CN112901542A - 风扇控制方法、风扇及存储介质 - Google Patents

Abstract

本申请涉及智能家居领域，公开了一种风扇控制方法、风扇及存储介质，所述风扇上设置有摄像头，所述方法包括：获取所述摄像头采集的包含用户的图像；将所述图像输入预先训练的距离识别模型，得到所述用户相对于所述风扇在第一方向上的第一距离；对所述图像进行分析，并基于所述第一距离计算所述用户相对于所述风扇在第二方向上的第二距离；基于所述第一距离和所述第二距离计算所述风扇的转动角度，以调节风扇的送风角度。使风扇能够根据用户位置自动调节送风角度。

Description

风扇控制方法、风扇及存储介质

技术领域

本申请涉及智能家居领域，尤其涉及一种风扇控制方法、风扇及存储介质。

背景技术

目前，大多电风扇都有定向送风和摆动吹风两种模式。当用户未处于风扇头部的正对位置时，为了实现风扇能够定向的对用户进行吹风，用户需要先手动调整风扇的状态至摆动送风模式，当风扇摆动至对用户吹风的位置时，再手动切换风扇的状态至定向送风模式，从而实现风扇能够对用户定向吹风，操作繁琐，并且降低了用户的使用体验。

因此，如何使风扇能够根据用户位置自动调节送风角度成为亟待解决的问题。

发明内容

本申请提供了一种风扇控制方法、风扇及存储介质，以使风扇能够根据用户位置自动调节送风角度。

第一方面，本申请提供了一种风扇控制方法，所述风扇上设置有摄像头，所述方法包括：

获取所述摄像头采集的包含用户的图像；

将所述图像输入预先训练的距离识别模型，得到所述用户相对于所述风扇在第一方向上的第一距离；

对所述图像进行分析，并基于所述第一距离计算所述用户相对于所述风扇在第二方向上的第二距离；

基于所述第一距离和所述第二距离计算所述风扇的转动角度，以调节风扇的送风角度。

第二方面，本申请还提供了一种风扇，所述风扇包括摄像头、存储器和处理器；

所述摄像头用于采集包含用户的图像；

所述存储器用于存储计算机程序；

所述处理器用于执行所述计算机程序并在执行所述计算机程序时实现如上所述的风扇控制方法。

第三方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上述的风扇控制方法。

本申请公开了一种风扇控制方法、风扇及存储介质，通过摄像头采集包括用户的图像，然后将采集到的图像输入距离识别模型，得到用户相对于风扇在第一方向上的第一距离，同时，对采集到的图像进行分析，并基于第一距离计算用户相对于风扇在第二方向上的第二距离，最终根据第一距离和第二距离计算风扇的转动角度，从而实现对风扇送风角度的控制和调节。通过摄像头采集到的包括用户的图像确定用户相对于风扇的位置和角度，从而控制风扇的转动角度，调整风扇的送风角度，使风扇能够根据用户位置自动调节送风角度。

附图说明

为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请提供的一种风扇的示意图；

图2是本申请实施例提供的一种距离识别模型的训练方法的示意流程图；

图3是本申请实施例提供的一种风扇控制方法的步骤示意图；

图4a是本申请实施例提供的用户相对于风扇的第一距离的示意图；

图4b是本申请实施例提供的用户相对于风扇的第二距离的示意图；

图5是图3中提供的一种风扇控制方法的子步骤示意流程图；

图6是本申请实施例提供的用户与风扇之间夹角的示意图；

图7是本申请的实施例还提供一种距离识别模型训练装置的示意性框图；

图8是本申请实施例提供的一种风扇的结构示意性框图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。

应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。

请参阅图1，图1是本申请提供的一种风扇的示意图。其中，风扇可以是落地扇、壁扇和台扇等。本方案中以台扇为例进行详细说明。

风扇100包括风扇本体110、摄像头120和功能控制装置130。其中，风扇本体110包括底座111、调节杆112、动力装置113和扇头114。

其中，底座111起到支撑和稳固作用，使风扇100能够稳固放置。风扇100上的调节杆112可以进行升降调节，以调节风扇100的高度。

动力装置113包括电机和摇头送风机构，摇头送风机构能够控制扇头114进行多方向的转动，实现风扇100的摆动送风，例如，摇头送风机构可以实现左右方向180°的摆动送风，上下方向90°的摆动送风。

