CN112378050B - 空气调节设备的控制方法、装置、电子设备及存储介质 - Google Patents

空气调节设备的控制方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112378050B
CN112378050B CN202011248464.6A CN202011248464A CN112378050B CN 112378050 B CN112378050 B CN 112378050B CN 202011248464 A CN202011248464 A CN 202011248464A CN 112378050 B CN112378050 B CN 112378050B
Authority
CN
China
Prior art keywords
preset
determining
prediction function
target
classifier
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.)
Active
Application number
CN202011248464.6A
Other languages
English (en)
Other versions
CN112378050A (zh
Inventor
赵宇
龚梁
刮超
刘长文
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
Original Assignee
Gree Electric Appliances Inc of Zhuhai
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 filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN202011248464.6A priority Critical patent/CN112378050B/zh
Publication of CN112378050A publication Critical patent/CN112378050A/zh
Application granted granted Critical
Publication of CN112378050B publication Critical patent/CN112378050B/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
    • F24F11/62—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
    • F24F11/54—Control or safety arrangements characterised by user interfaces or communication using one central controller connected to several sub-controllers
    • 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
    • F24F11/56—Remote control
    • 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
    • F24F11/65—Electronic processing for selecting an operating mode
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
    • 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
    • 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
    • F24F2120/14—Activity of occupants
    • 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
    • F24F2120/20—Feedback from users

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明实施例提供了一种空气调节设备的控制方法、装置、电子设备及存储介质，所述方法包括：在当前场景中检测到运动目标的情况下，获取当前时刻所述运动目标所在位置；以及，确定当前时刻所述运动目标的速度，获取当前时刻所述运动目标的点云数据；基于所述位置、所述速度以及所述点云数据，确定所述运动目标是否为第一类目标；在确定所述运动目标为所述第一类目标的情况下，基于所述第一类目标对应的空气调节设备的控制策略控制所述空气调节设备。如此利用运动目标所在位置、运动目标的速度以及运动目标的点云数据相互结合的方式来识别运动目标是否为第一类目标，从而可以正确区分场景中的“人”与“物”，避免造成误识别，提高用户体验。

Description

空气调节设备的控制方法、装置、电子设备及存储介质
技术领域
本发明实施例涉及自动控制技术领域，尤其涉及一种空气调节设备的控制方法、装置、电子设备及存储介质。
背景技术
随着人们生活水平的日益提高，空气调节设备(例如空调器)逐渐进入千家万户当中。对于空气调节设备，具备多样化的工作模式，例如“风随人”工作模式、“风避人”工作模式等。在空气调节设备使用过程当中，如果选择了“风随人”工作模式或者“风避人”工作模式，需要区分场景中的“人”与“物”，控制空气调节设备的吹风方向朝着或者避开“人”所在的位置。
相关技术中，大都是根据是否运动来区分场景中的“人”与“物”，从而控制空气调节设备的吹风方向朝着或者避开“人”所在的位置。由于场景中一般都会存在风扇等可以运动的物体，或者是植物、窗帘等可以随风运动的物体，如此基于是否运动来区分场景中的“人”与“物”，容易造成误识别，例如将场景中风扇误识别为“人”，影响用户体验。
发明内容
为了解决上述由于场景中一般都会存在风扇等可以运动的物体，或者是植物、窗帘等可以随风运动的物体，如此基于是否运动来区分场景中的“人”与“物”，容易造成误识别，影响用户体验的技术问题，本发明实施例提供了一种空气调节设备的控制方法、装置、电子设备及存储介质。
在本发明实施例的第一方面，首先提供了一种空气调节设备的控制方法，所述方法包括：
在当前场景中检测到运动目标的情况下，获取当前时刻所述运动目标所在位置；以及，
确定当前时刻所述运动目标的速度，获取当前时刻所述运动目标的点云数据；
基于所述位置、所述速度以及所述点云数据，确定所述运动目标是否为第一类目标；
在确定所述运动目标为所述第一类目标的情况下，基于所述第一类目标对应的空气调节设备的控制策略控制所述空气调节设备。
在一个可选的实施方式中，所述基于所述位置、所述速度以及所述点云数据，确定所述运动目标是否为第一类目标，包括：
