CN112418039A - 吹风设备及其控制方法、装置和存储介质 - Google Patents

吹风设备及其控制方法、装置和存储介质 Download PDF

Info

Publication number
CN112418039A
CN112418039A CN202011273250.4A CN202011273250A CN112418039A CN 112418039 A CN112418039 A CN 112418039A CN 202011273250 A CN202011273250 A CN 202011273250A CN 112418039 A CN112418039 A CN 112418039A
Authority
CN
China
Prior art keywords
result
blowing
dimensional lattice
lattice data
human body
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.)
Pending
Application number
CN202011273250.4A
Other languages
English (en)
Inventor
郑伟锐
梁文潮
段晓华
方西岳
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.)
GD Midea Air Conditioning Equipment Co Ltd
Foshan Shunde Midea Electric Science and Technology Co Ltd
Original Assignee
GD Midea Air Conditioning Equipment Co Ltd
Foshan Shunde Midea Electric Science and 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 GD Midea Air Conditioning Equipment Co Ltd, Foshan Shunde Midea Electric Science and Technology Co Ltd filed Critical GD Midea Air Conditioning Equipment Co Ltd
Priority to CN202011273250.4A priority Critical patent/CN112418039A/zh
Publication of CN112418039A publication Critical patent/CN112418039A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • F24F11/70—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
    • F24F11/74—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling air flow rate or air velocity
    • F24F11/77—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling air flow rate or air velocity by controlling the speed of ventilators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
    • Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating

Abstract

本发明公开了一种吹风设备及其控制方法、装置和存储介质。其中，该控制方法包括：获取TOF传感器检测的三维点阵数据；基于三维点阵数据与预先训练好的轮廓识别模型，确定当前环境中物体的轮廓分类结果；若轮廓分类结果为指示存在人体的第一结果，基于设定时长内三维点阵数据的位移变化量，验证第一结果的真实性。如此，可以提高人体识别结果的准确率，并避免了图像检测导致的用户隐私容易被泄露的风险，且该三维点阵数据还能够进一步满足基于人体的位置和距离进行精细化控制的需求，从而可以提升吹风设备的智能控制水平。