扇头114包括叶片1141和网罩1142。其中，叶片1141用于在电机的驱动下转动，进行送风。网罩1142设置在叶片1141的外部，起到保护作用，避免叶片1141在转动过程中划伤用户。

摄像头120安装于风扇本体110上并与功能控制装置130信号连接，用于采集包含用户的图像，并将采集到的图像发送至功能控制装置130。在一些实施例中，摄像头120具体可以安装于扇头114上。

功能控制装置130设置在风扇本体110上，可以包括距离识别模块、处理器和控制模块。其中，距离识别模块用于利用距离识别模型对采集到的图像进行识别，以得到用户相对于风扇在第一方向上的第一距离；处理器用于对采集到的图像进行图像处理，并对处理结果进行计算，得到用户相对于风扇在第二方向上的第二距离，以及计算风扇的转动角度；控制模块用于根据距离识别模块以及处理器产生的结果发出控制指令，以控制风扇。

其中，该处理器可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

在一些实施例中，叶片1141朝向用户的一面与网罩1142之间还设置有加热装置，其中，加热装置可以为电热丝等，叶片1141可以为耐高温材料。加热装置启动后，即可对空气进行加热，使得叶片1141在转动过程中，实现风扇提供暖风的功能。

其中，所述风扇100上还可以设置温度传感器，温度传感器与所述处理器信号连接，所述温度传感器用于检测外部温度并将检测到的外部温度发送至处理器，由处理器在外部温度低于设定温度时向控制模块发出相应的判断结果，以使控制模块发出相应的控制指令控制加热装置启动，以实现风扇的供暖风功能。

此外，所述风扇100上还可以设置红外传感器，红外传感器与处理器信号连接，所述红外传感器用于检测风扇100的送风区域的红外图像，并将红外图像发送至处理器，由处理器判断送风区域的温度，并将判断出的送风区域的温度发送至控制模块，由控制模块发出相应的控制指令以调节加热装置的功率，进而实现对风扇送风温度的调节和控制。

可以理解的，图1中的风扇以及上述对于风扇的各部件的命名仅仅出于标识的目的，并不因此对本申请实施例进行限制。

以下将基于图1中的风扇，对本申请的实施例提供的风扇控制方法进行详细介绍。

请参阅图2，图2是本申请实施例提供的一种距离识别模型的训练方法的示意流程图。该距离识别模型是基于卷积神经网络进行模型训练得到的，当然也可以采用其他网络进行训练得到。

如图1所示，该距离识别模型的训练方法，用于训练出距离识别模型以便应用于该风扇控制方法上。其中，该训练方法具体包括：步骤S201至步骤S203。

S201、获取样本图像。

其中，所述样本图像信息为拍摄的多个包含用户的图像。具体地，样本图像为在用户相对于拍摄装置在第一方向上的第一距离为多个不同值时，利用拍摄装置拍摄的包含用户的多幅图像。在具体实施过程中，样本图像可以是在同一第一距离时，从多个角度拍摄的同一用户的图像或者从一个角度拍摄的不同用户的图像。

选取不同身高、不同胖瘦体型的用户，并在不同的第一距离对用户进行拍摄，得到多个图像，并将该图像作为样本图像，用于训练距离识别模型。

S202、根据第一距离对应的距离标识对所述样本图像进行标注，以构建样本数据。

其中，第一距离对应的距离标识是指第一距离的数值，具体地，对样本图像进行标注，从而使每个样本图像均包括其第一距离的数值。在对样本图像进行标注后，使每个样本图像均带有标注信息，即可使用带有标注信息的样本图像共同构建样本数据，以用于模型的训练。

S203、基于卷积神经网络，根据所述样本数据进行模型训练以得到距离识别模型，并将得到的距离识别模型作为预先训练的距离识别模型。

具体地，由于拍摄装置在不同的第一距离对同一用户进行拍摄时，第一距离越大，则在样本图像中用户所占的面积越小，反之，第一距离越小，则在样本图像中用户所占的面积越大。基于该原理，将样本数据输入卷积神经网络，以对样本数据进行模型训练，从而得到距离识别模型，最终将得到的距离识别模型作为预先训练的距离识别模型。

