CN111954784A - 一种用于进行空气调节的方法和系统 - Google Patents

Abstract

一种空调系统包括一个或多个摄像机(102)，一个或多个空调运行单元(106)，以及空调控制单元(104)，空调系统通过一个或多个摄像机(102)获得空调运行单元(106)的周围环境的图像，并基于通过预定的机器学习模型对图像进行的分析来确定第一组因素，所述第一组因素包括周围环境的布局。根据通过预定的机器学习模型对图像进行的分析所确定的第一组因素，空调控制单元(104)从预定的多个运行配置中选择第一运行配置以控制空调运行单元(106)。

Description

一种用于进行空气调节的方法和系统

技术领域

本发明涉及空气调节领域，更具体地，本发明涉及一种基于计算机视觉和机器学习所提供的信息适应性地控制空调和冷气流的方法和系统。

背景技术

空调是一种电子设备，其通过加热、冷却、加湿或除湿、控制气流等来将预定空间(例如，房间，大厅等)中的空气保持在预定状态，例如，包括将温度保持在预定温度范围内，和/或将湿度保持在预定湿度水平等等。通常根据手动设置和/或预编程的运行配置(operation profile)来对空调进行控制。传统空调被常规地安装并且由用户设置其运行配置，而未经过现场或实时指导。另外，传统空调只能根据预选的触发条件(例如，基于计时器，或温度阈值等)在预设的配置之间自动切换。这些限制使得难以优化空调的运行、浪费能源并且有损用户的舒适度。

发明内容

如在背景技术中所讨论的，传统空调单元没有考虑在不同安装设置和运行环境中的变化条件，并且不能根据不同安装设置和运行环境中的情况变化为空调单元的安装和/或运行提供现场指导或实时调整。本文所公开的实施例利用计算机视觉和本地智能决策以解决传统空调系统及其控制方法的至少一些缺点。

随着深度学习的发展，计算机视觉在各个领域都取得了很大的进步。从图像中提取的信息足够准确，可用于进一步的应用。

如本文所公开的，在一些实施例中，一种控制空调单元的方法包括：在具有一个或多个处理器和存储器并且能够与一个或多个摄像机和一个或多个空调运行单元通信的电子设备处执行下述操作：通过一个或多个摄像机获得空调运行单元的周围环境的一个或多个图像；基于通过一个或多个预定的机器学习模型对所述一个或多个图像进行的分析来确定第一组因素，所述第一组因素包括所述空调运行单元的周围环境的布局，其中，所述布局至少指定出周围环境的在远离一个或多个空调单元的第一方向上的第一深度和在远离一个或多个空调单元的第二方向上的第二深度，所述第二方向与所述第一方向不同；根据通过所述一个或多个预定的机器学习模型对所述一个或多个图像进行的分析所确定的第一组因素，从预定的多个运行配置中选择第一运行配置，其中，所述多个运行配置中的每个预定的运行配置为多个预定的控制参数中的每个控制参数指定相应的取值范围，所述控制参数用于控制一个或多个空调运行单元。

在一些实施例中，该方法包括：根据通过所述一个或多个预定的机器学习模型对所述一个或多个图像进行的分析所确定的第一组因素，修改所述第一运行配置中的所述多个预定的控制参数中的至少一个的相应的取值范围。

在一些实施例中，该方法包括：基于通过所述一个或多个预定的机器学习模型对所述一个或多个图像进行的分析来确定第二组因素，所述第二组因素包括在所述空调运行单元的周围环境中识别出的对象的状态；根据通过所述一个或多个预定的机器学习模型对所述一个或多个图像进行的分析所确定的第二组因素，在已经根据所述第一组因素修改的相应的取值范围内选择所述第一运行配置的第一控制参数的当前值，以操作所述一个或多个空调运行单元。

在一些实施例中，第一组因素包括一个或多个空调运行单元的周围环境中的窗户的位置，并且第二组因素包括窗户的打开/关闭状态。

在一些实施例中，第一组因素包括所述第一组因素包括所述一个或多个空调运行单元的周围环境中的第一类型家具的位置，并且所述第二组因素包括在所述一个或多个空调运行单元的周围环境中的所述第一类型家具的位置处是否有人。

在一些实施例中，第二组因素包括所述一个或多个空调运行单元的周围环境中的所述第一类型家具的位置处的人的运动状态。

在一些实施例中，第二组因素包括一个或多个空调运行单元的周围环境中的第一类型家具的位置处的人的温度状态。

在一些实施例中，一种空调系统包括一个或多个摄像机，空调运行单元和执行本文描述的任一方法的空调控制装置。根据一些实施例，一种电子设备包括一个或多个处理器，以及存储有一个或多个程序的存储器；一个或多个程序被配置成由一个或多个处理器执行，并且一个或多个程序包括用于执行或导致执行本文描述的任一方法的操作的指令。根据一些实施例，计算机可读存储介质中存储有指令，当所述指令被电子设备执行时，使得该设备执行或导致执行本文描述的任一方法的操作。根据一些实施例，一种电子设备包括：用于捕获图像的装置，用于执行空气调节操作的装置，以及用于执行或引起执行本文描述的任意方法的操作的装置。

根据以下描述，本申请的各种优点是显而易见的。

附图说明

下文中结合附图对优选实施例进行了详细描述，以便更清楚地理解所公开技术的前述特征和优点以及其附加特征和优点。

为了更清楚地描述本发明所公开技术的实施例或现有技术中的技术方案，下面简要介绍描述实施例或现有技术的附图。显然，以下描述中的附图仅示出了本发明所公开技术的一些实施例，并且本领域普通技术人员仍可以在不付出创造性劳动的情况下从这些附图中推导出其他附图。