利用所述位置确定预设第一分类器输出的第一分类结果；
利用所述速度确定预设第二分类器输出的第二分类结果；
基于所述点云数据确定所述预设第一分类器的第一权重以及所述预设第二分类器的第二权重；
将所述第一分类结果、所述第二分类结果、所述第一权重及所述第二权重输入至预设结果融合算法，获取所述预设结果融合算法的输出结果；
基于所述输出结果确定所述运动目标是否为第一类目标。
在一个可选的实施方式中，所述利用所述位置确定预设第一分类器输出的第一分类结果，包括：
计算所述位置与任一样本位置之间的距离，利用所述距离对所有所述样本位置进行排序；
从所有所述样本位置中基于排序结果选取K个所述样本位置，其中，所述K大于等于1；
从K个所述样本位置中确定属于第一类目标的所述样本位置的第一数量，从K个所述样本位置中确定属于第二类目标的所述样本位置的第二数量；
基于所述第一数量计算第一类目标出现的第一频率，基于所述第二数量计算所述第二类目标出现的第二频率；
利用所述第一频率以及所述第二频率确定预设第一分类器输出的第一分类结果。
在一个可选的实施方式中，所述利用所述第一频率以及所述第二频率确定预设第一分类器输出的第一分类结果，包括：
判断所述第一频率是否大于所述第二频率；
若所述第一频率大于所述第二频率，确定预设第一分类器输出的第一类目标对应的第一分类结果；
若所述第一频率未大于所述第二频率，确定预设第一分类器输出的第二类目标对应的第一分类结果。
在一个可选的实施方式中，所述确定当前时刻所述运动目标的速度，包括：
确定当前时刻所述运动目标在X轴的第一速度以及在Y轴的第二速度。
在一个可选的实施方式中，所述利用所述速度确定预设第二分类器输出的第二分类结果，包括：
若所述第一速度或者所述第二速度大于等于预设速度阈值，确定预设第二分类器输出的第一类目标对应的第二分类结果；
若所述第一速度和所述第二速度均小于预设速度阈值，确定预设第二分类器输出的第二类目标对应的第二分类结果。
在一个可选的实施方式中，所述基于所述点云数据确定所述预设第一分类器的第一权重以及所述预设第二分类器的第二权重，包括：
判断所述点云数据的数量是否小于等于预设第一点云阈值；
若所述数量大于所述预设第一点云阈值，确定预设第一权重策略对应的所述预设第一分类器的第一权重及所述预设第二分类器的第二权重；
若所述数量小于等于所述预设第一点云阈值，判断所述数量是否大于等于预设第二点云阈值；
若所述数量小于等于所述预设第二点云阈值，确定预设第二权重策略对应的所述预设第一分类器的第一权重及所述预设第二分类器的第二权重；
若所述数量大于所述预设第二点云阈值，确定预设第三权重策略对应的所述预设第一分类器的第一权重及所述预设第二分类器的第二权重。
在一个可选的实施方式中，所述基于所述输出结果确定所述运动目标是否为第一类目标，包括：
基于所述输出结果确定预设第一类目标预测函数以及第二类目标预测函数对应的更新策略；
基于所述更新策略分别对所述第一类目标预测函数、所述第二类目标预测函数进行更新；
判断更新的所述第一类目标预测函数输出的结果是否大于等于更新的所述第二类目标预测函数输出的结果；
若更新的所述第一类目标预测函数输出的结果大于等于更新的所述第二类目标预测函数输出的结果，确定所述运动目标为第一类目标。
在一个可选的实施方式中，所述方法还包括：
若更新的所述第一类目标预测函数输出的结果小于更新的所述第二类目标预测函数输出的结果，确定所述运动目标为第二类目标。
在一个可选的实施方式中，所述基于所述输出结果确定预设第一类目标预测函数以及第二类目标预测函数对应的更新策略，包括：
确定当前时刻所述运动目标的移动距离；
基于所述移动距离以及所述输出结果，确定预设第一类目标预测函数以及第二类目标预测函数对应的更新策略。
在一个可选的实施方式中，所述基于所述移动距离以及所述输出结果，确定预设第一类目标预测函数以及第二类目标预测函数对应的更新策略，包括：
判断所述移动距离是否小于预设距离阈值；
若所述移动距离未小于所述预设距离阈值，判断所述输出结果是否大于等于所述预设阈值；
若所述输出结果小于所述预设阈值，确定预设第一类目标预测函数以及第二类目标预测函数对应的第一更新策略；
若所述输出结果大于等于所述预设阈值，确定预设第一类目标预测函数以及第二类目标预测函数对应的第二更新策略。
在一个可选的实施方式中，所述基于所述移动距离以及所述输出结果，确定预设第一类目标预测函数以及第二类目标预测函数对应的更新策略，还包括：
若所述移动距离小于所述预设距离阈值，判断所述位置是否位于预设区域；
若所述位置位于所述预设区域，判断所述输出结果是否大于等于所述预设阈值；
若所述输出结果小于所述预设阈值，确定预设第一类目标预测函数以及第二类目标预测函数对应的第三更新策略；
若所述输出结果大于等于所述预设阈值，确定预设第一类目标预测函数以及第二类目标预测函数对应的第四更新策略。
在一个可选的实施方式中，所述基于所述移动距离以及所述输出结果，确定预设第一类目标预测函数以及第二类目标预测函数对应的更新策略，还包括：
若所述位置未位于所述预设区域，判断所述输出结果是否大于等于所述预设阈值；
若所述输出结果小于所述预设阈值，确定预设第一类目标预测函数以及第二类目标预测函数对应的第五更新策略；
若所述输出结果大于等于所述预设阈值，确定预设第一类目标预测函数以及第二类目标预测函数对应的第六更新策略。
在一个可选的实施方式中，所述预设结果融合算法，包括：
S＝p*KNN+q*XY；
所述S为所述输出结果，所述p为所述第一权重，q为所述第二权重，所述KNN为所述第一分类结果，所述XY为所述第二分类结果。
在本发明实施例的第二方面，提供了一种空气调节设备的控制装置，所述装置包括：
位置获取模块，用于在当前场景中检测到运动目标的情况下，获取当前时刻所述运动目标所在位置；以及，
速度确定模块，用于确定当前时刻所述运动目标的速度，获取当前时刻所述运动目标的点云数据；
目标确定模块，用于基于所述位置、所述速度以及所述点云数据，确定所述运动目标是否为第一类目标；
设备控制模块，用于在确定所述运动目标为所述第一类目标的情况下，基于所述第一类目标对应的空气调节设备的控制策略控制所述空气调节设备。
在本发明实施例的第三方面，还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；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述第一方面中所述的空气调节设备的控制方法。
在本发明实施例的第四方面，还提供了一种存储介质，所述存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述第一方面中所述的空气调节设备的控制方法。
在本发明实施例的第五方面，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面中所述的空气调节设备的控制方法。
本发明实施例提供的技术方案，在当前场景中检测到运动目标的情况下，获取当前时刻运动目标所在位置，以及确定当前时刻运动目标的速度，获取当前时刻运动目标的点云数据，基于该位置、该速度以及该点云数据，确定运动目标是否为第一类目标，在确定运动目标为第一类目标的情况下，基于第一类目标对应的空气调节设备的控制策略控制空气调节设备。如此利用运动目标所在位置、运动目标的速度以及运动目标的点云数据相互结合的方式来识别运动目标是否为第一类目标，从而可以正确区分场景中的“人”与“物”，避免造成误识别，提高用户体验。
