CN112699731A - 基于人体行为识别的空调音乐智能播放方法及装置、空调器 - Google Patents

基于人体行为识别的空调音乐智能播放方法及装置、空调器 Download PDF

Info

Publication number
CN112699731A
CN112699731A CN202011425826.4A CN202011425826A CN112699731A CN 112699731 A CN112699731 A CN 112699731A CN 202011425826 A CN202011425826 A CN 202011425826A CN 112699731 A CN112699731 A CN 112699731A
Authority
CN
China
Prior art keywords
motion
air conditioner
music
human behavior
video image
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
CN202011425826.4A
Other languages
English (en)
Inventor
宋士奇
李保水
汪进
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 CN202011425826.4A priority Critical patent/CN112699731A/zh
Publication of CN112699731A publication Critical patent/CN112699731A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • 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
    • 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
    • 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
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/047—Probabilistic or stochastic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Human Computer Interaction (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • Fuzzy Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Air Conditioning Control Device (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本申请实施例涉及一种基于人体行为识别的空调音乐智能播放方法及装置、空调器，涉及空调器的技术领域，基于人体行为识别的空调音乐智能播放方法包括如下步骤：获取空调器所在空间的视频图像；将所述视频图像输入运动姿态判定网络模型，得到用户在所述空调器所在空间的运动姿态；播放所述运动姿态所对应的音乐。本申请实施例的基于人体行为识别的空调音乐智能播放方法通过运动姿态判定网络模型，实现了在空调器的运作空间内，用户运动姿态的判别，从而根据用户运动姿态，播放该运动姿态所对应的设定音乐，使得空调器更加的智能化，增强了用户体验。