在一些实施例中，由于风扇控制方法应用于风扇中，因此可以将训练好的模型保存在风扇的距离识别模块中，以提高数据处理速度和模型的反应速度，提高交互速度，给用户带来更实时的体验。

在一些实施例中，为了保证风扇的正常运行以及距离识别的效率，还需要对训练得到的距离识别模型进行压缩处理，将压缩处理后的模型保存在风扇的距离识别模块中。

其中，该压缩处理具体包括对距离识别模型进行量化处理等，以减小距离识别模型的大小，进而方便保存在容量较小的风扇的距离识别模块中。

上述实施例提供的距离识别模型的训练方法，通过获取样本图像，并对样本图像进行标注，以构建样本数据，再基于卷积神经网络，根据构建的样本数据进行模型训练以得到距离识别模型，并将得到的距离识别模型作为预先训练的距离识别模型应用于风扇控制方法中，由此提高距离识别的准确度。

请参阅图3，图3是本申请实施例提供的一种风扇控制方法的步骤示意图。该风扇控制方法可应用于如图1所示的风扇上，通过对摄像头采集的包括用户的图像进行分析和距离识别，并根据分析和识别结果计算风扇的转动角度，以调节风扇的送风角度，使风扇能够根据用户位置自动调节送风角度。

如图3所示，该风扇控制方法，具体包括：步骤S301至步骤S304。

S301、获取所述摄像头采集的包含用户的图像。

具体地，风扇上的摄像头开启，由功能控制装置中的处理器获取风扇上的摄像头采集的包含用户的图像，以便于对获取到的图像进行进一步的处理。

在一些实施例中，为了降低风扇上摄像头的能耗，可以在检测到有人接近风扇时，开启所述摄像头。在此实施例中，风扇上可以设置红外传感器，当红外传感器检测到有人接近风扇时，开启摄像头。

S302、将所述图像输入预先训练的距离识别模型，得到所述用户相对于所述风扇在第一方向上的第一距离。

具体地，功能控制装置在获取到包含用户的图像后，将该图像输入预先训练的距离识别模型中，由距离识别模型对图像进行图像识别，从而输出识别结果，以得到用户相对于风扇在第一方向上的第一距离。其中，所述用户相对于所述风扇在第一方向上的第一距离可以是指用户到风扇之间的距离，第一方向可以为纵向，如图4a所示，F表示第一距离。

S303、对所述图像进行分析，并基于所述第一距离计算所述用户相对于所述风扇在第二方向上的第二距离。

具体地，在功能控制装置获取到包含用户的图像后，对获取到的图像进行图像分析，以得到用户相对于风扇在第二方向上的第二距离。其中，所述用户相对于所述风扇在第二方向上的第二距离，可以是指用户在横向水平方向上距风扇的扇头之间的距离，如图4b所示，W表示第二距离。

在一些实施例中，请参阅图5，步骤S303包括步骤S3031和步骤S3032。

S3031、确定所述图像的中线以及所述用户在所述图像中的坐标，并计算所述用户与所述中线的图像距离。

其中，所述用户在所述图像中的坐标是指用户在图像中的图像坐标，该图像坐标可以是用户的中心点坐标。处理器对所述图像进行分析，从所述图像中提取出用户的轮廓图像，然后再对用户的轮廓图像进行中心点坐标的提取。

所述图像距离是指在包含用户的图像中，用户与摄像头所拍摄的图像的中线之间的距离。在具体实施过程中，可以先确定摄像头拍摄的所述图像的中心点，然后再基于该中心点确定所述图像的中线。

具体地，可以先对所述图像进行灰度化处理，得到处理后的灰度图像；再将处理后的灰度图像进行二值化，得到二值化图像；最终根据二值化图像的图形轮廓确定图像中心点，在确定图像中心点后，即可基于该图像中心点，确定图像的中线，并可计算用户与图像中线之间的距离。

