CN117631730A - 基于图像动态识别的场馆节能控制方法、装置及设备 - Google Patents
基于图像动态识别的场馆节能控制方法、装置及设备 Download PDFInfo
- Publication number
- CN117631730A CN117631730A CN202410102464.7A CN202410102464A CN117631730A CN 117631730 A CN117631730 A CN 117631730A CN 202410102464 A CN202410102464 A CN 202410102464A CN 117631730 A CN117631730 A CN 117631730A
- Authority
- CN
- China
- Prior art keywords
- image
- area
- venue
- data
- image analysis
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000010438 heat treatment Methods 0.000 claims abstract description 106
- 238000010191 image analysis Methods 0.000 claims abstract description 87
- 238000005286 illumination Methods 0.000 claims abstract description 64
- 238000004378 air conditioning Methods 0.000 claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 238000001514 detection method Methods 0.000 claims description 69
- 238000006243 chemical reaction Methods 0.000 claims description 44
- 238000004891 communication Methods 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 14
- 238000003709 image segmentation Methods 0.000 claims description 6
- 238000007619 statistical method Methods 0.000 claims description 3
- 230000033228 biological regulation Effects 0.000 abstract description 8
- 230000020169 heat generation Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Landscapes
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
本发明公开了基于图像动态识别的场馆节能控制方法、装置及设备，方法包括：对红外发热图像进行切割并对各区域的发热区域图像进行图像解析得到对应的图像解析信息，根据场馆区域信息对采集得到的数据进行整理生成基础数据库，根据预测模型分别对各区域的数据信息进行分析得到数据预测结果，根据调控等级匹配规则获取各区域对应的调整策略并生成对应的区域设备调整指令发送至照明灯及空气调节设备。上述方法，能够基于发热区域图像进行图像解析，以得到能够体现人员活动情况的图像解析信息，对图像解析信息及温度数据、湿度数据及光照数据进行组合分析，从而实现对场馆内各区域的环境进行调整，能够大幅提高对场馆进行节能控制的效率及准确性。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及一种基于图像动态识别的场馆节能控制方法、装置及设备。
背景技术
大型场馆如篮球场、羽毛球场在使用过程中需要提供相应能源，然而在使用过程中场馆内存在大量的能源浪费现象，场馆内部分区域人员聚集，部分区域人员较少或没有人员，但场馆内各区域的照明灯及空气调节设备均一并进行工作；现有技术方法中通常是人工察看场馆内人员的聚集情况，从而手动调节各区域的照明灯及空气调节设备，然而实际应用过程中场馆内的人员存在流动及增减变化，这一手动调节的方式难以准确及时地根据各区域的人流量进行设备调节控制，无法实现对场馆高效、准确地进行节能控制。因此，现有技术方法中存在无法对场馆高效、准确地进行节能控制的问题。
发明内容
本发明实施例提供了一种基于图像动态识别的场馆节能控制方法、装置及设备，旨在解决现有技术方法中所存在的无法对场馆高效、准确地进行节能控制的问题。
第一方面，本发明实施例提供了一种基于图像动态识别的场馆节能控制方法，所述方法应用于智能控制终端中，所述智能控制终端与场馆内设置的温度传感器、湿度传感器、光照传感器及红外图像传感器进行通信连接，所述智能控制终端还与场馆内配置的照明灯及空气调节设备进行通信连接，所述场馆内划分为多个区域，每一区域内均对应配置有至少一个温度传感器、至少一个湿度传感器、至少一个照明灯及至少一台空气调节设备，其中，所述方法包括：
获取所述红外图像传感器采集得到的红外发热图像并根据预置的场馆区域信息对所述红外发热图像进行切割，得到对应的多个发热区域图像；
根据预置的图像解析规则对各所述发热区域图像进行图像解析，得到对应与各所述发热区域图像对应的图像解析信息；
根据所述场馆区域信息对所述温度传感器采集得到的温度数据、所述湿度传感器采集得到的湿度数据、所述光照传感器采集得到的光照数据及所述图像解析信息进行整理，以生成对应的基础数据库；
