CN117270611B - 智慧运动场馆的环境智能控制系统及方法 - Google Patents

Abstract

一种智慧运动场馆的环境智能控制系统及方法，其通过温度传感器和湿度传感器实时采集运动场馆内的温度值和湿度值，以及通过摄像头采集的场馆内人群图像，并在后端引入数据处理和图像分析算法来进行所述运动场馆内的温度值和湿度值的时序协同分析以及所述场馆内人群图像的特征分析，从而基于运动场馆的实时温度、湿度和人员分布情况，实现运动场馆内的空调温度的自适应调节，以此来为运动者提供舒适的环境。这样，能够根据实际需求智能调节空调温度，从而为运动人员提供舒适的运动环境，并提高了能源利用效率和用户体验。

Description

智慧运动场馆的环境智能控制系统及方法

技术领域

本申请涉及智能化环境控制技术领域，并且更具体地，涉及一种智慧运动场馆的环境智能控制系统及方法。

背景技术

运动场馆是专门用于进行体育运动和娱乐活动的场所，这种场馆通常需要容纳大量的人群且场馆内的人群活动强度较高。随着科技的不断进步，人们对于运动场馆的舒适性和能源效率的要求也越来越高。为了确保场馆内的环境条件符合用户的需求和舒适性要求，需要对于运动场馆内的环境进行监测和控制。

然而，传统的运动场馆环境控制系统存在一些缺陷。首先，传统系统通常只是根据设定的温度来进行控制，无法根据实际需求进行智能调节。这样就可能导致温度过高或过低，无法提供舒适的运动环境。其次，传统系统往往只能对于温度进行监测并进行相应调控，缺乏对湿度的监测和控制，而湿度过高会导致不适感和不良的空气质量。此外，传统系统通常是基于固定的设定值进行控制，无法根据不同时间段和不同人员分布和获得情况进行灵活调整，这导致了能源的浪费和不必要的能耗。

因此，期望一种优化的智慧运动场馆的环境智能控制系统。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种智慧运动场馆的环境智能控制系统及方法，其通过温度传感器和湿度传感器实时采集运动场馆内的温度值和湿度值，以及通过摄像头采集的场馆内人群图像，并在后端引入数据处理和图像分析算法来进行所述运动场馆内的温度值和湿度值的时序协同分析以及所述场馆内人群图像的特征分析，从而基于运动场馆的实时温度、湿度和人员分布情况，实现运动场馆内的空调温度的自适应调节，以此来为运动者提供舒适的环境。这样，能够根据实际需求智能调节空调温度，从而为运动人员提供舒适的运动环境，并提高了能源利用效率和用户体验。

第一方面，提供了一种智慧运动场馆的环境智能控制系统，其包括：

场馆内传感数据采集模块，用于获取由温度传感器和湿度传感器采集的预定时间段内多个预定时间点的温度值和湿度值；

场馆内人群图像采集模块，用于获取由摄像头采集的场馆内人群图像；

场馆内温湿度时序关联编码模块，用于将所述多个预定时间点的温度值和湿度值分别按照时间维度排列为温度时序输入向量和湿度时序输入向量后，对所述温度时序输入向量和所述湿度时序输入向量进行关联编码以得到温度-湿度时序关联矩阵；

场馆内人群分布特征提取模块，用于通过基于深度神经网络模型的人员分布密度特征提取器对所述场馆内人群图像进行特征提取以得到人群分布特征图；

多模态参数嵌入融合分析模块，用于对所述温度-湿度时序关联矩阵和所述人群分布特征图进行嵌入式关联分析以得到运动场馆环境多模态参数嵌入融合特征；

空调温度控制模块，用于基于所述运动场馆环境多模态参数嵌入融合特征，确定当前时间点的空调温度值应增大、应保持不变或应减小。

第二方面，提供了一种智慧运动场馆的环境智能控制方法，其包括：

获取由温度传感器和湿度传感器采集的预定时间段内多个预定时间点的温度值和湿度值；

获取由摄像头采集的场馆内人群图像；

将所述多个预定时间点的温度值和湿度值分别按照时间维度排列为温度时序输入向量和湿度时序输入向量后，对所述温度时序输入向量和所述湿度时序输入向量进行关联编码以得到温度-湿度时序关联矩阵；