图1是根据一些实施例的空调的框图。

图2A至图2B是示出根据一些实施例的空调的运行环境的框图。

图3是根据一些实施例的进行空气调节的方法的流程图。

图4是根据一些实施例的空调的框图。

对于附图中的多个视图，相似的附图标记指代相应的部分。

具体实施方式

现在将详细参照实施例，附图中示出了实施例的示例。在以下详细的说明中，对具体细节进行了陈述以对本申请提出的主题进行彻底理解。但是对于本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下实践本主题。在其他示例中，并未详细描述公知的方法、过程、组件、和电路以避免不必要地造成当前实施例的各方面含糊不清。

下面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和完整地描述。显然，所描述的实施例仅仅是本申请实施例的一部分而不是全部。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属于本发明保护的范围。

图1是根据一些实施例的空调100的框图。如图1所示，空调100包括一个或多个机载摄像机102、空调控制单元104、和空调运行单元106。在一些实施例中，空调100还包括网络通信单元108，所述网络通信单元经由一个或多个网络与远程服务器110通信(例如，局域网(LAN)，广域网(WAN)，和/或互联网)。在一些实施例中，空调控制单元104还包括用于控制一个或多个摄像机102的成像控制单元112，和用于控制空调运行单元106的空气调节控制单元114。在一些实施例中，空调控制单元104还包括用于在安装空调100之前和安装过程中提供实时安装指导的预安装控制单元116。在一些实施例中，空调连接到电源(例如，电源插座)或具有机载电源(例如，电池或发电机)。在一些实施例中，空调控制单元104还包括图像处理单元115，该图像处理单元115包括用于分析来自一个或多个摄像机102的图像的多个机器学习模型，并且该图像处理单元提供针对空调的运行环境的布局以及识别运行环境中的对象和对象状态。在一些实施例中，可选地，图像处理单元115包括在空调100本地处的一些组件，和远程地在服务器110处的一些组件。

在一些实施例中，空调100是安装在窗户开口处的窗式空调，空调100的前侧朝向封闭或半封闭空间的内部(例如，房间，大厅，棚子，集装箱，活动房屋，拖车等)，并且空调100的后侧朝向封闭或半封闭空间的外部。在一些实施例中，空调100完全位于封闭或半封闭空间的内部，并且通向封闭或半封闭空间的外部的通风系统(例如，管子，孔道等)连接到空调以用于热交换/排气。

在一些实施例中，空调100包括构成安装系统一部分的安装支架，该安装系统将空调固定在封闭或半封闭空间的墙壁或天花板上。在一些实施例中，安装支架由一个或多个马达和致动器控制，该马达和致动器被控制(例如，通过用户操作的遥控器进行控制，或者由空调控制单元104自动进行控制)以改变空调相对于封闭或半封闭空间的墙壁或天花板的方向(例如，空调的前侧的平面的倾斜和偏摆)。

在一些实施例中，空调包括一个或多个摄像机102。在一些实施例中，单个摄像机被布置在空调的前侧(例如，靠近空调的外壳的前侧的上边缘或下边缘的中心)。在一些实施例中，摄像机被安装在具有一个或多个致动器的平台上，该致动器被控制(例如，通过用户操作的遥控器进行控制，或者由空调控制单元104自动进行控制)以改变摄像机(例如，通过使摄像机或空调的前侧的平面的倾斜和偏摆发生改变，或改变摄像机的固定位置)相对于参考点(例如，空调的外壳的前侧的固定点)的方向和/或位置，从而为空调100提供立体成像能力。在一些实施例中，两个摄像机被布置在空调的两个相对的边角处(例如，靠近外壳的前侧的两个上角部，沿着外壳的前侧的对角线相对的两个边角等)，从而为空调提供立体成像能力。

在一些实施例中，空调中包括的摄像机102包括用于不同波长和/或强度的图像传感器，诸如红外传感器、可见光传感器、夜视传感器、和/或运动传感器等。在一些实施例中，摄像机连续运行并产生连续的图像帧流。在一些实施例中，当在其他摄像机(例如，可见光摄像机等)所捕获的图像中检测到一个或多个预定的事件时，一些摄像机(例如，红外摄像机或弱光摄像机)被激活以捕获图像。例如，在一些实施例中，当空调根据夜间模式运行时(例如，为夜间选择的运行配置)，夜视摄像机仅在红外摄像机检测到发热对象(例如，人)的预定运动事件的运动量阈值(例如，X分钟间隔内的运动)大于预定时间(例如，超过5分钟)的阈值量时被激活以捕获图像。例如，红外摄像机检测到的上述运动形态可能表明室温对于人来说不舒服，并且在红外摄像机所捕获的图像中检测到上述运动形态时，空调控制单元104激活夜视摄像机拍照，并且重新评估房间布局和对象状态以确定空调的当前运行状况是否与当前选择的空调运行配置和/或运行控制参数值相关的状况不同。如果空调控制单元104确定当前房间布局和对象状态(例如，在房间中增加人员或家具，改变家具位置，改变窗户上的窗帘材料，打开的窗户的数量和/或位置等)已与当前选择的空调运行配置和运行控制参数值的状态有所不同，空调控制单元104根据当前布局和对象状态选择新的运行配置或调整当前运行配置的一个或多个运行控制参数值。