Description

吹风设备及其控制方法、装置和存储介质
技术领域
本发明涉及吹风领域，尤其涉及一种吹风设备及其控制方法、装置和存储介质。
背景技术
随着智能技术的发展，吹风设备(比如风扇、空调等)往往基于各种传感器进行人体检测，并根据检测结果和功能控制执行机构动作。
相关技术中，人体检测技术往往基于图像传感器检测、红外热释电检测或者红外对射检测。其中，图像传感器检测可以识别出人体，并且一定程度上识别性别、年龄、身高等特征，但是识别率低，同时在家居环境中使用，会涉及到用户隐私问题，是用户忌讳的；红外热释电检测只能检测到是否有人，无法识别出人的身高，而且必须通过多个传感器结合才能勉强实现两区、三区识别，用途局限性大；红外对射传感器可以通过结构设计实现高度范围的判断，但是无法精确知道用户身高，并且无法区分目标是人还是静态物体如椅子、沙发、柜子等，同时还需要考虑吹风设备的自身结构和空间上的特殊要求，导致应用受限。
上述的人体检测技术手段都存在相应的局限性和缺点，难以满足吹风设备的人体检测需求。
发明内容
有鉴于此，本发明实施例提供了一种吹风设备及其控制方法、装置和存储介质，旨在改善吹风设备的人体检测效果。
本发明实施例的技术方案是这样实现的：
本发明实施例提供了一种吹风设备的控制方法，所述吹风设备具有用于检测环境中物体的飞行时间(Time Of Flight，TOF)传感器，所述方法包括：
获取所述TOF传感器检测的三维点阵数据；
基于所述三维点阵数据与预先训练好的轮廓识别模型，确定当前环境中物体的轮廓分类结果；
若所述轮廓分类结果为指示存在人体的第一结果，基于设定时长内所述三维点阵数据的位移变化量，验证所述第一结果的真实性。
本发明实施例还提供了一种吹风设备的控制装置，所述吹风设备具有用于检测环境中物体的TOF传感器，所述控制装置包括：
获取模块，用于获取所述TOF传感器检测的三维点阵数据；
分类模块，用于基于所述三维点阵数据与预先训练好的轮廓识别模型，确定当前环境中物体的轮廓分类结果；
验证模块，用于若所述轮廓分类结果为指示存在人体的第一结果，基于设定时长内所述三维点阵数据的位移变化量，验证所述第一结果的真实性。
本发明实施例又提供了一种吹风设备，所述吹风设备包括：用于检测环境中物体的TOF传感器及用于吹风的吹风执行机构，所述吹风设备还包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中，所述处理器，用于运行计算机程序时，执行本发明实施例所述方法的步骤。
本发明实施例还提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现本发明实施例所述方法的步骤。
本发明实施例提供的技术方案，获取TOF传感器检测的三维点阵数据，基于三维点阵数据与预先训练好的轮廓识别模型，确定当前环境中物体的轮廓分类结果，并在轮廓分类结果为指示存在人体的第一结果时，基于设定时长内的三维点阵数据的位移变化量，验证第一结果的真实性，如此，可以提高人体识别结果的准确率，并避免了图像检测导致的用户隐私容易被泄露的风险，且该三维点阵数据还能够进一步满足基于人体的位置和距离进行精细化控制的需求，从而可以提升吹风设备的智能控制水平。
附图说明
图1为本发明实施例吹风设备的控制方法的流程示意图；
图2为本发明实施例TOF传感器检测的人体对应的三维点阵数据的示意图；
图3为本发明实施例中吹风执行机构指向人体所在位置吹风的示意图；
图4为本发明实施例中空调避开椅子吹风的示意图之一；
图5为本发明实施例中空调避开椅子吹风的示意图之二；
图6为本发明实施例吹风设备的控制装置的结构示意图；
图7为本发明实施例吹风设备的结构示意图。
具体实施方式
下面结合附图及实施例对本发明再作进一步详细的描述。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
本发明实施例提供了一种吹风设备的控制方法，该吹风设备可以为空调或者风扇，比如，吹风设备可以为落地式空调、壁挂式空调或者落地式风扇。本发明实施例中，吹风设备具有用于检测环境中物体的TOF传感器，该TOF传感器是一种基于飞行时间的检测传感器，通过主动发射调制信号并对反射信号进行捕捉、解析，得到检测目标与传感器的距离，距离精度可以达到1厘米级别甚至更短。示例性地，TOF传感器可以为面阵式TOF传感器，面阵式TOF传感器可以采集物体在空间的位置信息，包括物体相对于传感器的左右、上下和距离信息，如此，可以以传感器为原点建立三维坐标系，以X、Y、Z分别表示物体相对于传感器在水平方向、垂直方向、纵深方向(距离)的坐标，从而形成检测目标对应的三维点云数据。吹风设备的处理器可以基于TOF传感器检测的三维点阵数据，提取检测目标的表面轮廓形状及距离。
如图1所示，本发明实施例提供了一种吹风设备的控制方法，包括：
步骤101，获取TOF传感器检测的三维点阵数据。
这里，吹风设备的处理器可以周期性获取TOF传感器检测的三维点阵数据。
示例性地，TOF传感器检测的人体对应的三维点阵数据如图2所示。
步骤102，基于三维点阵数据与预先训练好的轮廓识别模型，确定当前环境中物体的轮廓分类结果。
这里，处理器将获取的三维点阵数据输入到预先训练好的轮廓识别模型，可以得到由轮廓识别模型输出的轮廓分类结果，进而确定当前环境中的物体的类型。