根据预置的预测模型分别对所述基础数据库中单一区域的数据信息进行分析，得到区域对应的数据预测结果；
根据预存的调控等级匹配规则获取与各区域的当前工作等级及数据预测结果相匹配的调整策略；
根据各区域的调整策略生成对应的区域设备调整指令至对应的所述照明灯及所述空气调节设备以分别对应各区域的环境进行调整。
第二方面，本发明实施例还提供了一种基于图像动态识别的场馆节能控制装置，所述装置配置于智能控制终端中，所述智能控制终端与场馆内设置的温度传感器、湿度传感器、光照传感器及红外图像传感器进行通信连接，所述智能控制终端还与场馆内配置的照明灯及空气调节设备进行通信连接，所述场馆内划分为多个区域，每一区域内均对应配置有至少一个温度传感器、至少一个湿度传感器、至少一个照明灯及至少一台空气调节设备，其中，所述装置用于执行如上述第一方面所述的基于图像动态识别的场馆节能控制方法，所述装置包括：
图像分割单元，用于获取所述红外图像传感器采集得到的红外发热图像并根据预置的场馆区域信息对所述红外发热图像进行切割，得到对应的多个发热区域图像；
图像解析单元，用于根据预置的图像解析规则对各所述发热区域图像进行图像解析，得到对应与各所述发热区域图像对应的图像解析信息；
基础数据库获取单元，用于根据所述场馆区域信息对所述温度传感器采集得到的温度数据、所述湿度传感器采集得到的湿度数据、所述光照传感器采集得到的光照数据及所述图像解析信息进行整理，以生成对应的基础数据库；
数据预测结果获取单元，用于根据预置的预测模型分别对所述基础数据库中单一区域的数据信息进行分析，得到区域对应的数据预测结果；
调整策略获取单元，用于根据预存的调控等级匹配规则获取与各区域的当前工作等级及数据预测结果相匹配的调整策略；
指令发送单元，用于根据各区域的调整策略生成对应的区域设备调整指令至对应的所述照明灯及所述空气调节设备以分别对应各区域的环境进行调整。
第三方面，本发明实施例还提供了一种计算机设备，其中，所述设备包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口、存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述第一方面所述的基于图像动态识别的场馆节能控制方法的步骤。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如上述第一方面所述的基于图像动态识别的场馆节能控制方法的步骤。
本发明实施例提供了一种基于图像动态识别的场馆节能控制方法、装置及设备，方法包括：对红外发热图像进行切割并对各区域的发热区域图像进行图像解析得到对应的图像解析信息，根据场馆区域信息对采集得到的数据进行整理生成基础数据库，根据预测模型分别对各区域的数据信息进行分析得到数据预测结果，根据调控等级匹配规则获取各区域对应的调整策略并生成对应的区域设备调整指令发送至照明灯及空气调节设备。上述方法，能够基于发热区域图像进行图像解析，以得到能够体现人员活动情况的图像解析信息，对图像解析信息及温度数据、湿度数据及光照数据进行组合分析，从而实现对场馆内各区域的环境进行调整，能够大幅提高对场馆进行节能控制的效率及准确性。
附图说明
为了更清楚地说明本发明实施例技术方案，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为本发明实施例提供的基于图像动态识别的场馆节能控制方法的方法流程图；
图2为本发明实施例提供的基于图像动态识别的场馆节能控制方法的应用场景示意图；
图3为本发明实施例提供的基于图像动态识别的场馆节能控制装置的示意性框图；
图4是本发明实施例提供的计算机设备的示意性框图。
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，都属于本发明保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本发明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发明。如在本发明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。
还应当进一步理解，在本发明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。
请参阅图1及与2，如图所示，本发明申请的实施例提供了一种基于图像动态识别的场馆节能控制方法，该方法应用于智能控制终端10中，该方法通过安装于智能控制终端10中的应用软件进行执行，所述智能控制终端10与场馆内设置的温度传感器101、湿度传感器102、光照传感器103及红外图像传感器104进行通信连接，所述智能控制终端10还与场馆内配置的照明灯105及空气调节设备106进行通信连接；其中，温度传感器101、湿度传感器102及光照传感器103均为装配于场馆中各区域内的物联网传感器，每一区域内可装配同一传感器类型的一个或多个传感器，各传感器可采集得到对应的检测数值并传输至智能控制终端10，红外图像传感器104则为场馆内多个区域共同配置的图像传感器，红外图像传感器104可采集得到场馆内物体散发的红外光强度，并基于红外光强度生成对应的红外发热图像；场馆内配置有照明灯105及空气调节设备106。其中，每一区域内均装配有至少一个照明灯105，则照明灯105可用于对区域进行补光照明，智能控制终端10可对各区域内设置的照明灯105进行单独控制；空气调节设备106也即是HVAC（供暖通风与空气调节，HeatingVentilation and Air Conditioning）设备，空气调节设备106可以对输入场馆内各区域座椅处的空气进行温度、湿度、风速等进行调节的设备，其中，可在每一区域内均配置至少一台空气调节设备106，则智能控制终端10可对各区域内设置的空气调节设备106进行控制；在另一实施例中，可在场馆内配置集成的空气调节设备106，每一区域内单独配置与集成的空气调节设备106相连通的连通管道，则智能控制终端10可对各区域内的连通管道中设置的截流阀进行控制，从而实现对各区域内的空气环境进行控制。智能控制终端10即是用于执行基于图像动态识别的场馆节能控制方法以对场馆中各区域的光照及空间环境进行控制的终端设备，智能控制终端10可以是管理服务器、台式电脑、笔记本电脑、平板电脑或手机等。如图1所示，该方法包括步骤S110~S150。