在一些实施例中，空调运行单元106包括压缩机、制冷剂、蒸发器、冷凝器、膨胀阀、风扇、空气过滤器(例如，颗粒过滤器，和用于空气中各种污染物和毒素的过滤器，水分过滤器等)、一个或多个传感器(例如，恒温器，湿度传感器，空气流量传感器，阀压力传感器，计时器等)。空调的冷端包含蒸发器和风扇，该风扇将空气吹过冷盘管并进入房间。空调的热端包含压缩机、冷凝器和将经压缩的制冷剂排出的热空气排到室外的另一个风扇。在两组盘管之间设有膨胀阀。该膨胀阀调节进入蒸发器的压缩的液体制冷剂的量。空调运行单元106根据当前选择的运行配置中指定的一组控制参数来运行。空调运行单元106将关于空调运行单元106的运行状态、传感器读数、和任何错误状态的实时反馈提供给空调控制单元104。空调控制单元104进而基于来自空调运行单元106的实时反馈以及用户输入和从摄像机102接收的信息来调整控制参数(例如，气流方向，风扇速度，功率，湿度设置等)和/或运行配置(例如，一起使用的一组组合控制参数)。

在一些实施例中，空调控制单元106包括一个或多个处理器、以及存储器。存储器存储有指令，当所述指令被一个或多个处理器执行时，使处理器执行本文描述的功能以提供有关空调安装的实时指导，以进一步控制一个或多个摄像机102的功能和/或控制空调运行单元106的运行。

在一些实施例中，空调控制单元106包括预安装控制单元116。在一些实施例中，在将空调100完全固定在内墙或窗户内的最终部署位置之前，空调控制单元106在预安装控制模式下被激活，预安装控制单元116控制一个或多个摄像机102从空调100的当前有利位置捕获房间的一个或多个图像。例如，在将空调100永久地固定到一位置之前，将空调100可选地布置在墙壁、天花板、或窗户内的建议位置；并且当空调100通电时，预安装控制单元116代替空气调节控制单元114被激活。预安装控制单元116指示一个或多个摄像机102从空调100的当前有利位置捕获一个或多个图像。可选地，预安装控制单元116在本地处理图像以确定房间的尺寸及其自身在房间中的当前位置。由于空调100的机载处理能力相对有限，本地执行的图像处理可以是相对初级的。例如，可以使用各种现有的边缘检测技术对图像进行二值化(binarized)并且从二值化的图像中识别出墙壁和窗户的边缘。在一些实施例中，可选地，预安装控制单元116经由网络通信单元108与远程后端服务器110通信并将捕获的图像发送到服务器110，其中服务器110执行图像分析。在一些实施例中，图像分析由图像处理单元115执行，图像处理单元115利用多个机器学习模型(例如，深度学习模型)来识别家具类型并确定房间中的家具布局，例如，人们可能长时间停留在其附近的书桌、桌子、床、沙发、健身器材等的位置和尺寸以及人们通常只在其附近停留有限时间的书架、抽屉柜、床头柜、电视、烤箱等的位置和尺寸。在一些实施例中，使用不同的机器学习模型处理图像以识别房间中不同类型的家具并确定它们各自的状态，并且图像处理单元115将来自不同机器学习模型的结果进行整合以产生最终的分析结果。例如，不同的机器学习模型被用来处理来自不同摄像机的图像和不同类型对象的图像，这些机器学习模型例如为用于分析红外图像的热量图像处理模型、用于分析夜视摄像机图像的弱光处理模型、和用于分析来自可见光摄像机图像的彩色图像处理模型、以及用于识别图像中的窗户并确定窗户打开/关闭状态的窗户图像处理模型、用于识别沙发并确定沙发上人数的沙发图像处理模型等。在一些实施例中，当空调被首次安装时，模型的训练可以首先在服务器上执行，并且经过训练的模型在某个时间之后被传送到空调100使得图像处理单元115针对新捕获的图像在本地执行图像分析。这样可以减少服务器负载，并改善对用户的隐私保护。在一些实施例中，空调100检测房间布局的变化(例如，基于用户经常对自动选择和调整的运行配置进行调整，或基于捕获到与先前捕获图像完全不同的图像)并请求服务器为新房间布局重新训练模型，并在某个时间之后从服务器获得新训练的模型。

在一些实施例中，可选地，基于图像分析的结果，预安装控制单元116控制附接到摄像机102的致动器以改变摄像机102的角度和/或位置以捕获房间的其他图像并完善对房间尺寸、家具布局、以及空调在房间中当前位置的确定。在一些实施例中，基于图像分析的结果，预安装控制单元116提供关于空调在房间中应该永久安装至的最佳位置的建议。在一些实施例中，空调包括控制面板，或被无线连接到远程控制设备(例如，智能手机或平板电脑设备)，该设备提供通过图像分析确定的房间布局图像，并允许用户对所识别对象的性质和房间布局的图像进行任何校正或注释。例如，如果桌子被错误地识别为沙发，则用户有机会进行输入以手动纠正该错误。在一些实施例中，在房间布局的图像中突出显示了空调的建议位置。在一些实施例中，后端服务器110提供建议的安装位置。在一些实施例中，基于一个或多个预先建立的原则提供建议，诸如优化能量效率、美观性、安装的简易性、用户的舒适度等。在一些实施例中，当不能针对所有以上因素实现平衡时，空调提示用户选择对以上因素的不同优先级并，提供基于所选优先级生成的一个或多个替代建议。在一些实施例中，空调提供一些替代建议并针对每种替代建议列出不同因素之间的平衡。

