为人体的分割区域的中心位置在所述待识别图像中的位置作为人体在待识别图像中心的位置。
具体的，在本实施例中，上述步骤S128包括：对识别结果为人体的分割区域对应的像素点进行K均值聚类以得到中心像素点，并将中心像素点在所述待识别图像中的位置作为人体在所述待识别图像中的位置。
在步骤S130可以是：根据人体在所述待识别图像中的位置、所述摄像头12的参数信息得到一计算角度，并根据计算角度和所述摄像头12的光轴与所述出风设备10的送风方向之间的夹角得到调整角度。
可以理解，当待识别图像中包括人体时，待识别图像中包括的人体可能是一个，也可能是多个。当为多个时，可以根据每个人体对应在所述待识别图像中的位置、所述摄像头12的参数信息以及所述摄像头12的光轴与出风设备10的送风方向之间的夹角调整所述出风设备10的送风方向。也可以在多个人体中包括目标人体时，根据目标人体在所述待识别图像中的位置、所述摄像头12的参数信息得到一计算角度，并根据计算角度和所述摄像头12的光轴与所述出风设备10的送风方向之间的夹角得到调整角度。
请结合参阅图5，为保障获得的所述调整角度的准确性，以及便于能够在拍摄到人体时，及时调整拍摄角度，在本实施例中，所述摄像头12的光轴与所述出风设备10的送风方向应当趋于平行，在所述摄像头12的光轴与所述出风设备10的送风方向平行，且所述待识别图像中包括的人体为一个时，所述步骤S130包括：
步骤S132：根据所述人体的分割区域中两个设定像素点在所述待识别图像中的位置，得到所述两个设定像素点的在所述待识别图像中的像素点距离，并获取该两个设定像素点对应在人体时的实际距离。
其中，上述两个设定像素点在待识别图像中的位置可以是位于待识别图像中人体的两只眼睛的眼角分别对应的两个像素点的距离或两只耳朵上的设定点分别对应的像素点的距离，获取该两个设定像素点对应在人体时的实际距离可以是获取预存的与该设定像素点对应在人体时的实际距离，也可以是获取距离检测器检测到的该设定像素点对应在人体时的实际距离，根据实际需求进行设置即可，在此不做具体限定。
步骤S134：获取人体到所述摄像头12的第一距离。
其中，所述人体到所述摄像头12之间的第一距离可以根据所述摄像头12的参数信息、所述像素点距离以及所述实际距离得到，也可以通过设置与所述出风设备12的红外传感器采集得到，根据实际需求进行设置即可，在此不作具体限定。
步骤S136：获取人体在所述待识别图像中的位置和所述待识别图像的中心点之间的距离，并根据该距离、所述像素点距离以及所述实际距离得到人体到所述摄像头12的光轴的第二距离。
具体的，可以获得所述实际距离与像素点距离的比值，并将该比值与人体在所述待识别图像中的位置和所述待识别图像的中心点之间的距离相乘得到人体到所述摄像头12的光轴的第二距离。
步骤S138：根据所述第一距离和第二距离利用三角定理得到计算角度，并根据计算角度调整所述出风设备10的送风方向。
其中，根据计算角度调整所述出风设备10的送风方向具体可以是：根据预设对应关系中与计算角度对应的送风方向调整角度调整所述出风设备10的送风方向，其中，所述预设对应关系中存储有多个预设计算角度和与每个预设计算角度对应的送风方向。
可以理解，当所述出风设备10为风扇时，根据所述计算角度调整所述出风设备10的送风方向可以是根据所述计算角度调整所述出风设备10的风机13的送风方向，可以是当所述风扇包括导风板时，所述摄像头12应设置于所述导风板，并根据所述计算角度调整所述出风设备10的导风板的方向。
当所述出风设备10为空调时，根据所述计算角度调整所述出风设备10的送风方向可以是，根据所述计算角度调整所述空调的导风板的方向，且所述摄像头12可以设置于所述所导风板。
