CN113191290A - 一种应用于不同年龄段的冰箱门把手加热的控制方法 - Google Patents
一种应用于不同年龄段的冰箱门把手加热的控制方法 Download PDFInfo
- Publication number
- CN113191290A CN113191290A CN202110503982.6A CN202110503982A CN113191290A CN 113191290 A CN113191290 A CN 113191290A CN 202110503982 A CN202110503982 A CN 202110503982A CN 113191290 A CN113191290 A CN 113191290A
- Authority
- CN
- China
- Prior art keywords
- age
- face
- image
- heating
- detection terminal
- 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
- 238000010438 heat treatment Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 230000007613 environmental effect Effects 0.000 claims description 6
- 230000001815 facial effect Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G06V40/10—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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D23/00—General constructional features
- F25D23/02—Doors; Covers
- F25D23/028—Details
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D23/00—Control of temperature
- G05D23/19—Control of temperature characterised by the use of electric means
- G05D23/20—Control of temperature characterised by the use of electric means with sensing elements having variation of electric or magnetic properties with change of temperature
-
- 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
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Thermal Sciences (AREA)
- Automation & Control Theory (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种应用于不同年龄段的冰箱门把手加热的控制方法,涉及冰箱控制技术领域。本发明包括如下步骤:获取训练样本集中各个人脸图像进行模型训练,获取人脸年龄识别模型;冰箱门体上安装的摄像头实时采集图像信息,将图像信息传输给检测终端;检测终端检测到图像中存在移动的物体;将含有移动物体的图像输入到人脸年龄识别模型进行识别;人脸年龄识别模型输出用户年龄类型;检测终端根据用户年龄类型发送加热指令给加热终端进行门把手的加热。本发明通过对冰箱前移动的人体进行面部识别,将面部图像发送至人脸年龄识别模型进行识别,根据识别出年龄段的不同,来控制把手的加热到不同温度,满足了不同年龄段对舒适温度的需要,提高了用户体验。
Description
技术领域
本发明属于冰箱控制技术领域,特别是涉及一种应用于不同年龄段的冰箱门把手加热的控制方法。
背景技术
冰箱是人们日常生活中不可或缺的事物之一,在天气较为寒冷的季节,皮肤与冰箱金属把手直接接触,则门把手的温度也会较低,用户在握持门把手时可能会感到寒冷不适,会使人产生较为强烈的刺激感。
而不同年龄段,每个人感受到舒适的温度均由不同,单纯的加热冰箱门把手到一定温度,已经满足不了不同年龄段用户的需求,为了最大程度的实现冰箱智能化发展,本申请文件提供了一种图像识别技术来识别不同年龄段的用户,来解决不同年龄段用户对门把手加热温度的要求不同的问题。