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为本发明实施例中示出的一种空气调节设备的控制方法的实施流程示意图；
图2为本发明实施例中示出的一种场景中毫米波雷达的位置示意图；
图3为本发明实施例中示出的另一种空气调节设备的控制方法的实施流程示意图；
图4为本发明实施例中示出的一种利用该位置确定预设第一分类器输出的第一分类结果的实施流程示意图；
图5为本发明实施例中示出的一种利用该第一速度以及第二速度确定预设第二分类器输出的第二分类结果的实施流程示意图；
图6为本发明实施例中示出的一种基于该点云数据确定预设第一分类器的第一权重以及预设第二分类器的第二权重的实施流程示意图；
图7为本发明实施例中示出的一种基于该输出结果确定运动目标是否为第一类目标的实施流程示意图；
图8为本发明实施例中示出的另一种基于该输出结果确定运动目标是否为第一类目标的实施流程示意图；
图9为本发明实施例中示出的一种区域划分示意图；
图10为本发明实施例中示出的一种空气调节设备的控制装置的结构示意图；
图11为本发明实施例中示出的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明的一部分实施例，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的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。
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。
在本发明实施例中，以“物”为风扇为例，发明人对大量风扇和“人”的行为数据进行采集，对行为数据进行分析发现：在位置上风扇不管是摇头还是不摇头，由于风叶在转动时有比较强的反射，风扇在X轴和Y轴的位置变化比较稳定，而相较于“人”，在原地站着不动或者坐着微动在X轴和Y轴的位置变化比较大，更何况“人”会移动位置或者存在大幅动作。
这里位置变化比较稳定是指波动范围、波动规律比较一致，例如，风扇左右摇头都是从左边某一个角度位置转到右边另一个角度位置，变化规律趋近一致。而相较于“人”，站着不动并非完全一点儿都不动，毫米波雷达检测比较精准，即使微小的晃动，例如低头等也是可以准确检测出来的，相对于风扇的固定规律运动来说，“人”站着不动的时候，检测出来的结果呈现也是运动变化比较大，且不规律的。
其次，风扇在X轴方向、Y轴方向的速度变化呈一定的规律，但目标速度与风扇是否摇头、风速、不同种类的风速等相关性很大，且“人”在站立的时候的速度也可能具有相似的特性，故速度信息不好利用。在静态点和动态点的特性上也和速度信息类似，不具备明显可区分的特性。
综上所述，通过位置的变化速度来区分风扇有效可行，再结合“人”的移动速度及速度可以将“人”与风扇区分开来。目标动作越大越多，移动距离越远则越相信是人，反之当目标在当前位置一直不移动，但却有一定的速度一段时间则判断为风扇。
基于上述发明思想，如图1所示，为本发明实施例提供的一种空气调节设备的控制方法的实施流程示意图，该方法具体可以包括以下步骤：
S101，在当前场景中检测到运动目标的情况下，获取当前时刻所述运动目标所在位置。
S102，确定当前时刻所述运动目标的速度，获取当前时刻所述运动目标的点云数据。
在本发明实施例中，在当前场景中可以利用毫米波雷达等检测是否存在运动目标，在当前场景中利用毫米波雷达等检测到运动目标的情况下，可以获取当前时刻运动目标所在位置，确定当前时刻运动目标的速度，获取当前时刻运动目标的点云数据。
对于当前场景，可以包含空气调节设备，例如可以是用户客厅，本发明实施例对此不作限定。对于运动目标，可以是运动的“人”，可以是运动的“物”，本发明实施例对此不作限定。
对于当前时刻运动目标所在位置，可以利用毫米波雷达等获取。对于当前时刻运动目标的速度，可以利用毫米波雷达等测量运动目标移动距离，进而根据移动距离除以相应时间得到速度。对于当前时刻运动目标的点云数据，可以利用毫米波雷达等获取。
这里毫米波雷达可以设置于空气调节设备面板上，整个毫米波雷达作为空气调节设备的一部分，可以与空气调节设备占据同一个位置(x，y)，如图2所示，器具就是毫米波雷达的位置，同样也是空气调节设备的位置。
需要说明的是，对于空气调解设备，可以是空调，可以智能风扇，本发明实施例对此不作限定。
例如，在当前场景中可以利用毫米波雷达检测是否存在运动目标，在当前场景中检测到运动目标的情况下，可以获取运动目标所在位置(x，y)，确定当前时刻运动目标的速度v，获取当前时刻运动目标的点云数据。
S103，基于所述位置、所述速度以及所述点云数据，确定所述运动目标是否为第一类目标。
在本发明实施例中，对于当前时刻运动目标所在位置、当前时刻运动目标的速度以及当前时刻运动目标的点云数据，可以基于该位置、该速度以及该点云数据，确定运动目标是否为第一类目标。
对于第一类目标，在本发明实施例中可以是“人”，即本发明实施例可以基于该位置、该速度以及该点云数据，确定运动目标是否为“人”。
S104，在确定所述运动目标为所述第一类目标的情况下，基于所述第一类目标对应的空气调节设备的控制策略控制所述空气调节设备。
在确定运动目标为第一类目标的情况下，可以基于第一类目标对应的空气调节设备的控制策略控制该空气调节设备。其中，空气调节设备的控制策略可以根据第一类目标预先设置。
例如，在确定运动目标为“人”的情况下，可以确定“人”对应的空气调节设备的控制策略：“风随人”工作模式，从而可以控制空气调节设备(导风板)的吹风方向朝着“人”所在的位置。
通过上述对本发明实施例提供的技术方案的描述，在当前场景中检测到运动目标的情况下，获取当前时刻运动目标所在位置，以及确定当前时刻运动目标的速度，获取当前时刻运动目标的点云数据，基于该位置、该速度以及该点云数据，确定运动目标是否为第一类目标，在确定运动目标为第一类目标的情况下，基于第一类目标对应的空气调节设备的控制策略控制空气调节设备。
如此利用运动目标所在位置、运动目标的速度以及运动目标的点云数据相互结合的方式来识别运动目标是否为第一类目标，从而可以正确区分场景中的“人”与“物”，避免造成误识别，提高用户体验。
如图3所示，为本发明实施例提供的另一种空气调节设备的控制方法的实施流程示意图，该方法具体可以包括以下步骤：
S301，在当前场景中检测到运动目标的情况下，获取当前时刻所述运动目标所在位置。
在本发明实施例中，本步骤与上述步骤S101类似，本发明实施例在此不再一一赘述。
S302，确定当前时刻所述运动目标的速度，获取当前时刻所述运动目标的点云数据。
在本发明实施例中，本步骤与上述步骤S102类似，本发明实施例在此不再一一赘述。
S303，利用所述位置确定预设第一分类器输出的第一分类结果。
在本发明实施例中，对于当前时刻运动目标所在位置，可以利用该位置确定预设第一分类器输出的第一分类结果。这里预设第一分类器可以是KNN分类器，本发明实施例对此不作限定。
