CN114114236A - 一种对象识别方法及装置、设备、存储介质 - Google Patents

Abstract

本申请实施例公开了一种对象识别方法、装置、设备和存储介质，所述方法包括：获取利用多普勒传感器扫描自身探测区域内的对象而生成的点云图；根据所述点云图中点的分布信息，从所述自身探测区域中确定出目标区域；根据所述目标区域中频移大于第一特定频移的点，确定目标点集；根据所述目标点集，确定目标对象。

Description

一种对象识别方法及装置、设备、存储介质

技术领域

本申请实施例涉及智能控制领域，涉及但不限于一种对象识别方法及装置、设备、存储介质。

背景技术

多普勒传感器，一般通过发射天线发射信号，通过接收天线接收信号经对象反射形成的回波信号，并通过分析回波信号是否产生频移来判断对象是否为运动目标，以此来识别对象是人体或物体，然而由于室内环境复杂，墙面等会反射信号，容易造成多径现象，即会形成多个对象的虚像，影响对象的识别。

发明内容

有鉴于此，本申请实施例提供一种对象识别方法及装置、设备、存储介质。

第一方面，本申请实施例提供一种对象识别方法，获取利用多普勒传感器扫描自身探测区域内的对象而生成的点云图；根据所述点云图中点的分布信息，从所述自身探测区域中确定出目标区域；根据所述目标区域中频移大于第一特定频移的点，确定目标点集；根据所述目标点集，确定目标对象。

第二方面，本申请实施例提供一种对象识别装置，所述装置包括：获取模块，用于获取利用多普勒传感器扫描自身探测区域内的对象而生成的点云图；第一确定模块，用于根据所述点云图中点的分布信息，从所述自身探测区域中确定出目标区域；第二确定模块，用于根据所述目标区域中频移大于第一特定频移的点，确定目标点集；第三确定模块，用于根据所述目标点集，确定目标对象。

第三方面，本申请实施例提供一种对象识别设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本申请实施例第一方面所述对象识别方法中的步骤。

第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本申请实施例第一方面所述对象识别方法中的步骤。

本申请实施例中，通过根据多普勒传感器扫描对象生成的点云图的分布信息，确定目标区域，并根据目标区域中频移大于第一特定频移的点，确定目标点集，进而确定目标对象，从而通过仅分析目标区域内的点，以减小由于多径效应在目标区域之外形成的目标对象的虚像对实际目标对象的判断造成的干扰影响，进而能够更准确地进行目标对象的识别。

附图说明

图1为本申请实施例一种对象识别方法的流程示意图；

图2为本申请实施例一种点云图的生成示意图；

图3为本申请实施例一种对点云图中的点进行曲线拟合的方法示意图；

图4为本申请实施例一种确定目标区域的方法示意图；

图5为本申请实施例另一种点云图的生成示意图；

图6为本申请实施例另一种对点云图中的点进行曲线拟合的方法示意图；

图7为本申请实施例另一种确定目标区域的方法示意图；

图8为本申请实施例一种对象识别装置的组成结构示意图；

图9为本申请实施例一种对象识别设备的硬件实体示意图。

具体实施方式

下面结合附图和实施例对本申请的技术方案进一步详细阐述。

图1为本申请实施例提供的对象识别方法的实现流程示意图，如图1所示，该方法包括：

步骤102：获取利用多普勒传感器扫描自身探测区域内的对象而生成的点云图；

其中，多普勒传感器可以是利用多普勒效应原理，测量不同距离的对象的运动速度等信息的传感器；它通过向对象发射微波信号，如雷达波，然后分析对象反射回来的回波信号的频率变化，比较发射频率和反射频率的差异，以及发射相位和反射相位的变化等，可以测量出对象相对于多普勒传感器的运动速度等信息；所述多普勒传感器可以是毫米波雷达传感器。

所述自身探测范围可以是毫米波雷达传感器能够接收对象反射回来的回波信号的空间范围；由于毫米波雷达传感器的探测范围有限，对于一些信噪比小于特定的信噪比阈值的回波信号可能接收不到，因此，可以将所述自身探测范围理解为信噪比不小于所述信噪比阈值的回波信号的空间范围。