S110、获取所述红外图像传感器采集得到的红外发热图像并根据预置的场馆区域信息对所述红外发热图像进行切割，得到对应的多个发热区域图像。
获取所述红外图像传感器采集得到的红外发热图像并根据预置的场馆区域信息对所述红外发热图像进行切割，得到对应的多个发热区域图像。红外图像传感器可采集得到场馆内的红外发热图像，具体的，红外图像传感器可设置于场馆的顶部，通过俯视拍摄场馆内各区域，各区域内均设置有座椅，则红外图像传感器可采集对场馆内各区域俯视拍摄所得到的红外发热图像，并将红外发热图像发送至智能控制终端。
智能控制终端内预先配置有场馆区域信息，场馆区域信息中包括场馆中各区域对应的区域标识，以及各区域在红外发热图像中对应的图像分割坐标，根据与各区域标识唯一对应的图像分割坐标即可对红外发热图像进行切割，从而得到与各区域标识分别对应的发热区域图像，则所得到的发热区域图像的数量与场馆区域信息中所包含的区域标识的数量相等。
例如，某一区域标识为A01，其在发热区域图像中对应的图像分割坐标为（01,04）、（01,63）、（45,09）、（45,58），则可从发热区域图像中获取与上述分割坐标所围合形成的图像，作为对应的发热区域图像。
S120、根据预置的图像解析规则对各所述发热区域图像进行图像解析，得到对应与各所述发热区域图像对应的图像解析信息。
根据预置的图像解析规则对各所述发热区域图像进行图像解析，得到对应与各所述发热区域图像对应的图像解析信息。进一步的，可根据图像解析规则对各发热区域图像进行图像解析，发热区域图像中不同的图像位置呈现不同的颜色，不同颜色则对应表示对应位置的发热量；例如，在某一种典型的发热图像中，红色、橙色表示对应位置的发热量高，蓝色、紫色则表示对应位置的发热量低。通过图像解析规则即可对各发热区域图像中的颜色变化进行图像解析，从而得到发热区域图像的图像解析信息，图像解析信息即包含发热区域图像的具体发热含义解析信息。
在具体实施例中，步骤S120，包括子步骤：根据所述图像解析规则中的像素转换区间对各所述发热区域图像中所包含像素点的像素值进行转换，得到与各像素点对应的像素转换值；根据所述图像解析规则中的数值统计项对同一所述发热区域图像中各像素点的像素转换值进行统计分析，得到与各所述数值统计项分别对应的统计值作为所述图像解析信息。
具体的，图像解析规则中包含像素转换区间，像素转换区间可对发热区域图像中所包含的像素点的像素值进行转换；具体的，发热区域图像中各像素点均为彩色像素点，因此各像素点的像素值均对应RGB三通道像素值（R通道对应一个像素值，G通道对应一个像素值，B通道对应一个像素值）。像素转换区间中包含一个RGB像素区间对应的一个像素转换值，如一个RGB像素区间为R通道245-255，G通道15-30，B通道15-30，对应的像素转换值为242。
通过图像解析规则中所包含的多个像素转换区间，即可对发热区域图像中各像素点的像素值分别进行转换，从而得到每一像素点对应的像素转换值，则每一像素点由RGB三通道像素值转换为一个像素转换值，像素转换值即可用于对该像素点对应位置的发热量进行量化表征。像素转换值越大，则对应位置的发热量也越高；像素转换值越小，则对应位置的发热量也越低。
进一步的，可通过图像解析规则中包含的数值统计项对同一发热区域图像中各像素点的像素转换值进行统计分析，从而获取与各数值统计项分别对应的统计值，则同一发热区域图像对应的多个统计值组合为该发热区域图像的图像解析信息。
具体的，数值统计项包括转换值平均值、发热密度值、转换值方差及转换值极差等，其中，转换值平均值也即是对发热区域图像中所有像素的像素转换值进行平均计算，所得到的平均值；发热密度值也即是根据预设的发热阈值获取发热区域图像中像素转换值大于该发热阈值的像素对应的密度值，例如，发热阈值设置为160，则可获取发热区域图像中像素转换值大于160的像素点与发热区域图像中像素点总数的比值，得到发热密度值。转换值方差也即是发热区域图像中所有像素的像素转换值对应的方差值；转换值极差也即是发热区域图像中最大像素转换值与最小像素转换值之间的差值。
在具体实施例中，步骤S120，还包括子步骤：获取与所述发热区域图像相邻的发热区域图像对应的统计值作为关联统计值；根据所述图像解析规则中的关联计算公式对各所述发热区域图像的统计值及对应的关联统计值进行关联计算，得到同一所述发热区域图像与各所述数值统计项分别对应的关联计算值作为所述图像解析信息。
进一步的，由于相邻区域的发热会对本区域的发热产生一定影响，可进一步获取与发热区域图像相邻的多个发热区域图像对应的统计值作为关联统计值，并根据图像解析规则中的关联计算公式对各发热区域图像的统计值及关联统计值进行关联计算，从而得到关联计算值作为与发热区域图像对应的图像解析信息。则关联计算值可对当前发热区域图像及相关联的发热区域图像产生的热量进行综合体现。
其中，关联计算公式可以采用公式（1）进行表示：
（1）；
其中，fs为计算得到的某一数值统计项对应的关联计算值，f0为当前发热区域图像中同一数值统计项的一个统计值，N为与当前发热区域图像相邻的发热区域图像的总数，e为自然对数底数，fi为与当前发热区域图像相邻的第i个发热区域图像对应的统计值。