在一些实施例中，一旦例如根据预安装控制单元116建议的位置来将空调100安装到其永久位置，当空调重新启动时，空调会激活空调控制模式，并且空气调节控制单元114根据空调的当前位置和已确定的当前房间布局选择一组控制参数而提供指令来运行空调运行单元106。例如，基于房间的尺寸、空调的前面或侧面是否有窗户、是否直接有人位于空调前方、人员是正在进行大量移动还是基本静止不动、房间中是否有多人、房间中散热器(例如，鱼缸，使用冰的开放式冷却器等)和热源(例如，操作烤箱，电视等)的位置和性能等来选择目标温度、空气流动方向、空气流动方式、热交换率、运行周期的长度等。

在一些实施例中，空气调节控制单元114使用一个或多个摄像机周期性地捕获图像，并且执行图像分析以确定房间布局和/或对象状态是否发生了重大变化。在一些实施例中，空气调节控制单元114将新拍摄的图像与最近的图像进行比较，以确定图像是否发生了足以指示房间布局和对象状态变化的变化。分析图像中的变化以确定图像是由于布局变化还是由于一天中的时间变化或天气变化，或者由于窗帘或照明的状态变化而变化。各种统计学习模型或人工智能模型可以被用来确定这些。不同类型的变化用于对空调运行单元106的运行参数进行不同类型的调整。

在一些实施例中，可选地，在实际改变运行参数或选择不同的运行配置给空调运行单元106之前，空气调节控制单元116将建议的改变发送到控制面板或无线连接至空调100的移动设备(例如，智能手机或平板电脑设备)的用户界面，并请求用户确认以执行该改变。

图2A是空调100的示例性运行环境的俯视图。在房间202中，空调100被安装在房间202中的第一位置处(例如，在房间上角附近安装在墙壁204上，位于墙壁228附近)。如图2A所示，在房间202中布置有沙发206、茶几208、电视210、和书架212。在墙壁204的相对侧上的墙壁216上还存在窗户214。房间的入口218在与墙壁226相邻的墙壁204上。窗口214是打开的。两个人222和224坐在沙发206上。一天中的时间是晚上，室外温度凉爽。空调100上的摄像机已经从其当前有利位置捕获了房间202的多幅图片。可选地，从空调100的前方的两个略微不同的位置捕获图像(例如，使用两个或多个摄像机或使用位置可调的摄像机)以使得能够深度确定房间202中的对象。基于在空调100处本地执行的图像分析以及可选地在服务器110处远程执行的图像分析，确定房间202的布局并且还确定房间202中的对象的性质。例如，基于计算机视觉技术确定对象的位置并识别对象。另外，还确定一个或多个识别出的对象的状态。例如，房间202的红外热量图(例如，通过空调100的红外摄像机捕获)与房间的全彩色图像结合使用以确定窗户214是打开的(例如，基于穿过窗户的冷空气流)，两个人坐在沙发206上(例如，基于在沙发206之上盘旋的身体热量图形)，以及电视处于打开状态(例如，基于电视210前方的光线和颜色的变化以及电视散发的热量)。基于房间布局(例如，房间202的尺寸，墙壁，窗户，入口，家具，人员等的位置)，房间中对象的状态(例如，持续的时段内坐着的人，电视打开，窗户开着让冷空气进入)，以及其他外部因素(例如，一天中的时间，房子里人的日程，外面的天气，一天中不同时间的电费等)，空气调节控制单元114从多个预定和存储的运行配置中选择一个运行配置，以控制空调运行单元106应如何运行。

在一些实施例中，空气调节控制单元114所考虑的因素分为多层不同的因素。例如，第一层因素(例如，通常是相对固定的因素，诸如房间尺寸，大件家具的位置和类型，窗户的位置和数量等)用于从互不相同且数量很少的预定的运行配置(例如，5-10个配置)中选择运行配置。运行配置被预先存储在空气调节控制单元114中，并且通过空调制造商的研究和使用调查已经建立的这些运行配置在大多数情况下对于大多数消费者在基准条件下而言是适合的。例如，冬季卧室运行配置、春季客厅运行配置、夏季节能运行配置、冬季舒适运行配置等。每个运行配置具有用于空调运行单元的多个控制参数中的每个控制参数的设定取值范围，以及在该设定取值范围内对应的默认基准值。在一些实施例中，基准运行配置被针对具体的房间布局定制。例如，根据相同的一组因素或其子集(例如，房间尺寸(大小和长宽比)，家具的位置和类型，窗户和门的位置和尺寸，其他热源和散热器的位置(例如，风扇，烤箱，大型设备，鱼缸等)，等等)，空气调节控制单元选择的基本运行配置被空气调节控制单元114进一步修改。

在一些实施例中，房间的布局和房间的总体状态是通过几天、几周、甚至几个月、甚至几年的时间拍摄的图像来获知的。在一些实施例中，随着可在不同的光照和用户占用条件下获得更多图像，布局和对象的确定随着时间的推移逐渐得到改善。因此，空气调节控制单元可以基于附加信息(例如，识别房间中其他对象及其性质)选择不同的配置。定制的运行配置与预配置的运行配置类似，分别根据设定的取值范围和该取值范围的默认值来建立运行参数。