所述对象可以是墙壁、橱柜、桌椅、人、花盆等任何能被多普勒传感器探测到的事物；所述点云图可以是利用多普勒传感器发出的信号照射到对象表面，再反射回来的回波信号而形成的可以反映对象的分布情况的图，所述回波信号携带对象的方位、距离等信息，每个对象在被多普勒传感器扫描的情况下，可以生成多个点组成的点集，多个对象则可以生成由多个点集组成的点云图；所述点集中点的分布情况可以反映对象的大小和形状等信息；图2为本申请实施例一种点云图的生成示意图，参见图2，毫米波雷达传感器201扫描自身探测范围202内的对象可以生成点云图203。

步骤104：根据所述点云图中点的分布信息，从所述自身探测区域中确定出目标区域；

其中，点云图中点的分布信息可以用于判断点云图中点与点之间的相互关系，所述分布信息可以是密集分布、稀疏分布或均匀分布等；所述目标区域可以是某个房间组成的房间区域等。

由于不同对象的位置不同、形状不同、对于雷达波的反射率不同等因素，会使生成的点云图中点的分布呈一定规律，如墙面和椅子对于雷达波的反射率不同，因此，可以根据点云图中点的分布信息，确定出墙面所在的区域，并根据墙面所在的区域，从自身探测区域中确定出房间区域。

步骤106：根据所述目标区域中频移大于第一特定频移的点，确定目标点集；

其中，频移又称多普勒频移，是指由于多普勒传感器和对象之间的距离发生变化产生的多普勒效应而造成的发射信号和回波信号的频率之差；由于频移与对象的运动速度呈正相关，因此，可以从多个点集中确定出频移较大的点组成的点集，这些点集所表征的对象的运动速度也相对较大。

步骤108：根据所述目标点集，确定目标对象。

其中，所述目标对象可以是人，由于人或者动物等对象是运动的，墙面、桌凳等物体一般都是静止不动的，因此，可以认为频移较大的点组成的目标点集有可能是人或动物等对象，并可以结合目标点集中点的分布规律、形状、大小等因素对人进行识别。

在本申请实施例中，通过根据多普勒传感器扫描对象生成的点云图的分布信息，确定目标区域，并根据目标区域中频移大于第一特定频移的点，确定目标点集，进而确定目标对象，从而通过仅分析目标区域内的点，以减小由于多径效应在目标区域之外形成的目标对象的虚像对实际目标对象的判断造成的干扰影响，进而能够更准确地进行目标对象的识别。

本申请实施例再提供一种对象方法，所述方法可以包括步骤202至步骤212：

步骤202：获取利用多普勒传感器扫描自身探测区域内的对象而生成的点云图；

步骤204：根据所述点云图中点的分布信息，确定需要拟合的曲线的条数；

其中，所述拟合的方法可以是曲线拟合，曲线拟合是指用连续曲线近似地刻画或比拟平面上离散点组所表示的坐标之间的函数关系的一种数据处理方法，可以用最小二乘法实现曲线拟合。

由于房间一般是长方形，房间中的墙壁一般是平直的，因此，所述曲线一般为直线，此时，所述曲线拟合可以是线性拟合；由于多普勒传感器的安装位置不同，导致多普勒传感器的探测区域不同，生成的点云图中点的分布信息也不同，图2可以是多普勒传感器采用挂壁式安装方式安装于房间中的某一面墙壁上，所述多普勒传感器扫描自身探测区域生成的点云图，图5可以是多普勒传感器采用吸顶式安装方式安装于房间中的天花板上，所述多普勒传感器扫描自身探测区域生成的点云图。

参见图2，在多普勒传感器为毫米波雷达传感器201的情况下，所述自身探测区域202为扇形，毫米波雷达传感器201扫描自身探测范围202内的对象可以生成点云图203；在多普勒传感器采用挂壁式安装方式安装、房间的形状为长方形的情况下，需要拟合的直线的条数为三条。