通过基于深度神经网络模型的人员分布密度特征提取器对所述场馆内人群图像进行特征提取以得到人群分布特征图；

对所述温度-湿度时序关联矩阵和所述人群分布特征图进行嵌入式关联分析以得到运动场馆环境多模态参数嵌入融合特征；

基于所述运动场馆环境多模态参数嵌入融合特征，确定当前时间点的空调温度值应增大、应保持不变或应减小。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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为根据本申请实施例的智慧运动场馆的环境智能控制系统的框图。

图2为根据本申请实施例的智慧运动场馆的环境智能控制方法的流程图。

图3为根据本申请实施例的智慧运动场馆的环境智能控制方法架构的示意图。

图4为根据本申请实施例的智慧运动场馆的环境智能控制系统的应用场景图。

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。

除非另有说明，本申请实施例所使用的所有技术和科学术语与本申请的技术领域的技术人员通常理解的含义相同。本申请中所使用的术语只是为了描述具体的实施例的目的，不是旨在限制本申请的范围。

在本申请实施例记载中，需要说明的是，除非另有说明和限定，术语“连接”应做广义理解，例如，可以是电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

需要说明的是，本申请实施例所涉及的术语“第一\第二\第三”仅仅只是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换，以使这里描述的本申请的实施例可以除了在这里图示或描述的那些以外的顺序实施。

在介绍了本申请的基本原理之后，下面将参考附图来具体介绍本申请的各种非限制性实施例。

随着科技的不断进步，人们对于运动场馆的舒适性和能源效率的要求也越来越高。为了确保场馆内的环境条件符合用户的需求和舒适性要求，需要对于运动场馆内的环境进行监测和控制。

环境监测是指对运动场馆内的各项环境参数进行实时监测和记录，常见的环境参数包括温度、湿度、空气质量、光照强度等，通过使用传感器网络和数据采集系统，可以实时获取这些参数的数据，并进行记录和分析。环境监测的目的是了解运动场馆内环境的实际状况，包括是否达到用户的需求和舒适性要求，是否存在异常情况或问题。例如，通过监测温度和湿度，可以判断是否需要调整空调系统的工作状态；通过监测空气质量，可以了解是否需要增加通风换气措施。

环境控制是指根据环境监测的结果，对运动场馆内的环境参数进行调节和控制，以满足用户的需求和舒适性要求，传统的环境控制系统通常只是基于固定的设定值进行控制，而现代的系统则更加智能化和自适应。

传统的运动场馆环境控制系统在满足用户需求和舒适性方面存在一些缺陷。传统系统通常只基于设定的温度来进行控制，无法根据实际需求进行智能调节，这可能导致温度过高或过低，无法提供舒适的运动环境，不同运动项目和运动强度对温度的要求也不同，单一的温度控制无法满足所有用户的需求。

传统系统往往只能对温度进行监测和调控，缺乏对湿度的监测和控制，然而，湿度对于舒适性和空气质量同样重要，过高的湿度会导致不适感、粘腻感和不良的空气质量，影响用户的运动体验和健康。传统系统通常是基于固定的设定值进行控制，无法根据不同时间段和不同人员分布和获得情况进行灵活调整，这导致了能源的浪费和不必要的能耗。例如，在运动场馆的高峰期，人员密集，传统系统可能过度供应能量，造成能源的浪费；而在低峰期，传统系统可能继续维持高能耗状态，导致不必要的能源消耗。

现代的环境控制系统利用传感器网络和数据分析算法，可以根据实时监测的数据进行智能调节。例如，根据用户的运动强度和活动区域，可以调整温度和湿度的设定值；根据空气质量的监测结果，可以自动控制通风系统的运行。此外，环境控制还可以结合能源管理技术，实现能源的有效利用和节约。例如，根据不同时间段和人员分布情况，灵活调整能源供应，避免能源的浪费。