通过上述关联计算公式可计算得到同一发热区域图像与各数值统计项分别对应的关联计算值，获取与该发热区域图像对应的多个关联计算值即可作为对应的图像解析信息。
S130、根据所述场馆区域信息对所述温度传感器采集得到的温度数据、所述湿度传感器采集得到的湿度数据、所述光照传感器采集得到的光照数据及所述图像解析信息进行整理，以生成对应的基础数据库。
根据所述场馆区域信息对所述温度传感器采集得到的温度数据、所述湿度传感器采集得到的湿度数据、所述光照传感器采集得到的光照数据及所述图像解析信息进行整理，以生成对应的基础数据库。具体的，场馆区域信息中除包含区域标识及图像分割坐标外，还包括传感器编码等信息，一个温度传感器可采集得到一个温度数据，一个湿度传感器可采集得到一个湿度数据，一个光照传感器可采集得到一个光照数据；场馆的每一区域内可配置一个或多个温度传感器、一个或多个湿度传感器及一个或多个光照传感器。
则可根据每一区域的区域标识及对应的传感器编码，对每一区域对应的温度数据、湿度数据、光照数据及图像解析信息进行整理，从而生成对应的基础数据库。基础数据库中包含以区域进行区分的温度数据、湿度数据、光照数据及图像解析信息，也即每一区域在基础数据库内对应一组温度数据、湿度数据、光照数据及图像解析信息。
在具体实施例中，步骤S130，包括子步骤：根据所述场馆区域信息中的区域标识对所述温度数据、所述湿度数据、所述光照数据、所述图像解析信息进行分组整理，以获取各区域分别对应的多项检测数据；判断各区域的同一项检测数据是否包含多个检测数值；若区域的同一项检测数据包含多个检测数值，对同一项检测数据包含的多个检测数值进行整合得到整合检测数值；根据所述场馆区域信息中各区域与各项检测数据分别对应的检测数值生成对应的基础数据库。
具体的，可根据区域标识对各区域对应的温度数据、湿度数据、光照数据及图像解析信息进行分类整理，以得到各区域对应的多项检测数据，则每一区域对应包含四项检测数据。进一步判断同一项检测数据是否包含多个检测数值，如同一个区域内不同位置设置有两个温度传感器，则该区域在温度数据这一项检测数据中包含两个检测数值，两个检测数值即分别对应两个温度传感器采集得到的两个温度值，其中，图像解析信息则包含转换值平均值、发热密度值、转换值方差及转换值极差等多项检测数据。
若区域的同一项检测数据中不包含多个检测数值，则直接对该检测数据进行存储；若区域的同一项检测数据中包含多个检测数值，则需要对该检测数据对应包含的多个检测数值进行整合，整合可以是对同一项检测数据中的多个检测数值进行平均计算，从而得到与一项检测数据对应的整合检测数值。例如，某一区域在温度数据这一项检测数据中包含两个检测数值26.5℃及26.1℃，则进行整合后得到的整合检测数值为26.3℃。
根据区域标识及各区域与各项检测数据分别对应的检测数值生成基础数据库，其中，一个区域的各项检测数据分别对应一个检测数值（一个检测数值或者一个整合检测数值）。例如，可基于区域标识作为基础数据库的首列信息，场馆区域信息中其他项信息及各项检测数据分别对应的检测数值作为其它列信息生成基础数据库，则基础数据库中每一行即对应一个区域的所有数据信息。其中，光照数据也即是检测得到的光强度信息，单位为lx（勒克斯）。基础数据库中的温度检测数值、湿度检测数值、光照检测数值及图像解析信息即组合为区域的检测数据信息。区域的数据信息则包含该区域的检测数据信息及区域标识等信息。
S140、根据预置的预测模型分别对所述基础数据库中单一区域的数据信息进行分析，得到区域对应的数据预测结果。
根据预置的预测模型分别对所述基础数据库中单一区域的数据信息进行分析，得到区域对应的数据预测结果。可根据预测模型分别对各区域的数据信息进行分析，从而实现对各区域的能源使用情况进行预测，并得到对应的数据预测结果，数据预测结果也即是区域未来一段时间（如5分钟或10分钟）内适合进行光照及空气环境调节的预测数值。
在具体实施例中，步骤S140，包括子步骤：将单一区域的检测数据信息进行数值转换以生成对应的预测特征；将所述预测特征输入所述预测模型进行预测分析，以获取与所述预测特征对应的数据预测结果。
具体的，可将单一区域的检测数据信息进行数值转换，从而生成得到预测特征，其中，区域的检测数据信息包括温度检测数值、湿度检测数值、光照检测数值、转换值平均值、发热密度值、转换值方差及转换值极差。可对区域的检测数据信息中包含的各项检测数值分别进行数值转换，得到对应的特征值，各项检测数值的特征值即组合为预测特征，则预测特征为一个包含多个维度特征值的1×n特征向量。其中，预测特征的各特征值的数值范围为[-1,1]。针对温度检测数值、湿度检测数值、光照检测数值、转换值平均值、发热密度值、转换值方差及转换值极差，可根据计算公式r=(s-s0)/s0计算得到，r为对应计算得到的特征值，s为某一项检测数值，s0为与该项数值对应的中间值，如针对发热密度值对应的中间值s0为0.6，针对转换值平均值对应的中间值s0为145。
预测模型为基于人工智能所构建得到的神经网络模型，预测模型中包含多个输入节点、中间层及多个输出节点，中间层中所包含的中间节点与输入节点及输出节点之间具有关联关系，则通过输入节点输入一个区域的预测特征，并通过中间层对输入的预测特征进行关联分析，之后再通过输出节点输出对应的数据预测结果。其中，预测模型在使用之前可通过训练参数进行迭代训练；数据预测结果中至少包含温度预测值、湿度预测值、光照预测值、风速预测值。
S150、根据预存的调控等级匹配规则获取与各区域的当前工作等级及数据预测结果相匹配的调整策略。
根据预存的调控等级匹配规则获取与各区域的当前工作等级及数据预测结果相匹配的调整策略。可根据调控等级匹配规则对各区域的当前工作等级及数据预测结果进行匹配，从而获取相匹配的调整策略。