参见图5，在多普勒传感器为毫米波雷达传感器(图中未示出)的情况下，所述自身探测区域501为圆形，毫米波雷达传感器扫描自身探测范围501内的对象可以生成点云图502；在多普勒传感器采用吸顶式安装方式安装、房间的形状为长方形的情况下，需要拟合的直线的条数为四条。

步骤206：根据所述点云图中点的分布信息和所述条数，对所述自身探测区域内的点进行曲线拟合，得到拟合后的所述条数的目标曲线；

图3和图6分别为对挂壁式安装方式和吸顶式安装方式安装的多普勒传感器生成的点云图中的点进行曲线拟合的方法示意图，参见图3，拟合后得到三条目标曲线：直线301至直线303；参见图6，拟合后得到四条目标曲线：直线601至直线604。

步骤208：根据所述目标曲线的位置，从所述自身探测区域中确定出目标区域。

图4和图7分别为根据挂壁式安装方式和吸顶式安装方式安装的多普勒传感器生成的点云图中的点进行目标区域确定的方法示意图，参见图4，可根据多普勒传感器的安装位置，以及三条直线的所在的位置，确定出多普勒传感器所在墙壁的位置以及其他三面墙壁的位置，进而根据四面墙壁的位置，确定目标区域401，即房间区域，可将房间区域之内的点确定为有效点云，如点402为有效点云，可将房间区域之外的点确定为无效点云，如点403为无效点云；参见图7，可根据四条直线所在的位置，确定出四面墙壁所在的位置，进而确定目标区域701，即房间区域，可将房间区域之内的点确定为有效点云，如点702为有效点云，可将房间区域之外的点确定为无效点云，如点703为无效点云。

步骤210：根据所述目标区域中频移大于第一特定频移的点，确定目标点集；

步骤212：根据所述目标点集，确定目标对象。

在本申请实施例的步骤204至步骤208中，通过根据点云图中点的分布信息，确定需要拟合的曲线的条数，进而根据曲线的条数和位置确定房间区域，从而能够使得房间区域的确定更加准确。

本申请实施例再提供一种对象识别方法，所述方法可以包括步骤302至步骤312：

步骤302：获取利用多普勒传感器扫描自身探测区域内的对象而生成的点云图；

步骤304：根据所述点云图中点的分布信息，从所述自身探测区域中确定出目标区域；

步骤306：将所述目标区域中频移大于第一特定频移的点的集合，确定为待考察点集；

步骤308：利用聚类算法，从所述待考察点集中筛选出孤立点；

其中，所述聚类算法可以将待考察点集中的点按照点与点之间的相似性进行分类，所述孤立点可以是与待考察点集中其他的点都不能划为一类的点；所述聚类算法可以是K-MEANS算法(K均值聚类算法)、CLARANS算法(基于随机选择的聚类算法)、CHAMELEON算法(变色龙算法)、DENCLUE算法(基于密度的聚类算法)和WAVE-CLUSTER算法(小波聚类算法)等。

步骤310：将所述待考察点集中除所述孤立点外的点的集合确定为目标点集。

步骤312：根据所述目标点集，确定目标对象。

在本申请实施例的步骤306至步骤310中，通过将目标区域中频移较大的点筛选出来，即将有可能是组成目标对象(例如人体)的点筛选出来，再从这些点中通过聚类算法筛除掉噪声带来的离群点，从而能够使得目标对象的确定更准确。