Description

基于人体行为识别的空调音乐智能播放方法及装置、空调器
技术领域
本发明涉及空调器的技术领域，特别是涉及一种基于人体行为识别的空调音乐智能播放方法及装置、空调器。
背景技术
空调已经成为家庭生活电器中的重要组成部分，随着人们对生活的品质要求越来越高，用户在空调使用过程中的良好体验也受到广泛关注。
近年来，人工智能及其相关技术广泛应用于视频监控、智能家居、人机交互等领域，极大的改变和影响着人们的生产和生活方式，同时也对人工智能技术产品化提出了更高的要求。人体行为识别技术作为机器视觉和人工智能的热点研究方向，目前在智能家居系统、人机交互装置被广泛使用。然而，在空调器的领域，智能化程度较低，用户的使用体验较差。
发明内容
本发明的第一目的在于避免现有技术中的不足之处而提供一种基于人体行为识别的空调音乐智能播放方法，可以智能识别出用户的运动姿态，从而播放该运动姿态对应的音乐，使得空调器更加的智能化。
本发明的目的通过以下技术方案实现：
一种基于人体行为识别的空调音乐智能播放方法，包括如下步骤：
获取空调器所在空间的视频图像；
将所述视频图像输入运动姿态判定网络模型，得到用户在所述空调器所在空间的运动姿态；
播放所述运动姿态所对应的音乐。
进一步，所述通过设置于所述空调器中的发生器，输出所述多个命令脉冲后，还包括如下步骤：
所述运动姿态判定网络模型包括：
DenseNet密集卷积神经网络，用于进行运动图像特征提取，有效保证低层图像特征与高层图像特征的连接；
记忆网络层，用于进行提取动作特征前后之间相互关联的信息，利用视频帧图像中当前信息与未来信息的互联，实现对运动特征向量的学习；
注意力机制层，用于自适应的感知对识别结果有较大影响的网络权重,并根据动作之间的关系调整权重的分配，使模型能够根据运动姿态的前后关系实现更精确的识别；
Softmax分类函数层，用于进行识别结果的分类，根据前三层获取的运动特征完成分类，将Softmax函数计算结果的最大运动特征数值作为所述运动姿态判定网络模型的计算结果。
进一步，所述记忆网络层包括：
向前传播和向后传播的LSTM长短时记忆神经网络，其中，LSTM结构通过输入门、遗忘门和输出门三个结构来实现信息的输入和输出，利用记忆控制器实现对信息的遗忘与保留。
进一步，在获取所述空调器所在空间的视频图像后，还包括：
每间隔设定帧，从所述视频图像中提取一幅图像，用于将提取的所述视频图像输入运动姿态判定网络模型。
进一步，所述播放所述运动姿态所对应的音乐，包括：
判断所述运动姿态是否在设定的运动场景列表中；
如果是，则根据所述运动场景列表中该运动姿态所关联的音乐。
本发明的第二目的在于避免现有技术中的不足之处而提供一种基于人体行为识别的空调音乐智能播放装置，可以智能识别出用户的运动姿态，从而播放该运动姿态对应的音乐，使得空调器更加的智能化。
本发明的目的通过以下技术方案实现：
一种基于人体行为识别的空调音乐智能播放装置，包括：
视频图像获取模块，用于获取空调器所在空间的视频图像；
运动姿态判定模块，用于将所述视频图像输入运动姿态判定网络模型，得到用户在所述空调器所在空间的运动姿态；
音乐播放模块，用于播放所述运动姿态所对应的音乐。
进一步，所述运动姿态判定网络模型包括：
DenseNet密集卷积神经网络，用于进行运动图像特征提取，有效保证低层图像特征与高层图像特征的连接；
记忆网络层，用于进行提取动作特征前后之间相互关联的信息，利用视频帧图像中当前信息与未来信息的互联，实现对运动特征向量的学习；
注意力机制层，用于自适应的感知对识别结果有较大影响的网络权重,并根据动作之间的关系调整权重的分配，使模型能够根据运动姿态的前后关系实现更精确的识别；
Softmax分类函数层，用于进行识别结果的分类，根据前三层获取的运动特征完成分类，将Softmax函数计算结果的最大运动特征数值作为所述运动姿态判定网络模型的计算结果。
进一步，所述记忆网络层包括：
向前传播和向后传播的LSTM长短时记忆神经网络，其中，LSTM结构通过输入门、遗忘门和输出门三个结构来实现信息的输入和输出，利用记忆控制器实现对信息的遗忘与保留。
进一步，所述运动姿态判定模块包括：
图像提取单元，用于每间隔设定帧，从所述视频图像中提取一幅图像，用于将提取的所述视频图像输入运动姿态判定网络模型。
本发明的第三目的在于避免现有技术中的不足之处而提供一种空调器，可以智能识别出用户的运动姿态，从而播放该运动姿态对应的音乐，使得空调器更加的智能化。
本发明的目的通过以下技术方案实现：
一种空调器，包括：
至少一个存储器和至少一个处理器；
所述存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求第一目的所述的基于人体行为识别的空调音乐智能播放方法的步骤。
在本申请实施例中，通过运动姿态判定网络模型，实现了在空调器的运作空间内，用户运动姿态的判别，从而根据用户运动姿态，播放该运动姿态所对应的设定音乐，使得空调器更加的智能化，增强了用户体验。
附图说明
利用附图对发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本申请实施例一个例子中的空调器的控制方法的流程示意图；
图2是本申请实施例一个例子中的空调器的控制方法的应用场景示意图；
图3是本申请实施例一个例子中的运动姿态判定网络模型的结构示意图；
图4是本申请实施例一个例子中的空调器的运动场景列表的示意图；
图5是本申请实施例一个例子中的空调器的控制装置的结构示意图；
图6是本申请实施例一个例子中的空调器的结构示意图。
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作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。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种。
取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。结合以下实施例对本发明作进一步描述。
针对背景技术中提到的上述技术问题，本申请实施例提供一种基于人体行为识别的空调音乐智能播放方法，如图1所示，在一个示例性的实施例中，基于人体行为识别的空调音乐智能播放方法包括如下步骤：