具体地，如图4所示，本发明实施例可以通过以下方式实现利用该位置确定预设第一分类器输出的第一分类结果：
S401，计算所述位置与任一样本位置之间的距离，利用所述距离对所有所述样本位置进行排序。
对于当前时刻运动目标所在位置，本发明实施例可以计算该位置与任一样本位置之间的距离，并利用该距离对所有样本位置进行排序。
对于样本位置，就是指KNN(K-NearestNeighbor，k最邻近分类算法)中训练的数据，这些数据是知道结果的，即某一组样本位置的分类是“人”还是“物”。
对于排序规则，可以按照从小到大的顺序对所有样本位置进行排序，本发明实施例对此不作限定。
例如，对于当前时刻运动目标所在位置A(x，y)，样本位置B1(x1，y1)，则位置A与样本位置B1之间的距离d如下所示，对于位置A与其它样本位置之间的距离的计算亦是如此，本发明实施例在此不再一一赘述。
Figure BDA0002770822650000121
对于位置A与样本位置B1、样本位置B2、样本位置B3……之间的距离，可以基于该距离对样本位置B1、样本位置B2、样本位置B3……按照从小到大的顺序进行排序。位置A与样本位置Bn(n＝1、2、3……)之间的距离远小，样本位置Bn排名越靠前。
S402，从所有所述样本位置中基于排序结果选取K个所述样本位置，其中，所述K大于等于1。
对于所有样本位置，本发明实施例可以从所有样本位置中基于排序结果选取K个样本位置。具体地，可以从所有样本位置中基于排序结果(从小到大的排序顺序)选取前K个样本位置。
例如，对于样本位置B1、样本位置B2、样本位置B3……，基于排序结果(从小到大的排序顺序)选取前51个样本位置。
S403，从K个所述样本位置中确定属于第一类目标的所述样本位置的第一数量，从K个所述样本位置中确定属于第二类目标的所述样本位置的第二数量。
在本发明实施例中，对运动目标进行分类，第一类目标可以是“人”，第二类目标可以是“物”，例如风扇等，对于样本位置是知道结果的，即某一组样本位置的分类是“人”还是“物”。因此，可以从K个样本位置中确定属于“人”的样本位置的第一数量，并从K个样本位置中确定属于“物”的样本位置的第二数量。
例如，对于K(51)个样本位置，从K个样本位置中确定属于“人”的样本位置的第一数量26，意味着K个样本位置中26个样本位置的分类是“人”，从K个样本位置中确定属于“物”的样本位置的第一数量25，意味着K个样本位置中25个样本位置的分类是“物”。
S404，基于所述第一数量计算第一类目标出现的第一频率，基于所述第二数量计算所述第二类目标出现的第二频率。
对于K个样本位置中，可以基于第一数量计算K个样本位置中第一类目标出现的第一频率，基于第二数量计算K个样本位置中第二类目标出现的第二频率。
例如，从K(51)个样本位置中确定属于“人”的样本位置的第一数量26，意味着K个样本位置中26个样本位置的分类是“人”，从而可以计算K(51)个样本位置中“人”出现的第一频率26/51。
又例如，从K个样本位置中确定属于“物”的样本位置的第二数量25，意味着K个样本位置中25个样本位置的分类是“物”，从而可以计算K(51)个样本位置中“物”出现的第二频率25/51。
S405，利用所述第一频率以及所述第二频率确定预设第一分类器输出的第一分类结果。
对于第一频率以及第二频率，可以利用该第一频率以及该第二频率确定预设第一分类器输出的第一分类结果，即KNN分类器输出的第一分类结果。
具体地，可以判断第一频率是否大于第二频率，若第一频率大于第二频率，确定预设第一分类器输出的第一类目标对应的第一分类结果，若第一频率未大于第二频率，确定预设第一分类器输出的第二类目标对应的第一分类结果。
例如，K(51)个样本位置中“人”出现的第一频率26/51，K(51)个样本位置中“物”出现的第二频率25/51，第一频率大于第二频率，则表示预测结果大概率为“人”，确定KNN分类器输出的“人”对应的KNN＝1。
又例如，K(51)个样本位置中“人”出现的第一频率25/51，K(51)个样本位置中“物”出现的第二频率26/51，第一频率小于第二频率，则表示预测结果大概率为“物”，确定KNN分类器输出的“物”对应的KNN＝0。
在本发明实施例中，为了防止第一频率与第二频率相等，可以选取K为奇数，且大于等于1。
S304，利用所述速度确定预设第二分类器输出的第二分类结果。
在本发明实施例中，可以确定当前时刻运动目标在X轴的第一速度以及在Y轴的第二速度，从而可以利用该第一速度以及第二速度确定预设第二分类器输出的第二分类结果。
具体地，如图5所示，本发明实施例可以通过以下方式实现利用该第一速度以及第二速度确定预设第二分类器输出的第二分类结果：
S501，若所述第一速度或者所述第二速度大于等于预设速度阈值，确定预设第二分类器输出的第一类目标对应的第二分类结果。
在本发明实施例中，预设第二分类器可以是速度分类器，该速度分类器用于检测运动目标在X轴的第一速度以及在Y轴的第二速度。当第一速度或者第二速度大于等于预设速度阈值，可以确定速度分类器输出的第一类目标对应的第二分类结果。
例如，对于运动目标在X轴的第一速度x’或者在Y轴的第二速度y’，如果X轴的第一速度x’或者Y轴的第二速度y’大于等于m(例如m＝0.15m/s)，则认为运动目标大概率为“人”，确定速度分类器输出的“人”对应的XY＝1。
S502，若所述第一速度和所述第二速度均小于预设速度阈值，确定预设第二分类器输出的第二类目标对应的第二分类结果。
对于运动目标在X轴的第一速度以及在Y轴的第二速度，当第一速度和第二速度均小于预设速度阈值时，确定预设第二分类器输出的第二类目标对应的第二分类结果。
例如，对于运动目标在X轴的第一速度x’以及在Y轴的第二速度y’，如果X轴的第一速度x’以及Y轴的第二速度y’均小于m(例如m＝0.15m/s)，则认为运动目标大概率为“物”，确定速度分类器输出的“物”对应的XY＝0。
S305，基于所述点云数据确定所述预设第一分类器的第一权重以及所述预设第二分类器的第二权重。
对于运动目标当前时刻的点云数据，可以基于该点云数据确定预设第一分类器的第一权重以及预设第二分类器的第二权重。
具体地，如图6所示，本发明实施例可以通过以下方式实现基于该点云数据确定预设第一分类器的第一权重以及预设第二分类器的第二权重：
S601，判断所述点云数据的数量是否小于等于预设第一点云阈值。
对于运动目标当前时刻的点云数据，本发明实施例可以判断该点云数据的数量是否小于等于预设第一点云阈值。
例如，对于运动目标当前时刻的点云数据，本发明实施例可以判断该点云数据的数量dys是否小于等于n1(例如n1可以是100)。
S602，若所述数量大于所述预设第一点云阈值，确定预设第一权重策略对应的所述预设第一分类器的第一权重及所述预设第二分类器的第二权重。
对于运动目标当前时刻的点云数据的数量，如果该数量大于预设第一点云阈值，则认为KNN分类器的数据比较准确，更倾向于相信KNN分类器，因此KNN分类器的权重增加，即确定预设第一权重策略对应的预设第一分类器的第一权重及预设第二分类器的第二权重。这里第一权重与第二权重相加等于1。
