CN113093556A - 衣物收取提醒方法、晾衣架、系统及存储介质 - Google Patents
衣物收取提醒方法、晾衣架、系统及存储介质 Download PDFInfo
- Publication number
- CN113093556A CN113093556A CN202010019308.6A CN202010019308A CN113093556A CN 113093556 A CN113093556 A CN 113093556A CN 202010019308 A CN202010019308 A CN 202010019308A CN 113093556 A CN113093556 A CN 113093556A
- Authority
- CN
- China
- Prior art keywords
- clothes
- aired
- color
- image
- reminding
- 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 47
- 238000012549 training Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 238000013527 convolutional neural network Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 2
- 238000001035 drying Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 230000008054 signal transmission Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000005265 energy consumption Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000007605 air drying Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2642—Domotique, domestic, home control, automation, smart house
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及智能家居领域，公开了一种衣物收取提醒方法、晾衣架、自动提醒晾衣架系统及存储介质，晾衣架上设置有摄像头和压力传感器，所述方法包括：开启所述摄像头，通过所述摄像头采集包括晾晒衣物的彩色图像；提取所述彩色图像在颜色空间内的颜色分量，并判断所述颜色分量是否在预设范围内；若所述颜色分量在预设范围内，则将所述彩色图像输入预先训练的状态识别模型，以得到所述晾晒衣物的当前状态；若所述颜色分量不在预设范围内，则根据所述压力传感器确定所述晾晒衣物的当前状态；当所述当前状态为干燥状态，则向用户发送提醒信息以提醒用户收取衣物。
Description
技术领域
本申请涉及智能家居领域，尤其涉及一种衣物收取提醒方法、晾衣架、自动提醒晾衣架系统及存储介质。
背景技术
目前，当挂在晾衣架上的衣物在晾晒的过程中，用户需要根据生活经验综合判断衣物是否晾晒完成，会存在用户忘记收已经晾晒完成的衣物或者用户收取衣物时发现衣物尚未晾晒完成。并且用户在判断衣物是否晾晒完成大多是通过手摸的方式进行确认，但在温度较低或湿度较高的环境中，手摸的方式往往判断不够准确。
因此，如何对衣物的晾晒状态进行判断并且在衣物干燥后及时提醒用户收取衣物成为亟待解决的问题。
发明内容
本申请提供了一种衣物收取提醒方法、晾衣架、自动提醒晾衣架系统及存储介质，以对衣物的晾晒状态进行判断并且在衣物干燥后及时提醒用户收取衣物
第一方面，本申请提供了一种衣物收取提醒方法，晾衣架上设置有摄像头和压力传感器，所述方法包括：
开启所述摄像头，通过所述摄像头采集包括晾晒衣物的彩色图像；
提取所述彩色图像在颜色空间内的颜色分量，并判断所述颜色分量是否在预设范围内；
若所述颜色分量在预设范围内，则将所述彩色图像输入预先训练的状态识别模型，以得到所述晾晒衣物的当前状态；
若所述颜色分量不在预设范围内，则根据所述压力传感器确定所述晾晒衣物的当前状态；
当所述当前状态为干燥状态，则向用户发送提醒信息以提醒用户收取衣物。
第二方面，本申请还提供了一种晾衣架，所述晾衣架包括：摄像头、压力传感器、存储器和处理器；
所述摄像头用于采集包括晾晒衣物的彩色图像；