通过上述设置，以在出风设备10工作时，可以不停的修正中心偏差，可以使得人始终处在摄像头12的中心，这样出风设备10就对人体有一个追踪的效果，进而可以在用户使用该出风设备10的过程中解放双手，提高了用户的使用体验。
实施例二
本实施例提供一种风向调整装置，应用于出风设备10，所述风向调整装置包括图像获取模块、图像识别模块以及风向调整模块。
所述图像获取模块用于获取设置于所述出风设备10的摄像头12采集到的待识别图像。
关于所述图像获取模块的具体描述可以参阅实施例一中对步骤S110的具体描述，也即，步骤S110可以由所述图像获取模块执行。
所述图像识别模块用于利用训练的神经网络模型对所述待识别图像进行识别，并在识别到人体时获取该人体在所述待识别图像中的位置。
关于所述图像识别模块的具体描述可以参阅实施例一中对步骤S120的具体描述，也即，步骤S120可以由所述图像识别模块执行。
所述风向调整模块用于根据所述人体在所述待识别图像中的位置、所述摄像头12的参数信息以及所述摄像头12的光轴与出风设备10的送风方向之间的夹角调整所述出风设备10的送风方向。
关于所述风向调整模块的具体描述可以参阅实施例一中对步骤S130的具体描述，也即，步骤S130可以由所述风向调整模块执行。
实施例三
本实施例还提供了一种存储介质，其上存储有计算机程序，计算机程序被执行时，可实现上述方法实施例中提供的风向调整方法，该方法包括：
获取设置于所述出风设备10的摄像头12采集到的待识别图像；
利用训练的神经网络模型对所述待识别图像进行识别，并在识别到人体时获取该人体在所述待识别图像中的位置；
根据所述人体在所述待识别图像中的位置、所述摄像头12的参数信息以及所述摄像头12的光轴与出风设备10的送风方向之间的夹角调整所述出风设备10的送风方向。
实施例四
本实施例提供一种出风设备10，所述出风设备10可以是空调、风扇或风冷扇等，所述出风设备10包括风机13、存储器14、摄像头12以及控制器11。
所述存储器14用于存储计算机程序，所述摄像头12用于采集待识别图像，所述控制器11与所述风机13、存储器14以及摄像头12分别电连接，并用于执行所述计算机程序，以实现如实施例一中的方法步骤。
其中，当所述出风设备10为空调时，所述摄像头12可以设置于所述空调出风口的风向调节板上，当所述出风设备10为风扇时，所述摄像头12可以设置于所述风扇的风扇罩，也可以设置于所述风扇的风向调节板上，在此不作具体限定，根据实际需求进行设置即可。
所述出风设备10的摄像头12的光轴可以与所述出风设备10的送风方向平行，也可以存在夹角，为保障送风方向调整的可靠性，在本实施例中，所述摄像头12的光轴与所述出风设备10的送风方向趋于平行。
在本申请实施例所提供的几个实施例中，应该理解到，所揭露的设备和方法，也可以通过其它的方式实现。以上所描述的设备和方法实施例仅仅是示意性的。
需要说明的是，在本文中，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。
虽然本申请所揭露的实施方式如上，但所述的内容只是为了便于理解本申请而采用的实施方式，并非用以限定本申请。任何本申请所属技术领域内的技术人员，在不脱离本申请所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本申请的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (10)