可以理解的是，轮廓识别模型是预先训练好的，轮廓识别模型支持输出：指示存在人体的第一结果和指示存在静态障碍物的第二结果。具体地，第一结果可以为指示单独存在人体的第一子结果或者指示人体与静态障碍物混同存在的第二子结果，比如，第二子结果可以对应人体站立在桌子旁、人体坐在椅子上等情形；第二结果是指当前环境中不存在人体的情形，可以存在一个或者多个静态障碍物，比如，当前环境中存在椅子、沙发、桌子、柜子、墙体等中的至少一个静态障碍物。
步骤103，若轮廓分类结果为指示存在人体的第一结果，基于设定时长内三维点阵数据的位移变化量，验证第一结果的真实性。
这里，考虑到静态障碍物与吹风设备之间的相对位置基本稳定，而人体与吹风设备之间的相对位置会发生变化，基于此，可以根据设定时长内三维点阵数据的位移变化量，验证第一结果的真实性。如此，可以提高人体识别结果的准确率，且避免了图像检测导致的用户隐私容易被泄露的风险，且该三维点阵数据还能够进一步满足基于人体的位置和距离进行精细化控制的需求，从而可以提升吹风设备的智能控制水平。
在一些实施例中，步骤103中，基于设定时长内三维点阵数据的位移变化量，验证第一结果的真实性，包括：
统计设定时长内所述三维点阵数据的位移变化量之和；
将位移变化量之和与预设阈值进行比较；
若位移变化量之和大于或等于预设阈值，则判定第一结果为真；
若位移变化量之和小于预设阈值，则判定第一结果为假。
可以理解的是，静态障碍物的(X，Y，Z)坐标数据基本保持不变，而当环境中存在人体时，即便人体静坐也会有微动变化，通过分析设定时长内的三维点阵数据的坐标变化，统计坐标变化量(即位移变化量)，当坐标变化量之和大于或等于预设阈值，则可判断为非静态障碍物，即当前环境中存在人体。
实际应用中，若第一结果为人体与静态障碍物混同存在的情形(即对应第二子结果)，为了进一步提高人体检测的准确性，所述方法还包括：
对三维点阵数据基于轮廓边缘进行区域划分；
基于划分的区域，为各区域设置相应的权重系数；
相应地，统计所述设定时长内所述三维点阵数据的位移变化量之和，包括：
基于各区域的权重系数对各区域内的点在设定时长内的位移变化量进行加权求和，得到位移变化量之和。
这里，可以基于三维点阵数据第一识别结果输出的轮廓边缘进行区域划分，比如，得到人体对应的区域、静态障碍物对应的区域，并可以将静态障碍物对应的区域的权重系数设置为低于人体对应的区域的权重系数，再基于各区域的权重系数对各区域内的点在设定时长内的位移变化量进行加权求和，得到位移变化量之和，可以有效提高人体对应区域的位移变化量的占比，利于提高检测的准确性。
在一应用示例中，面阵式TOF传感器共有n个点，设(X11，Y11，Z11)、(X21，Y21，Z21)…(Xn1，Yn1，Zn1)表示这n个点在时间T1的坐标数据，设(X12，Y12，Z12)、(X22，Y22，Z22)…(Xn2，Yn2，Zn2)表示这n个点在时间T2的坐标数据，Wx、Wy、Wz分别表示X、Y、Z坐标数据在统计位移变化量过程中所占的权重系数；则
Figure BDA0002778339720000051
其中，F为位移变化量之和，若统计的F大于或等于预设阈值F_thresh时，则判定为当前环境中存在人体；若统计的F小于预设阈值F_thresh时，则判定当前环境中不存在人体，即当前环境中的物体为静态障碍物。
由于需要预先训练好轮廓识别模型，在一些实施例中，控制方法还包括：
基于模拟场景对应的三维点阵数据进行模型训练，得到预先训练好的轮廓识别模型；
其中，模拟场景至少包括：存在人体的第一场景和存在静态障碍物的第二场景；相应地，轮廓识别模型支持输出：指示存在人体的第一结果和指示存在静态障碍物的第二结果。
可以理解的是，可以基于现有机器学习算法对模拟场景的三维点阵数据及模拟场景的物体类型进行学习，得到训练好的轮廓识别模型。如此，训练好的轮廓识别模型可以对后续输入的三维点阵数据进行轮廓分类，得到轮廓分类结果。
在一些实施例中，控制方法还包括：
基于第一结果的真实性的验证结果，控制吹风执行机构动作。
这里，由于对轮廓分类结果中存在人体的第一结果进行了验证，可以有效减少轮廓与人相似的静态障碍物的干扰，从而提高基于人体检测结果的控制的准确性及有效性。
在一些实施例中，基于第一结果的真实性的验证结果，控制吹风执行机构动作，包括：
若第一结果为真，基于三维点阵数据确定人体所在的第一位置及人体与吹风设备相距的第一距离；
基于预设的吹风模式、第一位置及第一距离，控制吹风执行机构的工作参数，工作参数包括以下至少之一：风量、风向及扫风速度。
这里，若第一结果为真，则表明当前环境中存在人体，可以基于三维点阵数据提取出人体所在的第一位置及人体与吹风设备相距的第一距离，具体可以基于人体区域对应的坐标信息进行提取，得到人体的第一位置及第一距离。可以理解的是，若人体的数量为多个，则第一位置、第一距离可以为多个，并与各人体一一对应。
这里，预设的吹风模式可以包括：追踪模式、避风模式，其中，追踪模式用于使得吹风设备跟踪人体进行吹风，避风模式用于使得吹风设备避开人体吹风。