所述压力传感器用户采集晾晒衣物的压力数值；
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第一方面所述的衣物收取提醒方法。
第三方面，本申请还提供了一种自动提醒晾衣架系统，所述自动提醒晾衣架系统包括晾衣架和用户终端，所述晾衣架与用户终端通信连接；
所述晾衣架用于实现如第一方面所述的衣物收取提醒方法，以生成提醒信息；
所述用户终端用于接收所述提醒信息。
第四方面，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衣物收取提醒方法。
本申请公开了一种衣物收取提醒方法、晾衣架、自动提醒晾衣架系统及存储介质，通过摄像头采集包括晾晒衣物的彩色图像，然后提取彩色图像的颜色分量，若颜色分量在预设范围内，则利用预先训练的状态识别模型识别所述晾晒衣物的当前状态，若颜色分量不在预设范围内，则利用压力传感器判断晾晒衣物的当前状态，若判断出当前状态为干燥状态，则向用户发送提醒信息，提醒用户收取衣物。能够自动识别衣物状态，并在衣物晒干后向用户发送提醒信息，以提醒用户及时收取衣物，便捷用户使用。
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是本申请实施例提供的一种自动提醒晾衣架系统的示意流程图；
图2是本申请实施例提供的一种状态识别模型的训练方法的步骤示意图；
图3是本申请实施例提供的一种衣物收取提醒方法的步骤示意图；
图4是本申请实施例提供的开启摄像头的步骤示意图；
图5是本申请实施例提供的根据压力传感器确定晾晒衣物的当前状态的步骤示意图；
图6是本申请实施例提供的一种状态识别模型训练装置的结构示意图；
图7是本申请实施例提供的一种晾衣架的结构示意性框图。
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是本申请实施例提供的一种自动提醒晾衣架系统的示意流程图。以下将结合图1，对本申请实施例中的自动提醒晾衣架系统进行详细说明。
如图1所示，该自动提醒晾衣架系统100包括晾衣架110和用户终端120，晾衣架110上设置有信号传输装置111，晾衣架110通过所述信号传输装置111与用户终端120通信。
其中，信号传输装置111在进行信号传输时，可以利用例如5G/4G网络、WIFI网络、蓝牙、局域网或物联网等多种无线信号传输方式。
晾衣架110包括晾衣架本体112、摄像头113、状态识别装置114、压力传感器115和处理器。通过摄像头113采集包括晾晒衣物的彩色图像，并将彩色图像发送至处理器进行处理，在彩色图像满足条件时处理器将彩色图像发送至状态识别装置114进行状态识别。
其中，晾衣架本体112用于晾晒衣物，摄像头113设置在晾衣架110上，在一些实施例中，摄像头113具体地可以设置在晾衣架本体112上，用于采集包括晾晒衣物的彩色图像。在本申请的实施例中，该摄像头可以是2D摄像头。
并且，在一些实施例中，摄像头113的数量可以为多个，多个摄像头113均布在晾衣架本体112上，以采集多幅包括晾晒衣物的彩色图像。设置多个摄像头，避免因晾晒衣物过多导致衣物重叠，摄像头113采集不到晾晒衣物完整的图像，提高采集图像的完整度。
处理器设置于晾衣架110上，所述处理器分别与信号传输装置111、摄像头113、状态识别装置114和压力传感器115进行通信，比如根据摄像头113拍摄的包括晾晒衣物的彩色图像提取颜色分量，并判断颜色分量是否在预设范围内，若在预设范围内，则将所述彩色图像发送至状态识别装置114进行状态识别；若不在预设范围内，则将获取所述晾晒衣物对应的压力传感器115的数值，从而根据压力传感器115的数值确定所述晾晒衣物的状态。最后根据确定的晾晒衣物的状态通过信号传输装置111向用户发送提醒信息。
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。
为了降低晾衣架和摄像头的能耗，可以对摄像头的开启状态进行控制。在一些实施例中，可以通过预测晾晒衣物处于干燥状态的预测时间，从而使摄像头在到达预测时间后开启，从而避免摄像头常开，降低摄像头的能耗。
可以理解的，图1中的自动提醒晾衣架系统以及上述对于自动提醒晾衣架系统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中的自动提醒晾衣架系统，对本申请的实施例提供的衣物收取提醒方法进行详细介绍。