在具体实施例中，步骤S150，包括子步骤：根据所述调控等级匹配规则获取与各区域的所述数据预测结果对应的调整预测等级；根据各区域的当前工作等级及对应的调整预测等级确定与各区域对应的调整策略。
具体的，可根据调控等级匹配规则获取与各区域的数据预测结果对应的调整预测等级，调控等级匹配规则中包含与各预测值对应的等级区间，每一等级区间对应一个数值范围；可调控等级匹配规则中与某一预测值对应的等级区间对该预测值进行等级匹配，从而获取数值范围包含预测值的等级区间作为与该预测值相匹配的预测等级。例如，数据预测结果中的温度预测值为23.5℃，与该预测值对应的某一等级区间为等级四-[23.0℃，23.9℃]，则确定等级四为与该预测值相匹配的预测等级。
通过调控等级匹配规则可获取数据预测结果中各预测值分别对应的预测等级，从而得到与数据预测结果对应的调整预测等级，也即调整预测等级中包含与各预测值分别对应的一个预测等级。
根据各区域的当前工作等级及对应的调整预测等级，即可确定各区域对应的调整策略，则调整策略中包含与温度、湿度、光照、风速分别对应的策略信息。例如，当前工作等级中与温度对应的工作等级为等级三，与温度对应的调整预测等级为等级四，则调整策略中与温度对应的策略信息为增大一级。
S160、根据各区域的调整策略生成对应的区域设备调整指令至对应的所述照明灯及所述空气调节设备以分别对应各区域的环境进行调整。
根据各区域的调整策略生成对应的区域设备调整指令至对应的所述照明灯及所述空气调节设备以分别对应各区域的环境进行调整。获取到调整策略后，智能控制终端即可根据调整策略发送对应的区域设备调整指令至相应区域对应的照明灯及空气调节设备，照明灯接收到相应的指令信息后，即可增加照明功率或减小照明功率；空气调节设备接收到相应的指令信息后，即可增加出风风速或减小出风风速、增加出风温度或减小出风温度、增加出风湿度或减小出风湿度，也即实现对各区域的光照亮度及空气状况进行调整，也即实现了对各区域的环境进行调整，以使场馆内各区域的环境在保持舒适的前提下尽可能降低能耗，实现场馆节能控制。
在具体实施例中，步骤S160，包括子步骤：根据区域的所述调整策略中的空气调节等级生成对应的空气调整指令；根据区域的所述调整策略中的光照调节等级生成对应的光照调整指令；将同一区域的所述空气调整指令及所述光照调整指令组合为对应的区域设备调整指令并发送至该区域对应的照明灯及空气调节设备。
具体的，每一区域对应一组区域设备调整指令，一组区域设备调整指令中包括光照调整指令及空气调整指令。可根据调整策略中的照明调整策略生成对应的光照调整指令，照明调整策略也即是调整策略中与光照对应的策略信息。同样的，可根据调整策略中的空气调节策略生成对应的空气调整指令，空气调节策略即为调整策略中与温度、湿度及风速对应的策略信息。将所得到的光照调整指令及空气调整指令进行组合，即可得到一个区域的区域设备调整指令，根据该区域的区域标识，即可将得到的区域设备调整指令发送至该区域对应的照明灯及空气调节设备（或空气调节设备的输出端与该区域对应的连通管道中设置的截流阀）。
上述实施例中所公开的基于图像动态识别的场馆节能控制方法中，方法包括：对红外发热图像进行切割并对各区域的发热区域图像进行图像解析得到对应的图像解析信息，根据场馆区域信息对采集得到的数据进行整理生成基础数据库，根据预测模型分别对各区域的数据信息进行分析得到数据预测结果，根据调控等级匹配规则获取各区域对应的调整策略并生成对应的区域设备调整指令发送至照明灯及空气调节设备。上述方法，能够基于发热区域图像进行图像解析，以得到能够体现人员活动情况的图像解析信息，对图像解析信息及温度数据、湿度数据及光照数据进行组合分析，从而实现对场馆内各区域的环境进行调整，能够大幅提高对场馆进行节能控制的效率及准确性。
本发明实施例还提供一种基于图像动态识别的场馆节能控制装置，该基于图像动态识别的场馆节能控制装置可配置于智能控制终端中，该基于图像动态识别的场馆节能控制装置用于执行前述的基于图像动态识别的场馆节能控制方法的任一实施例。具体地，请参阅图3，图3为本发明实施例提供的基于图像动态识别的场馆节能控制装置的示意性框图。
如图3所示，基于图像动态识别的场馆节能控制装置100包括图像分割单元110、图像解析单元120、基础数据库获取单元130、数据预测结果获取单元140、调整策略获取单元150及指令发送单元160。
图像分割单元110，用于获取所述红外图像传感器采集得到的红外发热图像并根据预置的场馆区域信息对所述红外发热图像进行切割，得到对应的多个发热区域图像。
图像解析单元120，用于根据预置的图像解析规则对各所述发热区域图像进行图像解析，得到对应与各所述发热区域图像对应的图像解析信息。
基础数据库获取单元130，用于根据所述场馆区域信息对所述温度传感器采集得到的温度数据、所述湿度传感器采集得到的湿度数据、所述光照传感器采集得到的光照数据及所述图像解析信息进行整理，以生成对应的基础数据库。
数据预测结果获取单元140，用于根据预置的预测模型分别对所述基础数据库中单一区域的数据信息进行分析，得到区域对应的数据预测结果。
调整策略获取单元150，用于根据预存的调控等级匹配规则获取与各区域的当前工作等级及数据预测结果相匹配的调整策略。
指令发送单元160，用于根据各区域的调整策略生成对应的区域设备调整指令至对应的所述照明灯及所述空气调节设备以分别对应各区域的环境进行调整。
在本发明实施例所提供的基于图像动态识别的场馆节能控制装置应用上述基于图像动态识别的场馆节能控制方法，对红外发热图像进行切割并对各区域的发热区域图像进行图像解析得到对应的图像解析信息，根据场馆区域信息对采集得到的数据进行整理生成基础数据库，根据预测模型分别对各区域的数据信息进行分析得到数据预测结果，根据调控等级匹配规则获取各区域对应的调整策略并生成对应的区域设备调整指令发送至照明灯及空气调节设备。上述方法，能够基于发热区域图像进行图像解析，以得到能够体现人员活动情况的图像解析信息，对图像解析信息及温度数据、湿度数据及光照数据进行组合分析，从而实现对场馆内各区域的环境进行调整，能够大幅提高对场馆进行节能控制的效率及准确性。