示例性地，若预设的吹风模式为追踪模式，则吹风设备的处理器可以基于第一位置控制吹风执行机构(比如，导风条)指向人体所在的位置吹风(如图3所示)，并基于第一距离控制风量大小，比如，距离近则减少风量，距离远则增大风量；若预设的吹风模式为避风模式，则控制吹风执行机构避开人所在的位置，吹向没有人的地方。例如，人在左边则控制吹风执行机构吹向右边，人在右边则控制吹风执行机构吹向左边，人在中间则控制吹风执行机构吹向距离更远的一侧，如果有多个人，则吹向人之间的间隙或者最边界的人距离摆风极限角度更远的一侧。
在一些实施例中，基于第一结果的真实性的验证结果，控制吹风执行机构动作，还包括：
若第一结果为假，则判定当前环境中的物体为静态障碍物；
基于三维点阵数据确定静态障碍物所在的第二位置及静态障碍物与吹风设备相距的第二距离；
基于第二位置及第二距离，控制吹风执行机构的工作参数。
可以理解的是，若第一结果为假，则判定当前环境中的物体为静态障碍物，即将第一结果校正为第二结果，可以避免将静态障碍物误判为人体，从而可以提高控制的可靠性。
在一些实施例中，控制方法还包括：
若轮廓分类结果为指示存在静态障碍物的第二结果；
基于三维点阵数据确定静态障碍物所在的第二位置及静态障碍物与吹风设备相距的第二距离；
基于第二位置及第二距离，控制吹风执行机构的工作参数，工作参数包括以下至少之一：风量、风向及扫风速度。
示例性地，基于第二位置及第二距离可以确定静态障碍物与吹风设备之间的相对方位，并基于该相对方位调整吹风执行机构的工作参数，例如，如图4所示，若椅子在空调吹风范围的两侧，则可缩小摇摆范围，避开椅子位置；如图5所示，若椅子在摇摆范围中间，则在摇摆经过椅子所在位置时加快摇摆速度，快速通过椅子区域，避免吹椅子。如果吹风设备处于非摇摆状态，则在检测到椅子位置之后，避开椅子，吹向没有遮挡的位置或者人的位置即可。
由以上的描述可以得知，本发明实施例控制方法，可以基于TOF传感器检测的三维点阵数据，有效区分人体与静态障碍物，从而在吹风设备工作过程中，可以有效避开椅子、桌子、沙发、电视等物体吹风，识别为人体，则按照设定的吹风模式进行吹风，实现舒适性同时达到较好的节能效果。
为了实现本发明实施例的方法，本发明实施例还提供一种吹风设备的控制装置，该吹风设备的控制装置与上述吹风设备的控制方法对应，上述吹风设备的控制方法实施例中的各步骤也完全适用于本吹风设备的控制装置实施例。
如图6所示，该吹风设备的控制装置包括：获取模块601、分类模块602及验证模块603；其中，获取模块601用于获取所述TOF传感器检测的三维点阵数据；分类模块602用于基于所述三维点阵数据与预先训练好的轮廓识别模型，确定当前环境中物体的轮廓分类结果；验证模块603用于若所述轮廓分类结果为指示存在人体的第一结果，基于设定时长内所述三维点阵数据的位移变化量，验证所述第一结果的真实性。
在一些实施例中，验证模块603具体用于：
统计设定时长内所述三维点阵数据的位移变化量之和；
将所述位移变化量之和与预设阈值进行比较；
若所述位移变化量之和大于或等于所述预设阈值，则判定所述第一结果为真；
若所述位移变化量之和小于所述预设阈值，则判定所述第一结果为假。
在一些实施例中，验证模块603还用于：
对所述三维点阵数据基于轮廓边缘进行区域划分；
基于划分的区域，为各区域设置相应的权重系数；
相应地，所述统计设定时长内所述三维点阵数据的位移变化量之和，包括：
基于各区域的权重系数对各区域内的点在所述设定时长内的位移变化量进行加权求和，得到所述位移变化量之和。
在一些实施例中，吹风设备的控制装置还包括：训练模块604，用于基于模拟场景对应的三维点阵数据进行模型训练，得到所述预先训练好的轮廓识别模型；其中，所述模拟场景至少包括：存在人体的第一场景和存在静态障碍物的第二场景；相应地，所述轮廓识别模型支持输出：指示存在人体的第一结果和指示存在静态障碍物的第二结果。
在一些实施例中，吹风设备的控制装置还包括：吹风控制模块605，基于所述第一结果的真实性的验证结果，控制吹风执行机构动作。
在一些实施例中，吹风控制模块605具体用于：
若所述第一结果为真，基于所述三维点阵数据确定所述人体所在的第一位置及所述人体与所述吹风设备相距的第一距离；
基于预设的吹风模式、所述第一位置及所述第一距离，控制所述吹风执行机构的工作参数，所述工作参数包括以下至少之一：风量、风向及扫风速度。
在一些实施例中，吹风控制模块605具体用于：
若所述第一结果为假，则判定当前环境中的物体为静态障碍物；
基于所述三维点阵数据确定所述静态障碍物所在的第二位置及所述静态障碍物与所述吹风设备相距的第二距离；
基于所述第二位置及所述第二距离，控制所述吹风执行机构的所述工作参数。
在一些实施例中，吹风控制模块605还用于：
若所述轮廓分类结果为指示存在静态障碍物的第二结果；
基于所述三维点阵数据确定所述静态障碍物所在的第二位置及所述静态障碍物与所述吹风设备相距的第二距离；
基于所述第二位置及所述第二距离，控制所述吹风执行机构的工作参数，所述工作参数包括以下至少之一：风量、风向及扫风速度。
实际应用时，获取模块601、分类模块602、验证模块603、训练模块604及吹风控制模块605，可以由吹风设备中的处理器来实现。当然，处理器需要运行存储器中的计算机程序来实现它的功能。