例如，对于运动目标当前时刻的点云数据的数量dys，如果该数量dys大于n1，确定预设第一权重策略对应的KNN分类器的第一权重及速度分类器的第二权重，如下表1所示。
Figure BDA0002770822650000151
表1
S603，若所述数量小于等于所述预设第一点云阈值，判断所述数量是否大于等于预设第二点云阈值。
对于运动目标当前时刻的点云数据的数量，如果该数量小于等于预设第一点云阈值，继续判断该数量是否大于等于预设第二点云阈值，这里预设第二点云阈值小于预设第一点云阈值。
例如，对于运动目标当前时刻的点云数据的数量dys，如果该数量dys小于等于n1，可以继续判断该数量dys是否大于等于n2(例如n2可以是50)。
S604，若所述数量小于等于所述预设第二点云阈值，确定预设第二权重策略对应的所述预设第一分类器的第一权重及所述预设第二分类器的第二权重。
对于运动目标当前时刻的点云数据的数量，如果该数量小于等于预设第二点云阈值，则认为KNN分类器的数据不准确，更倾向于相信速度分类器，可以增加速度分类器的权重，即确定预设第二权重策略对应的预设第一分类器的第一权重及预设第二分类器的第二权重。
例如，对于运动目标当前时刻的点云数据的数量dys，如果该数量dys小于等于n2，确定预设第二权重策略对应的KNN分类器的第一权重及速度分类器的第二权重，如下表2所示。
Figure BDA0002770822650000161
表2
S605，若所述数量大于所述预设第二点云阈值，确定预设第三权重策略对应的所述预设第一分类器的第一权重及所述预设第二分类器的第二权重。
对于运动目标当前时刻的点云数据的数量，如果该数量大于预设第二点云阈值，则认为KNN分类器与速度分类器的准确度相等，两者权重相等，即确定预设第三权重策略对应的预设第一分类器的第一权重及预设第二分类器的第二权重。
例如，对于运动目标当前时刻的点云数据的数量dys，如果该数量dys大于n2，即50＜dys≤100，确定预设第三权重策略对应的KNN分类器的第一权重及速度分类器的第二权重，如下表3所示。
Figure BDA0002770822650000171
表3
S306，将所述第一分类结果、所述第二分类结果、所述第一权重及所述第二权重输入至预设结果融合算法，获取所述预设结果融合算法的输出结果。
对于第一分类结果、第二分类结果、第一权重及第二权重输入至预设结果融合算法，获取预设结果融合算法的输出结果。
对于预设结果融合算法，可以如下所示：
S＝p*KNN+q*XY；
所述S为所述输出结果，所述p为所述第一权重，q为所述第二权重，所述KNN为所述第一分类结果，所述XY为所述第二分类结果。
S307，基于所述输出结果确定所述运动目标是否为第一类目标。
对于预设结果融合算法的输出结果，本发明实施例可以基于该输出结果确定运动目标是否为第一类目标。
具体地，如图7所示，本发明实施例可以通过以下方式实现基于该输出结果确定运动目标是否为第一类目标：
S701，基于所述输出结果确定预设第一类目标预测函数以及第二类目标预测函数对应的更新策略。
在本发明实施例中，预先设置两个函数，预设第一类目标预测函数以及第二类目标预测函数，即一个判断为“人”的数值R(0≤R≤50)，另一个是判定为“物”的数值W(0≤W≤50)，每次通过KNN分类器、第一速度和第二速度逻辑判断分类后，都会改变R和W的值，可以初始化R和W的值，最终通过判断R和W的大小，当R≥W时，则判断该运动目标为“人”，当R＜W时，则判断该运动目标为“物”。
基于此，对于预设结果融合算法的输出结果，本发明实施例可以基于该输出结果确定预设第一类目标预测函数以及第二类目标预测函数对应的更新策略。这里，可以确定当前时刻运动目标的移动距离，基于移动距离以及输出结果相结合的方式，来确定预设第一类目标预测函数以及第二类目标预测函数对应的更新策略。
具体地，可以判断移动距离是否小于预设距离阈值；若移动距离未小于预设距离阈值，判断输出结果是否大于等于预设阈值；若输出结果小于预设阈值，确定预设第一类目标预测函数以及第二类目标预测函数对应的第一更新策略；若输出结果大于等于预设阈值，确定预设第一类目标预测函数以及第二类目标预测函数对应的第二更新策略。
若移动距离小于预设距离阈值，判断运动目标所在位置是否位于预设区域；若该位置位于预设区域，判断输出结果是否大于等于预设阈值；若输出结果小于预设阈值，确定预设第一类目标预测函数以及第二类目标预测函数对应的第三更新策略；若输出结果大于等于预设阈值，确定预设第一类目标预测函数以及第二类目标预测函数对应的第四更新策略。
若该位置未位于预设区域，判断输出结果是否大于等于预设阈值；若输出结果小于预设阈值，确定预设第一类目标预测函数以及第二类目标预测函数对应的第五更新策略；若输出结果大于等于预设阈值，确定预设第一类目标预测函数以及第二类目标预测函数对应的第六更新策略。
例如，如图8所示，初始化R和W的值，R＝W＝25，判断当前时刻运动目标的移动距离是否小于1m，当移动距离大于1m时，认为移动距离较大，则运动目标是“人”的可能性极大，进而判断输出结果S是否大于等于0.5，如果输出结果S小于0.5，确定R和W对应的第一更新策略，如下表4所示，如果输出结果大于等于0.5，确定R和W对应的第二更新策略，如下表5所示。
更新策略 R W
第一更新策略 R＝R’-2 W＝W’+2
表4
更新策略 R W
第二更新策略 R＝R’+20 W＝W’-20
表5
当移动距离小于1m时，判断运动目标所在位置是否位于A区域，若运动目标所在位置位于A区域，判断输出结果S是否大于等于0.5，如果输出结果S小于0.5，确定R和W对应的第三更新策略，如下表6所示，如果输出结果大于等于0.5，确定R和W对应的第四更新策略，如下表7所示。
更新策略 R W
第三更新策略 R＝R’-5 W＝W’+5
表6
更新策略 R W
第四更新策略 R＝R’+15 W＝W’-15
表7
这里对于A区域进行说明，如图9所示的区域划分示意图，在空气调节设备下方A区域(-0.5＜x＜0.5，0.5＜y＜1.5)为空气调节设备正对区域，是空气调节设备刚上电“人”最容易出现的区域，同时因为空气调节设备正前方干扰较少，也是检测结果为“人”准确率较高的区域，当检测到运动目标在A区域时，则增加“人”的判断权重，否则判定在空气调节设备所控的边缘区域，一般不符合“人”的吹风习惯，则增加非人的判断权重，其中A区域设定可以根据用户需求及用户家的家具摆放来自由更改。
若运动目标所在位置未位于A区域，判断输出结果S是否大于等于0.5，若输出结果S小于0.5，确定R和W对应的第五更新策略，如下表8所示，如果输出结果S大于等于0.5，确定R和W对应的第六更新策略，如下表9所示。
更新策略 R W
第五更新策略 R＝R’-10 W＝W’+10
表8
更新策略 R W
第六更新策略 R＝R’+10 W＝W’-10
表9
需要说明的是，对于R’和W’，开始时刻可以是R＝W＝25，在后续时刻可以是上一时刻的R和W，例如当前时刻12点30分00秒，则R’和W’可以是上一时刻12点29分59秒的R和W，即在上一时刻的R和W的基础之上基于不同的更新策略进行更新。
S702，基于所述更新策略分别对所述第一类目标预测函数、所述第二类目标预测函数进行更新。