请参阅图2，图2是本申请实施例提供的一种状态识别模型的训练方法的步骤示意图。该状态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2所示，该状态识别模型的训练方法用于训练出状态识别模型以便于应用在衣物收取提醒方法上。其中，该训练方法包括步骤S201和步骤S203。
S201、获取样本图像，所述样本图像包括摄像头拍摄的潮湿状态的衣物图像和对应的干燥状态的衣物图像。
具体地，利用摄像头拍摄同一衣物处于潮湿状态下的衣物图像和处于干燥状态下的衣物图像，从而将拍摄到的衣物图像共同作为样本图像。在具体实施过程中，在拍摄样本图像中，可以使用不同颜色、不同材质的衣物进行拍摄，以提高样本图像的多样性，提高训练得到的状态识别模型的识别准确度。
S202、根据所述潮湿状态和干燥状态对所述样本图像进行标注，以构建样本数据。
具体地，对样本图像中处于潮湿状态和处于干燥状态的图像分别进行标注，从而构建样本数据，以便于根据该具有标注的样本数据训练状态识别模型。
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状态识别模型，并将得到的状态识别模型作为预先训练的状态识别模型。
具体地，利用卷积神经网络，将所述样本数据输入所述卷积神经网络进行模型训练，在经过多次迭代训练和验证后，将最终得到的状态识别模型作为预先训练的状态识别模型。
在一些实施例中，由于衣物收取提醒方法应用于晾衣架中，因此可以将训练好的模型保存在晾衣架的状态识别装置中，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，为了保证晾衣架的正常运行以及快速识别出晾晒衣物的状态，还需要对训练得到的状态识别模型进行压缩处理，将压缩处理后的模型保存在晾衣架的状态识别装置中。
其中，该压缩处理具体包括对状态识别模型进行量化处理等，以减小状态识别模型的大小，进而方便保存在容量较小的晾衣架的状态识别装置中。
上述实施例提供的训练方法，通过获取潮湿状态和干燥状态两种状态下的衣物图像，并对样本图像进行标注，构建样本数据，最终基于卷积神经网络根据样本数据进行模型训练得到状态识别模型，并将得到的状态识别模型应用于衣物收取提醒方法中，提高了对于晾晒衣物进行图像识别，从而确定其干湿状态的准确度。
请参阅图3，图3是本申请实施例提供的一种衣物收取提醒方法的步骤示意图。该衣物收取提醒方法可应用于自动提醒晾衣架系统的晾衣架上，通过对晾晒衣物的衣物状态进行分类识别，并根据识别结果提醒用户收取衣物，提高识别准确度。
如图3所示，该衣物收取提醒方法，具体包括：步骤S301至步骤S305。
S301、开启所述摄像头，通过所述摄像头采集包括晾晒衣物的彩色图像。
具体地，开启晾衣架上的摄像头，通过该摄像头采集包括晾晒衣物的彩色图像。其中，晾晒衣物具体指的是晾晒衣物中的待识别的衣物。
在一些实施例中，请参考图4，开启摄像头，具体地包括步骤S3011至步骤S3013。
S3011、提取所述彩色图像中的所述晾晒衣物的轮廓，以确定所述晾晒衣物的实际尺寸。
具体地，从彩色图像中提取出需要进行干湿状态判断的晾晒衣物的衣物轮廓，从而根据晾晒衣物的轮廓确定晾晒衣物的实际尺寸。
在一些实施例中，所述衣物收取提醒方法还包括：对所述彩色图像进行预处理，得到预处理后的图像。所述提取所述彩色图像中的所述晾晒衣物的轮廓，包括：提取所述预处理后的图像中的所述晾晒衣物的轮廓。
具体地，所述预处理包括灰度化处理、高斯滤波处理、边缘检测处理中的至少一种，对彩色图像进行预处理，在进行轮廓提取时，提高提取到的衣物轮廓的准确度，并减小轮廓提取时的计算量，提高晾衣架的响应速度。
在一些实施例中，根据晾晒衣物的轮廓确定晾晒衣物的实际尺寸，具体可以包括以下步骤：
对所述彩色图像中的所述晾晒衣物进行轮廓提取，以得到所述晾晒衣物的像素宽度；基于所述像素宽度按照预设规则计算所述晾晒衣物的实际尺寸。
具体地，从彩色图像中提取出需要进行干湿状态判断的晾晒衣物的衣物轮廓，从而根据晾晒衣物的轮廓计算晾晒衣物在图像中的像素宽度，并在得到像素宽度后，按照预设规则计算晾晒衣物的实际尺寸。
在一些实施例中，按照预设规则计算所述晾晒衣物的实际尺寸具体可以包括：
获取所述摄像头采集的包括参照物的参照图像和所述参照物的实际尺寸；对所述参照图像进行轮廓提取，以得到所述参照物在所述参照图像中的像素宽度；基于所述参照物的像素宽度和所述参照物的实际尺寸计算标定系数；根据所述标定系数和所述晾晒衣物的像素宽度计算所述晾晒衣物的实际尺寸。
具体地，用晾衣架上的摄像头采集包括参照物的参照图像，以便于根据该参照图像进行标定系数的计算。