S101：获取空调器所在空间的视频图像。
图2为本申请一个例子中的应用场景示意图，本申请中的空调器包括摄像头单元001、控制单元002、温度调节单元003和扬声器单元004。其中，摄像头单元001用于获取空调器所在空间的视频图像，该摄像头单元001可以是安装于空调器的本体，也可以是安装于空间内的其他区域，当摄像头单元001安装于空调器本体时，可以是通过线缆与控制单元002连接，当摄像头单元001安装于其他区域时，可以是通过无线通信信号例如蓝牙信号与控制单元002连接。
控制单元002可以是空调器的核心控制单元，在其他例子中，也可以是独立的控制单元，专用于执行本申请实施例中的基于人体行为识别的空调音乐智能播放方法。
温度调节单元003用于根据用户的设定温度对空调器的运行状态进行调整，实现空调器的温度控制，扬声器单元004用于根据控制单元002的控制指令，播放指定的音乐。
在本申请实施例中，空调器所在空间指的是空调器的运作区域，例如当空调器设置于室内时，则空调器所在空间即为该室内空间，当空调器设置于一个较大的空间时，该空调器所在空间则可以是离空调器较近，使得该空调器具有温度调控效果的一个空间区域，该空间区域可以通过人为划分。
在空调器开机后，摄像头单元001便获取空调器所在空间的视频图像。
S102：将所述视频图像输入运动姿态判定网络模型，得到用户在所述空调器所在空间的运动姿态。
在一个例子中，在从摄像头单元001中获取到视频图像后，每间隔设定帧，从所述视频图像中提取一幅图像，用于将提取的所述视频图像输入运动姿态判定网络模型。具体的，可以是每隔20帧提取一幅图像。
该运动姿态判定网络模型，用于根据输入的多张视频图像，并对视频图像进行分析，从而得到视频图像中的用户的运动姿态。
在一个具体的例子中，如图3所示，该运动姿态判定网络模型包括：
DenseNet密集卷积神经网络，用于进行运动图像特征提取，有效保证低层图像特征与高层图像特征的连接,提高运动特征提取的精度和准确性。
记忆网络层，主要为向前传播和向后传播的LSTM长短时记忆神经网络，用于进行提取动作特征前后之间相互关联的信息，利用视频帧图像中当前信息与未来信息的互联，实现对运动特征向量的学习，其中LSTM结构通过输入门、遗忘门和输出门三个结构来实现信息的输入和输出，利用记忆控制器实现对信息的遗忘与保留。
注意力机制层，主要为Attention注意力机制，用于自适应的感知对识别结果有较大影响的网络权重,并根据动作之间的关系调整权重的分配，使模型能够根据运动姿态的前后关系实现更精确的识别；
Softmax分类函数层，用于进行识别结果的分类，根据前三层获取的运动特征完成分类，将Softmax函数计算结果的最大运动特征数值作为所述运动姿态判定网络模型的计算结果，并将该运动特征作为整个网络的人体行为识别结果。
本发明在运动姿态判定网络中，通过构建向前传播和向后传播的LSTM神经网络，利用视频帧图像中当前信息与未来信息的互联，实现对运动特征向量的学习，利用记忆控制器实现对信息的遗忘与保留。同时在判定网络中引入Attention机制，自适应的感知对识别结果有较大影响的网络权重,并根据动作之间的关系调整权重的分配，使模型能够根据运动姿态的前后关系实现更精确的识别。最后通过全连接层连接Softmax分类器得到最终的分类结果,实现对用户在空间中的运动姿态的正确识别。
S103：播放所述运动姿态所对应的音乐。
在一个具体的例子中，如图4所示，可以根据用户常见的室内运动姿态，设定运动场景列表，例如：跑步音乐、瑜伽音乐、跳绳音乐、跳舞音乐、其他运动场景音乐等不同的音乐类型，当检测到用户的运动姿态后，便可以播放场景列表中该运动姿态所关联的音乐。
在本申请实施例中，通过运动姿态判定网络模型，实现了在空调器的运作空间内，用户运动姿态的判别，从而根据用户运动姿态，播放该运动姿态所对应的设定音乐，使得空调器更加的智能化，增强了用户体验。
图5为本申请一个例子中的基于人体行为识别的空调音乐智能播放装置的结构示意图，基于人体行为识别的空调音乐智能播放装置500包括：
视频图像获取模块501，用于获取空调器所在空间的视频图像；
运动姿态判定模块502，用于将所述视频图像输入运动姿态判定网络模型，得到用户在所述空调器所在空间的运动姿态；
音乐播放模块503，用于播放所述运动姿态所对应的音乐。
在一个示例性的实施例中，所述运动姿态判定网络模型包括：
DenseNet密集卷积神经网络，用于进行运动图像特征提取，有效保证低层图像特征与高层图像特征的连接；
记忆网络层，用于进行提取动作特征前后之间相互关联的信息，利用视频帧图像中当前信息与未来信息的互联，实现对运动特征向量的学习；
注意力机制层，用于自适应的感知对识别结果有较大影响的网络权重,并根据动作之间的关系调整权重的分配，使模型能够根据运动姿态的前后关系实现更精确的识别；
Softmax分类函数层，用于进行识别结果的分类，根据前三层获取的运动特征完成分类，将Softmax函数计算结果的最大运动特征数值作为所述运动姿态判定网络模型的计算结果。
在一个示例性的实施例中，所述记忆网络层包括：
向前传播和向后传播的LSTM长短时记忆神经网络，其中，LSTM结构通过输入门、遗忘门和输出门三个结构来实现信息的输入和输出，利用记忆控制器实现对信息的遗忘与保留。
在一个示例性的实施例中，所述运动姿态判定模块包括：
图像提取单元，用于每间隔设定帧，从所述视频图像中提取一幅图像，用于将提取的所述视频图像输入运动姿态判定网络模型。
在一个示例性的实施例中，所述音乐播放模块503包括：
判断单元，用于判断所述运动姿态是否在设定的运动场景列表中；
播放单元，用于如果是，则根据所述运动场景列表中该运动姿态所关联的音乐。
图6为本申请实施例提供的一种空调器的结构示意图，图6为该空调器的内机结构示意图，该空调器60包括：存储器61，用于存储程序指令；处理器62，用于调用所述存储器中存储的程序指令，按照获得的程序执行本申请实施例中任一项所述的基于人体行为识别的空调音乐智能播放方法。
所述空调器还包括连接存储器61、处理器62的总线。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (10)