需要说明的是：上述实施例提供的吹风设备的控制装置在进行吹风设备控制时，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述处理分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的吹风设备的控制装置与吹风设备的控制方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
基于上述程序模块的硬件实现，且为了实现本发明实施例的方法，本发明实施例还提供一种吹风设备。图7仅仅示出了该吹风设备的示例性结构而非全部结构，根据需要可以实施图7示出的部分结构或全部结构。
如图7所示，本发明实施例提供的吹风设备700包括：至少一个处理器701、存储器702和用户接口703。吹风设备700中的各个组件通过总线系统704耦合在一起。可以理解，总线系统704用于实现这些组件之间的连接通信。总线系统704除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图7中将各种总线都标为总线系统704。
本发明实施例吹风设备还包括：用于检测环境中物体的TOF传感器及用于吹风的吹风执行机构。该吹风执行机构可以包括：风机及用于调整风向的导向板或者导风条或者用于驱动风机摇摆的换向机构。
本发明实施例中的用户接口703可以包括显示器、键盘、鼠标、轨迹球、点击轮、按键、按钮、触感板或者触摸屏等。
本发明实施例中的存储器702用于存储各种类型的数据以支持吹风设备的操作。这些数据的示例包括：用于在吹风设备上操作的任何计算机程序。
本发明实施例揭示的吹风设备的控制方法可以应用于处理器701中，或者由处理器701实现。处理器701可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，吹风设备的控制方法的各步骤可以通过处理器701中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器701可以是通用处理器、数字信号处理器(DSP，Digital SignalProcessor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器701可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本发明实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器702，处理器701读取存储器702中的信息，结合其硬件完成本发明实施例提供的吹风设备的控制方法的步骤。
在示例性实施例中，吹风设备可以被一个或多个应用专用集成电路(ASIC，Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD，ProgrammableLogic Device)、复杂可编程逻辑器件(CPLD，Complex Programmable Logic Device)、FPGA、通用处理器、控制器、微控制器(MCU，Micro Controller Unit)、微处理器(Microprocessor)、或者其他电子元件实现，用于执行前述方法。
可以理解，存储器702可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，ferromagnetic random access memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，Random AccessMemory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM，Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM，SynchronousDynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM，Enhanced Synchronous Dynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM，SyncLink Dynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus Random Access Memory)。本发明实施例描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
在示例性实施例中，本发明实施例还提供了一种存储介质，即计算机存储介质，具体可以是计算机可读存储介质，例如包括存储计算机程序的存储器702，上述计算机程序可由吹风设备的处理器701执行，以完成本发明实施例方法所述的步骤。计算机可读存储介质可以是ROM、PROM、EPROM、EEPROM、Flash Memory、磁表面存储器、光盘、或CD-ROM等存储器。
需要说明的是：“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。
另外，本发明实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (11)