在一些实施例中，第二层因素包括短期内变化更频繁的因素。例如，房间中人员的数量和位置(例如，靠近与远离空调，面对与背对空调，在窗户前与在墙壁前，躺下与站立等)、门和窗的状态(例如，打开与关闭结合一天中的不同时间，季节，天气状况等；拉上的窗帘与打开的窗帘等)、大型电器的状态(例如，烤箱打开与烤箱关闭，电视打开与电视关闭，风扇打开与风扇关闭，淋浴打开与淋浴关闭等)、房间中人员的运动状态(例如，在跑步机上锻炼与躺在床上睡觉还是坐在办公桌前等)。基于以上第二层因素，空气调节控制单元在当前所选运行配置设置的取值范围内改变用于控制空气调节控制单元的不同参数的值，其中，该运行配置是基于第一层因素所选择的。

如图2A所示，已针对在图2A所示的房间中的布局和状态选择了运行配置。选择的模式是定制的夏季节能运行配置，该运行配置指示空调以满负荷运行直到当前室温(例如，华氏90度)降低到室外温度(例如，根据确定窗户打开且有凉风进入房间)。一旦室温达到与室外温度的平衡(例如，华氏80度)，空调控制单元通知用户来输入他/她是否希望在打开窗户的情况下继续对房间进行降温(例如，直到达到日当前时间(例如，华氏75度)的预设温度)。随后，在没有用户输入或肯定输入继续降温的情况下，如果窗户保持打开状态，空气调节控制单元指示空调运行单元以50％的负荷来对房间降温，以及如果窗户关闭，则指示空调运行单元以满负荷来对房间降温(例如，根据向用户发出通知后捕获的图像来分析窗户的状态)。在一些实施例中，空气调节控制单元基于图像分析确定用户坐在空调100的前方并且面对墙壁226，因此，空气调节控制单元指示空调运行单元以如下方式运行：当风扇直接向用户222和224的方向吹风时，运行单元降低气流速度，并且当风扇向房间其他部分的方向吹风时，气流速度增加。例如，箭头230表示：当风扇沿着从墙壁228到墙壁226的方向转向时(例如，除了围绕中心轴旋转之外风扇还会左右摆动)由从空调运行单元吹出的气流引起的房间中的气流方向；以及箭头232表示：当风扇沿着从墙壁226到墙壁228的方向转向时，由从空调运行单元吹出的气流引起的房间中的气流方向。风扇运动和风扇速度变化产生的气流形态可以确保电视产生的热量被朝向窗户推动，而且气流不会使人所坐的地方过冷。在一些实施例中，如果空气调节控制单元确定用户222和224周围的热辐射场型指示高于正常值，空气调节控制单元会指示空调运行单元以如下方式运行：当风扇向用户的方向吹风时，空调运行单元提高风扇速度。在一些实施例中，根据确定电视状态为打开，并且电视正在散发热量，当风扇向电视方向吹风时，空气调节控制单元指示空调运行单元改变风扇的速度，以产生将热量从电视210朝向打开的窗户214或房间中未被人占用的其他部分驱动的气流形态，从而使电视散发的热量对用户附近的空气温度影响较小。

图2B示出在空调100基于图2A所示的构造在房间202中运行一段时间之后，空调100捕获到指示房间202中的变化的附加图像。基于对空调摄像机拍摄的图像的分析，空调确定房间布局已改变。新的房间布局包括家具的新位置和跑步机234。基于图像分析，空调控制单元114确定新的布局为图2B所示的布局。例如，根据房间的红外图像，基于来自窗户的热辐射场型以及基于不存在来自窗户214的气流来确定窗口214的状态是关闭的。基于多个时间的图像中的沙发206的图像比较，空调控制单元确定沙发206已经移至墙壁226附近并且当前没有人坐在沙发206上。基于图像与靠近窗口214的对象的图像和其他已知对象的图像相比较，空调控制单元确定该对象是跑步机234并且跑步机234靠近窗户214的墙壁216布置。基于对随时间推移拍摄的多幅跑步机图像的比较以及可选地基于房间的热量图，空调控制单元确定人236正在跑步机234上跑步。基于以上分析和确定，空调控制单元确定需要调整运行配置。在一些实施例中，由于房间的诸多第一层因素没有改变(例如，房间的大小和尺寸，窗户和门的数量和位置，季节等)，可选地，空调控制单元维持基准运行配置，并根据房间的新布局调整某些参数的范围，以生成定制的运行配置。例如，由于沙发206的位置已经改变，所定制的运行配置可能与针对图2A所示房间布局定制的运行配置略有不同。例如，由于沙发206现在位于窗户214附近并且由于阳光透过窗户而被照射的比较热，室温的范围整体下降1度。基于第二层因素，空调的运行参数进一步调整。例如，根据确定窗户为关闭状态，空调以满负载打开以将房间降温到目标温度。另外，由于当前没有人坐在沙发206上，所以当风扇向沙发206吹风时，对从空调100吹出的气流速度没有限制。此外，根据跑步机234附近的运动和热辐射场型，当风扇朝着跑步机234的方向吹风时，空气调节控制单元114指示空调运行单元106增加气流速度，以向在跑步机234上跑步的用户236提供额外的冷却。如图2B所示，从空调100吹出的气流的方向和变化速度在房间内形成的气流形态与图2A所示的不同，这是因为空调控制单元进行了调整。例如，箭头238表示：当风扇沿着从墙壁228到墙壁226的方向转向时由空调运行单元吹出的气流引起的房间中的气流方向(例如，除了围绕中心轴旋转之外风扇还会左右摆动)；以及箭头240表示：当风扇沿着从墙壁226到墙壁228的方向转向时向由空调运行单元吹出的气流引起的房间中的气流方向。风扇运动和风扇速度变化产生的气流形态可以确保冷却集中于跑步机上跑步的用户，而不是集中在当前没人的沙发上。在一些实施例中，如果空气调节控制单元确定用户236周围的热辐射场型指示高于正常值，空气调节控制单元指示空调运行单元以如下方式运行：当风扇朝向用户的方向吹风或降低整个房间的目标温度时，提高风扇速度。