本申请实施例再提供一种对象识别方法，所述方法可以包括步骤402至步骤414：

步骤402：获取利用多普勒传感器扫描自身探测区域内的对象而生成的点云图；

步骤404：根据所述点云图中点的分布信息，从所述自身探测区域中确定出目标区域；

步骤406：根据所述目标区域中频移大于第一特定频移的点，确定目标点集；

步骤408：根据所述目标点集，确定目标对象；

步骤410：确定所述目标点集的属性信息；

其中，目标点集的属性信息可以是组成目标点集的点的频移、位置等信息，也可以是组成目标点集的点的数量等。

步骤412：根据所述目标点集的属性信息，确定所述目标对象的特征信息；

其中，由于每个对象可对应点云图中多个点组成的一个点集，因此，可根据目标点集中点的频移、位置和分布信息等，将目标点集划分为多个不同对象对应的不同点集，如可以根据点的频移和位置等，将目标点集划分为第一对象对应的第一点集和第二对象对应的第二点集，并根据第一点集的属性信息，确定第一对象的特征信息，根据第二点集的属性信息，确定第二对象的特征信息；所述目标对象的特征信息包括以下至少之一：目标对象的频移、目标对象的位置、目标对象的数量。

步骤414：根据所述目标对象的特征信息，对设备进行控制。

其中，所述设备可以是计算机、电视机、空调、智能风扇和智能电灯等，所述多普勒传感器可以安装在所述设备上。

在本申请实施例的步骤410至步骤414中，通过根据由目标点集的属性信息确定出的目标对象的特征信息，对设备进行控制，能够提高设备的智能性以及设备对于目标对象的针对性；而目标对象的特征信息的多样性，决定了设备控制方式的灵活性和多样性。

本申请实施例再提供一种对象识别方法，所述方法可以包括步骤502至步骤516：

步骤502：获取利用多普勒传感器扫描自身探测区域内的对象而生成的点云图；

步骤504：根据所述点云图中点的分布信息，从所述自身探测区域中确定出目标区域；

步骤506：根据所述目标区域中频移大于第一特定频移的点，确定目标点集；

步骤508：根据所述目标点集，确定目标对象；

步骤510：确定所述目标点集的属性信息；

步骤512：根据所述目标点集的属性信息，确定所述目标对象的特征信息；

步骤514：在所述目标对象的特征信息为所述目标对象的频移和所述目标对象的位置的情况下，根据所述目标对象的频移和所述目标对象的位置，确定设备的工作模式；

其中，所述设备的工作模式可以根据设备的不同而不同，在所述设备为空调的情况下，所述设备的工作模式可以是空调的送风模式和/或风速等；在所述设备为电灯的情况下，所述设备的工作模式可以是电灯的控制方式，所述控制方式可以用于控制电灯的亮暗程度和灯的颜色等；在所述设备为电视机的情况下，所述设备的工作模式可以是电视机的电视模式、VOD(Video on Demand，视频点播)模式和应用模式等。

步骤516：控制所述设备以所述工作模式进行工作。

在一个实施例中，可以根据目标对象的频移、位置和组成目标对象的点的分布信息等，确定出目标对象为儿童，在所述设备为电视机的情况下，可以控制电视机以电视模式工作，从而避免儿童通过VOD模式和其他应用，过早地接触网络，防止儿童沉迷网络。

在一个实施例中，可以根据目标对象的频移、位置和组成目标对象的点的分布信息等，确定出目标对象为人，并且人的频移在特定的频移范围内，可以判断人在伏案写作，在所述设备为电灯的情况下，可以控制电灯的灯光保持为护眼模式，以起到保护人的视力的作用。

在本申请实施例中，通过根据目标对象的频移和位置，确定设备的工作模式，从而能够使得确定出的设备的工作模式对于目标对象更有针对性。

本申请实施例再提供一种对象识别方法，所述方法可以包括步骤602至步骤618：

步骤602：获取利用多普勒传感器扫描自身探测区域内的对象而生成的点云图；

步骤604：根据所述点云图中点的分布信息，从所述自身探测区域中确定出目标区域；

步骤606：根据所述目标区域中频移大于第一特定频移的点，确定目标点集；

步骤608：根据所述目标点集，确定目标对象；

步骤610：确定所述目标点集的属性信息；

步骤612：根据所述目标点集的属性信息，确定所述目标对象的特征信息；

步骤614：在所述目标对象的特征信息为所述目标对象的频移和所述目标对象的位置，所述设备为空调，所述设备的工作模式包括所述空调的风速和送风模式，所述目标对象的频移大于第二特定频移的情况下，确定所述空调的风速为第一风速，并确定所述空调的送风模式为第一送风模式；