1.一种吹风设备的控制方法，其特征在于，所述吹风设备具有用于检测环境中物体的飞行时间TOF传感器，所述方法包括：
获取所述TOF传感器检测的三维点阵数据；
基于所述三维点阵数据与预先训练好的轮廓识别模型，确定当前环境中物体的轮廓分类结果；
若所述轮廓分类结果为指示存在人体的第一结果，基于设定时长内所述三维点阵数据的位移变化量，验证所述第一结果的真实性。
2.根据权利要求1所述的方法，其特征在于，所述基于设定时长内所述三维点阵数据的位移变化量，验证所述第一结果的真实性，包括：
统计设定时长内所述三维点阵数据的位移变化量之和；
将所述位移变化量之和与预设阈值进行比较；
若所述位移变化量之和大于或等于所述预设阈值，则判定所述第一结果为真；
若所述位移变化量之和小于所述预设阈值，则判定所述第一结果为假。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
对所述三维点阵数据基于轮廓边缘进行区域划分；
基于划分的区域，为各区域设置相应的权重系数；
相应地，所述统计设定时长内所述三维点阵数据的位移变化量之和，包括：
基于各区域的权重系数对各区域内的点在所述设定时长内的位移变化量进行加权求和，得到所述位移变化量之和。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
基于模拟场景对应的三维点阵数据进行模型训练，得到所述预先训练好的轮廓识别模型；
其中，所述模拟场景至少包括：存在人体的第一场景和存在静态障碍物的第二场景；相应地，所述轮廓识别模型支持输出：指示存在人体的第一结果和指示存在静态障碍物的第二结果。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
基于所述第一结果的真实性的验证结果，控制吹风执行机构动作。
6.根据权利要求5所述的方法，其特征在于，所述基于所述第一结果的真实性的验证结果，控制吹风执行机构动作，包括：
若所述第一结果为真，基于所述三维点阵数据确定所述人体所在的第一位置及所述人体与所述吹风设备相距的第一距离；
基于预设的吹风模式、所述第一位置及所述第一距离，控制所述吹风执行机构的工作参数，所述工作参数包括以下至少之一：风量、风向及扫风速度。
7.根据权利要求5所述的方法，其特征在于，所述基于所述第一结果的真实性的验证结果，控制吹风执行机构动作，还包括：
若所述第一结果为假，则判定当前环境中的物体为静态障碍物；
基于所述三维点阵数据确定所述静态障碍物所在的第二位置及所述静态障碍物与所述吹风设备相距的第二距离；
基于所述第二位置及所述第二距离，控制所述吹风执行机构的所述工作参数。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若所述轮廓分类结果为指示存在静态障碍物的第二结果；
基于所述三维点阵数据确定所述静态障碍物所在的第二位置及所述静态障碍物与所述吹风设备相距的第二距离；
基于所述第二位置及所述第二距离，控制所述吹风执行机构的工作参数，所述工作参数包括以下至少之一：风量、风向及扫风速度。
9.一种吹风设备的控制装置，其特征在于，所述吹风设备具有用于检测环境中物体的TOF传感器，所述控制装置包括：
获取模块，用于获取所述TOF传感器检测的三维点阵数据；
分类模块，用于基于所述三维点阵数据与预先训练好的轮廓识别模型，确定当前环境中物体的轮廓分类结果；
验证模块，用于若所述轮廓分类结果为指示存在人体的第一结果，基于设定时长内所述三维点阵数据的位移变化量，验证所述第一结果的真实性。
10.一种吹风设备，其特征在于，所述吹风设备包括：用于检测环境中物体的TOF传感器及用于吹风的吹风执行机构，所述吹风设备还包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中，
所述处理器，用于运行计算机程序时，执行权利要求1至8任一项所述方法的步骤。
11.一种存储介质，所述存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1至8任一项所述方法的步骤。
CN202011273250.4A 2020-11-13 2020-11-13 吹风设备及其控制方法、装置和存储介质 Pending CN112418039A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011273250.4A CN112418039A (zh) 2020-11-13 2020-11-13 吹风设备及其控制方法、装置和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011273250.4A CN112418039A (zh) 2020-11-13 2020-11-13 吹风设备及其控制方法、装置和存储介质