对于第一类目标预测函数以及第二类目标预测函数，可以基于上述确定的更新策略分别进行更新。这里更新策略可以是第一更新策略、第二更新策略、第三更新策略、第四更新策略、第五更新策略、第六更新策略中任意一者。
在基于更新策略对第一类目标预测函数以及第二类目标预测函数进行更新的过程中，可以确定是否首次更新，如果是首次更新，可以获取第一类目标预测函数以及第二类目标预测函数的初始值，基于更新策略对第一类目标预测函数以及第二类目标预测函数进行更新，如果不是首次更新，可以获取上一时刻第一类目标预测函数以及第二类目标预测函数的数值，基于更新策略对第一类目标预测函数以及第二类目标预测函数进行更新。
例如，确定R和W是否首次更新，即空气调节设备是否刚上电开机，如果R和W首次更新，表示空气调节设备刚上电开机，可以获取R和W的初始值R＝W＝25，基于第一更新策略对R和W进行更新，如上述表4所示，此时R＝25-2＝23，W＝25+2＝27。如果R和W不是首次更新，可以获取上一时刻R和W的数值，R＝23，W＝27，基于第二更新策略对R和W进行更新，如上述表4所示，此时R＝23+20＝43，W＝27-20＝7。
S703，判断更新的所述第一类目标预测函数输出的结果是否大于等于更新的所述第二类目标预测函数输出的结果。
S704，若更新的所述第一类目标预测函数输出的结果大于等于更新的所述第二类目标预测函数输出的结果，确定所述运动目标为第一类目标。
在本发明实施例中，可以判断更新的第一类目标预测函数输出的结果是否大于等于更新的第二类目标预测函数输出的结果，即判断更新的R是否大于等于更新的W，如果更新的R大于等于更新的W，可以确定运动目标为“人”，否则可以确定运动目标为“物”。
例如，更新的R＝43，更新的W＝7，此时更新的R大于更新的W，可以确定运动目标为“人”。又例如，更新的R＝23，更新的W＝27，此时更新的R小于更新的W，可以确定运动目标为“物”。
S308，在确定所述运动目标为所述第一类目标的情况下，基于所述第一类目标对应的空气调节设备的控制策略控制所述空气调节设备。
在本发明实施例中，本步骤与上述步骤S104类似，本发明实施例在此不再一一赘述。
与上述方法实施例相对应，本发明实施例还提供了一种空气调节设备的控制装置，如图10所示，该装置可以包括：位置获取模块1010、速度确定模块1020、目标确定模块1030、设备控制模块1040。
位置获取模块1010，用于在当前场景中检测到运动目标的情况下，获取当前时刻所述运动目标所在位置；以及，
速度确定模块1020，用于确定当前时刻所述运动目标的速度，获取当前时刻所述运动目标的点云数据；
目标确定模块1030，用于基于所述位置、所述速度以及所述点云数据，确定所述运动目标是否为第一类目标；
设备控制模块1040，用于在确定所述运动目标为所述第一类目标的情况下，基于所述第一类目标对应的空气调节设备的控制策略控制所述空气调节设备。
本发明实施例还提供了一种电子设备，如图11所示，包括处理器111、通信接口112、存储器113和通信总线114，其中，处理器111，通信接口112，存储器113通过通信总线114完成相互间的通信，
存储器113，用于存放计算机程序；
处理器111，用于执行存储器113上所存放的程序时，实现如下步骤：
在当前场景中检测到运动目标的情况下，获取当前时刻所述运动目标所在位置；以及，确定当前时刻所述运动目标的速度，获取当前时刻所述运动目标的点云数据；基于所述位置、所述速度以及所述点云数据，确定所述运动目标是否为第一类目标；在确定所述运动目标为所述第一类目标的情况下，基于所述第一类目标对应的空气调节设备的控制策略控制所述空气调节设备。
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，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称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，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，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，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称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。
在本发明提供的又一实施例中，还提供了一种存储介质，该存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的空气调节设备的控制方法。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的空气调节设备的控制方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在存储介质中，或者从一个存储介质向另一个存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
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。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，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。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (16)

1.一种空气调节设备的控制方法，其特征在于，所述方法包括：
在当前场景中检测到运动目标的情况下，获取当前时刻所述运动目标所在位置；以及，
确定当前时刻所述运动目标的速度，获取当前时刻所述运动目标的点云数据；
基于所述位置、所述速度以及所述点云数据，确定所述运动目标是否为第一类目标，包括：利用所述位置确定预设第一分类器输出的第一分类结果；利用所述速度确定预设第二分类器输出的第二分类结果；基于所述点云数据确定所述预设第一分类器的第一权重以及所述预设第二分类器的第二权重；将所述第一分类结果、所述第二分类结果、所述第一权重及所述第二权重输入至预设结果融合算法，获取所述预设结果融合算法的输出结果；基于所述输出结果确定所述运动目标是否为第一类目标；
在确定所述运动目标为所述第一类目标的情况下，基于所述第一类目标对应的空气调节设备的控制策略控制所述空气调节设备。
2.根据权利要求1所述的方法，其特征在于，所述利用所述位置确定预设第一分类器输出的第一分类结果，包括：
计算所述位置与任一样本位置之间的距离，利用所述距离对所有所述样本位置进行排序；
从所有所述样本位置中基于排序结果选取K个所述样本位置，其中，所述K大于等于1；
从K个所述样本位置中确定属于第一类目标的所述样本位置的第一数量，从K个所述样本位置中确定属于第二类目标的所述样本位置的第二数量；
基于所述第一数量计算第一类目标出现的第一频率，基于所述第二数量计算所述第二类目标出现的第二频率；