步骤616：在所述目标对象的频移不大于所述第二特定频移的情况下，确定所述空调的风速为第二风速，并确定所述空调的送风模式为第二送风模式；

其中，所述第二特定频移大于所述第一特定频移；所述第一风速大于所述第二风速；所述第一送风模式为对着所述目标对象的位置送风的模式；所述第二送风模式为避着所述目标对象的位置送风的模式。

其中，在目标对象为人的情况下，可以根据频移的大小确定人的运动速度，由于人在活动量下的情况下，需要尽快散热，因此，需要空调以较大的风速对着人吹，在安静的状态(如睡眠状态)下，需要空调以较低的风速避着人吹，因此，可根据人的运行速度和位置，确定空调的送风模式和风速。

步骤618：控制所述设备以所述工作模式进行工作。

在本申请实施例中，通过根据目标对象的频移大小确定空调的风速和送风模式，从而能够提高空调送风的智能性。

本申请实施例再提供一种对象识别方法，所述方法可以包括步骤702至步骤716：

步骤702：获取利用多普勒传感器扫描自身探测区域内的对象而生成的点云图；

步骤704：根据所述点云图中点的分布信息，从所述自身探测区域中确定出目标区域；

步骤706：根据所述目标区域中频移大于第一特定频移的点，确定目标点集；

步骤708：根据所述目标点集，确定目标对象；

步骤710：确定所述目标点集的属性信息；

步骤712：根据所述目标点集的属性信息，确定所述目标对象的特征信息；

步骤714：在所述目标对象的特征信息为所述目标对象的位置的情况下，根据所述目标对象的位置，确定需要工作的设备的目标位置；

其中，在所述设备为多个时，可以判断多个设备分别和所述目标对象之间的距离，并确定出距离所述目标对象最近的设备的目标位置，使该目标位置的设备处于工作状态。

步骤716：控制所述目标位置对应的设备进行工作。

在本申请实施例中，通过根据目标对象的位置，确定需要工作的设备的目标位置，从而能够控制接近目标对象的设备进行工作，达到节约资源的目的。

本申请实施例再提供一种对象识别方法，所述方法可以包括步骤802至步骤816：

步骤802：获取利用多普勒传感器扫描自身探测区域内的对象而生成的点云图；

步骤804：根据所述点云图中点的分布信息，从所述自身探测区域中确定出目标区域；

步骤806：根据所述目标区域中频移大于第一特定频移的点，确定目标点集；

步骤808：根据所述目标点集，确定目标对象；

步骤810：确定所述目标点集的属性信息；

步骤812：根据所述目标点集的属性信息，确定所述目标对象的特征信息；

步骤814：在所述目标对象的特征信息为所述目标对象的数量的情况下，根据所述目标对象的数量，确定需要工作的设备的目标数量；

其中，在所述设备为多个时，可以根据目标对象的数量确定出需要工作的设备的目标数量，使该目标数量的设备处于工作状态；在一个实施例中，在目标对象为人，人的数量为6个，设备为电灯的情况下，可以判断出此时人数较多，需要开启多盏电灯，例如开启3盏电灯。

步骤816：控制所述目标数量的设备进行工作。

在本申请实施例中，在本申请实施例中，通过根据目标对象的数量，确定需要工作的设备的目标数量，从而能够控制目标数量的设备进行工作，达到节约资源的目的。

本申请实施例中，以空调作为对象识别设备为例来说明，在实施的过程中，空调和对象识别设备可以是两个独立的设备，这样对象识别设备与空调进行交互，当然也可以像本实施例中，空调与对象识别设备是同一个设备，这样空调可获取空调上搭载的毫米波雷达传感器扫描自身探测区域内的对象生成的点云图，并根据所述点云图的分布信息，确定目标对象，并根据目标对象的特征信息，对空调进行控制；在所述目标对象为用户的情况下，当前搭载了毫米波雷达传感器的空调通过对用户位置、行为、生命体征等特征信息的检测，判断用户所需要的空调功能需求，实现空调的自动、智能运行。