在具体实施过程中，首先可以对参照图像进行预处理，其中，预处理可以包括图像灰度化、高斯滤波、边缘检测、膨胀和腐蚀等，然后对预处理后的参照图像寻找轮廓线，提取出参照物的轮廓，得到参照物在参照图像中的像素宽度。根据参照物的像素宽度与参照物的实际尺寸计算标定系数。
其中，标定系数的计算公式具体地可以是：
其中，P为标定系数，O为像素宽度，也即参照物的像素宽度，K为实际尺寸，也即参照物的实际尺寸。
在计算得到标定系数后，根据标定系数和晾晒衣物的像素宽度，计算晾晒衣物的实际尺寸，也即
其中，K表示实际尺寸，也即晾晒衣物的实际尺寸，O表示像素宽度，也即晾晒衣物的像素宽度，P为标定系数。
S3012、根据所述晾晒衣物的实际尺寸从时间对照表中获取所述晾晒衣物处于干燥状态的预测时间。
具体地，时间对照表可以是预先保存在晾衣架内的信息表。在具体实施过程中，可以对不同尺寸的衣物进行多次测试，记录其从潮湿状态至干燥状态所需要的时间，对于得到的多次结果，去掉最大值和最小值后，对于剩下的多个值求平均值从而将得到的平均值作为对应尺寸的衣物的干燥时间。分别统计多种尺寸的衣物的干燥时间以构建得到时间对照表。
在确定晾晒衣物的实际尺寸后，从时间对照表中查找对应尺寸衣物的干燥时间，并将查找到的该时间作为预测时间。
S3013、当到达预测时间时，开启所述摄像头。
具体地，从晾晒衣物挂在晾衣架上时，所述晾衣架记录此时衣物开始晾晒时的初始时间，经过预测时间后，晾衣架发送开启指令开启所述摄像头，对所述摄像头的开启时间进行控制，避免摄像头常开，降低摄像头和晾衣架的能耗。
S302、提取所述彩色图像在颜色空间内的颜色分量，并判断所述颜色分量是否在预设范围内。
具体地，对于同一材质的衣物而言，由于晾晒衣物的颜色越深(也即越靠近黑色)或颜色越浅(也即越靠近白色)，晾晒衣物在潮湿状态和干燥状态下的颜色变化越不明显，因此可以根据晾晒衣物的颜色确定其对应的判断方法。提取彩色图像在颜色空间内的颜色分量，以便于判断颜色分量是否在预设范围内，若提取到的颜色分量处于预设范围内，则利用预先训练的状态识别模型进行识别，若提取到的颜色分量未处于预设范围内，则利用压力传感器识别衣物状态，对衣物进行分类识别，提高衣物状态识别的准确率。
在一些实施例中，所述提取所述彩色图像在颜色空间内的颜色分量，具体包括：将所述彩色图像转换至HSV颜色空间，以得到所述HSV颜色空间的饱和度分量和亮度分量；所述判断所述颜色分量是否在预设范围内，包括：判断所述饱和度分量和亮度分量是否均在预设范围内。
具体地，可以使用数学公式进行RGB颜色空间和HSV颜色空间的坐标转换。通常摄像头采集到的图像为RGB颜色空间的图像，将RGB颜色空间的彩色图像转换至HSV颜色空间的图像，其中，HSV颜色空间中的H表示色调，S表示饱和度，V表示亮度，饱和度表示颜色的深浅，亮度表示颜色的明暗程度。
预设范围可以是预先设置好的，例如饱和度范围为0.6～1，亮度范围为0.5～0.75，提取到HSV颜色空间的饱和度分量和亮度分量，并判断提取到的饱和度分量和亮度分量是否均处于对应的范围内。
S303、若所述颜色分量在预设范围内，则将所述彩色图像输入预先训练的状态识别模型，以得到所述晾晒衣物的当前状态。
具体地，若颜色分量在预设范围内，则将彩色图像输入预先训练的状态识别模型，由状态识别模型对晾晒衣物进行状态识别，以得到晾晒衣物的当前状态，所述当前状态包括潮湿状态和干燥状态。
S304、若所述颜色分量不在预设范围内，则根据所述压力传感器确定所述晾晒衣物的当前状态。
具体地，若颜色分量不在预设范围内，则使用压力传感器确定晾晒衣物的当前状态，由于晾晒衣物在潮湿状态下衣物重量较重，随着晾晒衣物逐渐晒干，晾晒衣物的重量也会逐渐减轻，直至到达晾晒衣物干燥状态下的重量，因此，可以根据压力传感器确定晾晒衣物的当前状态。
在一些实施例中，请参考图5，根据压力传感器确定晾晒衣物的当前状态，包括步骤S3041和步骤S3042：
S3041、获取所述压力传感器的数值，并判断所述压力传感器的数值在预设时间间隔内是否发生变化。
具体地，持续获取压力传感器的数值，在衣物晾晒过程中，压力传感器采集到的数值会逐渐减小，判断压力传感器的数值在预设时间间隔内是否发生变化，以判断衣物是否晾晒完成。其中，预设时间间隔是预先设置的可调整的数值，例如可以为6小时。
S3042、若所述压力传感器的数值在预设时间间隔内不发生变化，则确定所述晾晒衣物的当前状态为干燥状态。
具体地，若压力传感器的数值在预设时间间隔内不发生变化，则说明此时晾晒衣物已经完成晾晒，则确定所述晾晒衣物的当前状态为干燥状态。
S305、当所述当前状态为干燥状态，则向用户发送提醒信息以提醒用户收取衣物。