Publications (1)

Publication Number Publication Date
CN112418039A true CN112418039A (zh) 2021-02-26

Family

ID=74831169

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011273250.4A Pending CN112418039A (zh) 2020-11-13 2020-11-13 吹风设备及其控制方法、装置和存储介质

Country Status (1)

Country Link
CN (1) CN112418039A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113237200A (zh) * 2021-06-07 2021-08-10 青岛海尔中央空调有限公司 空调器的送风控制方法
CN113718691A (zh) * 2021-09-17 2021-11-30 酷哇环境技术有限公司 一种清扫车智能风向控制系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090210193A1 (en) * 2008-01-28 2009-08-20 Sharp Kabushiki Kaisha Person location detection apparatus and air conditioner
WO2010074330A1 (en) * 2008-12-26 2010-07-01 Panasonic Corporation Air conditioner indoor unit with human body detection device and obstacle detection device for wind direction control

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090210193A1 (en) * 2008-01-28 2009-08-20 Sharp Kabushiki Kaisha Person location detection apparatus and air conditioner
WO2010074330A1 (en) * 2008-12-26 2010-07-01 Panasonic Corporation Air conditioner indoor unit with human body detection device and obstacle detection device for wind direction control

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113237200A (zh) * 2021-06-07 2021-08-10 青岛海尔中央空调有限公司 空调器的送风控制方法
CN113718691A (zh) * 2021-09-17 2021-11-30 酷哇环境技术有限公司 一种清扫车智能风向控制系统

Similar Documents

Publication Publication Date Title
US11360571B2 (en) Information processing device and method, program and recording medium for identifying a gesture of a person from captured image data
Hsieh et al. A real time hand gesture recognition system using motion history image
US9582070B2 (en) Detecting user input provided to a projected user interface
US7308112B2 (en) Sign based human-machine interaction
US8571263B2 (en) Predicting joint positions
US7340077B2 (en) Gesture recognition system using depth perceptive sensors
JP6969611B2 (ja) 情報処理システム、制御方法、及びプログラム
CN112418039A (zh) 吹风设备及其控制方法、装置和存储介质
WO2021135424A1 (zh) 图像处理方法、装置、存储介质和电子设备
US20120163723A1 (en) Classification of posture states
CN109945422B (zh) 运行控制方法、模块、家电设备和计算机存储介质
US9262672B2 (en) Pattern recognition apparatus and pattern recognition method that reduce effects on recognition accuracy, and storage medium
KR20100017212A (ko) 볼륨 인식 방법 및 시스템
WO2014031331A1 (en) Object tracking using background and foreground models
US20230418388A1 (en) Dynamic gesture identification method, gesture interaction method and interaction system
CN108701211B (zh) 用于实时地检测、跟踪、估计和识别占用的基于深度感测的系统
CN111860140A (zh) 目标事件检测方法、装置、计算机设备和存储介质
Huang et al. Development of CNN-based visual recognition air conditioner for smart buildings.
Chai et al. Real-time user interface using particle filter with integral histogram
WO2019153382A1 (zh) 智能音箱及播放控制方法
CN110715422A (zh) 空调器及其控制方法、控制装置
CN111243230B (zh) 基于两台深度相机的人体跌倒检测装置和方法
US9919429B2 (en) Robot, control method, and program
Choi et al. Deep-vision-based metabolic rate and clothing insulation estimation for occupant-centric control
CN108985375B (zh) 考虑粒子权值空间分布的多特征融合跟踪方法

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