1.一种风向调整方法，其特征在于，应用于出风设备的控制器，所述方法包括：
获取所述出风设备的摄像头采集到的待识别图像；
利用训练的神经网络模型对所述待识别图像进行识别，并在识别到人体时获取该人体在所述待识别图像中的位置；
根据所述人体在所述待识别图像中的位置、所述摄像头的参数信息以及所述摄像头的光轴与出风设备的送风方向之间的夹角调整所述出风设备的送风方向。
2.根据权利要求1所述的风向调整方法，其特征在于，利用训练的神经网络模型对所述待识别图像进行识，并在识别到人体时获取该人体在所述待识别图像中的位置，包括：
利用训练的神经网络模型的卷积编码网络，对所述待识别图像进行卷积运算，生成目标卷积特征图；
将所述目标卷积特征图输入至所述训练的神经网络模型中的反卷积解码网络，以对所述目标卷积特征图进行反卷积运算以得到反卷积特征图：
将所述反卷积特征图输入至所述训练的神经网络模型的图像输出层，以输出所述待识别图像的分割区域、每个分割区域的识别结果以及每个分割区域的区域信息；
根据识别结果为人体的分割区域在所述待识别图像中的位置，得到人体在所述待识别图像中的位置。
3.根据权利要求2所述的风向调整方法的，其特征在于，所述卷积编码网络包含至少一个卷积层，每个所述卷积层包括第一卷积单元、第一批正则化单元、第一激活单元和最大池化单元，所述反卷积解码网络包括至少一个反卷积层，每个所述反卷积层包括上采样单元、第二反卷积单元、第二批正则化单元和第二激活单元；
利用训练的神经网络模型的卷积编码网络，对所述待识别图像进行卷积运算，生成目标卷积特征图，包括：
利用所述第一卷积单元对所述待识别图像进行卷积运算，得到第一卷积特征图，利用所述第一批正则化单元对所述第一卷积特征图进行归一化处理，得到第一归一化特征图，利用所述第一激活单元对所述第一归一化特征图进行非线性变换，得到第一变换特征图，利用所述最大池化单元对所述第一变换特征图进行最大池化运算，得到池化特征图，根据所述池化特征图生成所述目标卷积特征图，其中，所述池化特征图包括池化索引标识；
将所述目标卷积特征图输入至所述训练的神经网络模型中的反卷积解码网络，以对所述目标卷积特征图进行反卷积运算以得到反卷积特征图，包括：
利用所述上采样单元和所述池化索引标识对所述目标卷积特征图进行上采样，得到上采样特征图，利用所述第二反卷积单元对所述上采样特征图进行卷积运算，得到第二卷积特征图，利用所述第二批正则化单元对所述第二卷积特征图进行归一化处理，得到第二归一化特征图，利用所述第二激活单元对所述第二归一化特征图进行非线性变换，得到第二变换特征图，根据所述第二变换特征图生成所述反卷积特征图。
4.根据权利要求3所述的风向调整方法，其特征在于，所述图像输出层为softmax层，所述卷积编码网络包含十六个卷积层，所述反卷积解码网络包括十六个反卷积层；
所述卷积编码网络中除最后一个卷积层之外的任意一个目标卷积层，在生成池化特征图时，将该池化特征图输入至所述卷积编码网络层中与该目标卷积层相邻的下一卷积层，直至所述最后一个卷积层生成池化特征图时，将该最后一个卷积层生成的池化特征图作为目标卷积特征图；
所述反卷积解码网络中除最后一个反卷积层之外的任意一个目标反卷积层，在生成第二变换特征图时，将该变换特征图作为新的目标卷积图并输入至与该目标反卷积层相邻的下一反卷积层，直至所述最后一个反卷积层生成第二变换特征图时，将该第二变换特征图作为反卷积特征图。
5.根据权利要求2所述的风向调整方法，其特征在于，根据识别结果为人体的分割区域在所述待识别图像中的位置，得到人体在所述待识别图像中的位置，包括：
对识别结果为人体的分割区域对应的像素点进行K均值聚类以得到中心像素点，并将中心像素点在所述待识别图像中的位置作为人体在所述待识别图像中的位置。
6.根据权利要求5所述的风向调整方法，其特征在于，当所述摄像头的光轴与所述风机的送风方向平行时，根据所述人体在所述待识别图像中的位置、所述摄像头的参数信息以及所述摄像头的光轴与出风设备的送风方向之间的夹角调整所述出风设备的送风方向，包括：
根据所述人体的分割区域中两个设定像素点在所述待识别图像中的位置，得到所述两个设定像素点的在所述待识别图像中的像素点距离，并获取该两个设定像素点对应在人体时的实际距离；
获取人体到所述摄像头的第一距离；
获取人体在所述待识别图像中的位置和所述待识别图像的中心点之间的距离，并根据该距离、所述像素点距离以及所述实际距离得到人体到所述摄像头的光轴的第二距离；
根据所述第一距离和第二距离利用三角定理得到计算角度，并根据计算角度:调整所述出风设备的送风方向。
7.一种风向调整装置，应用于出风设备的控制器，其特征在于，所述装置包括：
图像获取模块：用于获取所述出风设备的摄像头采集到的待识别图像；
图像识别模块：用于利用训练的神经网络模型对所述待识别图像进行识别，并在识别到人体时获取该人体在所述待识别图像中的位置；
风向调整模块：用于根据所述人体在所述待识别图像中的位置、所述摄像头的参数信息以及所述摄像头的光轴与出风设备的送风方向之间的夹角调整所述出风设备的送风方向。
8.一种存储介质，其特征在于，该存储介质存储有计算机程序，所述计算机程序被一个或多个处理器执行时，实现如权利要求1-6中任意一项中所述的风向调整方法。
9.一种出风设备，其特征在于，包括：
风机；
存储器，用于存储计算机程序；
摄像头，用于采集待识别图像；
控制器，所述控制器与所述风机、存储器以及摄像头分别电连接，并用于在执行所述计算机程序时，执行如权利要求1-6任意一项所述的风向调整方法。
10.根据权利要求9所述的出风设备，其特征在于，所述出风设备包括风扇或空调，且所述摄像头的光轴与所述出风设备的风机送风方向平行。
CN202010322894.1A 2020-04-22 2020-04-22 一种风向调整方法、装置、存储介质及出风设备 Active CN111486571B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010322894.1A CN111486571B (zh) 2020-04-22 2020-04-22 一种风向调整方法、装置、存储介质及出风设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010322894.1A CN111486571B (zh) 2020-04-22 2020-04-22 一种风向调整方法、装置、存储介质及出风设备