上述基于图像动态识别的场馆节能控制装置可以实现为计算机程序的形式，该计算机程序可以在如图4所示的计算机设备上运行。
请参阅图4，图4是本发明实施例提供的计算机设备的示意性框图。该计算机设备可以是用于执行基于图像动态识别的场馆节能控制方法以对场馆中各区域的光照及空间环境进行控制的智能控制终端。
参阅图4，该计算机设备500包括通过通信总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括存储介质503和内存储器504。
该存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时，可使得处理器502执行基于图像动态识别的场馆节能控制方法，其中，存储介质503可以为易失性的存储介质或非易失性的存储介质。
该处理器502用于提供计算和控制能力，支撑整个计算机设备500的运行。
该内存储器504为存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行基于图像动态识别的场馆节能控制方法。
该网络接口505用于进行网络通信，如提供数据信息的传输等。本领域技术人员可以理解，图4中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
其中，所述处理器502用于运行存储在存储器中的计算机程序5032，以实现上述的基于图像动态识别的场馆节能控制方法中对应的功能。
本领域技术人员可以理解，图4中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定，在其他实施例中，计算机设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。例如，在一些实施例中，计算机设备可以仅包括存储器及处理器，在这样的实施例中，存储器及处理器的结构及功能与图4所示实施例一致，在此不再赘述。
应当理解，在本发明实施例中，处理器502可以是中央处理单元 (CentralProcessing Unit，CPU)，该处理器502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 IntegratedCircuit，ASIC)、现成可编程门阵列 (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。其中，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。
在本发明的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为易失性或非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序，其中计算机程序被处理器执行时实现上述的基于图像动态识别的场馆节能控制方法中所包含的步骤。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的设备、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为逻辑功能划分，实际实现时可以有另外的划分方式，也可以将具有相同功能的单元集合成一个单元，例如多个单元或组件可以结合或者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、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者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者全部单元来实现本发明实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是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，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以通过软件产品的形式体现出来，该计算机软件产品存储在一个计算机可读存储介质中，包括若干指令用以使得一台计算机设备 ( 可以是个人计算机，服务器，或者网络设备等 ) 执行本发明各个实施例所述方法的全部或部分步骤。而前述的计算机可读存储介质包括：U 盘、移动硬盘、只读存储器 (ROM，Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，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发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于图像动态识别的场馆节能控制方法，其特征在于，所述方法应用于智能控制终端中，所述智能控制终端与场馆内设置的温度传感器、湿度传感器、光照传感器及红外图像传感器进行通信连接，所述智能控制终端还与场馆内配置的照明灯及空气调节设备进行通信连接，所述场馆内划分为多个区域，每一区域内均对应配置有至少一个温度传感器、至少一个湿度传感器、至少一个照明灯及至少一台空气调节设备，所述方法包括：
获取所述红外图像传感器采集得到的红外发热图像并根据预置的场馆区域信息对所述红外发热图像进行切割，得到对应的多个发热区域图像；