发明内容
本发明的目的在于提供一种应用于不同年龄段的冰箱门把手加热的控制方法,通过对冰箱前移动的人体进行面部识别,根据识别出年龄段的不同,来控制把手的加热温度,解决了现有的寒冷天气里门把手温度低造成的用户开门不适、不同年龄段舒适温度不同的问题。
为解决上述技术问题,本发明是通过以下技术方案实现的:
本发明为一种应用于不同年龄段的冰箱门把手加热的控制方法,包括如下步骤:
步骤S1:获取训练样本集中各个人脸图像进行模型训练,获取人脸年龄识别模型;
步骤S2:冰箱门体上安装的摄像头实时采集图像信息,将图像信息传输给检测终端;
步骤S3:检测终端检测到图像中存在移动的物体;
步骤S4:将含有移动物体的图像输入到人脸年龄识别模型进行识别;
步骤S5:人脸年龄识别模型输出用户年龄类型;
步骤S6:检测终端根据用户年龄类型发送加热指令给加热终端;
步骤S7:加热终端对冰箱门把手进行加热。
优选地,所述步骤S1之前,还需对冰箱所处的环境温度进行监测,具体步骤如下:
步骤S01:预先在检测终端上设置加热终端启动的最低温度;
步骤S02:温度传感器实时采集冰箱周围的环境温度信息传输给检测终端;
步骤S03:检测终端对环境温度信息进行分析判断;
若环境温度大于预设的最低温度,则不启动摄像头;
若环境温度小于预设的最低温度,则启动摄像头。
优选地,所述步骤S1中,训练人脸年龄识别模型的流程如下:
步骤S11:建立以人为分组单位的训练样本集,每个人的人脸特征图像均携带有年龄标签;
步骤S12:获取训练样本集中各个人脸图像的人脸特征;
步骤S13:训练样本集对多层栈式自编码模型进行预训练,得到多层栈式自编码模型的网络参数的初始值;
步骤S14:多层栈式自编码模型对各图像人脸特征进行编码,获取图像的年龄段特征;
步骤S15:训练好的多层栈式自编码模型对待处理人脸图像进行编码,得到待处理人脸图像的年龄段特征;
步骤S16:根据待处理人脸图像的年龄段特征对待处理人脸图像进行年龄段识别,得到待处理人脸图像的年龄段类型。
优选地,所述步骤S13中,多层栈式自编码模型包括一个输入层和三个隐藏层,所述一个输入层和三个隐藏层构成堆叠的三个自编码器。
优选地,所述步骤S15中,得到待处理人脸图像的年龄段特征之后,将各个年龄段特征进行聚类,得到预设数据的聚类中心,计算各个训练样本集中各个人脸图像的年龄段特征对各个聚类中心的归属度,调整多层栈式自编码模型的网络参数以优化归属度;还需判断归属度是否满足预设的训练结束条件,若满足预设训练结束条件,则得到训练好的多层栈式自编码模型;若不满足预设训练结束条件,则返回步骤S12。
优选地,所述步骤S3中,检测终端检获取到图像信息后,需要先判断图像中是否存在移动的物体,再判断存在移动物体的图像中是否存在人脸,再对检测到人脸的图像信息进行人脸年龄段识别。
优选地,所述步骤S5中,用户年龄类型分为儿童、青年和老年;所述儿童、青年和老年分别对应的年龄段为0-13岁、14-70岁和71-100岁。
优选地,所述步骤S7中,加热终端对冰箱门把手进行加热时,冰箱门把手内还设置有温控开关,当冰箱门把手达到预设的温度后;检测终端控制温控开关断开,停止对冰箱门把手进行加热。
本发明具有以下有益效果:
本发明通过对冰箱前移动的人体进行面部识别,将面部图像发送至人脸年龄识别模型进行识别,根据识别出年龄段的不同,来控制把手的加热到不同温度,满足了不同年龄段对舒适温度的需要,提高了用户体验。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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为本发明的一种应用于不同年龄段的冰箱门把手加热的控制方法步骤图。
具体实施方式
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,所描述的实施例仅仅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它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明为一种应用于不同年龄段的冰箱门把手加热的控制方法,包括如下步骤:
步骤S1:获取训练样本集中各个人脸图像进行模型训练,获取人脸年龄识别模型;
步骤S2:冰箱门体上安装的摄像头实时采集图像信息,将图像信息传输给检测终端;
步骤S3:检测终端检测到图像中存在移动的物体;
步骤S4:将含有移动物体的图像输入到人脸年龄识别模型进行识别;
