CN112944611A - 空调器的控制方法、装置、存储介质及处理器 - Google Patents
空调器的控制方法、装置、存储介质及处理器 Download PDFInfo
- Publication number
- CN112944611A CN112944611A CN202110296963.0A CN202110296963A CN112944611A CN 112944611 A CN112944611 A CN 112944611A CN 202110296963 A CN202110296963 A CN 202110296963A CN 112944611 A CN112944611 A CN 112944611A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- image
- air conditioner
- image block
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000001514 detection method Methods 0.000 claims abstract description 35
- 238000000605 extraction Methods 0.000 claims description 19
- 238000005070 sampling Methods 0.000 claims description 19
- 238000007781 pre-processing Methods 0.000 claims description 15
- 238000010408 sweeping Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 9
- 230000001629 suppression Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 7
- 230000033228 biological regulation Effects 0.000 abstract description 15
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 6
- 230000035807 sensation Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 239000008267 milk Substances 0.000 description 4
- 210000004080 milk Anatomy 0.000 description 4
- 235000013336 milk Nutrition 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/56—Remote control
- F24F11/58—Remote control using Internet communication
-
- 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
- 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
- G06N3/045—Combinations of networks
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/10—Temperature
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/30—Velocity
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/40—Pressure, e.g. wind pressure
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Mechanical Engineering (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- Fuzzy Systems (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本申请公开了一种空调器的控制方法、装置、存储介质及处理器。该方法包括:采集空调器所处的室内区域内用户的图像信息,得到用户图像信息;将用户图像信息通过目标检测模型,确定用户的目标信息;根据用户的目标信息按照预设规则,确定空调器的运行参数;控制空调器按照运行参数进行运行。通过本申请,解决了相关技术中用户对空调器调控的满意度较低的问题。
Description
技术领域
本申请涉及空调器控制领域,具体而言,涉及一种空调器的控制方法、装置、存储介质及处理器。
背景技术
目前,空调的温度设定点和送风参数的设定是假设室内人员的热感觉和风感觉是静态且彼此无差异的前提下得出的固定值。然而,每个室内人员的热感觉和风感觉可能都不同且随着各类环境条件和自身条件而变化,因此,目前对空调器的控制,难以满足室内用户的舒适感(例如,热感觉和风感觉),造成用户对空调器调控的满意度较低。
针对相关技术中难以满足室内用户的舒适感,造成用户对空调器调控的满意度较低的问题,目前尚未提出有效的解决方案。