在本申请的一个实施例中，图1为根据本申请实施例的智慧运动场馆的环境智能控制系统的框图。如图1所示，根据本申请实施例的智慧运动场馆的环境智能控制系统100，包括：场馆内传感数据采集模块110，用于获取由温度传感器和湿度传感器采集的预定时间段内多个预定时间点的温度值和湿度值；场馆内人群图像采集模块120，用于获取由摄像头采集的场馆内人群图像；场馆内温湿度时序关联编码模块130，用于将所述多个预定时间点的温度值和湿度值分别按照时间维度排列为温度时序输入向量和湿度时序输入向量后，对所述温度时序输入向量和所述湿度时序输入向量进行关联编码以得到温度-湿度时序关联矩阵；场馆内人群分布特征提取模块140，用于通过基于深度神经网络模型的人员分布密度特征提取器对所述场馆内人群图像进行特征提取以得到人群分布特征图；多模态参数嵌入融合分析模块150，用于对所述温度-湿度时序关联矩阵和所述人群分布特征图进行嵌入式关联分析以得到运动场馆环境多模态参数嵌入融合特征；空调温度控制模块160，用于基于所述运动场馆环境多模态参数嵌入融合特征，确定当前时间点的空调温度值应增大、应保持不变或应减小。

其中，所述深度神经网络模型为卷积神经网络模型。

在所述传感数据采集模块110中，通过温度传感器和湿度传感器获取预定时间段内多个预定时间点的温度值和湿度值。在使用传感器时，确保传感器的准确性和可靠性，以获取准确的环境参数数据。通过传感数据采集模块，可以实时获得运动场馆内不同时间点的温度和湿度数据，这些数据可以用于后续的环境分析和控制决策，以确保场馆内的环境条件符合用户需求和舒适性要求。

在所述人群图像采集模块120中，摄像头采集场馆内人群图像。在使用摄像头时，保护用户的隐私权，确保合法、合规的数据采集和处理。通过人群图像采集模块，可以获取场馆内人群的分布和密度信息，这些信息对于理解场馆内人员分布情况、人流量分析和环境控制决策具有重要意义。

在所述温湿度时序关联编码模块130中，将预定时间点的温度值和湿度值按时间维度排列，并进行关联编码，在进行编码时，选择合适的编码方法和参数，以保留温湿度时序数据中的关联信息。通过温湿度时序关联编码模块，可以将温度和湿度数据按时间关系进行编码，得到温度-湿度时序关联矩阵，这种编码方式有助于揭示温湿度之间的关联性和趋势，为后续的环境分析和控制提供基础。

在所述人群分布特征提取模块140中，通过深度神经网络模型对场馆内人群图像进行特征提取。在使用深度神经网络时，选择适当的网络结构和训练方法，以提取有效的人群分布特征。通过人群分布特征提取模块，可以从人群图像中提取出有关人员分布密度的特征信息，以用于分析人流量、热区分布等，为环境控制和资源调配提供依据。

在所述多模态参数嵌入融合分析模块150中，对温度-湿度时序关联矩阵和人群分布特征图进行嵌入式关联分析。在进行分析时，选择适当的算法和模型，以将不同模态的数据有效地融合和分析。通过多模态参数嵌入融合分析模块，可以将温度-湿度时序关联矩阵和人群分布特征图进行关联分析，得到运动场馆环境的多模态参数嵌入融合特征，多模态参数嵌入融合特征可以更全面地反映场馆内环境的状态和特点，为后续的环境控制决策提供依据。

在所述空调温度控制模块160中，基于运动场馆环境的多模态参数嵌入融合特征，确定当前时间点的空调温度值应增大、应保持不变或应减小。在进行温度控制时，考虑用户需求、舒适性要求和能源效率等因素。通过空调温度控制模块，可以根据多模态参数嵌入融合特征，智能地调节空调温度，以满足用户的需求和舒适性要求，有助于提供更舒适和健康的运动环境，同时实现能源的有效利用和节约。

针对上述技术问题，在本申请的技术方案中，提出了一种智慧运动场馆的环境智能控制系统，其能够对运动场馆内的环境进行智能监测和控制，从而提供更加舒适和节能的运动场馆环境。特别地，由于在运动过程中，人体会产生大量的热量和湿气，如果场馆内的温度和湿度无法得到有效控制，会导致运动者感到不适，甚至影响运动表现和健康。并且，运动场馆内的人群分布情况也会影响场馆内的温度和湿度变化。