提供以上示例仅出于说明性目的。下面参照图3所示的流程图阐述空气调节控制单元116的功能的更多细节。

图3是根据一些实施例的用于进行空气调节的方法300的流程图。在一些实施例中，方法300由空调(例如，包括空调控制单元和空调运行单元)执行。在一些实施例中，方法300由空调(例如，包括空调控制单元，空调运行单元，和网络通信单元)结合服务器(例如，服务器100)来执行。在一些实施例中，方法300由存储在非瞬态计算机可读存储介质中的指令控制并且该指令由空调的一个或多个处理器执行。

该方法包括：在具有一个或多个处理器以及存储器的电子设备处执行如下所述的操作，该电子设备可与一个或多个摄像机以及一个或多个空调运行单元通信(例如，该电子设备是智能空调，包括具有一个或多个处理器和存储器的控制单元，空调外壳上的朝向外部的一个或多个摄像机，以及一个或多个空调运行单元，所述空调运行单元产生空气调节输出(例如，温度控制的且定向的气流)以根据一个或多个预定的控制参数(例如，功率，效率，气流温度，气流速度，气流方向等)来调节房间的温度和湿度)：通过一个或多个摄像机获得(302)空调运行单元的周围环境的一个或多个图像；基于通过一个或多个预定的机器学习模型对一个或多个图像进行的分析来确定(304)第一组因素(例如，第一层因素)，所述第一组因素包括空调运行单元的周围环境的布局，其中所述布局至少指定出周围环境的在远离一个或多个空调单元的第一方向上的第一深度和在远离一个或多个空调单元的第二方向上的第二深度，所述第二方向与所述第一方向不同；以及根据通过一个或多个预定的机器学习模型(例如，深度学习模型)对一个或多个图像进行的分析确定的第一组因素(例如，第一层因素)，从预定的多个运行配置中选择(306)第一运行配置，其中所述多个运行配置中的每个预定的运行配置为多个预定的控制参数中的每个控制参数指定相应的取值范围，所述控制参数用于控制一个或多个空调运行单元。

在一些实施例中，电子设备根据通过一个或多个预定的机器学习模型对一个或多个图像进行的分析所确定的第一组因素，修改第一运行配置中多个预定的控制参数中的至少一个的取值范围。在一些实施例中，电子设备通过一个或多个预定的机器学习模型对一个或多个图像进行的分析来确定第二组因素(例如，第二层因素)，所述第二组因素包括在空调运行单元的周围环境中识别出的对象的状态。根据通过一个或多个预定的机器学习模型对一个或多个图像进行的分析确定的第二组因素(第二层因素)，电子设备在已经根据第一组因素修改的相应的取值范围内选择第一运行配置的第一控制参数的当前值，以操作一个或多个空调运行单元。在一些实施例中，第一组因素包括在一个或多个空调运行单元的周围环境中的窗户的位置，第二组因素包括窗户的打开/关闭状态。在一些实施例中，第一组因素包括第一类型的家具在周围环境中的位置，并且第二组因素包括在一个或多个空调运行单元的周围环境中的第一类型的家具的位置处是否有人。在一些实施例中，第二组因素包括在一个或多个空调运行单元的周围环境中的第一类型家具的位置处的人的运动状态。在一些实施例中，第二组因素包括在一个或多个空调运行单元的周围环境中的第一类型家具的位置处的人的温度状态。

应当理解的是，描述图3中操作的特定顺序仅仅是示例性的并非旨在表示所描述的顺序是可以执行操作的唯一顺序。本领域普通技术人员能够认识到重新排序本文描述的操作的各种方式。另外，应当注意，关于本文描述的其他方法和/或过程的本文描述的其他过程的细节也可以类似的方式应用于上述方法300。

图4是代表性的空调100的框图。空调包括一个或多个处理单元(CPU)402、一个或多个网络接口404、存储器406、用于互连这些组件的一个或多个通信总线408(有时称为芯片组)。空调100还包括用户界面410。用户界面410包括使得能够呈现媒体内容的一个或多个输出设备412，所述输出设备包括一个或多个扬声器和/或一个或多个视觉显示器。用户界面410还包括一个或多个输入设备414，所述输入设备包括便于用户输入的用户界面组件诸如键盘、鼠标、语音命令输入单元或麦克风、触摸屏显示器、触敏输入板、手势捕捉相机、或其他输入按钮或控件。此外，一些空调100使用麦克风和语音识别或照相机和手势识别来作为键盘的补充或替换。在一些实施例中，空调100还包括能感测空调100的运行环境信息的传感器。传感器包括但不限于一个或多个麦克风、一个或多个摄像机、环境光传感器、一个或多个加速度计、一个或多个陀螺仪、GPS定位系统、蓝牙或BLE(低功耗蓝牙)系统、温度传感器、湿度传感器、一个或多个运动传感器、一个或多个生物传感器(例如，皮肤电阻抗传感器，脉搏血氧仪等)、和其他传感器。此外，空调器100包括空调运行单元106，该空调运行单元106包括压缩机、制冷剂、蒸发器、冷凝器、膨胀阀、风扇、空气过滤器(例如，颗粒过滤器，以及用于空气中各种污染物和毒素的过滤器，水分过滤器等)、和/或一个或多个传感器(例如，恒温器，湿度传感器，空气流量传感器，阀压力传感器，计时器等)。存储器406包括高速随机存取存储器，诸如DRAM、SRAM、DDR RAM、或其他随机存取固态存储器装置；以及可选地包括非易失性存储器，诸如一个或多个磁盘存储装置，一个或多个光盘存储装置，一个或多个闪存装置，或一个或多个其他非易失性固态存储装置。存储器406可选地包括远离一个或多个处理单元402的一个或多个存储装置。存储器406，或存储器406内的非易失性存储器，包括非易失性计算机可读存储介质。在一些实施方式中，存储器406或存储器406的非易失性计算机可读存储介质可存储以下程序，模块和数据结构，或其子集或超集：