步骤S5:人脸年龄识别模型输出用户年龄类型;其中,步骤S5中,用户年龄类型分为儿童、青年和老年;儿童、青年和老年分别对应的年龄段为0-13岁、14-70岁和71-100岁;例如,0~13岁,14~70岁,71~100岁。其中,可以用标签“0#”可以代表0~13岁这个年龄段,用标签“1#”可以代表14~70岁这个年龄段,用标签“2#”可以代表71~100岁这个年龄段。
步骤S6:检测终端根据用户年龄类型发送加热指令给加热终端;
步骤S7:加热终端对冰箱门把手进行加热。
其中,步骤S7中,加热终端对冰箱门把手进行加热时,冰箱门把手内还设置有温控开关,当冰箱门把手达到预设的温度后;检测终端控制温控开关断开,停止对冰箱门把手进行加热,节约能源避免电能损耗浪费。
其中,步骤S1之前,还需对冰箱所处的环境温度进行监测,具体步骤如下:
步骤S01:预先在检测终端上设置加热终端启动的最低温度;
步骤S02:温度传感器实时采集冰箱周围的环境温度信息传输给检测终端;
步骤S03:检测终端对环境温度信息进行分析判断;
若环境温度大于预设的最低温度,则不启动摄像头;
若环境温度小于预设的最低温度,则启动摄像头。
其中,步骤S3中,检测终端检获取到图像信息后,需要先判断图像中是否存在移动的物体,再判断存在移动物体的图像中是否存在人脸,再对检测到人脸的图像信息进行人脸年龄段识别,先对获取的图像进行初步判断,避免将每张都导入到人脸年龄识别模型,提高识别效率和资源利用率。
其中,步骤S1中,训练人脸年龄识别模型的流程如下:
步骤S11:建立以人为分组单位的训练样本集,每个人的人脸特征图像均携带有年龄标签;
步骤S12:获取训练样本集中各个人脸图像的人脸特征;
步骤S13:训练样本集对多层栈式自编码模型进行预训练,得到多层栈式自编码模型的网络参数的初始值;其中,步骤S13中,多层栈式自编码模型包括一个输入层和三个隐藏层,一个输入层和三个隐藏层构成堆叠的三个自编码器。
步骤S14:多层栈式自编码模型对各图像人脸特征进行编码,获取图像的年龄段特征;
步骤S15:训练好的多层栈式自编码模型对待处理人脸图像进行编码,得到待处理人脸图像的年龄段特征;其中,步骤S15中,得到待处理人脸图像的年龄段特征之后,将各个年龄段特征进行聚类,得到预设数据的聚类中心,计算各个训练样本集中各个人脸图像的年龄段特征对各个聚类中心的归属度,调整多层栈式自编码模型的网络参数以优化归属度;还需判断归属度是否满足预设的训练结束条件,若满足预设训练结束条件,则得到训练好的多层栈式自编码模型;若不满足预设训练结束条件,则返回步骤S12。
步骤S16:根据待处理人脸图像的年龄段特征对待处理人脸图像进行年龄段识别,得到待处理人脸图像的年龄段类型。
例如,训练样本集包含4000个人脸图像,3980个人脸图像的识别结果正确(即识别的年龄段类型同标注的年龄段类型),200个人脸图像的识别结果错误(即识别的年龄段类型不同于标注的年龄段类型),则识别准确率为39800/4000=99.5%,大于第一阈值99%,因而满足预设训练结束条件;或者,可以判断训练样本集中各个人脸图像的年龄段类型的识别结果的变化率是否小于或等于第二阈值(例如0.1%),若训练样本集中各个人脸图像的年龄段类型的识别结果的变化率小于或等于第二阈值,则判断满足预设训练结束条件。
本实施例的一个具体应用为:
该门体的上方设置有摄像头,检测终端设置在主控板中。该摄像头可以实时采集图像信息,并将采集到的图像信息传输给检测终端。该检测终端获取到该图像信息之后,可以检测该图像信息内是否存在移动物体。检测终端在获取到移动物体的图像信息之后,可以对该图像信息进行人脸年龄段识别,即判断用户年龄类型。
若判断向大门靠近的用户为年轻人,此时加热终端可以查询该类别与操作的对应关系,确定该第一类加热指令对应的操作为按照第一预设功率加热门把手,此时加热终端可以按照第一预设功率快速加热门把手,避免在用户握持门把手时温度较低导致的寒冷不适。若判断向大门靠近的用户为儿童,此时加热终端可以查询该类别与操作的对应关系,确定该第二类加热指令对应的操作为加热门把手的下端的预设区域,此时加热终端即可加热该门把手的下端的预设区域,避免在该儿童握持门把手时温度较低导致的寒冷不适。若判断向大门靠近的用户为老人,此时加热终端可以查询该类别与操作的对应关系,确定该第三类加热指令对应的操作为加热门把手的下端的预设区域,此时加热终端即可加热该门把手的下端的预设区域,避免在该儿童握持门把手时温度较低导致的寒冷不适。
值得注意的是,上述系统实施例中,所包括的各个单元只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
另外,本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,相应的程序可以存储于一计算机可读取存储介质中。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (8)