发明内容
本申请的主要目的在于提供一种空调器的控制方法、装置、存储介质及处理器,以解决相关技术中用户对空调器调控的满意度较低的问题。
为了实现上述目的,根据本申请的一个方面,提供了一种空调器的控制方法。该方法包括:采集空调器所处的室内区域内用户的图像信息,得到用户图像信息;将用户图像信息通过目标检测模型,确定用户的目标信息;根据用户的目标信息按照预设规则,确定空调器的运行参数;控制空调器按照运行参数进行运行。
进一步地,目标检测模型中包括多尺度多模板金字塔网络,多尺度多模板金字塔网络由P-Net网络、R-Net网络、O-Net网络构建。
进一步地,将用户图像信息通过目标检测模型,确定用户的目标信息包括:采用三种不同规格的滑窗对用户图像信息进行滑动采样,得到三种不同像素的图像块,其中,三种不同像素的图像块中包括第一图像块、第二图像块和第三图像块;将第一图像块、第二图像块和第三图像块的像素调整为目标像素,得到调整后的第一图像块、调整后的第二图像块和调整后的第三图像块;将调整的第一图像块、调整后的第二图像块和调整后的第三图像块输入P-Net网络,在P-Net网络中采用非极大抑制算法对候选区域图像进行筛选,得到候选区域图像;将候选区域图像输入R-Net网络进行候选区域图像调整,得到调整后的候选区域图像;将调整后的候选区域图像输入O-Net网络进行特征提取,得到用户的目标信息。
进一步地,在采用三种不同规格的滑窗对用户图像信息进行滑动采样之前,该方法还包括:对用户图像信息进行预处理,得到处理后的图像信息,其中,预处理的操作包括以下至少之一:滤除噪声、灰度值归一化处理以及图像的色彩空间转换。
进一步地,将调整后的候选区域图像输入O-Net网络进行特征提取,得到用户的目标信息之后,该方法还包括:获取用户的面部上关键点的坐标值及每个关键点的温度值;将每个关键点的温度值通过平均加算法方式得到人脸表面温度值。
进一步地,用户的目标信息中至少包括:用户的年龄信息和用户的性别信息,预设规则中至少包括:年龄信息的优先等级大于性别信息的优先等级,年龄信息大于第一预设年龄的优先等级大于年龄信息小于第二预设年龄的优先等级,年龄信息小于第二预设年龄的优先等级大于年龄信息在第二预设年龄与第一预设年龄之间的优先等级;性别信息中性别为女的优先等级大于性别为男的优先等级。
进一步地,空调器的运行参数中至少包括:温度参数,风量参数、风速参数、扫风角度参数。
为了实现上述目的,根据本申请的另一方面,提供了一种空调器的控制装置。该装置包括:第一采集单元,用于采集空调器所处的室内区域内用户的图像信息,得到用户图像信息;第一确定单元,用于将用户图像信息通过目标检测模型,确定用户的目标信息;第二确定单元,用于根据用户的目标信息按照预设规则,确定空调器的运行参数;第一控制单元,用于控制空调器按照运行参数进行运行。
进一步地,目标检测模型中包括多尺度多模板金字塔网络,多尺度多模板金字塔网络由P-Net网络、R-Net网络、O-Net网络构建。
进一步地,第一确定单元包括:第一采样模块,用于采用三种不同规格的滑窗对用户图像信息进行滑动采样,得到三种不同像素的图像块,其中,三种不同像素的图像块中包括第一图像块、第二图像块和第三图像块;第一调整模块,用于将第一图像块、第二图像块和第三图像块的像素调整为目标像素,得到调整后的第一图像块、调整后的第二图像块和调整后的第三图像块;第一筛选模块,用于将调整的第一图像块、调整后的第二图像块和调整后的第三图像块输入P-Net网络,在P-Net网络中采用非极大抑制算法对候选区域图像进行筛选,得到候选区域图像;第二调整模块,用于将候选区域图像输入R-Net网络进行候选区域图像调整,得到调整后的候选区域图像;第一提取模块,用于将调整后的候选区域图像输入O-Net网络进行特征提取,得到用户的目标信息。
进一步地,该装置还包括:第一处理单元,用于在采用三种不同规格的滑窗对用户图像信息进行滑动采样之前,对用户图像信息进行预处理,得到处理后的图像信息,其中,预处理的操作包括以下至少之一:滤除噪声、灰度值归一化处理以及图像的色彩空间转换。
进一步地,该装置还包括:第一提取单元,用于将调整后的候选区域图像输入O-Net网络进行特征提取,得到用户的目标信息之后,获取用户的面部上关键点的坐标值及每个关键点的温度值;将每个关键点的温度值通过平均加算法方式得到人脸表面温度值。
进一步地,用户的目标信息中至少包括:用户的年龄信息和用户的性别信息,预设规则中至少包括:年龄信息的优先等级大于性别信息的优先等级,年龄信息大于第一预设年龄的优先等级大于年龄信息小于第二预设年龄的优先等级,年龄信息小于第二预设年龄的优先等级大于年龄信息在第二预设年龄与第一预设年龄之间的优先等级;性别信息中性别为女的优先等级大于性别为男的优先等级。
进一步地,空调器的运行参数中至少包括:温度参数,风量参数、风速参数、扫风角度参数。
通过本申请,采用以下步骤:采集空调器所处的室内区域内用户的图像信息,得到用户图像信息;将用户图像信息通过目标检测模型,确定用户的目标信息;根据用户的目标信息按照预设规则,确定空调器的运行参数;控制空调器按照运行参数进行运行。通过本申请,解决了相关技术中用户对空调器调控的满意度较低的问题。通过对用户图像信息进行模型检测得到目标信息以及基于目标信息按照预设规则对空调参数进行控制,实现对空调器的控制更加精准,进而达到了提升用户对空调器调控的满意度的效果。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例提供的空调器的控制方法的流程图;