基于此，本申请的技术构思为通过温度传感器和湿度传感器实时采集运动场馆内的温度值和湿度值，以及通过摄像头采集的场馆内人群图像，并在后端引入数据处理和图像分析算法来进行所述运动场馆内的温度值和湿度值的时序协同分析以及所述场馆内人群图像的特征分析，从而基于运动场馆的实时温度、湿度和人员分布情况，实现运动场馆内的空调温度的自适应调节，以此来为运动者提供舒适的环境。这样，能够根据实际需求智能调节空调温度，从而为运动人员提供舒适的运动环境，并提高了能源利用效率和用户体验。

具体地，在本申请的技术方案中，首先，获取由温度传感器和湿度传感器采集的预定时间段内多个预定时间点的温度值和湿度值，并获取由摄像头采集的场馆内人群图像。接着，考虑到在运动场馆中，温度和湿度的变化通常是具有一定规律和趋势的，并且，场馆内的温度和湿度之间还具有着相互的时序关联关系，例如，当温度上升时，湿度可能会下降，或者在某些时间段内温度和湿度可能存在周期性的变化。因此，为了能够捕捉温度和湿度之间的时序关联，从而更好地理解它们之间的关系和相互影响，需要将所述多个预定时间点的温度值和湿度值分别按照时间维度排列为温度时序输入向量和湿度时序输入向量后，进一步对所述温度时序输入向量和所述湿度时序输入向量进行关联编码以得到温度-湿度时序关联矩阵。通过对温度和湿度的时序输入向量进行关联编码，有利于提取出场馆内的温度和湿度的时序关联规律，从而更准确地理解温度和湿度之间的关系，并根据这些关系进行智能调节，以提供更舒适和适宜的运动环境。

然后，对于所述场馆内人群图像来说，其中包括了场馆内的人员分布特征信息，因此，为了能够分析和理解场馆内人员的分布情况，在本申请的技术方案中，需要将所述场馆内人群图像通过基于卷积神经网络模型的人员分布密度特征提取器以得到人群分布特征图。这样，能够提取出所述场馆内人群图像中有关于场馆内的人员分布特征信息，从而有助于判断场馆内的拥挤程度和人员活动等因素，以便于更好地进行场馆内环境控制。

进一步地，由于在运动场馆中，人员分布通常是不均匀的，因此，为了更好地表示场馆内的人员分布局部情况，例如人员密集区域的位置和人员分布情况，以及，人员稀疏区域的位置和人员分布情况等信息，在本申请的技术方案中，进一步将所述人群分布特征图的沿通道维度的各个特征矩阵进行特征展平化以得到人群分布局部特征向量的序列。这样，通过对这些人群分布局部特征向量序列进行分析，系统可以更准确地理解场馆内人员的分布情况，并根据需要进行相应的环境调节。

在本申请的一个具体实施例中，所述多模态参数嵌入融合分析模块，包括：人群分布特征图展平化处理单元，用于将所述人群分布特征图的沿通道维度的各个特征矩阵进行特征展平化以得到人群分布局部特征向量的序列；运动场馆环境多模态特征融合单元，用于将所述人群分布局部特征向量的序列和所述温度-湿度时序关联矩阵输入特征嵌入模块以得到运动场馆环境多模态参数嵌入融合特征向量作为所述运动场馆环境多模态参数嵌入融合特征。

在智慧运动场馆的环境智能控制系统中，所述人群分布局部特征向量的序列提供了关于场馆内人员分布的局部区域特征信息，而所述温度-湿度时序关联矩阵提供了关于温湿度变化的关联信息，这两种信息分别代表了不同的模态。因此，为了将不同模态的信息进行融合来得到更全面和综合的环境特征，在本申请的技术方案中，进一步将所述人群分布局部特征向量的序列和所述温度-湿度时序关联矩阵输入特征嵌入模块以得到运动场馆环境多模态参数嵌入融合特征向量。通过所述特征嵌入模块进行处理，能够将所述人群分布局部特征向量的序列和所述温度-湿度时序关联矩阵作为输入，通过学习和整合这些特征，生成一个综合的特征向量表示。应可以理解，所述运动场馆环境多模态参数嵌入融合特征向量包含了人群分布、温度和湿度等多个方面的特征融合信息，能够综合反映运动场馆的环境状态，有利于后续的环境控制决策。