1.一种应用于不同年龄段的冰箱门把手加热的控制方法,其特征在于,包括如下步骤:
步骤S1:获取训练样本集中各个人脸图像进行模型训练,获取人脸年龄识别模型;
步骤S2:冰箱门体上安装的摄像头实时采集图像信息,将图像信息传输给检测终端;
步骤S3:检测终端检测到图像中存在移动的物体;
步骤S4:将含有移动物体的图像输入到人脸年龄识别模型进行识别;
步骤S5:人脸年龄识别模型输出用户年龄类型;
步骤S6:检测终端根据用户年龄类型发送加热指令给加热终端;
步骤S7:加热终端对冰箱门把手进行加热。
2.根据权利要求1所述的一种应用于不同年龄段的冰箱门把手加热的控制方法,其特征在于,所述步骤S1之前,还需对冰箱所处的环境温度进行监测,具体步骤如下:
步骤S01:预先在检测终端上设置加热终端启动的最低温度;
步骤S02:温度传感器实时采集冰箱周围的环境温度信息传输给检测终端;
步骤S03:检测终端对环境温度信息进行分析判断;
若环境温度大于预设的最低温度,则不启动摄像头;
若环境温度小于预设的最低温度,则启动摄像头。
3.根据权利要求1所述的一种应用于不同年龄段的冰箱门把手加热的控制方法,其特征在于,所述步骤S1中,训练人脸年龄识别模型的流程如下:
步骤S11:建立以人为分组单位的训练样本集,每个人的人脸特征图像均携带有年龄标签;
步骤S12:获取训练样本集中各个人脸图像的人脸特征;
步骤S13:训练样本集对多层栈式自编码模型进行预训练,得到多层栈式自编码模型的网络参数的初始值;
步骤S14:多层栈式自编码模型对各图像人脸特征进行编码,获取图像的年龄段特征;
步骤S15:训练好的多层栈式自编码模型对待处理人脸图像进行编码,得到待处理人脸图像的年龄段特征;
步骤S16:根据待处理人脸图像的年龄段特征对待处理人脸图像进行年龄段识别,得到待处理人脸图像的年龄段类型。
4.根据权利要求3所述的一种应用于不同年龄段的冰箱门把手加热的控制方法,其特征在于,所述步骤S13中,多层栈式自编码模型包括一个输入层和三个隐藏层,所述一个输入层和三个隐藏层构成堆叠的三个自编码器。
5.根据权利要求3所述的一种应用于不同年龄段的冰箱门把手加热的控制方法,其特征在于,所述步骤S15中,得到待处理人脸图像的年龄段特征之后,将各个年龄段特征进行聚类,得到预设数据的聚类中心,计算各个训练样本集中各个人脸图像的年龄段特征对各个聚类中心的归属度,调整多层栈式自编码模型的网络参数以优化归属度;
还需判断归属度是否满足预设的训练结束条件,若满足预设训练结束条件,则得到训练好的多层栈式自编码模型;
若不满足预设训练结束条件,则返回步骤S12。
6.根据权利要求1所述的一种应用于不同年龄段的冰箱门把手加热的控制方法,其特征在于,所述步骤S3中,检测终端检获取到图像信息后,需要先判断图像中是否存在移动的物体,再判断存在移动物体的图像中是否存在人脸,再对检测到人脸的图像信息进行人脸年龄段识别。
7.根据权利要求1所述的一种应用于不同年龄段的冰箱门把手加热的控制方法,其特征在于,所述步骤S5中,用户年龄类型分为儿童、青年和老年;所述儿童、青年和老年分别对应的年龄段为0-13岁、14-70岁和71-100岁。
8.根据权利要求1所述的一种应用于不同年龄段的冰箱门把手加热的控制方法,其特征在于,所述步骤S7中,加热终端对冰箱门把手进行加热时,冰箱门把手内还设置有温控开关,当冰箱门把手达到预设的温度后;检测终端控制温控开关断开,停止对冰箱门把手进行加热。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110503982.6A CN113191290A (zh) | 2021-05-10 | 2021-05-10 | 一种应用于不同年龄段的冰箱门把手加热的控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110503982.6A CN113191290A (zh) | 2021-05-10 | 2021-05-10 | 一种应用于不同年龄段的冰箱门把手加热的控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113191290A true CN113191290A (zh) | 2021-07-30 |
Family
ID=76988719