当前空调用的毫米波雷达传感器，通过发射天线发射毫米波，接收天线接收回波，通过接收到回波的时间差计算目标的距离，同时通过分析回波是否产生频移(多普勒效应)判断是否是运动目标，以此来区分人体和静止物体，从而根据人体的位置实现空调的智能送风等空调智能控制。但是由于室内环境复杂，墙面会反射毫米波，容易造成所谓的多径现象，即发射出来的雷达波到达人体后，经人体反射一部分直接回到雷达传感器，但还有部分会反射到墙壁，经墙壁反射后被接收天线接收；或者另一种情况是雷达波经墙壁反射到人体再发射回雷达模块；这种多径现象易造成误检，即人在某个地方移动时，雷达模块会在另外一个或多个方向同时也检测到移动目标，这就容易造成误检。

本申请实施例公开了一种基于毫米波雷达检测的房间大小检测方法和基于房间大小的人体检测方法，及空调智能控制方法和系统。通过对毫米波雷达的所有回波信号进行最小二乘法估计，获取房间里每一面墙的位置，得到房间大小；通过多普勒效应检测所有可能的人体及其位置，根据房间大小滤除超出房间的目标，剩下的移动目标判定为人体。空调根据人体的位置进行智能送风控制。风吹人时，导风条调整至人体所在方向，使风吹向人体所在位置；风避人吹时，导风条调整至没有人的方向，使风避开人体所在位置吹。

针对挂壁式安装方式的空调，如图2所示，毫米波雷达201水平方向发射雷达波，所有物体都会反射雷达波，不同材质反射率不同，墙面的反射率一般较高，接收天线接收所有的回波信号，根据回波信号的的信噪比超过预设阈值，得到探测范围202内的点云图203。通常认为房间的墙壁是平直的，因此可以针对挂壁式安装可以认为存在三面墙的反射，通过最小二乘法估计可以得到如图3所示的直线301至直线303。

针对吸顶式安装方式的空调，如图5所示，毫米波雷达自上而下垂直发射雷达波，接收天线接收所有的回波信号，根据回波信号的的信噪比超过预设阈值，得到探测范围501内的点云图502。同样假定房间的墙壁是平直的，因此可以针对吸顶式安装可以认为存在四面墙的反射，通过最小二乘法估计可以得到如图6所示的直线601至直线604。

构造房间大小后，参见图4，只有房间范围401内的点云才被认为是有效点云，如点云402；同理，参见图7，只有房间范围701内的点云才被认为是有效点云，如点云702；同时通过聚类算法进一步排除噪声干扰，从而检测人体。

本申请公开了一种基于毫米波雷达检测的房间大小检测方法和基于房间大小的人体检测方法，及空调智能控制方法和系统。根据对雷达的回波信号进行分析，估计房间大小，根据房间大小排除由于多径造成的人体误检问题，提高了毫米波雷达室内人体检测的准确性。

基于前述的实施例，本申请实施例提供一种应用于对象识别装置，该装置包括所包括的各单元、以及各单元所包括的各模块，可以通过对象识别设备中的处理器来实现；当然也可通过具体的逻辑电路实现；在实施的过程中，处理器可以为中央处理器(CPU，central processing unit)、微处理器(MPU，Microprocessor Unit)、数字信号处理器(DSP，Digital Signal Processing)或现场可编程门阵列(FPGA，Field ProgrammableGate Array)等。

图8为本申请实施例的对象识别装置的组成结构示意图，如图8所示，所述对象识别装置包括获取模块801，第一确定模块802、第二确定模块803和第三确定模块804，其中：

获取模块801，用于获取利用多普勒传感器扫描自身探测区域内的对象而生成的点云图；

第一确定模块802，用于根据所述点云图中点的分布信息，从所述自身探测区域中确定出目标区域；

第二确定模块803，用于根据所述目标区域中频移大于第一特定频移的点，确定目标点集；

第三确定模块804，用于根据所述目标点集，确定目标对象。

在一些实施例中，所述第一确定模块802，包括：第一确定单元，用于根据所述点云图中点的分布信息，确定需要拟合的曲线的条数；拟合单元，用于根据所述点云图中点的分布信息和所述条数，对所述自身探测区域内的点进行曲线拟合，得到拟合后的所述条数的目标曲线；第二确定单元，用于根据所述目标曲线的位置，从所述自身探测区域中确定出目标区域。