·操作系统416，所述操作系统包括用于处理各种基本系统服务和用于执行与硬件独立的任务的程序；

·网络通信模块418，所述网络通信模块用于(有线或无线)将空调100连接到其他计算设备(例如，服务器系统110)或通过一个或多个网络接口404将空调连接到移动控制设备(例如，智能手机或平板电脑)，所述移动控制设备连接到一个或多个网络；

·呈现模块420，所述呈现模块用于实现信息的呈现；

·输入处理模块422，用于从一个或多个输入设备414中检测一个或多个用户输入或交互，并解读检测到的输入或交互；

·控制空调100的空调控制单元104，其包括但不限于：

○成像控制单元112，所述成像控制单元用于控制空调100的一个或多个摄像机和其他传感器；

○空气调节控制单元114，所述空调控制单元用于控制空调运行单元106；

○预安装控制单元116，所述预安装控制单元用于提供关于空调100的安装的实时位置指导；

○图像处理单元115，所述图像处理单元用于对来自空调100的摄像机的图像进行图像分析以确定房间布局和房间中的对象的类型和状态；和

○其他模块438，所述其他模块用于执行本文阐述的其他功能。

每个上文所述的单元可以被存储在一个或多个所述存储器设备中，并对应于用于执行上述功能的一组指令。上文所述的模块或程序(例如，指令集)不需要由独立软件程序、过程或者模块实现，因此，在各种实施例中，这些模块的各子集可以组合或者以其它方式重排。在一些实施例中，可选地，存储器406存储上文限定的模块和数据结构的子集。此外，可选地，存储器406存储上文中没有描述的另外的模块和数据结构。

尽管上述描述了特定实施例，应当理解的是，这不意味着将本申请仅限于这些特定实施例。相反，本申请包括在所附权利要求的精神和范围内的备选方案、修改方案和等同方案。本申请陈述了特定的细节以便能够对本申请提出的主题彻底理解。但是对于本领域技术人员来说显而易见的是，无需这些特定细节也能够实践本主题。在其他实例中，并未详细描述公知的方法、过程、组件和电路以避免不必要地造成当前实施例的各方面含糊不清。

Claims (20)

1.一种空调系统，所述空调系统包括：

一个或多个摄像机；

一个或多个空调运行单元；

一个或多个处理器；以及

存储有指令的存储器，当所述指令被所述一个或多个处理器执行时，所述处理器执行下述操作：

通过所述一个或多个摄像机获得所述空调运行单元的周围环境的一个或多个图像；

基于通过一个或多个预定的机器学习模型对所述一个或多个图像进行的分析来确定第一组因素，所述第一组因素包括所述空调运行单元的周围环境的布局，其中，所述布局至少指定出周围环境的在远离一个或多个空调单元的第一方向上的第一深度和在远离一个或多个空调单元的第二方向上的第二深度，所述第二方向与所述第一方向不同；以及

根据通过所述一个或多个预定的机器学习模型对所述一个或多个图像进行的分析所确定的第一组因素，从预定的多个运行配置中选择第一运行配置，其中，所述多个运行配置中的每个预定的运行配置为多个预定的控制参数中的每个控制参数指定相应的取值范围，所述控制参数用于控制一个或多个空调运行单元。

2.根据权利要求1所述的空调系统，其中，所述操作包括：

根据通过所述一个或多个预定的机器学习模型对所述一个或多个图像进行的分析所确定的第一组因素，修改所述第一运行配置中的所述多个预定的控制参数中的至少一个的相应的取值范围。

3.根据权利要求2所述的空调系统，其中，所述操作包括：

基于通过所述一个或多个预定的机器学习模型对所述一个或多个图像进行的分析来确定第二组因素，所述第二组因素包括在所述空调运行单元的周围环境中识别出的对象的状态；以及

根据通过所述一个或多个预定的机器学习模型对所述一个或多个图像进行的分析所确定的第二组因素，在已经根据所述第一组因素修改的相应的取值范围内选择所述第一运行配置的第一控制参数的当前值，以操作所述一个或多个空调运行单元。

4.根据权利要求3所述的空调系统，其中，所述第一组因素包括所述一个或多个空调运行单元的周围环境中的窗户的位置，并且所述第二组因素包括窗户的打开/关闭状态。

5.根据权利要求3所述的空调系统，其中，所述第一组因素包括所述一个或多个空调运行单元的周围环境中的第一类型家具的位置，并且所述第二组因素包括在所述一个或多个空调运行单元的周围环境中的所述第一类型家具的位置处是否有人。