具体地，在确定晾晒衣物的当前状态为干燥状态后，晾衣架即可向用户发送提醒信息以提醒用户及时收取衣物。在具体实施过程中，晾衣架可以通过向用户终端发送短信、推送消息等方式提醒用户及时收取衣物。
上述实施例提供的衣物收取提醒方法，通过摄像头采集包括晾晒衣物的彩色图像，然后提取彩色图像的颜色分量，若颜色分量在预设范围内，则利用预先训练的状态识别模型识别所述晾晒衣物的当前状态，若颜色分量不在预设范围内，则利用压力传感器判断晾晒衣物的当前状态，若判断出当前状态为干燥状态，则向用户发送提醒信息，提醒用户收取衣物。能够自动识别衣物状态，并在衣物晒干后向用户发送提醒信息，以提醒用户及时收取衣物，便捷用户使用。
请参考图6，图6是本申请实施例提供的一种状态识别模型训练装置的结构示意图。其中，该状态识别模型训练装置具体地可以是一些深度学习计算机。
状态识别装置接收该状态识别模型训练装置预先训练出的状态识别模型，以对接收到的所述摄像头采集的包括晾晒衣物的彩色图像进行状态识别。
该状态识别模型训练装置400包括样本图像模块401、样本数据模块402和模型训练模块403。
样本图像模块401，用于获取样本图像，所述样本图像包括摄像头拍摄的潮湿状态的衣物图像和对应的干燥状态的衣物图像。
样本数据模块402，用于根据所述潮湿状态和干燥状态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状态识别模型，并将得到的状态识别模型作为预先训练的状态识别模型。
请参阅图7，图7是本申请实施例提供的一种晾衣架的结构示意性框图。该晾衣架110包括晾衣架本体112、摄像头113、状态识别装置114、压力传感器115、处理器116和存储器117。摄像头113、状态识别装置114、压力传感器115、处理器116和存储器117通过总线连接，该总线比如为I2C(Inter-integrated Circuit)总线。
具体地，所述处理器116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 SignalProcessor，DSP)等。
具体地，存储器117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：
开启所述摄像头，通过所述摄像头采集包括晾晒衣物的彩色图像；提取所述彩色图像在颜色空间内的颜色分量，并判断所述颜色分量是否在预设范围内；若所述颜色分量在预设范围内，则将所述彩色图像输入预先训练的状态识别模型，以得到所述晾晒衣物的当前状态；若所述颜色分量不在预设范围内，则根据所述压力传感器确定所述晾晒衣物的当前状态；当所述当前状态为干燥状态，则向用户发送提醒信息以提醒用户收取衣物。
在一些实施例中，所述处理器在实现所述开启所述摄像头时，用于实现：
提取所述彩色图像中的所述晾晒衣物的轮廓，以确定所述晾晒衣物的实际尺寸；根据所述晾晒衣物的实际尺寸从时间对照表中获取所述晾晒衣物处于干燥状态的预测时间；当到达预测时间时，开启所述摄像头。
在一些实施例中，所述处理器还用于实现：
对所述彩色图像进行预处理，得到预处理后的图像，所述预处理包括灰度化处理、高斯滤波处理、边缘检测处理中的至少一种；
所述处理器在实现所述提取所述彩色图像中的所述晾晒衣物的轮廓时，具体实现：
提取所述预处理后的图像中的所述晾晒衣物的轮廓。
在一些实施例中，所述处理器在实现所述提取所述彩色图像中的所述晾晒衣物的轮廓，以确定所述晾晒衣物的实际尺寸时，用于实现：
对所述彩色图像中的所述晾晒衣物进行轮廓提取，以得到所述晾晒衣物的像素宽度；基于所述像素宽度按照预设规则计算所述晾晒衣物的实际尺寸。
在一些实施例中，所述处理器在实现所述基于所述像素宽度按照预设规则计算所述晾晒衣物的实际尺寸时，用于实现：
获取所述摄像头采集的包括参照物的参照图像和所述参照物的实际尺寸；对所述参照图像进行轮廓提取，以得到所述参照物在所述参照图像中的像素宽度；基于所述参照物的像素宽度和所述参照物的实际尺寸计算标定系数；根据所述标定系数和所述晾晒衣物的像素宽度计算所述晾晒衣物的实际尺寸。
在一些实施例中，所述处理器在实现所述提取所述彩色图像在颜色空间内的颜色分量时，用于实现：
将所述彩色图像转换至HSV颜色空间，以得到所述HSV颜色空间的饱和度分量和亮度分量；
所述处理器在实现所述判断所述颜色分量是否在预设范围内时，用于实现：
判断所述饱和度分量和亮度分量是否均在预设范围内。
在一些实施例中，所述处理器在实现所述根据所述压力传感器确定所述晾晒衣物的当前状态时，用于实现：
获取所述压力传感器的数值，并判断所述压力传感器的数值在预设时间间隔内是否发生变化；若所述压力传感器的数值在预设时间间隔内不发生变化，则确定所述晾晒衣物的当前状态为干燥状态。