在一些实施例中，所述第二确定模块803，包括：第三确定单元，用于将所述目标区域中频移大于第一特定频移的点的集合，确定为待考察点集；筛选单元，用于利用聚类算法，从所述待考察点集中筛选出孤立点；第四确定单元，用于将所述待考察点集中除所述孤立点外的点的集合确定为目标点集。

在一些实施例中，所述装置还包括：第四确定模块，用于确定所述目标点集的属性信息；第五确定模块，用于根据所述目标点集的属性信息，确定所述目标对象的特征信息；控制模块，用于根据所述目标对象的特征信息，对设备进行控制。

在一些实施例中，所述目标对象的特征信息包括以下至少之一：目标对象的频移、目标对象的位置、目标对象的数量。

在一些实施例中，在所述目标对象的特征信息为所述目标对象的频移和所述目标对象的位置的情况下，所述控制模块，包括：第五确定单元，用于根据所述目标对象的频移和所述目标对象的位置，确定设备的工作模式；第一控制单元，用于控制所述设备以所述工作模式进行工作。

在一些实施例中，所述设备包括空调；在所述设备为空调的情况下，所述设备的工作模式包括所述空调的风速和送风模式，所述第五确定单元，包括：第一确定子单元，用于在所述目标对象的频移大于第二特定频移的情况下，确定所述空调的风速为第一风速，并确定所述空调的送风模式为第一送风模式；第二确定子单元，用于在所述目标对象的频移不大于所述第二特定频移的情况下，确定所述空调的风速为第二风速，并确定所述空调的送风模式为第二送风模式；其中，所述第二特定频移大于所述第一特定频移；所述第一风速大于所述第二风速；所述第一送风模式为对着所述目标对象的位置送风的模式；所述第二送风模式为避着所述目标对象的位置送风的模式。

在一些实施例中，在所述目标对象的特征信息为所述目标对象的位置的情况下，所述控制模块，包括：第六确定单元，用于根据所述目标对象的位置，确定需要工作的设备的目标位置；第二控制单元，用于控制所述目标位置对应的设备进行工作。

在一些实施例中，在所述目标对象的特征信息为所述目标对象的数量的情况下，所述控制模块，包括：第七确定单元，用于根据所述目标对象的数量，确定需要工作的设备的目标数量；第三控制单元，用于控制所述目标数量的设备进行工作。

以上装置实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本申请装置实施例中未披露的技术细节，请参照本申请方法实施例的描述而理解。

需要说明的是，本申请实施例中，如果以软件功能模块的形式实现上述的对象识别方法，并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得对象识别设备执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本申请实施例不限制于任何特定的硬件和软件结合。

对应地，本申请实施例提供一种对象识别设备，图9为本申请实施例对象识别设备的一种硬件实体示意图，如图9所示，对象识别设备900的硬件实体包括：包括存储器901和处理器902，所述存储器901存储有可在处理器902上运行的计算机程序，所述处理器902执行所述计算机程序时实现上述实施例中提供的对象识别方法中的步骤。

存储器901配置为存储由处理器902可执行的指令和应用，还可以缓存待处理器902以及对象识别设备500中各模块待处理或已经处理的数据(例如，图像数据、音频数据、语音通信数据和视频通信数据)，可以通过闪存(FLASH)或随机访问存储器(Random AccessMemory，RAM)实现。

对应地，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中提供的对象识别方法中的步骤。

这里需要指出的是：以上存储介质和设备实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本申请存储介质和设备实施例中未披露的技术细节，请参照本申请方法实施例的描述而理解。

应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。另外，在本申请各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(Read Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。或者，本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得对象识别设备执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。