根据预置的图像解析规则对各所述发热区域图像进行图像解析，得到对应与各所述发热区域图像对应的图像解析信息；
根据所述场馆区域信息对所述温度传感器采集得到的温度数据、所述湿度传感器采集得到的湿度数据、所述光照传感器采集得到的光照数据及所述图像解析信息进行整理，以生成对应的基础数据库；
根据预置的预测模型分别对所述基础数据库中单一区域的数据信息进行分析，得到区域对应的数据预测结果；
根据预存的调控等级匹配规则获取与各区域的当前工作等级及数据预测结果相匹配的调整策略；
根据各区域的调整策略生成对应的区域设备调整指令至对应的所述照明灯及所述空气调节设备以分别对应各区域的环境进行调整。
2.根据权利要求1所述的基于图像动态识别的场馆节能控制方法，其特征在于，所述根据预置的图像解析规则对各所述发热区域图像进行图像解析，得到对应与各所述发热区域图像对应的图像解析信息，包括：
根据所述图像解析规则中的像素转换区间对各所述发热区域图像中所包含像素点的像素值进行转换，得到与各像素点对应的像素转换值；
根据所述图像解析规则中的数值统计项对同一所述发热区域图像中各像素点的像素转换值进行统计分析，得到与各所述数值统计项分别对应的统计值作为所述图像解析信息。
3.根据权利要求2所述的基于图像动态识别的场馆节能控制方法，其特征在于，所述根据所述图像解析规则中的数值统计项对同一所述发热区域图像中各像素点的像素转换值进行统计分析，得到与各所述数值统计项分别对应的统计值之后，还包括：
获取与所述发热区域图像相邻的发热区域图像对应的统计值作为关联统计值；
根据所述图像解析规则中的关联计算公式对各所述发热区域图像的统计值及对应的关联统计值进行关联计算，得到同一所述发热区域图像与各所述数值统计项分别对应的关联计算值作为所述图像解析信息。
4.根据权利要求1所述的基于图像动态识别的场馆节能控制方法，其特征在于，所述根据所述场馆区域信息对所述温度传感器采集得到的温度数据、所述湿度传感器采集得到的湿度数据、所述光照传感器采集得到的光照数据及所述图像解析信息进行整理，以生成对应的基础数据库，包括：
根据所述场馆区域信息中的区域标识对所述温度数据、所述湿度数据、所述光照数据、所述图像解析信息进行分组整理，以获取各区域分别对应的多项检测数据；
判断各区域的同一项检测数据是否包含多个检测数值；
若区域的同一项检测数据包含多个检测数值，对同一项检测数据包含的多个检测数值进行整合得到整合检测数值；
根据所述场馆区域信息中各区域与各项检测数据分别对应的检测数值生成对应的基础数据库。
5.根据权利要求2-4任一项所述的基于图像动态识别的场馆节能控制方法，其特征在于，所述根据预置的预测模型分别对所述基础数据库中单一区域的数据信息进行分析，得到区域对应的数据预测结果，包括：
将单一区域的检测数据信息进行数值转换以生成对应的预测特征；
将所述预测特征输入所述预测模型进行预测分析，以获取与所述预测特征对应的数据预测结果。
6.根据权利要求5所述的基于图像动态识别的场馆节能控制方法，其特征在于，所述根据预存的调控等级匹配规则获取与各区域的当前工作等级及数据预测结果相匹配的调整策略，包括：
根据所述调控等级匹配规则获取与各区域的所述数据预测结果对应的调整预测等级；
根据各区域的当前工作等级及对应的调整预测等级确定与各区域对应的调整策略。
7.根据权利要求6所述的基于图像动态识别的场馆节能控制方法，其特征在于，所述根据各区域的调整策略生成对应的区域设备调整指令至对应的所述照明灯及所述空气调节设备以分别对应各区域的环境进行调整，包括：
根据区域的所述调整策略中的空气调节等级生成对应的空气调整指令；
根据区域的所述调整策略中的光照调节等级生成对应的光照调整指令；
将同一区域的所述空气调整指令及所述光照调整指令组合为对应的区域设备调整指令并发送至该区域对应的照明灯及空气调节设备。
8.一种基于图像动态识别的场馆节能控制装置，其特征在于，所述装置配置于智能控制终端中，所述智能控制终端与场馆内设置的温度传感器、湿度传感器、光照传感器及红外图像传感器进行通信连接，所述智能控制终端还与场馆内配置的照明灯及空气调节设备进行通信连接，所述场馆内划分为多个区域，每一区域内均对应配置有至少一个温度传感器、至少一个湿度传感器、至少一个照明灯及至少一台空气调节设备，所述装置用于执行如权利要求1-7任一项所述的基于图像动态识别的场馆节能控制方法，所述装置包括：
图像分割单元，用于获取所述红外图像传感器采集得到的红外发热图像并根据预置的场馆区域信息对所述红外发热图像进行切割，得到对应的多个发热区域图像；
图像解析单元，用于根据预置的图像解析规则对各所述发热区域图像进行图像解析，得到对应与各所述发热区域图像对应的图像解析信息；
基础数据库获取单元，用于根据所述场馆区域信息对所述温度传感器采集得到的温度数据、所述湿度传感器采集得到的湿度数据、所述光照传感器采集得到的光照数据及所述图像解析信息进行整理，以生成对应的基础数据库；
数据预测结果获取单元，用于根据预置的预测模型分别对所述基础数据库中单一区域的数据信息进行分析，得到区域对应的数据预测结果；
调整策略获取单元，用于根据预存的调控等级匹配规则获取与各区域的当前工作等级及数据预测结果相匹配的调整策略；
指令发送单元，用于根据各区域的调整策略生成对应的区域设备调整指令至对应的所述照明灯及所述空气调节设备以分别对应各区域的环境进行调整。
9.一种计算机设备，其特征在于，所述设备包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口、存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-7中任一项所述的基于图像动态识别的场馆节能控制方法的步骤。