S3032、根据所述图像距离、所述摄像头的焦距和所述第一距离计算所述用户相对于所述风扇在第二方向上的第二距离。

具体地，在计算出图像距离后，根据第二距离计算公式，计算用户相对于风扇在第二方向上的第二距离，其中，第二距离计算公式如下：

其中，W表示第二距离，F表示第一距离，f表示摄像头的焦距，x表示图像距离。

S304、基于所述第一距离和所述第二距离计算所述风扇的转动角度，以调节风扇的送风角度。

具体地，在得到第一距离和第二距离后，即可以根据第一距离和第二距离计算风扇的转动角度，从而调节风扇的送风角度。

在一些实施例中，基于所述第一距离和所述第二距离计算所述风扇的转动角度具体包括：利用反三角函数公式，根据所述第一距离和所述第二距离计算所述用户与所述风扇之间的夹角，并将所述夹角作为风扇的转动角度。

请参阅图6，在已知第一距离和第二距离后，利用反三角函数，即可计算用户与风扇之间的夹角角A的度数，并将计算出的角A的度数作为风扇的转动角度。具体地，夹角角A的度数为：

其中，∠A为转动角度，W表示第二距离，F表示第一距离。

在具体实施过程中，在计算出∠A的度数后，可以将计算出的度数±10°作为最终的风扇转动角度，以补偿夹角的计算误差，提高风扇的吹风效果。

当用户移动时，用户在摄像头采集到的包含用户的图像中的位置也会发生变化，距离识别模块和处理器不断对变化的图像进行图像分析，从而使控制模块能够不断的根据用户的移动调节风扇的送风角度，实现风扇跟随用户移动而转动。

在一些实施例中，为了使风扇能够自动根据室温调节送风温度，风扇上安装有温度传感器和加热装置，该风扇控制方法还包括：

在所述风扇的工作过程中，持续获取所述温度传感器采集的室内温度；当所述室内温度低于设定温度时，控制所述加热装置发热以调节所述风扇的送风温度。

具体地，在风扇启动后，由温度传感器持续采集室内温度，并将采集到的室内温度发送至风扇上的处理器，处理器获取到温度传感器采集的室内温度，并对获取到的室内温度进行判断，当判断出室内温度低于设定温度时，处理器即可向控制模块发送该判断结果，由控制模块生成控制指令控制加热装置发热，以调节风扇的送风温度。

其中，设定温度是指预先设置的用户的舒适温度，在具体实施过程中，设定温度可以是开发人员根据研究结果设置的，也可以是用户根据使用习惯自行设置的。例如，设定温度可以为24°。

在一些实施例中，为了自动调整风扇的送风温度，所述风扇上设置有红外传感器，该风扇控制方法还包括：

获取所述红外传感器采集的所述用户所在的送风区域的红外图像；根据所述红外图像判断所述送风区域的温度；根据所述送风区域的温度调节所述加热装置的功率，以调节所述风扇的送风温度。

其中，用户所在的送风区域是指风扇在调节后的送风角度下对用户进行送风时的送风区域。

具体地，所述红外传感器利用热成像技术产生送风区域内的红外辐射图像，并将产生的红外图像发送至处理器，处理器获取到红外传感器采集的红外图像后，根据红外传感器的温度条来根据红外图像的颜色判断送风区域内的温度，并将判断出的送风区域内的温度发送至控制模块，由控制模块生成对应的控制指令以在加热装置的最大功率范围内调节加热装置的功率。加热装置的功率越高，则其温度越高，产生的热量越多，风扇的送风温度也就越高。

在一些实施例中，为了降低风扇的能耗，该风扇控制方法还包括：

获取所述摄像头连续采集的多帧图像；若在预设时段内，所述多帧图像中均未包括所述用户，则关闭所述风扇。

具体地，摄像头持续采集多帧图像，并将采集到的多帧图像发送至处理器，由处理器获取到摄像头连续采集的多帧图像，并对获取到的图像进行图像分析，以判断图像中是否包括用户。若处理器判断出在预设时段内的每帧图像中均未包括用户，则认为此时风扇前并未有用户在使用，向控制模块发送判断结果，由控制模块生成控制指令以自动控制风扇关闭，以降低风扇的耗能。其中，预设时段可以是用户预先设置的，也可以是开发人员设置的。