利用所述第一频率以及所述第二频率确定预设第一分类器输出的第一分类结果。
3.根据权利要求2所述的方法，其特征在于，所述利用所述第一频率以及所述第二频率确定预设第一分类器输出的第一分类结果，包括：
判断所述第一频率是否大于所述第二频率；
若所述第一频率大于所述第二频率，确定预设第一分类器输出的第一类目标对应的第一分类结果；
若所述第一频率未大于所述第二频率，确定预设第一分类器输出的第二类目标对应的第一分类结果。
4.根据权利要求1所述的方法，其特征在于，所述确定当前时刻所述运动目标的速度，包括：
确定当前时刻所述运动目标在X轴的第一速度以及在Y轴的第二速度。
5.根据权利要求4所述的方法，其特征在于，所述利用所述速度确定预设第二分类器输出的第二分类结果，包括：
若所述第一速度或者所述第二速度大于等于预设速度阈值，确定预设第二分类器输出的第一类目标对应的第二分类结果；
若所述第一速度和所述第二速度均小于预设速度阈值，确定预设第二分类器输出的第二类目标对应的第二分类结果。
6.根据权利要求1所述的方法，其特征在于，所述基于所述点云数据确定所述预设第一分类器的第一权重以及所述预设第二分类器的第二权重，包括：
判断所述点云数据的数量是否小于等于预设第一点云阈值；
若所述数量大于所述预设第一点云阈值，确定预设第一权重策略对应的所述预设第一分类器的第一权重及所述预设第二分类器的第二权重；
若所述数量小于等于所述预设第一点云阈值，判断所述数量是否大于等于预设第二点云阈值；
若所述数量小于等于所述预设第二点云阈值，确定预设第二权重策略对应的所述预设第一分类器的第一权重及所述预设第二分类器的第二权重；
若所述数量大于所述预设第二点云阈值，确定预设第三权重策略对应的所述预设第一分类器的第一权重及所述预设第二分类器的第二权重。
7.根据权利要求1所述的方法，其特征在于，所述基于所述输出结果确定所述运动目标是否为第一类目标，包括：
基于所述输出结果确定预设第一类目标预测函数以及第二类目标预测函数对应的更新策略；
基于所述更新策略分别对所述第一类目标预测函数、所述第二类目标预测函数进行更新；
判断更新的所述第一类目标预测函数输出的结果是否大于等于更新的所述第二类目标预测函数输出的结果；
若更新的所述第一类目标预测函数输出的结果大于等于更新的所述第二类目标预测函数输出的结果，确定所述运动目标为第一类目标。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
若更新的所述第一类目标预测函数输出的结果小于更新的所述第二类目标预测函数输出的结果，确定所述运动目标为第二类目标。
9.根据权利要求7所述的方法，其特征在于，所述基于所述输出结果确定预设第一类目标预测函数以及第二类目标预测函数对应的更新策略，包括：
确定当前时刻所述运动目标的移动距离；
基于所述移动距离以及所述输出结果，确定预设第一类目标预测函数以及第二类目标预测函数对应的更新策略。
10.根据权利要求9所述的方法，其特征在于，所述基于所述移动距离以及所述输出结果，确定预设第一类目标预测函数以及第二类目标预测函数对应的更新策略，包括：
判断所述移动距离是否小于预设距离阈值；
若所述移动距离未小于所述预设距离阈值，判断所述输出结果是否大于等于预设阈值；
若所述输出结果小于所述预设阈值，确定预设第一类目标预测函数以及第二类目标预测函数对应的第一更新策略；
若所述输出结果大于等于所述预设阈值，确定预设第一类目标预测函数以及第二类目标预测函数对应的第二更新策略。
11.根据权利要求10所述的方法，其特征在于，所述基于所述移动距离以及所述输出结果，确定预设第一类目标预测函数以及第二类目标预测函数对应的更新策略，还包括：
若所述移动距离小于所述预设距离阈值，判断所述位置是否位于预设区域；
若所述位置位于所述预设区域，判断所述输出结果是否大于等于所述预设阈值；
若所述输出结果小于所述预设阈值，确定预设第一类目标预测函数以及第二类目标预测函数对应的第三更新策略；
若所述输出结果大于等于所述预设阈值，确定预设第一类目标预测函数以及第二类目标预测函数对应的第四更新策略。
12.根据权利要求11所述的方法，其特征在于，所述基于所述移动距离以及所述输出结果，确定预设第一类目标预测函数以及第二类目标预测函数对应的更新策略，还包括：
若所述位置未位于所述预设区域，判断所述输出结果是否大于等于所述预设阈值；
若所述输出结果小于所述预设阈值，确定预设第一类目标预测函数以及第二类目标预测函数对应的第五更新策略；
若所述输出结果大于等于所述预设阈值，确定预设第一类目标预测函数以及第二类目标预测函数对应的第六更新策略。
13.根据权利要求1至12任一项所述的方法，其特征在于，所述预设结果融合算法，包括：
S＝p*KNN+q*XY；
所述S为所述输出结果，所述p为所述第一权重，q为所述第二权重，所述KNN为所述第一分类结果，所述XY为所述第二分类结果。
14.一种空气调节设备的控制装置，其特征在于，所述装置包括：
位置获取模块，用于在当前场景中检测到运动目标的情况下，获取当前时刻所述运动目标所在位置；以及，
速度确定模块，用于确定当前时刻所述运动目标的速度，获取当前时刻所述运动目标的点云数据；
目标确定模块，用于基于所述位置、所述速度以及所述点云数据，确定所述运动目标是否为第一类目标，包括：利用所述位置确定预设第一分类器输出的第一分类结果；利用所述速度确定预设第二分类器输出的第二分类结果；基于所述点云数据确定所述预设第一分类器的第一权重以及所述预设第二分类器的第二权重；将所述第一分类结果、所述第二分类结果、所述第一权重及所述第二权重输入至预设结果融合算法，获取所述预设结果融合算法的输出结果；基于所述输出结果确定所述运动目标是否为第一类目标；
设备控制模块，用于在确定所述运动目标为所述第一类目标的情况下，基于所述第一类目标对应的空气调节设备的控制策略控制所述空气调节设备。
15.一种电子设备，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；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1至13中任一项所述的方法步骤。
16.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至13中任一项所述的方法。
CN202011248464.6A 2020-11-10 2020-11-10 空气调节设备的控制方法、装置、电子设备及存储介质 Active CN112378050B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011248464.6A CN112378050B (zh) 2020-11-10 2020-11-10 空气调节设备的控制方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011248464.6A CN112378050B (zh) 2020-11-10 2020-11-10 空气调节设备的控制方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN112378050A CN112378050A (zh) 2021-02-19