图2是根据本申请实施例提供的空调器的控制方法的空调参数智能调节控制图;
图3是根据本申请实施例提供的空调器的控制方法的人脸识别模型架构图示;
图4是根据本申请实施例提供的空调器的控制方法的空调参数智能调节流程图;
图5是根据本申请实施例提供的空调器的控制装置的示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案,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,所描述的实施例仅仅是本申请一部分的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请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,以便这里描述的本申请的实施例。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。
根据本申请的实施例,提供了一种空调器的控制方法。
图1是根据本申请实施例的空调器的控制方法的流程图。如图1所示,该方法包括以下步骤:
步骤S101,采集空调器所处的室内区域内用户的图像信息,得到用户图像信息。
例如,通过红外成像检测单元001(如图2所示),获取空调器所处区域内用户的图像信息。
步骤S102,将用户图像信息通过目标检测模型,确定用户的目标信息。
可选地,上述的目标检测模型中包括多尺度多模板金字塔网络,多尺度多模板金字塔网络由P-Net网络、R-Net网络、O-Net网络构建。也即将用户图像信息通过多尺度多模板金字塔网络,可以得到例如包括用户性别信息以及用户年龄信息的用户目标信息。
步骤S103,根据用户的目标信息按照预设规则,确定空调器的运行参数。
上述的预设规则中至少包括:年龄信息的优先等级大于性别信息的优先等级,年龄信息大于第一预设年龄的优先等级大于年龄信息小于第二预设年龄的优先等级,年龄信息小于第二预设年龄的优先等级大于年龄信息在第二预设年龄与第一预设年龄之间的优先等级;性别信息中性别为女的优先等级大于性别为男的优先等级。
例如,空调器所处区域内检测到的人员可能有:小王:男,18岁;小李:男,5岁;张奶奶:女,80岁;王姐:女,30岁;刘大爷:男,80岁;假设第一预设年龄为60岁,第二预设年龄为10岁,设置优先等级为:年龄信息的优先等级大于性别信息的优先等级,年龄信息大于第一预设年龄的优先等级大于年龄信息小于第二预设年龄的优先等级,年龄信息小于第二预设年龄的优先等级大于年龄信息在第二预设年龄与第一预设年龄之间的优先等级,性别信息中性别为女的优先等级大于性别为男的优先等级;即张奶奶优先级高于小王、小李、王姐、刘大爷,年龄信息中张奶奶、刘大爷信息所占比重大于小李信息所占比重,性别信息中性别为女(张奶奶)所占比重大于性别为男(刘大爷)所占比重,若张奶奶,小王、小李、王姐、刘大爷同时在空调器所处的室内,将张奶奶所适合的温度以及送风参数(包括风量参数、风速参数、扫风角度参数)作为空调器的运行参数。若小王、小李、王姐、刘大爷同时在空调器所处的室内,刘大爷优先级高于小王、小李、王姐,将刘大爷所适合的温度以及送风参数(包括风量参数、风速参数、扫风角度参数)作为空调器的运行参数。若小王、小李、王姐同时在空调器所处的室内,小李优先级高于小王、王姐,将小李所适合的温度以及送风参数(包括风量参数、风速参数、扫风角度参数)作为空调器的运行参数。
步骤S104,控制空调器按照运行参数进行运行。
上述的空调器的运行参数中至少包括:温度参数,风量参数、风速参数、扫风角度参数。如图2所示,经过控制单元002触发控制空调器的参数运行指令,空调的温度调节单元003以及空调的风控调节单元004接收控制单元002发出的指令,并按照上述的运行参数对温度参数,风量参数、风速参数、扫风角度参数进行控制,从而提升用户的体验。
通过上述步骤,通过对用户图像信息进行模型检测得到目标信息以及基于目标信息按照预设规则对空调参数进行控制,解决了相关技术中用户对空调器调控的满意度较低的问题,实现对空调器的控制更加精准,进而达到了提升用户对空调器调控的满意度的效果。
可选地,在本申请实施例提供的空调器的控制方法中,将用户图像信息通过目标检测模型,确定用户的目标信息包括:采用三种不同规格的滑窗对用户图像信息进行滑动采样,得到三种不同像素的图像块,其中,三种不同像素的图像块中包括第一图像块、第二图像块和第三图像块;将第一图像块、第二图像块和第三图像块的像素调整为目标像素,得到调整后的第一图像块、调整后的第二图像块和调整后的第三图像块;将调整的第一图像块、调整后的第二图像块和调整后的第三图像块输入P-Net网络,在P-Net网络中采用非极大抑制算法对候选区域图像进行筛选,得到候选区域图像;将候选区域图像输入R-Net网络进行候选区域图像调整,得到调整后的候选区域图像,将调整后的候选区域图像输入O-Net网络进行特征提取,得到用户的目标信息。
具体的,三种任意规格的用户图像信息在输入P-Net网络之前,采用三种不同规格的滑窗对不同规格的用户图像信息进行滑动采样,得到三种不同像素的图像块,即本申请中的第一图像块、第二图像块和第三图像块。将三种不同规格像素的图像块进行放缩操作,得到目标像素块,也即本申请中的调整后的第一图像块、调整后的第二图像块和调整后的第三图像块。