6.根据权利要求5所述的空调系统，其中，所述第二组因素包括所述一个或多个空调运行单元的周围环境中的所述第一类型家具的位置处的人的运动状态。

7.根据权利要求5所述的空调系统，其中，所述第二组因素包括所述一个或多个空调运行单元的周围环境中的所述第一类型家具的位置处的人的温度状态。

8.一种用于进行空气调节的方法，所述方法包括：

在具有一个或多个处理器和存储器并且能够与一个或多个摄像机和一个或多个空调运行单元通信的电子设备处执行下述操作：

通过所述一个或多个摄像机获得所述空调运行单元的周围环境的一个或多个图像；

基于通过一个或多个预定的机器学习模型对所述一个或多个图像进行的分析来确定第一组因素，所述第一组因素包括所述空调运行单元的周围环境的布局，其中，所述布局至少指定出周围环境的在远离一个或多个空调单元的第一方向上的第一深度和在远离一个或多个空调单元的第二方向上的第二深度，所述第二方向与所述第一方向不同；以及

根据通过所述一个或多个预定的机器学习模型对所述一个或多个图像进行的分析所确定的第一组因素，从预定的多个运行配置中选择第一运行配置，其中，所述多个运行配置中的每个预定的运行配置为多个预定的控制参数中的每个控制参数指定相应的取值范围，所述控制参数用于控制一个或多个空调运行单元。

9.根据权利要求8所述的方法，包括：

根据通过所述一个或多个预定的机器学习模型对所述一个或多个图像进行的分析所确定的第一组因素，修改所述第一运行配置中的所述多个预定的控制参数中的至少一个的相应的取值范围。

10.根据权利要求9所述的方法，包括：

基于通过所述一个或多个预定的机器学习模型对所述一个或多个图像进行的分析来确定第二组因素，所述第二组因素包括在所述空调运行单元的周围环境中识别出的对象的状态；以及

根据通过所述一个或多个预定的机器学习模型对所述一个或多个图像进行的分析所确定的第二组因素，在已经根据所述第一组因素修改的相应的取值范围内选择所述第一运行配置的第一控制参数的当前值，以操作所述一个或多个空调运行单元。

11.根据权利要求10所述的方法，其中，所述第一组因素包括所述一个或多个空调运行单元的周围环境中的窗户的位置，并且所述第二组因素包括窗户的打开/关闭状态。

12.根据权利要求10所述的方法，其中，所述第一组因素包括所述一个或多个空调运行单元的周围环境中的第一类型家具的位置，并且所述第二组因素包括在所述一个或多个空调运行单元的周围环境中的所述第一类型家具的位置处是否有人。

13.根据权利要求12所述的方法，其中，所述第二组因素包括所述一个或多个空调运行单元的周围环境中的所述第一类型家具的位置处的人的运动状态。

14.根据权利要求12所述的方法，其中，所述第二组因素包括所述一个或多个空调运行单元的周围环境中的所述第一类型家具的位置处的人的温度状态。

15.一种存储有指令的计算机可读存储介质，当所述指令被能够与一个或多个摄像机和一个或多个空调运行单元通信的电子设备的一个或多个处理器执行时，所述处理器执行以下操作：

通过所述一个或多个摄像机获得所述空调运行单元的周围环境的一个或多个图像；

基于通过一个或多个预定的机器学习模型对所述一个或多个图像进行的分析来确定第一组因素，所述第一组因素包括所述空调运行单元的周围环境的布局，其中，所述布局至少指定出周围环境的在远离一个或多个空调单元的第一方向上的第一深度和在远离一个或多个空调单元的第二方向上的第二深度，所述第二方向与所述第一方向不同；以及

根据通过所述一个或多个预定的机器学习模型对所述一个或多个图像进行的分析所确定的第一组因素，从多个预定的运行配置中选择第一运行配置，其中，所述多个运行配置中的每个预定的运行配置为多个预定的控制参数中的每个控制参数指定相应的取值范围，所述控制参数用于控制一个或多个空调运行单元。

16.根据权利要求15所述的计算机可读存储介质，其中，所述操作包括：

根据通过所述一个或多个预定的机器学习模型对所述一个或多个图像进行的分析所确定的第一组因素，修改所述第一运行配置中的所述多个预定的控制参数中的至少一个的相应的取值范围。

17.根据权利要求16所述的计算机可读存储介质，其中，所述操作包括：

基于通过所述一个或多个预定的机器学习模型对所述一个或多个图像进行的分析来确定第二组因素，所述第二组因素包括在所述空调运行单元的周围环境中识别出的对象的状态；以及

根据通过所述一个或多个预定的机器学习模型对所述一个或多个图像进行的分析所确定的第二组因素，在已经根据所述第一组因素修改的相应的取值范围内选择所述第一运行配置的第一控制参数的当前值，以操作所述一个或多个空调运行单元。

18.根据权利要求17所述的计算机可读存储介质，其中，所述第一组因素包括所述一个或多个空调运行单元的周围环境中的窗户的位置，并且所述第二组因素包括窗户的打开/关闭状态。

19.根据权利要求17所述的计算机可读存储介质，其中，所述第一组因素包括所述一个或多个空调运行单元的周围环境中的第一类型家具的位置，并且所述第二组因素包括在所述一个或多个空调运行单元的周围环境中的所述第一类型家具的位置处是否有人。

20.根据权利要求19所述的计算机可读存储介质，其中，所述第二组因素包括所述一个或多个空调运行单元的周围环境中的所述第一类型家具的位置处的人的运动状态。

Images