CN112378050B true CN112378050B (zh) 2021-09-14

Family

ID=74578171

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011248464.6A Active CN112378050B (zh) 2020-11-10 2020-11-10 空气调节设备的控制方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112378050B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105091189A (zh) * 2014-05-07 2015-11-25 青岛海尔空调电子有限公司 一种非人体热源识别方法及装置
CN109212532A (zh) * 2017-07-04 2019-01-15 百度在线网络技术（北京）有限公司 用于检测障碍物的方法和装置
CN109323428A (zh) * 2018-11-13 2019-02-12 青岛海尔空调器有限总公司 人体位置识别方法、空调器的控制方法及控制系统
CN110925969A (zh) * 2019-10-17 2020-03-27 珠海格力电器股份有限公司 一种空调控制方法、装置、电子设备及存储介质
CN111104904A (zh) * 2019-12-19 2020-05-05 珠海格力电器股份有限公司 人体识别方法、装置及天井机
CN111199555A (zh) * 2019-12-13 2020-05-26 意诺科技有限公司 毫米波雷达目标识别方法
WO2020111401A1 (ko) * 2018-11-29 2020-06-04 주식회사 조인트리 생체 인식 정보를 이용한 감성제어 시스템
CN111540154A (zh) * 2020-04-01 2020-08-14 海信（山东）空调有限公司 一种空调及空调的安防控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014041814A (ja) * 2012-07-23 2014-03-06 Ricoh Co Ltd 機器制御システム、制御装置、機器制御方法およびプログラム

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105091189A (zh) * 2014-05-07 2015-11-25 青岛海尔空调电子有限公司 一种非人体热源识别方法及装置
CN109212532A (zh) * 2017-07-04 2019-01-15 百度在线网络技术（北京）有限公司 用于检测障碍物的方法和装置
CN109323428A (zh) * 2018-11-13 2019-02-12 青岛海尔空调器有限总公司 人体位置识别方法、空调器的控制方法及控制系统
WO2020111401A1 (ko) * 2018-11-29 2020-06-04 주식회사 조인트리 생체 인식 정보를 이용한 감성제어 시스템
CN110925969A (zh) * 2019-10-17 2020-03-27 珠海格力电器股份有限公司 一种空调控制方法、装置、电子设备及存储介质
CN111199555A (zh) * 2019-12-13 2020-05-26 意诺科技有限公司 毫米波雷达目标识别方法
CN111104904A (zh) * 2019-12-19 2020-05-05 珠海格力电器股份有限公司 人体识别方法、装置及天井机
CN111540154A (zh) * 2020-04-01 2020-08-14 海信（山东）空调有限公司 一种空调及空调的安防控制方法

Also Published As

Publication number Publication date
CN112378050A (zh) 2021-02-19

Similar Documents

Publication Publication Date Title
WO2017084596A1 (en) Facilitation of indoor localization and fingerprint updates of altered access point signals
CN110363076B (zh) 人员信息关联方法、装置及终端设备
CN110925969B (zh) 一种空调控制方法、装置、电子设备及存储介质
JP6313516B1 (ja) 情報処理装置、情報処理方法およびコンピュータプログラム
US11551155B2 (en) Ensemble learning predicting method and system
US9939957B2 (en) Method and associated controller for adaptively adjusting touch control threshold
CN104517052B (zh) 一种入侵检测方法及装置
CN108345601A (zh) 搜索结果排序方法及装置
CN110366100B (zh) 终端的定位方法、定位装置、可读存储介质及终端设备
CN111444294A (zh) 一种轨迹补全方法、装置及电子设备
CN112766452A (zh) 一种双环境粒子群优化方法和系统
CN110969200A (zh) 基于一致性负样本的图像目标检测模型训练方法及装置
CN115018315A (zh) 一种供热异常的检测方法、装置、电子设备及存储介质
CN112378050B (zh) 空气调节设备的控制方法、装置、电子设备及存储介质
CN111523619B (zh) 目标存在概率的计算方法、装置、电子设备及存储介质
CN110580483A (zh) 一种室内外用户区分方法及装置
CN111540202A (zh) 一种相似卡口确定方法、装置、电子设备及可读存储介质
CN107708203B (zh) 一种基于地理指纹的定位方法与装置
JP2017151679A (ja) 識別装置及び識別プログラム
CN114416462A (zh) 一种机器行为识别方法及装置、电子设备、存储介质
US20120182228A1 (en) Method and apparatus for detecting touch point movement
CN113805167A (zh) 用于区分信号的高效处理
CN113688708A (zh) 一种基于概率特征的人脸识别方法、系统及存储介质
CN110188529A (zh) 一种异常滑动轨迹的检测方法、装置及电子设备
CN114578341A (zh) 雷达追踪方法、噪声消除方法、装置和设备

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