对用户图像信息在多尺度多模型金字塔中进行滑动采样处理时,对三种不同规格的图像信息采用8*8、12*12、16*16不同规格的滑窗进行滑动采样。得到8*8、12*12、16*16三种不同像素规则的图像块,将三种不同像素规则的图像块的像素进行放缩处理得到12*12像素的目标像素块。
其中,用户图像信息经过P-Net网络进行用户图像信息处理之前,先要对用户图像信息进行预处理,进而消除奇异用户图像信息数据的干扰,可选地,在本申请实施例提供的空调器的控制方法中,在采用三种不同规格的滑窗对用户图像信息进行滑动采样之前,方法还包括:对用户图像信息进行预处理,得到处理后的图像信息,其中,预处理的操作包括以下至少之一:滤除噪声、灰度值归一化处理以及图像的色彩空间转换。
将调整的第一图像块、调整后的第二图像块和调整后的第三图像块输入P-Net网络,其中,P-Net网络对用户图像信息的像素检测设置为12*12,由于P-Net网络对用户图像信息的像素检测设置较小,使得其能够很快完成图像块候选区的生成操作,但是该网络的产生的候选区域会出现图像块的重叠以及误选,于是在P-Net网络中采用非极大抑制算法对候选区域图像进行筛选,基于对候选区域进行图像的提取,得到候选区域图像,将候选区域图像输入像素检测设置为24*24的R-Net网络进行候选区域图像调整,目的是能够更加精确地进行图像块候选区生成,将调整后的候选区域图像输入O-Net网络进行特征提取,得到用户的目标信息,也即用户性别信息以及用户年龄信息。其中,O-Net网络对用户图像信息的像素检测设置为48*48。
如图3所示,用户图像信息输入基本结构为全卷积神经网络的P-Net后,得到三个特征图,分别是人脸与非人脸的二分类结果、人脸回归框的坐标以及面部五个关键点的坐标;R-Net网络基本结构为包含全连接层的普通的卷积神经网络,同样可以得到三个特征图,表示含义与P-Net类似,只是在数据表达方式上有所不同。O-Net为多尺度多模板金字塔网络的第三个部分也是最后一个子网络,该网络的基本结构为一般的卷积神经网络,同样可以得到与R-Net相类似的三个特征图,O-Net网络层数要深于R-Net,在P-Net网络以及R-Net网络的基础上进行最终的人脸图像信息以及面部关键点的检测与标定,使得其输出特征图的精度和准确率要高于R-Net。
也即,通过上述方案,将用户图像信息输入多尺度多模板金字塔网络(对应图3中的多模板多尺度的图像金字塔预处理)后对用户图像信息进行处理,基于多尺度多模板金字塔网络输出的结果,可以准确的得出包括用户性别信息以及用户年龄信息的用户目标信息。
可选地,在本申请实施例提供的空调器的控制方法中,将调整后的候选区域图像输入O-Net网络进行特征提取,得到用户的目标信息之后,该方法还包括:获取用户的面部上关键点的坐标值及每个关键点的温度值;将每个关键点的温度值通过平均加算法方式得到人脸表面温度值。
经过O-Net网络对人脸图像信息以及面部关键点的检测与标定,其中,面部关键点主要包括眉毛的中间部位,额头的正中间点、眼角底部、鼻子部位,将每个关键点的温度值通过平均加算法方式得到人脸表面温度值,可以通过用户的目标信息(用户性别信息以及用户年龄信息)结合人脸表面温度值调整空调器的运行参数,从而精确地控制空调器,以提升用户的满意度。
图4是根据本申请实施例提供的空调器的控制方法的空调参数智能调节流程图。如图4所示:经过人脸检测模型(对应上述的目标检测模型)后,得到用户性别信息以及用户年龄信息,设置空调器调控的优先级,控制空调器按照调控优先级对应的运行参数运行,其中,包括温度的调节以及风速风量的调节。
综上所述,本申请实施例提供的空调器的控制方法,通过将用户图像信息通过目标检测模型,确定用户的目标信息;根据用户的目标信息按照预设规则,确定空调器的运行参数;控制空调器按照运行参数进行运行。通过本申请,解决了相关技术中用户对空调器调控的满意度较低的问题。通过对用户的图像信息进行模型检测得到目标信息以及基于目标信息按照预设规则对空调参数进行控制,实现对空调器的控制更加精准,进而达到了提升用户对空调器调控的满意度的效果。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例还提供了一种空调器的控制装置,需要说明的是,本申请实施例的空调器的控制装置可以用于执行本申请实施例所提供的用于空调器的控制方法。以下对本申请实施例提供的空调器的控制装置进行介绍。
图5是根据本申请实施例的空调器的控制装置的示意图。如图5所示,该装置包括:第一采集单元501、第一确定单元502、第二确定单元503、第一控制单元504。
具体的,第一采集单元501,用于采集空调器所处的室内区域内用户的图像信息,得到用户图像信息;
第一确定单元502,用于将用户图像信息通过目标检测模型,确定用户的目标信息;
第二确定单元503,用于根据用户的目标信息按照预设规则,确定空调器的运行参数;
第一控制单元504,用于控制空调器按照运行参数进行运行。
本申请实施例提供的空调器的控制装置,通过第一采集单元501采集空调器所处的室内区域内用户的图像信息,得到用户图像信息;第一确定单元502将用户图像信息通过目标检测模型,确定用户的目标信息;第二确定单元503根据用户的目标信息按照预设规则,确定空调器的运行参数;第一控制单元504控制空调器按照运行参数进行运行,通过对用户图像信息进行模型检测以及目标信息按照预设规则对空调参数进行控制,解决了相关技术中用户对空调器调控的满意度较低的问题。通过对用户的图像信息进行模型检测得到目标信息以及基于目标信息按照预设规则对空调参数进行控制,实现对空调器的控制更加精准,进而达到了提升用户对空调器调控的满意度的效果。