1.一种基于人体行为识别的空调音乐智能播放方法，其特征在于，包括如下步骤：
获取空调器所在空间的视频图像；
将所述视频图像输入运动姿态判定网络模型，得到用户在所述空调器所在空间的运动姿态；
播放所述运动姿态所对应的音乐。
2.根据权利要求1所述的基于人体行为识别的空调音乐智能播放方法，其特征在于，所述运动姿态判定网络模型包括：
DenseNet密集卷积神经网络，用于进行运动图像特征提取，有效保证低层图像特征与高层图像特征的连接；
记忆网络层，用于进行提取动作特征前后之间相互关联的信息，利用视频帧图像中当前信息与未来信息的互联，实现对运动特征向量的学习；
注意力机制层，用于自适应的感知对识别结果有较大影响的网络权重,并根据动作之间的关系调整权重的分配，使模型能够根据运动姿态的前后关系实现更精确的识别；
Softmax分类函数层，用于进行识别结果的分类，根据前三层获取的运动特征完成分类，将Softmax函数计算结果的最大运动特征数值作为所述运动姿态判定网络模型的计算结果。
3.根据权利要求2所述的基于人体行为识别的空调音乐智能播放方法，其特征在于，所述记忆网络层包括：
向前传播和向后传播的LSTM长短时记忆神经网络，其中，LSTM结构通过输入门、遗忘门和输出门三个结构来实现信息的输入和输出，利用记忆控制器实现对信息的遗忘与保留。
4.根据权利要求1所述的基于人体行为识别的空调音乐智能播放方法，其特征在于，在获取所述空调器所在空间的视频图像后，还包括：
每间隔设定帧，从所述视频图像中提取一幅图像，用于将提取的所述视频图像输入运动姿态判定网络模型。
5.根据权利要求1所述的基于人体行为识别的空调音乐智能播放方法，其特征在于，所述播放所述运动姿态所对应的音乐，包括：
判断所述运动姿态是否在设定的运动场景列表中；
如果是，则根据所述运动场景列表中该运动姿态所关联的音乐。
6.一种基于人体行为识别的空调音乐智能播放装置，其特征在于，包括：
视频图像获取模块，用于获取空调器所在空间的视频图像；
运动姿态判定模块，用于将所述视频图像输入运动姿态判定网络模型，得到用户在所述空调器所在空间的运动姿态；
音乐播放模块，用于播放所述运动姿态所对应的音乐。
7.根据权利要求6所述的基于人体行为识别的空调音乐智能播放装置，其特征在于，所述运动姿态判定网络模型包括：
DenseNet密集卷积神经网络，用于进行运动图像特征提取，有效保证低层图像特征与高层图像特征的连接；
记忆网络层，用于进行提取动作特征前后之间相互关联的信息，利用视频帧图像中当前信息与未来信息的互联，实现对运动特征向量的学习；
注意力机制层，用于自适应的感知对识别结果有较大影响的网络权重,并根据动作之间的关系调整权重的分配，使模型能够根据运动姿态的前后关系实现更精确的识别；
Softmax分类函数层，用于进行识别结果的分类，根据前三层获取的运动特征完成分类，将Softmax函数计算结果的最大运动特征数值作为所述运动姿态判定网络模型的计算结果。
8.根据权利要求7所述的基于人体行为识别的空调音乐智能播放装置，其特征在于，所述记忆网络层包括：
向前传播和向后传播的LSTM长短时记忆神经网络，其中，LSTM结构通过输入门、遗忘门和输出门三个结构来实现信息的输入和输出，利用记忆控制器实现对信息的遗忘与保留。
9.根据权利要求6所述的基于人体行为识别的空调音乐智能播放装置，其特征在于，所述运动姿态判定模块包括：
图像提取单元，用于每间隔设定帧，从所述视频图像中提取一幅图像，用于将提取的所述视频图像输入运动姿态判定网络模型。
10.一种空调器，其特征在于，包括：
至少一个存储器和至少一个处理器；
所述存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1至5任一项所述的基于人体行为识别的空调音乐智能播放方法的步骤。
CN202011425826.4A 2020-12-08 2020-12-08 基于人体行为识别的空调音乐智能播放方法及装置、空调器 Pending CN112699731A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011425826.4A CN112699731A (zh) 2020-12-08 2020-12-08 基于人体行为识别的空调音乐智能播放方法及装置、空调器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011425826.4A CN112699731A (zh) 2020-12-08 2020-12-08 基于人体行为识别的空调音乐智能播放方法及装置、空调器