在一些实施例中，所述处理器还用于实现：
获取样本图像，所述样本图像包括摄像头拍摄的潮湿状态的衣物图像和对应的干燥状态的衣物图像；根据所述潮湿状态和干燥状态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状态识别模型，并将得到的状态识别模型作为预先训练的状态识别模型。
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衣物收取提醒方法。
其中，所述计算机可读存储介质可以是前述实施例所述的晾衣架的内部存储单元，例如所述晾衣架的硬盘或内存。所述计算机可读存储介质也可以是所述晾衣架的外部存储设备，例如所述晾衣架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 (11)
1.一种衣物收取提醒方法，其特征在于，应用于晾衣架，所述晾衣架上设置有摄像头和压力传感器，所述方法包括：
开启所述摄像头，通过所述摄像头采集包括晾晒衣物的彩色图像；
提取所述彩色图像在颜色空间内的颜色分量，并判断所述颜色分量是否在预设范围内；
若所述颜色分量在预设范围内，则将所述彩色图像输入预先训练的状态识别模型，以得到所述晾晒衣物的当前状态；
若所述颜色分量不在预设范围内，则根据所述压力传感器确定所述晾晒衣物的当前状态；
当所述当前状态为干燥状态，则向用户发送提醒信息以提醒用户收取衣物。
2.根据权利要求1所述的衣物收取提醒方法，其特征在于，所述开启所述摄像头，包括：
提取所述彩色图像中的所述晾晒衣物的轮廓，以确定所述晾晒衣物的实际尺寸；
根据所述晾晒衣物的实际尺寸从时间对照表中获取所述晾晒衣物处于干燥状态的预测时间；
当到达预测时间时，开启所述摄像头。
3.根据权利要求2所述的衣物收取提醒方法，其特征在于，所述方法还包括：
对所述彩色图像进行预处理，得到预处理后的图像，所述预处理包括灰度化处理、高斯滤波处理、边缘检测处理中的至少一种；
所述提取所述彩色图像中的所述晾晒衣物的轮廓，包括：
提取所述预处理后的图像中的所述晾晒衣物的轮廓。
4.根据权利要求2所述的衣物收取提醒方法，其特征在于，所述提取所述彩色图像中的所述晾晒衣物的轮廓，以确定所述晾晒衣物的实际尺寸，包括：
对所述彩色图像中的所述晾晒衣物进行轮廓提取，以得到所述晾晒衣物的像素宽度；
基于所述像素宽度按照预设规则计算所述晾晒衣物的实际尺寸。
5.根据权利要求4所述的衣物收取提醒方法，其特征在于，所述基于所述像素宽度按照预设规则计算所述晾晒衣物的实际尺寸，包括：
获取所述摄像头采集的包括参照物的参照图像和所述参照物的实际尺寸；
对所述参照图像进行轮廓提取，以得到所述参照物在所述参照图像中的像素宽度；
基于所述参照物的像素宽度和所述参照物的实际尺寸计算标定系数；
根据所述标定系数和所述晾晒衣物的像素宽度计算所述晾晒衣物的实际尺寸。
6.根据权利要求1所述的衣物收取提醒方法，其特征在于，所述提取所述彩色图像在颜色空间内的颜色分量，包括：
将所述彩色图像转换至HSV颜色空间，以得到所述HSV颜色空间的饱和度分量和亮度分量；
所述判断所述颜色分量是否在预设范围内，包括：
判断所述饱和度分量和亮度分量是否均在预设范围内。
7.根据权利要求1所述的衣物收取提醒方法，其特征在于，所述根据所述压力传感器确定所述晾晒衣物的当前状态，包括：
获取所述压力传感器的数值，并判断所述压力传感器的数值在预设时间间隔内是否发生变化；
若所述压力传感器的数值在预设时间间隔内不发生变化，则确定所述晾晒衣物的当前状态为干燥状态。
8.根据权利要求1所述的衣物收取提醒方法，其特征在于，所述方法还包括：
获取样本图像，所述样本图像包括摄像头拍摄的潮湿状态的衣物图像和对应的干燥状态的衣物图像；
根据所述潮湿状态和干燥状态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状态识别模型，并将得到的状态识别模型作为预先训练的状态识别模型。
9.一种晾衣架，其特征在于，包括：摄像头、压力传感器、存储器和处理器；
所述摄像头用于采集包括晾晒衣物的彩色图像；
所述压力传感器用户采集晾晒衣物的压力数值；
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中任一项所述的衣物收取提醒方法。
10.一种自动提醒晾衣架系统，其特征在于，所述系统包括：晾衣架和用户终端，所述晾衣架与用户终端通信连接；
所述晾衣架用于实现如权利要求1至8中任一项所述的衣物收取提醒方法，以生成提醒信息；