可选地,在本申请实施例提供的空调器的控制装置中,目标检测模型中包括多尺度多模板金字塔网络,多尺度多模板金字塔网络由P-Net网络、R-Net网络、O-Net网络构建。
可选地,在本申请实施例提供的空调器的控制装置中,第一确定单元502包括:第一采样模块,用于采用三种不同规格的滑窗对用户图像信息进行滑动采样,得到三种不同像素的图像块,其中,三种不同像素的图像块中包括第一图像块、第二图像块和第三图像块;第一调整模块,用于将第一图像块、第二图像块和第三图像块的像素调整为目标像素,得到调整后的第一图像块、调整后的第二图像块和调整后的第三图像块;第一筛选模块,用于将调整的第一图像块、调整后的第二图像块和调整后的第三图像块输入P-Net网络,在P-Net网络中采用非极大抑制算法对候选区域图像进行筛选,得到候选区域图像;第二调整模块,用于将候选区域图像输入R-Net网络进行候选区域图像调整,得到调整后的候选区域图像;第一提取模块,用于将调整后的候选区域图像输入O-Net网络进行特征提取,得到用户的目标信息。
可选地,在本申请实施例提供的空调器的控制装置中,该装置还包括:第一处理单元,用于在采用三种不同规格的滑窗对用户图像信息进行滑动采样之前,对用户图像信息进行预处理,得到处理后的图像信息,其中,预处理的操作包括以下至少之一:滤除噪声、灰度值归一化处理以及图像的色彩空间转换。
可选地,在本申请实施例提供的空调器的控制装置中,该装置还包括:第一提取单元,用于将调整后的候选区域图像输入O-Net网络进行特征提取,得到用户的目标信息之后,获取用户的面部上关键点的坐标值及每个关键点的温度值;将每个关键点的温度值通过平均加算法方式得到人脸表面温度值。
可选地,在本申请实施例提供的空调器的控制装置中,用户的目标信息中至少包括:用户的年龄信息和用户的性别信息,预设规则中至少包括:年龄信息的优先等级大于性别信息的优先等级,年龄信息大于第一预设年龄的优先等级大于年龄信息小于第二预设年龄的优先等级,年龄信息小于第二预设年龄的优先等级大于年龄信息在第二预设年龄与第一预设年龄之间的优先等级;性别信息中性别为女的优先等级大于性别为男的优先等级。
可选地,在本申请实施例提供的空调器的控制装置中,空调器的运行参数中至少包括:温度参数,风量参数、风速参数、扫风角度参数。
空调器的控制装置包括处理器和存储器,上述的第一采集单元501、第一确定单元502、第二确定单元503、第一控制单元504等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来进行空调器的控制。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现空调器的控制方法。
本发明实施例提供了一种处理器,处理器用于运行程序,其中,程序运行时执行空调器的控制方法。
本发明实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:采集空调器所处的室内区域内用户的图像信息,得到用户图像信息;将用户图像信息通过目标检测模型,确定用户的目标信息;根据用户的目标信息按照预设规则,确定空调器的运行参数;控制空调器按照运行参数进行运行。
处理器执行程序时还实现以下步骤:目标检测模型中包括多尺度多模板金字塔网络,多尺度多模板金字塔网络由P-Net网络、R-Net网络、O-Net网络构建。
处理器执行程序时还实现以下步骤:采用三种不同规格的滑窗对用户图像信息进行滑动采样,得到三种不同像素的图像块,其中,三种不同像素的图像块中包括第一图像块、第二图像块和第三图像块;将第一图像块、第二图像块和第三图像块的像素调整为目标像素,得到调整后的第一图像块、调整后的第二图像块和调整后的第三图像块;将调整的第一图像块、调整后的第二图像块和调整后的第三图像块输入P-Net网络,在P-Net网络中采用非极大抑制算法对候选区域图像进行筛选,得到候选区域图像;将候选区域图像输入R-Net网络进行候选区域图像调整,得到调整后的候选区域图像;将调整后的候选区域图像输入O-Net网络进行特征提取,得到用户的目标信息。
处理器执行程序时还实现以下步骤:在采用三种不同规格的滑窗对用户图像信息进行滑动采样之前,对用户图像信息进行预处理,得到处理后的图像信息,其中,预处理的操作包括以下至少之一:滤除噪声、灰度值归一化处理以及图像的色彩空间转换。
处理器执行程序时还实现以下步骤:将调整后的候选区域图像输入O-Net网络进行特征提取,得到用户的目标信息之后,获取用户的面部上关键点的坐标值及每个关键点的温度值;将每个关键点的温度值通过平均加算法方式得到人脸表面温度值。
处理器执行程序时还实现以下步骤:年龄信息的优先等级大于性别信息的优先等级,年龄信息大于第一预设年龄的优先等级大于年龄信息小于第二预设年龄的优先等级,年龄信息小于第二预设年龄的优先等级大于年龄信息在第二预设年龄与第一预设年龄之间的优先等级;性别信息中性别为女的优先等级大于性别为男的优先等级。
处理器执行程序时还实现以下步骤:温度参数,风量参数、风速参数、扫风角度参数。
本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:采集空调器所处的室内区域内用户的图像信息,得到用户图像信息;将用户图像信息通过目标检测模型,确定用户的目标信息;根据用户的目标信息按照预设规则,确定空调器的运行参数;控制空调器按照运行参数进行运行。
当在数据处理设备上执行时,还适于执行初始化有如下方法步骤的程序:目标检测模型中包括多尺度多模板金字塔网络,多尺度多模板金字塔网络由P-Net网络、R-Net网络、O-Net网络构建。