Publications (2)

Publication Number Publication Date
CN111486571A true CN111486571A (zh) 2020-08-04
CN111486571B CN111486571B (zh) 2021-05-25

Family

ID=71811850

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010322894.1A Active CN111486571B (zh) 2020-04-22 2020-04-22 一种风向调整方法、装置、存储介质及出风设备

Country Status (1)

Country Link
CN (1) CN111486571B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112377444A (zh) * 2020-11-12 2021-02-19 深圳市欧瑞博科技股份有限公司 智能风扇的调节方法、装置、智能风扇及控制面板
CN114576804A (zh) * 2020-11-30 2022-06-03 阿里巴巴（中国）有限公司 智能送风方法、设备和系统
CN116624977A (zh) * 2023-07-21 2023-08-22 烟台业达智慧城市运营科技有限公司 一种基于人工智能的楼宇自控系统及其方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001197577A (ja) * 2000-01-07 2001-07-19 Sony Corp 赤外線リモコンの送信機と受信機間の相対的な位置関係を検出するための位置検出システム及び位置検出方法、並びに、赤外線リモコン受信機
CN105546746A (zh) * 2015-12-31 2016-05-04 广东美的制冷设备有限公司 空调送风控制方法及装置
CN109035260A (zh) * 2018-07-27 2018-12-18 京东方科技集团股份有限公司 一种天空区域分割方法、装置和卷积神经网络
CN109595688A (zh) * 2018-10-26 2019-04-09 浙江理工大学 一种大空间智能空调送风装置
CN110360715A (zh) * 2018-04-10 2019-10-22 Lg电子株式会社 区域选择性地动作的空调、云服务器及其动作方法
WO2020003416A1 (ja) * 2018-06-27 2020-01-02 三菱電機株式会社 空調装置、空調システム及び温度計測方法
CN110807463A (zh) * 2019-09-17 2020-02-18 珠海格力电器股份有限公司 图像分割方法、装置、计算机设备和存储介质
CN110864440A (zh) * 2019-11-20 2020-03-06 珠海格力电器股份有限公司 一种送风方法及送风装置、空调