在本申请的一个具体实施例中，所述运动场馆环境多模态特征融合单元，包括：将所述温度-湿度时序关联矩阵进行卷积编码以得到环境参数特征向量；将所述人群分布局部特征向量的序列排列为人群分布全局特征向量；融合对所述人群分布全局特征向量和所述环境参数特征向量以得到环境参数融合特征向量；对所述人群分布局部特征向量的序列进行语义关联编码以得到人群分布全局语义关联特征向量；以及，融合所述环境参数融合特征向量和所述人群分布全局语义关联特征向量以得到所述运动场馆环境多模态参数嵌入融合特征向量。

在本申请的一个具体实施例中，所述空调温度控制模块，用于：将所述运动场馆环境多模态参数嵌入融合特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的空调温度值应增大、应保持不变或应减小。

进一步地，所述空调温度控制模块，包括：特征分布优化单元，用于基于所述人群分布局部特征向量的序列对所述运动场馆环境多模态参数嵌入融合特征向量进行优化以得到优化运动场馆环境多模态参数嵌入融合特征向量；分类处理单元，用于将所述优化运动场馆环境多模态参数嵌入融合特征向量通过所述分类器以得到所述分类结果，所述分类结果用于表示当前时间点的空调温度值应增大、应保持不变或应减小。

特别地，在本申请的技术方案中，所述温度-湿度时序关联矩阵表达运动场馆内温度值和湿度值的全时域关联表示，而所述人群分布局部特征向量的序列表达所述运动场馆内人群分布图像语义图像的沿卷积神经网络模型的通道维度分布，由此，将所述温度-湿度时序关联矩阵和所述人群分布局部特征向量的序列通过特征嵌入模块后，是以所述运动场馆内温度值和湿度值的温度值和湿度值的全时域关联分布来对所述场馆内人群图像的图像语义特征进行动态约束，也就是，所述运动场馆环境多模态参数嵌入融合特征向量相当于所述生长状态监测图像的图像语义特征的插值式参数交叉维度关联混合。

这样，为了提升所述运动场馆环境多模态参数嵌入融合特征向量在所述人群分布局部特征向量的序列的图像语义特征的表达一致性基础上的参数交叉维度关联强化表达效果，基于所述人群分布局部特征向量的序列对所述运动场馆环境多模态参数嵌入融合特征向量进行优化，表示为：以如下优化公式基于所述人群分布局部特征向量的序列对所述运动场馆环境多模态参数嵌入融合特征向量进行优化以得到优化运动场馆环境多模态参数嵌入融合特征向量；其中，所述优化公式为：

其中，是所述人群分布局部特征向量的序列级联得到的级联特征向量，/>是所述运动场馆环境多模态参数嵌入融合特征向量，/>和/>分别表示所述级联特征向量/>和所述运动场馆环境多模态参数嵌入融合特征向量/>的全局最大值的倒数，/>是单位向量，且/>表示对所述运动场馆环境多模态参数嵌入融合特征向量/>的逐位置特征值取倒数，/>是所述优化运动场馆环境多模态参数嵌入融合特征向量，/>表示按位置加法，/>表示按位置减法，/>表示按位置点乘。

具体地，针对在特征提取过程中对于回归目标的插值式时序关联特征混合，基于插值正则化的思想，通过将离群特征的特征映射解除混合，使得高维特征流形基于归纳偏差而恢复到以弱增强为基础的流形几何形状，实现基于特征提取的插值样本和插值预测的一致性特征增强映射，以在保持所述运动场馆环境多模态参数嵌入融合特征向量在所述人群分布局部特征向量的序列的图像语义特征的表达一致性的同时获得参数交叉维度关联强化表达效果，从而改进所述运动场馆环境多模态参数嵌入融合特征向量的特征表达效果，以提升优化运动场馆环境多模态参数嵌入融合特征向量通过分类器得到的分类结果的准确性。这样，能够基于运动场馆的实时温度、湿度和人员分布情况，实现运动场馆内的空调温度的自适应调节，以此来为运动者提供舒适的环境，通过这样的方式，能够根据运动场馆内的实际需求智能调节场馆内的环境，从而为运动人员提供舒适的运动环境，提高了能源利用效率和用户体验。