当在数据处理设备上执行时,还适于执行初始化有如下方法步骤的程序:采用三种不同规格的滑窗对用户图像信息进行滑动采样,得到三种不同像素的图像块,其中,三种不同像素的图像块中包括第一图像块、第二图像块和第三图像块;将第一图像块、第二图像块和第三图像块的像素调整为目标像素,得到调整后的第一图像块、调整后的第二图像块和调整后的第三图像块;将调整的第一图像块、调整后的第二图像块和调整后的第三图像块输入P-Net网络,在P-Net网络中采用非极大抑制算法对候选区域图像进行筛选,得到候选区域图像;将候选区域图像输入R-Net网络进行候选区域图像调整,得到调整后的候选区域图像;将调整后的候选区域图像输入O-Net网络进行特征提取,得到用户的目标信息。
当在数据处理设备上执行时,还适于执行初始化有如下方法步骤的程序:在采用三种不同规格的滑窗对用户图像信息进行滑动采样之前,对用户图像信息进行预处理,得到处理后的图像信息,其中,预处理的操作包括以下至少之一:滤除噪声、灰度值归一化处理以及图像的色彩空间转换。
当在数据处理设备上执行时,还适于执行初始化有如下方法步骤的程序:将调整后的候选区域图像输入O-Net网络进行特征提取,得到用户的目标信息之后,获取用户的面部上关键点的坐标值及每个关键点的温度值;将每个关键点的温度值通过平均加算法方式得到人脸表面温度值。
当在数据处理设备上执行时,还适于执行初始化有如下方法步骤的程序:年龄信息的优先等级大于性别信息的优先等级,年龄信息大于第一预设年龄的优先等级大于年龄信息小于第二预设年龄的优先等级,年龄信息小于第二预设年龄的优先等级大于年龄信息在第二预设年龄与第一预设年龄之间的优先等级;性别信息中性别为女的优先等级大于性别为男的优先等级。
当在数据处理设备上执行时,还适于执行初始化有如下方法步骤的程序:温度参数,风量参数、风速参数、扫风角度参数。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种空调器的控制方法,其特征在于,包括:
采集空调器所处的室内区域内用户的图像信息,得到用户图像信息;
将所述用户图像信息通过目标检测模型,确定用户的目标信息;
根据所述用户的目标信息按照预设规则,确定空调器的运行参数;
控制所述空调器按照所述运行参数进行运行。
2.根据权利要求1所述的方法,其特征在于,所述目标检测模型中包括多尺度多模板金字塔网络,所述多尺度多模板金字塔网络由P-Net网络、R-Net网络、O-Net网络构建。
3.根据权利要求2所述的方法,其特征在于,将所述用户图像信息通过目标检测模型,确定用户的目标信息包括:
采用三种不同规格的滑窗对所述用户图像信息进行滑动采样,得到三种不同像素的图像块,其中,所述三种不同像素的图像块中包括第一图像块、第二图像块和第三图像块;
将所述第一图像块、所述第二图像块和所述第三图像块的像素调整为目标像素,得到调整后的第一图像块、调整后的第二图像块和调整后的第三图像块;
将调整的第一图像块、调整后的第二图像块和调整后的第三图像块输入P-Net网络,在所述P-Net网络中采用非极大抑制算法对候选区域图像进行筛选,得到候选区域图像;
将所述候选区域图像输入R-Net网络进行候选区域图像调整,得到调整后的候选区域图像;
将调整后的候选区域图像输入O-Net网络进行特征提取,得到用户的目标信息。
4.根据权利要求3所述的方法,其特征在于,在采用三种不同规格的滑窗对所述用户图像信息进行滑动采样之前,所述方法还包括:
对所述用户图像信息进行预处理,得到处理后的图像信息,其中,所述预处理的操作包括以下至少之一:滤除噪声、灰度值归一化处理以及图像的色彩空间转换。
5.根据权利要求3所述的方法,其特征在于,将调整后的候选区域图像输入O-Net网络进行特征提取,得到用户的目标信息之后,所述方法还包括:
获取所述用户的面部上关键点的坐标值及每个关键点的温度值;
将每个关键点的温度值通过平均加算法方式得到人脸表面温度值。
6.根据权利要求1所述的方法,其特征在于,所述用户的目标信息中至少包括:用户的年龄信息和用户的性别信息,所述预设规则中至少包括:年龄信息的优先等级大于性别信息的优先等级,年龄信息大于第一预设年龄的优先等级大于年龄信息小于第二预设年龄的优先等级,年龄信息小于第二预设年龄的优先等级大于年龄信息在所述第二预设年龄与所述第一预设年龄之间的优先等级;性别信息中性别为女的优先等级大于性别为男的优先等级。
7.根据权利要求1所述的方法,其特征在于,所述空调器的运行参数中至少包括:温度参数,风量参数、风速参数、扫风角度参数。
8.一种空调器的控制装置,其特征在于,包括:
第一采集单元,用于采集空调器所处的室内区域内用户的图像信息,得到用户图像信息;
第一确定单元,用于将所述用户图像信息通过目标检测模型,确定用户的目标信息;
第二确定单元,用于根据所述用户的目标信息按照预设规则,确定空调器的运行参数;
第一控制单元,用于控制所述空调器按照所述运行参数进行运行。
9.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至7中任意一项所述的方法。