例如，预设时段为十分钟，则摄像头持续采集当前室内的图像，并将采集到的图像发送至处理器，若处理器在连续十分钟内均未检测到图像中有用户出现，则控制风扇自动关闭。

上述实施例提供的一种风扇控制方法，通过摄像头采集包含用户的图像，然后利用预先训练的距离识别模型对图像进行识别，得到用户与风扇之间的第一距离，然后对图像进行分析，并基于该第一距离计算用户与风扇之间的第二距离，最终根据该第一距离和第二距离计算风扇的转动角度，从而实现对风扇送风角度的调节。通过对包含用户的图像进行分析，得到用户的位置信息，并根据该位置信息调节风扇的转动角度，实现风扇能够自动跟随用户的位置转动，便捷用户的使用。

请参阅图7，图7是本申请的实施例还提供一种距离识别模型训练装置的示意性框图，该距离识别模型训练装置用于执行前述的距离识别模型训练方法。

其中，服务器可以为独立的服务器，也可以为服务器集群。该终端可以是手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等电子设备。

如图7所示，距离识别模型训练装置400包括：样本获取模块401、样本标注模块402和模型训练模块403。

样本获取模块401，用于获取样本图像，所述样本图像为拍摄的多个包含用户的图像。

样本标注模块402，用于根据第一距离对应的距离标识对所述样本图像进行标注，以构建样本数据。

模型训练模块403，用于基于卷积神经网络，根据所述样本数据进行模型训练以得到距离识别模型，并将得到的距离识别模型作为预先训练的距离识别模型。

需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的距离识别模型训练装置和各模块的具体工作过程，可以参考前述距离识别模型训练方法实施例中的对应过程，在此不再赘述。

请参阅图8，图8是本申请实施例提供的一种风扇的结构示意性框图。该风扇100包括风扇本体110、摄像头120、处理器132和存储器140。其中，摄像头120、处理器132和存储器140通过总线连接，该总线比如为I2C(Inter-integrated Circuit)总线。

所述处理器可以是微控制单元(Micro-controller Unit，MCU)、中央处理单元(Central Processing Unit，CPU)或数字信号处理器(Digital Signal Processor，DSP)等。

具体地，存储器140可以是Flash芯片、只读存储器(ROM，Read-Only Memory)磁盘、光盘、U盘或移动硬盘等。

其中，所述处理器用于运行存储在存储器中的计算机程序，并在执行所述计算机程序时实现如下步骤：

获取所述摄像头采集的包含用户的图像；将所述图像输入预先训练的距离识别模型，得到所述用户相对于所述风扇在第一方向上的第一距离；对所述图像进行分析，并基于所述第一距离计算所述用户相对于所述风扇在第二方向上的第二距离；基于所述第一距离和所述第二距离计算所述风扇的转动角度，以调节风扇的送风角度。

在一些实施例中，所述处理器还用于实现：

在所述风扇的工作过程中，持续获取所述温度传感器采集的室内温度；当所述室内温度低于设定温度时，控制所述加热装置发热以调节所述风扇的送风温度。

在一些实施例中，所述处理器在实现所述对所述图像进行分析，并基于所述第一距离计算所述用户相对于所述风扇在第二方向上的第二距离时，用于实现：

确定所述图像的中线，并计算所述用户与所述中线的图像距离；根据所述图像距离、所述摄像头的焦距和所述第一距离计算所述用户相对于所述风扇在第二方向上的第二距离。

在一些实施例中，所述处理器在实现所述基于所述第一距离和所述第二距离计算所述风扇的转动角度时，用于实现：

利用反三角函数公式，根据所述第一距离和所述第二距离计算所述用户与所述风扇之间的夹角，并将所述夹角作为风扇的转动角度。

在一些实施例中，所述处理器还用于实现：

获取所述红外传感器采集的所述用户所在的送风区域的红外图像；根据所述红外图像判断所述送风区域的温度；根据所述送风区域的温度调节所述加热装置的功率，以调节所述风扇的送风温度。

在一些实施例中，所述处理器还用于实现：

获取所述摄像头连续采集的多帧图像；若在预设时段内，所述多帧图像中均未包括所述用户，则关闭所述风扇。

在一些实施例中，所述处理器还用于实现：

获取样本图像，所述样本图像为拍摄的多个包含用户的图像；根据第一距离对应的距离标识对所述样本图像进行标注，以构建样本数据；基于卷积神经网络，根据所述样本数据进行模型训练以得到距离识别模型，并将得到的距离识别模型作为预先训练的距离识别模型。