所述用户终端用于接收所述提醒信息。
11.一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中任一项所述的衣物收取提醒方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010019308.6A CN113093556A (zh) | 2020-01-08 | 2020-01-08 | 衣物收取提醒方法、晾衣架、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010019308.6A CN113093556A (zh) | 2020-01-08 | 2020-01-08 | 衣物收取提醒方法、晾衣架、系统及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113093556A true CN113093556A (zh) | 2021-07-09 |
Family
ID=76663442
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010019308.6A Pending CN113093556A (zh) | 2020-01-08 | 2020-01-08 | 衣物收取提醒方法、晾衣架、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113093556A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113822476A (zh) * | 2021-09-15 | 2021-12-21 | 珠海格力电器股份有限公司 | 晾晒物的收取方法、系统、装置、设备及存储介质 |
| CN113836474A (zh) * | 2021-09-16 | 2021-12-24 | 珠海格力电器股份有限公司 | 一种衣物干湿度分析方法、装置及智能衣架 |
| CN115017202A (zh) * | 2021-12-17 | 2022-09-06 | 荣耀终端有限公司 | 时长的提醒方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108088235A (zh) * | 2017-11-29 | 2018-05-29 | 珠海格力电器股份有限公司 | 烘干机的控制方法及装置、烘干机、存储器、处理器 |
| CN108814501A (zh) * | 2018-06-28 | 2018-11-16 | 北京金山安全软件有限公司 | 一种洗涤控制的优化方法、装置、电子设备、存储介质 |
| WO2019169772A1 (zh) * | 2018-03-06 | 2019-09-12 | 平安科技（深圳）有限公司 | 图片处理方法、电子装置及存储介质 |
| CN110363348A (zh) * | 2019-07-13 | 2019-10-22 | 韶关市启之信息技术有限公司 | 一种衣物晾晒时间预测与提醒方法与系统 |
| CN110512402A (zh) * | 2019-08-23 | 2019-11-29 | 珠海格力电器股份有限公司 | 一种智能晾衣架及监测衣物干燥程度的方法 |
| CN110646316A (zh) * | 2019-08-12 | 2020-01-03 | 珠海格力电器股份有限公司 | 一种衣物干燥程度检测装置、检测方法以及晾衣装置 |
-
2020
- 2020-01-08 CN CN202010019308.6A patent/CN113093556A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108088235A (zh) * | 2017-11-29 | 2018-05-29 | 珠海格力电器股份有限公司 | 烘干机的控制方法及装置、烘干机、存储器、处理器 |
| WO2019169772A1 (zh) * | 2018-03-06 | 2019-09-12 | 平安科技（深圳）有限公司 | 图片处理方法、电子装置及存储介质 |
| CN108814501A (zh) * | 2018-06-28 | 2018-11-16 | 北京金山安全软件有限公司 | 一种洗涤控制的优化方法、装置、电子设备、存储介质 |