Publications (1)

Publication Number Publication Date
CN112699731A true CN112699731A (zh) 2021-04-23

Family

ID=75505572

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011425826.4A Pending CN112699731A (zh) 2020-12-08 2020-12-08 基于人体行为识别的空调音乐智能播放方法及装置、空调器

Country Status (1)

Country Link
CN (1) CN112699731A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023019943A1 (zh) * 2021-08-20 2023-02-23 青岛海尔空调器有限总公司 用于控制空调器的方法及装置、空调器
WO2024066375A1 (zh) * 2022-09-29 2024-04-04 青岛海尔空调器有限总公司 用于空调器监控的方法及装置、空调器、存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023019943A1 (zh) * 2021-08-20 2023-02-23 青岛海尔空调器有限总公司 用于控制空调器的方法及装置、空调器
WO2024066375A1 (zh) * 2022-09-29 2024-04-04 青岛海尔空调器有限总公司 用于空调器监控的方法及装置、空调器、存储介质

Similar Documents

Publication Publication Date Title
CN110410964B (zh) 空调器的控制方法及控制系统
CN111720974A (zh) 运行控制方法、控制面板、空调设备和计算机存储介质
KR102639900B1 (ko) 공기 조화기
WO2019120252A1 (en) Systems and methods for controlling an air-conditioning system based on gait recognition
CN105042789B (zh) 一种智能空调的控制方法及系统
CN112699731A (zh) 基于人体行为识别的空调音乐智能播放方法及装置、空调器
CN107728482A (zh) 控制系统、控制处理方法及装置
WO2022227775A1 (zh) 用于空调控制的方法、装置和空调
CN110296506B (zh) 一种楼宇空调控制的方法及装置
CN105013137A (zh) 一种智能跑步机系统及其使用方法
CN113108437A (zh) 一种空调控制方法、装置、存储介质及空调
CN110726222B (zh) 空调控制方法、装置、存储介质以及处理器
WO2021057527A1 (zh) 智能空调控制方法及智能空调
CN107696028B (zh) 用于智能机器人的控制方法和装置及机器人
CN111121239B (zh) 一种智能家电智能控制方法、控制系统、智能家电
CN106322669B (zh) 一种空调智能扫风控制方法及系统
CN109357366B (zh) 调节控制方法、装置、存储介质和空调系统
CN108063701B (zh) 一种控制智能设备的方法及装置
CN113819620B (zh) 用于控制空调的方法及装置、空调、存储介质
CN110908340A (zh) 智能家居的控制方法及装置
CN111442464B (zh) 空调器及其控制方法
CN113867163A (zh) 一种智能家居场景切换方法、装置、智能终端及存储介质
CN112394647B (zh) 家居设备的控制方法、装置、设备及存储介质
KR20190114925A (ko) 소리 신호 분류를 이용한 인공지능장치 및 그 방법
CN108280393B (zh) 一种智能天花板的人机交互系统及其工作方法

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