继而，再将所述优化运动场馆环境多模态参数嵌入融合特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的空调温度值应增大、应保持不变或应减小。也就是说，将所述运动场馆内的温度和湿度间的时序协同关联特征和人员分布特征之间的多模态参数嵌入融合特征信息来进行分类处理，以此来对于当前时间点的空调温度值进行控制。这样，能够基于运动场馆的实时温度、湿度和人员分布情况，实现运动场馆内的空调温度的自适应调节，以此来为运动者提供舒适的环境。

在本申请的一个具体实施例中，所述分类处理单元，用于：使用所述分类器的多个全连接层对所述优化运动场馆环境多模态参数嵌入融合特征向量进行全连接编码以得到编码分类特征向量；以及，将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。

综上，基于本申请实施例的智慧运动场馆的环境智能控制系统100被阐明，其能够根据实际需求智能调节空调温度，从而为运动人员提供舒适的运动环境，并提高了能源利用效率和用户体验。

如上所述，根据本申请实施例的智慧运动场馆的环境智能控制系统 100可以实现在各种终端设备中，例如用于智慧运动场馆的环境智能控制的服务器等。在一个示例中，根据本申请实施例的智慧运动场馆的环境智能控制系统100可以作为一个软件模块和/或硬件模块而集成到终端设备中。例如，该智慧运动场馆的环境智能控制系统100可以是该终端设备的操作系统中的一个软件模块，或者可以是针对于该终端设备所开发的一个应用程序；当然，该智慧运动场馆的环境智能控制系统100同样可以是该终端设备的众多硬件模块之一。

替换地，在另一示例中，该智慧运动场馆的环境智能控制系统100与该终端设备也可以是分立的设备，并且该智慧运动场馆的环境智能控制系统100可以通过有线和/或无线网络连接到该终端设备，并且按照约定的数据格式来传输交互信息。

在本申请的一个实施例中，图2为根据本申请实施例的智慧运动场馆的环境智能控制方法的流程图。图3为根据本申请实施例的智慧运动场馆的环境智能控制方法架构的示意图。如图2和图3所示，所述智慧运动场馆的环境智能控制方法，包括：210，获取由温度传感器和湿度传感器采集的预定时间段内多个预定时间点的温度值和湿度值；220，获取由摄像头采集的场馆内人群图像；230，将所述多个预定时间点的温度值和湿度值分别按照时间维度排列为温度时序输入向量和湿度时序输入向量后，对所述温度时序输入向量和所述湿度时序输入向量进行关联编码以得到温度-湿度时序关联矩阵；240，通过基于深度神经网络模型的人员分布密度特征提取器对所述场馆内人群图像进行特征提取以得到人群分布特征图；250，对所述温度-湿度时序关联矩阵和所述人群分布特征图进行嵌入式关联分析以得到运动场馆环境多模态参数嵌入融合特征；260，基于所述运动场馆环境多模态参数嵌入融合特征，确定当前时间点的空调温度值应增大、应保持不变或应减小。

在所述智慧运动场馆的环境智能控制方法中，所述深度神经网络模型为卷积神经网络模型。

在所述智慧运动场馆的环境智能控制方法中，对所述温度-湿度时序关联矩阵和所述人群分布特征图进行嵌入式关联分析以得到运动场馆环境多模态参数嵌入融合特征，包括：将所述人群分布特征图的沿通道维度的各个特征矩阵进行特征展平化以得到人群分布局部特征向量的序列；将所述人群分布局部特征向量的序列和所述温度-湿度时序关联矩阵输入特征嵌入模块以得到运动场馆环境多模态参数嵌入融合特征向量作为所述运动场馆环境多模态参数嵌入融合特征。

本领域技术人员可以理解，上述智慧运动场馆的环境智能控制方法中的各个步骤的具体操作已经在上面参考图1的智慧运动场馆的环境智能控制系统的描述中得到了详细介绍，并因此，将省略其重复描述。

图4为根据本申请实施例的智慧运动场馆的环境智能控制系统的应用场景图。如图4所示，在该应用场景中，首先，获取由温度传感器和湿度传感器采集的预定时间段内多个预定时间点的温度值（例如，如图4中所示意的C1）和湿度值（例如，如图4中所示意的C2），以及，获取由摄像头采集的场馆内人群图像（例如，如图4中所示意的C3）；然后，将获取的温度值、湿度值和场馆内人群图像输入至部署有智慧运动场馆的环境智能控制算法的服务器（例如，如图4中所示意的S）中，其中所述服务器能够基于智慧运动场馆的环境智能控制算法对所述温度值、所述湿度值和所述场馆内人群图像进行处理，以确定当前时间点的空调温度值应增大、应保持不变或应减小。