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001197577A (ja) * 2000-01-07 2001-07-19 Sony Corp 赤外線リモコンの送信機と受信機間の相対的な位置関係を検出するための位置検出システム及び位置検出方法、並びに、赤外線リモコン受信機
CN105546746A (zh) * 2015-12-31 2016-05-04 广东美的制冷设备有限公司 空调送风控制方法及装置
CN110360715A (zh) * 2018-04-10 2019-10-22 Lg电子株式会社 区域选择性地动作的空调、云服务器及其动作方法
WO2020003416A1 (ja) * 2018-06-27 2020-01-02 三菱電機株式会社 空調装置、空調システム及び温度計測方法
CN109035260A (zh) * 2018-07-27 2018-12-18 京东方科技集团股份有限公司 一种天空区域分割方法、装置和卷积神经网络
CN109595688A (zh) * 2018-10-26 2019-04-09 浙江理工大学 一种大空间智能空调送风装置
CN110807463A (zh) * 2019-09-17 2020-02-18 珠海格力电器股份有限公司 图像分割方法、装置、计算机设备和存储介质
CN110864440A (zh) * 2019-11-20 2020-03-06 珠海格力电器股份有限公司 一种送风方法及送风装置、空调

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
程磊: "《移动机器人系统及其协调控制》", 31 March 2014 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112377444A (zh) * 2020-11-12 2021-02-19 深圳市欧瑞博科技股份有限公司 智能风扇的调节方法、装置、智能风扇及控制面板
CN114576804A (zh) * 2020-11-30 2022-06-03 阿里巴巴（中国）有限公司 智能送风方法、设备和系统
CN116624977A (zh) * 2023-07-21 2023-08-22 烟台业达智慧城市运营科技有限公司 一种基于人工智能的楼宇自控系统及其方法
CN116624977B (zh) * 2023-07-21 2023-09-29 烟台业达智慧城市运营科技有限公司 一种基于人工智能的楼宇自控系统及其方法

Also Published As

Publication number Publication date
CN111486571B (zh) 2021-05-25

Similar Documents

Publication Publication Date Title
CN111486571B (zh) 一种风向调整方法、装置、存储介质及出风设备
CN107576022B (zh) 空调器的控制方法、空调器、及存储介质
CN108224691B (zh) 一种空调系统控制方法和装置
CN110197146B (zh) 基于深度学习的人脸图像分析方法、电子装置及存储介质
CN108121211B (zh) 家电设备的控制方法、服务器及计算机可读存储介质
CN107367016A (zh) 一种空调智能控制方法及其装置、空调
CN105205462A (zh) 一种拍照提示方法及装置
US10970128B2 (en) Server, air conditioner and method for controlling thereof
CN104680121A (zh) 一种人脸图像的处理方法及装置
CN110336719B (zh) 一种实时视频家居环境设备识别交互的远程智能家居控制方法
CN108131808B (zh) 基于分级手势识别的空调控制装置及方法
CN113108437A (zh) 一种空调控制方法、装置、存储介质及空调
CN109613930A (zh) 无人飞行器的控制方法、装置、无人飞行器及存储介质
CN111428552A (zh) 黑眼圈识别方法、装置、计算机设备和存储介质
CN115422452A (zh) 基于大数据的智能家居控制方法、装置、设备及存储介质
CN111240217B (zh) 状态检测方法、装置、电子设备及存储介质
CN113547901A (zh) 一种车辆的控制方法、装置、电子设备及存储介质
JP7073607B2 (ja) 穀物の識別方法、装置およびコンピュータ記憶媒体
CN103226698B (zh) 一种人脸检测方法
WO2019170038A1 (zh) 一种目标屏幕确定方法、装置及存储介质
CN114936715A (zh) 一种基于气味信息的水果鲜度预测方法、系统及存储介质
CN112686145A (zh) 一种面部皮肤肤质的识别方法及其智能终端
CN110008864A (zh) 一种微型人手识别设备及识别方法
CN117433142A (zh) 一种空调的控制方法、空调的控制装置和存储介质
CN118009491A (zh) 一种基于人工智能的室内生态环境调节系统及方法

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