10.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序执行权利要求1至7中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110296963.0A CN112944611A (zh) | 2021-03-19 | 2021-03-19 | 空调器的控制方法、装置、存储介质及处理器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110296963.0A CN112944611A (zh) | 2021-03-19 | 2021-03-19 | 空调器的控制方法、装置、存储介质及处理器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112944611A true CN112944611A (zh) | 2021-06-11 |
Family
ID=76227452
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110296963.0A Pending CN112944611A (zh) | 2021-03-19 | 2021-03-19 | 空调器的控制方法、装置、存储介质及处理器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112944611A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114061092A (zh) * | 2021-11-12 | 2022-02-18 | 珠海大横琴科技发展有限公司 | 一种温度调节设备的控制方法和装置 |
CN114413443A (zh) * | 2022-01-14 | 2022-04-29 | 珠海格力电器股份有限公司 | 一种自适应新风调节空调系统、空调器 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107166657A (zh) * | 2017-06-01 | 2017-09-15 | 珠海格力电器股份有限公司 | 一种空调控制方法、装置及空调 |
CN108050674A (zh) * | 2017-10-30 | 2018-05-18 | 珠海格力电器股份有限公司 | 空调设备的控制方法及装置、终端 |
CN108131791A (zh) * | 2017-12-04 | 2018-06-08 | 广东美的制冷设备有限公司 | 家电设备的控制方法、装置及服务器 |
CN108364262A (zh) * | 2018-01-11 | 2018-08-03 | 深圳大学 | 一种模糊图像的复原方法、装置、设备及存储介质 |
CN108386979A (zh) * | 2018-02-28 | 2018-08-10 | 海信(山东)空调有限公司 | 一种空调器的控制方法及装置 |
CN108981109A (zh) * | 2018-08-30 | 2018-12-11 | 广东美的暖通设备有限公司 | 空调的控制方法、装置及空调 |
CN109034119A (zh) * | 2018-08-27 | 2018-12-18 | 苏州广目信息技术有限公司 | 一种基于优化的全卷积神经网络的人脸检测方法 |
CN109916010A (zh) * | 2019-02-28 | 2019-06-21 | 广东美的制冷设备有限公司 | 运行控制方法、模块、家电设备、系统和计算机存储介质 |
CN110188730A (zh) * | 2019-06-06 | 2019-08-30 | 山东大学 | 基于mtcnn的人脸检测与对齐方法 |
CN111382638A (zh) * | 2018-12-29 | 2020-07-07 | 广州市百果园信息技术有限公司 | 一种图像检测方法、装置、设备和存储介质 |
CN112232231A (zh) * | 2020-10-20 | 2021-01-15 | 城云科技(中国)有限公司 | 行人属性的识别方法、系统、计算机设备和存储介质 |
-
2021
- 2021-03-19 CN CN202110296963.0A patent/CN112944611A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107166657A (zh) * | 2017-06-01 | 2017-09-15 | 珠海格力电器股份有限公司 | 一种空调控制方法、装置及空调 |
CN108050674A (zh) * | 2017-10-30 | 2018-05-18 | 珠海格力电器股份有限公司 | 空调设备的控制方法及装置、终端 |
CN108131791A (zh) * | 2017-12-04 | 2018-06-08 | 广东美的制冷设备有限公司 | 家电设备的控制方法、装置及服务器 |
CN108364262A (zh) * | 2018-01-11 | 2018-08-03 | 深圳大学 | 一种模糊图像的复原方法、装置、设备及存储介质 |
CN108386979A (zh) * | 2018-02-28 | 2018-08-10 | 海信(山东)空调有限公司 | 一种空调器的控制方法及装置 |
CN109034119A (zh) * | 2018-08-27 | 2018-12-18 | 苏州广目信息技术有限公司 | 一种基于优化的全卷积神经网络的人脸检测方法 |
CN108981109A (zh) * | 2018-08-30 | 2018-12-11 | 广东美的暖通设备有限公司 | 空调的控制方法、装置及空调 |