以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。

提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者终端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、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (6)

1.一种智慧运动场馆的环境智能控制系统，其特征在于，包括：

场馆内传感数据采集模块，用于获取由温度传感器和湿度传感器采集的预定时间段内多个预定时间点的温度值和湿度值；

场馆内人群图像采集模块，用于获取由摄像头采集的场馆内人群图像；

场馆内温湿度时序关联编码模块，用于将所述多个预定时间点的温度值和湿度值分别按照时间维度排列为温度时序输入向量和湿度时序输入向量后，对所述温度时序输入向量和所述湿度时序输入向量进行关联编码以得到温度-湿度时序关联矩阵；

场馆内人群分布特征提取模块，用于通过基于深度神经网络模型的人员分布密度特征提取器对所述场馆内人群图像进行特征提取以得到人群分布特征图；

多模态参数嵌入融合分析模块，用于对所述温度-湿度时序关联矩阵和所述人群分布特征图进行嵌入式关联分析以得到运动场馆环境多模态参数嵌入融合特征；

空调温度控制模块，用于基于所述运动场馆环境多模态参数嵌入融合特征，确定当前时间点的空调温度值应增大、应保持不变或应减小；

其中，所述多模态参数嵌入融合分析模块，包括：

人群分布特征图展平化处理单元，用于将所述人群分布特征图的沿通道维度的各个特征矩阵进行特征展平化以得到人群分布局部特征向量的序列；

运动场馆环境多模态特征融合单元，用于将所述人群分布局部特征向量的序列和所述温度-湿度时序关联矩阵输入特征嵌入模块以得到运动场馆环境多模态参数嵌入融合特征向量作为所述运动场馆环境多模态参数嵌入融合特征；

其中，所述运动场馆环境多模态特征融合单元，包括：

将所述温度-湿度时序关联矩阵进行卷积编码以得到环境参数特征向量；

将所述人群分布局部特征向量的序列排列为人群分布全局特征向量；

融合对所述人群分布全局特征向量和所述环境参数特征向量以得到环境参数融合特征向量；

对所述人群分布局部特征向量的序列进行语义关联编码以得到人群分布全局语义关联特征向量；以及

融合所述环境参数融合特征向量和所述人群分布全局语义关联特征向量以得到所述运动场馆环境多模态参数嵌入融合特征向量；

其中，所述空调温度控制模块，包括：

特征分布优化单元，用于基于所述人群分布局部特征向量的序列对所述运动场馆环境多模态参数嵌入融合特征向量进行优化以得到优化运动场馆环境多模态参数嵌入融合特征向量；

分类处理单元，用于将所述优化运动场馆环境多模态参数嵌入融合特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的空调温度值应增大、应保持不变或应减小；

其中，基于所述人群分布局部特征向量的序列对所述运动场馆环境多模态参数嵌入融合特征向量进行优化，表示为：以如下优化公式基于所述人群分布局部特征向量的序列对所述运动场馆环境多模态参数嵌入融合特征向量进行优化以得到优化运动场馆环境多模态参数嵌入融合特征向量；其中，所述优化公式为：

其中，是所述人群分布局部特征向量的序列级联得到的级联特征向量，/>是所述运动场馆环境多模态参数嵌入融合特征向量，/>和/>分别表示所述级联特征向量/>和所述运动场馆环境多模态参数嵌入融合特征向量/>的全局最大值的倒数，/>是单位向量，且/>表示对所述运动场馆环境多模态参数嵌入融合特征向量/>的逐位置特征值取倒数，/>是所述优化运动场馆环境多模态参数嵌入融合特征向量，/>表示按位置加法，/>表示按位置减法，/>表示按位置点乘。

2.根据权利要求1所述的智慧运动场馆的环境智能控制系统，其特征在于，所述深度神经网络模型为卷积神经网络模型。

3.根据权利要求2所述的智慧运动场馆的环境智能控制系统，其特征在于，所述空调温度控制模块，用于：将所述运动场馆环境多模态参数嵌入融合特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的空调温度值应增大、应保持不变或应减小。