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110503982.6A Pending CN113191290A (zh) | 2021-05-10 | 2021-05-10 | 一种应用于不同年龄段的冰箱门把手加热的控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113191290A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203347337U (zh) * | 2013-06-29 | 2013-12-18 | 泰州乐金电子冷机有限公司 | 一种门把手及包括其的冰箱 |
CN108021908A (zh) * | 2017-12-27 | 2018-05-11 | 深圳云天励飞技术有限公司 | 人脸年龄段识别方法及装置、计算机装置及可读存储介质 |
CN109219162A (zh) * | 2018-09-29 | 2019-01-15 | 北京小米移动软件有限公司 | 门把手加热方法及装置 |
-
2021
- 2021-05-10 CN CN202110503982.6A patent/CN113191290A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203347337U (zh) * | 2013-06-29 | 2013-12-18 | 泰州乐金电子冷机有限公司 | 一种门把手及包括其的冰箱 |
CN108021908A (zh) * | 2017-12-27 | 2018-05-11 | 深圳云天励飞技术有限公司 | 人脸年龄段识别方法及装置、计算机装置及可读存储介质 |
CN109219162A (zh) * | 2018-09-29 | 2019-01-15 | 北京小米移动软件有限公司 | 门把手加热方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10794609B2 (en) | Methods and systems for personalized heating, ventilation, and air conditioning | |
CN111720974A (zh) | 运行控制方法、控制面板、空调设备和计算机存储介质 | |
CN109114741B (zh) | 一种空调控制方法、装置、存储介质及空调 | |
CN108052014A (zh) | 智能家居的控制方法、系统及计算机可读存储介质 | |
CN111128157B (zh) | 一种智能家电的免唤醒语音识别控制方法、计算机可读存储介质及空调 | |
CN105042789B (zh) | 一种智能空调的控制方法及系统 | |
CN110726222B (zh) | 空调控制方法、装置、存储介质以及处理器 | |
CN110426962A (zh) | 一种智能家居设备的控制方法及系统 | |
CN107560062A (zh) | 一种空调控制装置、方法及空调 | |
CN113341743A (zh) | 智能家居设备控制方法、装置、电子设备及存储介质 | |
CN113188287A (zh) | 一种语音动态调节冰箱门把手加热的控制方法 | |
WO2023015875A1 (zh) | 用于控制空调的方法及装置、空调 | |
CN110749051A (zh) | 智能空调控制方法及智能空调 | |
CN109185504A (zh) | 智能水龙头系统 | |
CN111694280A (zh) | 一种应用场景的控制系统及其控制方法 | |
CN111709266A (zh) | 基于时空融合网络的面部表情识别方法 | |
CN104913463A (zh) | 空调器的控制方法、控制系统和可穿戴电子设备 | |
CN113191290A (zh) | 一种应用于不同年龄段的冰箱门把手加热的控制方法 | |
CN114578701A (zh) | 智能家居控制系统的学习方法及控制方法 | |
WO2022227531A1 (zh) | 空调智能控制方法、装置、电子设备和存储介质 | |
CN113095201B (zh) | 基于人脸不同区域间自注意力和不确定性加权多任务学习的au程度估计模型建立方法 | |
CN112013513A (zh) | 空气调节设备及其自动控制方法、终端控制设备 | |
CN112286103A (zh) | 智能家居控制系统 | |
CN109059197A (zh) | 一种电梯空调的舒适度调节方法 | |
CN115268269B (zh) | 一种基于新能源低碳的家居耗能优化系统及方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210730 |