本申请所提供的几个方法实施例中所揭露的方法，在不冲突的情况下可以任意组合，得到新的方法实施例。本申请所提供的几个产品实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的产品实施例。本申请所提供的几个方法或设备实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的方法实施例或设备实施例。

以上所述，仅为本申请的实施方式，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，可轻易想到变化或替换，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所述权利要求的保护范围为准。

Claims (11)

1.一种对象识别方法，其特征在于，所述方法包括：

获取利用多普勒传感器扫描自身探测区域内的对象而生成的点云图；

根据所述点云图中点的分布信息，从所述自身探测区域中确定出目标区域；

根据所述目标区域中频移大于第一特定频移的点，确定目标点集；

根据所述目标点集，确定目标对象。

2.根据权利要求1所述的方法，其特征在于，所述根据所述点云图中点的分布信息，从所述自身探测区域中确定出目标区域，包括：

根据所述点云图中点的分布信息，确定需要拟合的曲线的条数；

根据所述点云图中点的分布信息和所述条数，对所述自身探测区域内的点进行曲线拟合，得到拟合后的所述条数的目标曲线；

根据所述目标曲线的位置，从所述自身探测区域中确定出目标区域。

3.根据权利要求1或2所述的方法，其特征在于，所述根据所述目标区域中频移大于第一特定频移的点，确定目标点集，包括：

将所述目标区域中频移大于第一特定频移的点的集合，确定为待考察点集；

利用聚类算法，从所述待考察点集中筛选出孤立点；

将所述待考察点集中除所述孤立点外的点的集合确定为目标点集。

4.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

确定所述目标点集的属性信息；

根据所述目标点集的属性信息，确定所述目标对象的特征信息；

根据所述目标对象的特征信息，对设备进行控制。

5.根据权利要求4所述的方法，其特征在于，在所述目标对象的特征信息为所述目标对象的频移和所述目标对象的位置的情况下，所述根据所述目标对象的特征信息，对设备进行控制，包括：

根据所述目标对象的频移和所述目标对象的位置，确定设备的工作模式；

控制所述设备以所述工作模式进行工作。

6.根据权利要求5所述的方法，其特征在于，所述设备包括空调；

在所述设备为空调的情况下，所述设备的工作模式包括所述空调的风速和送风模式，所述根据所述目标对象的频移和所述目标对象的位置，确定设备的工作模式，包括：

在所述目标对象的频移大于第二特定频移的情况下，确定所述空调的风速为第一风速，并确定所述空调的送风模式为第一送风模式；

在所述目标对象的频移不大于所述第二特定频移的情况下，确定所述空调的风速为第二风速，并确定所述空调的送风模式为第二送风模式；

其中，所述第二特定频移大于所述第一特定频移；所述第一风速大于所述第二风速；所述第一送风模式为对着所述目标对象的位置送风的模式；所述第二送风模式为避着所述目标对象的位置送风的模式。

7.根据权利要求4所述的方法，其特征在于，在所述目标对象的特征信息为所述目标对象的位置的情况下，所述根据所述目标对象的特征信息，对设备进行控制，包括：

根据所述目标对象的位置，确定需要工作的设备的目标位置；

控制所述目标位置对应的设备进行工作。

8.根据权利要求4所述的方法，其特征在于，在所述目标对象的特征信息为所述目标对象的数量的情况下，所述根据所述目标对象的特征信息，对设备进行控制，包括：

根据所述目标对象的数量，确定需要工作的设备的目标数量；

控制所述目标数量的设备进行工作。

9.一种对象识别装置，其特征在于，所述装置包括：

获取模块，用于获取利用多普勒传感器扫描自身探测区域内的对象而生成的点云图；

第一确定模块，用于根据所述点云图中点的分布信息，从所述自身探测区域中确定出目标区域；

第二确定模块，用于根据所述目标区域中频移大于第一特定频移的点，确定目标点集；

第三确定模块，用于根据所述目标点集，确定目标对象。

10.一种对象识别设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至8中任一项所述对象识别方法中的步骤。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至8中任一项所述对象识别方法中的步骤。

Images