4.根据权利要求3所述的智慧运动场馆的环境智能控制系统，其特征在于，所述分类处理单元，用于：

使用所述分类器的多个全连接层对所述优化运动场馆环境多模态参数嵌入融合特征向量进行全连接编码以得到编码分类特征向量；以及

将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。

5.一种智慧运动场馆的环境智能控制方法，其特征在于，包括：

获取由温度传感器和湿度传感器采集的预定时间段内多个预定时间点的温度值和湿度值；

获取由摄像头采集的场馆内人群图像；

将所述多个预定时间点的温度值和湿度值分别按照时间维度排列为温度时序输入向量和湿度时序输入向量后，对所述温度时序输入向量和所述湿度时序输入向量进行关联编码以得到温度-湿度时序关联矩阵；

通过基于深度神经网络模型的人员分布密度特征提取器对所述场馆内人群图像进行特征提取以得到人群分布特征图；

对所述温度-湿度时序关联矩阵和所述人群分布特征图进行嵌入式关联分析以得到运动场馆环境多模态参数嵌入融合特征；

基于所述运动场馆环境多模态参数嵌入融合特征，确定当前时间点的空调温度值应增大、应保持不变或应减小；

其中，对所述温度-湿度时序关联矩阵和所述人群分布特征图进行嵌入式关联分析以得到运动场馆环境多模态参数嵌入融合特征，包括：

将所述人群分布特征图的沿通道维度的各个特征矩阵进行特征展平化以得到人群分布局部特征向量的序列；

将所述人群分布局部特征向量的序列和所述温度-湿度时序关联矩阵输入特征嵌入模块以得到运动场馆环境多模态参数嵌入融合特征向量作为所述运动场馆环境多模态参数嵌入融合特征；

其中，将所述人群分布局部特征向量的序列和所述温度-湿度时序关联矩阵输入特征嵌入模块以得到运动场馆环境多模态参数嵌入融合特征向量作为所述运动场馆环境多模态参数嵌入融合特征，包括：

将所述温度-湿度时序关联矩阵进行卷积编码以得到环境参数特征向量；

将所述人群分布局部特征向量的序列排列为人群分布全局特征向量；

融合对所述人群分布全局特征向量和所述环境参数特征向量以得到环境参数融合特征向量；

对所述人群分布局部特征向量的序列进行语义关联编码以得到人群分布全局语义关联特征向量；以及

融合所述环境参数融合特征向量和所述人群分布全局语义关联特征向量以得到所述运动场馆环境多模态参数嵌入融合特征向量；

其中，基于所述运动场馆环境多模态参数嵌入融合特征，确定当前时间点的空调温度值应增大、应保持不变或应减小，包括：

基于所述人群分布局部特征向量的序列对所述运动场馆环境多模态参数嵌入融合特征向量进行优化以得到优化运动场馆环境多模态参数嵌入融合特征向量；

将所述优化运动场馆环境多模态参数嵌入融合特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的空调温度值应增大、应保持不变或应减小；

其中，基于所述人群分布局部特征向量的序列对所述运动场馆环境多模态参数嵌入融合特征向量进行优化，表示为：以如下优化公式基于所述人群分布局部特征向量的序列对所述运动场馆环境多模态参数嵌入融合特征向量进行优化以得到优化运动场馆环境多模态参数嵌入融合特征向量；其中，所述优化公式为：

其中，是所述人群分布局部特征向量的序列级联得到的级联特征向量，/>是所述运动场馆环境多模态参数嵌入融合特征向量，/>和/>分别表示所述级联特征向量/>和所述运动场馆环境多模态参数嵌入融合特征向量/>的全局最大值的倒数，/>是单位向量，且/>表示对所述运动场馆环境多模态参数嵌入融合特征向量/>的逐位置特征值取倒数，是所述优化运动场馆环境多模态参数嵌入融合特征向量，/>表示按位置加法，/>表示按位置减法，/>表示按位置点乘。

6.根据权利要求5所述的智慧运动场馆的环境智能控制方法，其特征在于，所述深度神经网络模型为卷积神经网络模型。