在一些实施例中，所述处理器在实现所述根据所述图像距离、所述摄像头的焦距和所述第一距离计算所述用户相对于所述风扇在第二方向上的第二距离时，用于实现：

根据第二距离计算公式，计算所述用户相对于所述风扇在第二方向上的第二距离，其中，所述第二距离计算公式如下：

其中，W表示第二距离，F表示第一距离，f表示摄像头的焦距，x表示图像距离。

本申请的实施例中还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序中包括程序指令，所述处理器执行所述程序指令，实现本申请实施例提供的任一项风扇控制方法。

其中，所述计算机可读存储介质可以是前述实施例所述的风扇的内部存储单元，例如所述风扇的硬盘或内存。所述计算机可读存储介质也可以是所述风扇的外部存储设备，例如所述风扇上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。

以上所述，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种风扇控制方法，其特征在于，所述风扇上设置有摄像头，所述方法包括：

获取所述摄像头采集的包含用户的图像；

将所述图像输入预先训练的距离识别模型，得到所述用户相对于所述风扇在第一方向上的第一距离；

对所述图像进行分析，并基于所述第一距离计算所述用户相对于所述风扇在第二方向上的第二距离；

基于所述第一距离和所述第二距离计算所述风扇的转动角度，以调节风扇的送风角度。

2.根据权利要求1所述的风扇控制方法，其特征在于，所述风扇上还设置有温度传感器和加热装置，所述方法还包括：

在所述风扇的工作过程中，持续获取所述温度传感器采集的室内温度；

当所述室内温度低于设定温度时，控制所述加热装置发热以调节所述风扇的送风温度。

3.根据权利要求1所述的风扇控制方法，其特征在于，所述对所述图像进行分析，并基于所述第一距离计算所述用户相对于所述风扇在第二方向上的第二距离，包括：

确定所述图像的中线以及所述用户在所述图像中的坐标，并计算所述用户与所述中线的图像距离；

根据所述图像距离、所述摄像头的焦距和所述第一距离计算所述用户相对于所述风扇在第二方向上的第二距离。

4.根据权利要求1所述的风扇控制方法，其特征在于，所述基于所述第一距离和所述第二距离计算所述风扇的转动角度，包括：

利用反三角函数公式，根据所述第一距离和所述第二距离计算所述用户与所述风扇之间的夹角，并将所述夹角作为风扇的转动角度。

5.根据权利要求2所述的风扇控制方法，其特征在于，所述风扇上设置有红外传感器，所述风扇控制方法还包括：

获取所述红外传感器采集的所述用户所在的送风区域的红外图像；

根据所述红外图像判断所述送风区域的温度；

根据所述送风区域的温度调节所述加热装置的功率，以调节所述风扇的送风温度。

6.根据权利要求1所述的风扇控制方法，其特征在于，所述方法还包括：

获取所述摄像头连续采集的多帧图像；

若在预设时段内，所述多帧图像中均未包括所述用户，则关闭所述风扇。

7.根据权利要求1所述的风扇控制方法，其特征在于，所述方法还包括：

获取样本图像，所述样本图像为拍摄的多个包含用户的图像；

根据第一距离对应的距离标识对所述样本图像进行标注，以构建样本数据；

基于卷积神经网络，根据所述样本数据进行模型训练以得到距离识别模型，并将得到的距离识别模型作为预先训练的距离识别模型。

8.根据权利要求3所述的风扇控制方法，其特征在于，所述根据所述图像距离、所述摄像头的焦距和所述第一距离计算所述用户相对于所述风扇在第二方向上的第二距离，包括：

根据第二距离计算公式，计算所述用户相对于所述风扇在第二方向上的第二距离，其中，所述第二距离计算公式如下：

其中，W表示第二距离，F表示第一距离，f表示摄像头的焦距，x表示图像距离。

9.一种风扇，其特征在于，所述风扇包括摄像头、存储器和处理器；

所述摄像头用于采集包含用户的图像；

所述存储器用于存储计算机程序；

所述处理器用于执行所述计算机程序并在执行所述计算机程序时实现如权利要求1至8任一项所述的风扇控制方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1至8中任一项所述的风扇控制方法。

Images