CN111382638A (zh) * | 2018-12-29 | 2020-07-07 | 广州市百果园信息技术有限公司 | 一种图像检测方法、装置、设备和存储介质 |
CN109916010A (zh) * | 2019-02-28 | 2019-06-21 | 广东美的制冷设备有限公司 | 运行控制方法、模块、家电设备、系统和计算机存储介质 |
CN110188730A (zh) * | 2019-06-06 | 2019-08-30 | 山东大学 | 基于mtcnn的人脸检测与对齐方法 |
CN112232231A (zh) * | 2020-10-20 | 2021-01-15 | 城云科技(中国)有限公司 | 行人属性的识别方法、系统、计算机设备和存储介质 |
Non-Patent Citations (4)
Title |
---|
汪嘉明,赵发友: ""利用Matlab实现人脸检测与人脸马赛克"", 《安庆师范大学学报(自然科学版)》 * |
王一丁等: "《数字图像处理》", 31 August 2015 * |
蓝雯飞: "基于改进MTCNN的人脸检测算法", 《中南民族大学学报(自然科学版)》 * |
马燕等: "《二维及三维人脸识别技术》", 31 August 2007 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114061092A (zh) * | 2021-11-12 | 2022-02-18 | 珠海大横琴科技发展有限公司 | 一种温度调节设备的控制方法和装置 |
CN114061092B (zh) * | 2021-11-12 | 2023-09-08 | 珠海大横琴科技发展有限公司 | 一种温度调节设备的控制方法和装置 |
CN114413443A (zh) * | 2022-01-14 | 2022-04-29 | 珠海格力电器股份有限公司 | 一种自适应新风调节空调系统、空调器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107832684B (zh) | 一种具有自主学习能力的智能静脉认证方法和系统 | |
EP2923306B1 (en) | Method and apparatus for facial image processing | |
JP5024067B2 (ja) | 顔認証システム、方法及びプログラム | |
CN108830892B (zh) | 人脸图像处理方法、装置、电子设备及计算机可读存储介质 | |
US20200037732A1 (en) | Beauty counseling information providing device and beauty counseling information providing method | |
KR20160048140A (ko) | 올-인-포커스 이미지를 생성하기 위한 방법 및 장치 | |
CN107633237B (zh) | 图像背景分割方法、装置、设备及介质 | |
CN108266862B (zh) | 空调控制方法和装置、存储介质及处理器 | |
CN112944611A (zh) | 空调器的控制方法、装置、存储介质及处理器 | |
CN106295533A (zh) | 一种自拍图像的优化方法、装置和拍摄终端 | |
CN111008935B (zh) | 一种人脸图像增强方法、装置、系统及存储介质 | |
CN110795976A (zh) | 一种训练物体检测模型的方法、装置以及设备 | |
US20150154471A1 (en) | Image processing device and method, and computer readable medium | |
CN108105954B (zh) | 设备控制方法和装置、存储介质及处理器 | |
CN111028170B (zh) | 图像处理方法、图像处理装置、电子设备和可读存储介质 | |
CN111814564B (zh) | 基于多光谱图像的活体检测方法、装置、设备和存储介质 | |
CN110929617A (zh) | 一种换脸合成视频检测方法、装置、电子设备及存储介质 | |
CN111914665A (zh) | 一种人脸遮挡检测方法、装置、设备及存储介质 | |
CN114257738B (zh) | 自动曝光方法、装置、设备及存储介质 | |
CN111709302B (zh) | 人脸表情检测方法、装置、头戴显示设备及存储介质 | |
CN111240217B (zh) | 状态检测方法、装置、电子设备及存储介质 | |
CN111145086A (zh) | 一种图像处理方法、装置及电子设备 | |
CN104182723A (zh) | 一种视线估计的方法和装置 | |
KR20180057225A (ko) | 사용자의 눈을 추적하는 방법 및 장치와 역변환된 저조도 영상을 생성하는 방법 | |
CN111862040A (zh) | 人像图片质量评价方法、装置、设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210611 |
|
RJ01 | Rejection of invention patent application after publication |