| CN110363348A (zh) * | 2019-07-13 | 2019-10-22 | 韶关市启之信息技术有限公司 | 一种衣物晾晒时间预测与提醒方法与系统 |
| CN110646316A (zh) * | 2019-08-12 | 2020-01-03 | 珠海格力电器股份有限公司 | 一种衣物干燥程度检测装置、检测方法以及晾衣装置 |
| CN110512402A (zh) * | 2019-08-23 | 2019-11-29 | 珠海格力电器股份有限公司 | 一种智能晾衣架及监测衣物干燥程度的方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113822476A (zh) * | 2021-09-15 | 2021-12-21 | 珠海格力电器股份有限公司 | 晾晒物的收取方法、系统、装置、设备及存储介质 |
| CN113836474A (zh) * | 2021-09-16 | 2021-12-24 | 珠海格力电器股份有限公司 | 一种衣物干湿度分析方法、装置及智能衣架 |
| CN115017202A (zh) * | 2021-12-17 | 2022-09-06 | 荣耀终端有限公司 | 时长的提醒方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113093556A (zh) | 衣物收取提醒方法、晾衣架、系统及存储介质 | |
| EP3401883B1 (en) | A method for fingerprint unlocking and terminal | |
| CN105242779B (zh) | 一种识别用户动作的方法和移动智能终端 | |
| US8542887B2 (en) | Object identification apparatus and object identification method | |
| CN106258009B (zh) | 一种采集指纹的方法、指纹采集器以及终端 | |
| CN109376786A (zh) | 一种图像分类方法、装置、终端设备及可读存储介质 | |
| CN110008082B (zh) | 异常任务智能监测方法、装置、设备及存储介质 | |
| CN105550561B (zh) | 一种移动终端的识别方法及装置 | |
| US10346597B2 (en) | Method for screen unlocking, method for image acquiring, and electronic terminal | |
| JP2008292195A (ja) | 物体識別装置及びプログラム | |
| CN110936920A (zh) | 车辆后备箱开启方法、装置、车辆及存储介质 | |
| CN113723157A (zh) | 一种农作物病害识别方法、装置、电子设备及存储介质 | |
| CN111160173B (zh) | 一种基于机器人的手势识别方法及机器人 | |
| CN111582045A (zh) | 一种活体的检测方法、装置以及电子设备 | |
| CN113537248A (zh) | 图像识别方法和装置、电子设备和存储介质 | |
| CN105975044B (zh) | 一种通过指纹检测自动控制触摸屏湿手模式的方法及装置 | |
| CN105072324B (zh) | 一种跌落检测执法记录仪及跌落检测方法 | |
| CN112861571A (zh) | 家电设备控制方法、控制设备及计算机可读存储介质 | |
| CN113093812A (zh) | 晾衣架控制方法、晾衣架、晾衣架系统及存储介质 | |
| CN112764349A (zh) | 晾衣架控制方法、晾衣架、系统及存储介质 | |
| CN112989870A (zh) | 风扇控制方法、风扇及计算机可读存储介质 | |
| CN109982051A (zh) | 具有动物识别功能的监控摄像方法和监控相机 | |
| CN113668201B (zh) | 循环扇控制方法、循环扇、循环扇控制系统及存储介质 | |
| CN113584845A (zh) | 吹风控制方法、系统、循环扇及计算机可读存储介质 | |
| CN112990245A (zh) | 物品识别方法、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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210709 |