10.一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，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的基于图像动态识别的场馆节能控制方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410102464.7A CN117631730B (zh) | 2024-01-25 | 2024-01-25 | 基于图像动态识别的场馆节能控制方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410102464.7A CN117631730B (zh) | 2024-01-25 | 2024-01-25 | 基于图像动态识别的场馆节能控制方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117631730A true CN117631730A (zh) | 2024-03-01 |
| CN117631730B CN117631730B (zh) | 2024-04-19 |
Family
ID=90025478
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410102464.7A Active CN117631730B (zh) | 2024-01-25 | 2024-01-25 | 基于图像动态识别的场馆节能控制方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117631730B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101021729A (zh) * | 2007-03-06 | 2007-08-22 | 江苏大学 | 温室变结构自组织无线传感器网络以及构建方法 |
| CN109459990A (zh) * | 2018-11-28 | 2019-03-12 | 上海风语筑展示股份有限公司 | 一种展览馆的人工智能控制系统及其方法 |
| CN109640032A (zh) * | 2018-04-13 | 2019-04-16 | 河北德冠隆电子科技有限公司 | 基于人工智能多要素全景监控检测五维预警系统 |
| CN110070693A (zh) * | 2019-03-30 | 2019-07-30 | 深圳市金华鉴安全生产技术信息咨询有限公司 | 基于智慧城市的消防安全监控系统 |
| CN112764444A (zh) * | 2020-12-17 | 2021-05-07 | 温州职业技术学院 | 一种恒温智能阀控制系统及其控制方法 |
| CN113945001A (zh) * | 2021-11-04 | 2022-01-18 | 中通服咨询设计研究院有限公司 | 一种大型场馆变风量空调系统节能控制方法 |
| CN115576378A (zh) * | 2022-11-18 | 2023-01-06 | 南京运享通信息科技有限公司 | 一种智慧体育场馆的供电能耗优化分析方法及系统 |
-
2024
- 2024-01-25 CN CN202410102464.7A patent/CN117631730B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101021729A (zh) * | 2007-03-06 | 2007-08-22 | 江苏大学 | 温室变结构自组织无线传感器网络以及构建方法 |
| CN109640032A (zh) * | 2018-04-13 | 2019-04-16 | 河北德冠隆电子科技有限公司 | 基于人工智能多要素全景监控检测五维预警系统 |
| CN109459990A (zh) * | 2018-11-28 | 2019-03-12 | 上海风语筑展示股份有限公司 | 一种展览馆的人工智能控制系统及其方法 |
| CN110070693A (zh) * | 2019-03-30 | 2019-07-30 | 深圳市金华鉴安全生产技术信息咨询有限公司 | 基于智慧城市的消防安全监控系统 |
| CN112764444A (zh) * | 2020-12-17 | 2021-05-07 | 温州职业技术学院 | 一种恒温智能阀控制系统及其控制方法 |
| CN113945001A (zh) * | 2021-11-04 | 2022-01-18 | 中通服咨询设计研究院有限公司 | 一种大型场馆变风量空调系统节能控制方法 |
| CN115576378A (zh) * | 2022-11-18 | 2023-01-06 | 南京运享通信息科技有限公司 | 一种智慧体育场馆的供电能耗优化分析方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117631730B (zh) | 2024-04-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kruisselbrink et al. | Photometric measurements of lighting quality: An overview | |
| US10568178B2 (en) | Color temperature adjustment method and device, light source, display apparatus | |
| CN104320881B (zh) | 一种led无影灯照明系统中的智能调光控制器 | |
| CN111798467B (zh) | 一种图像分割方法、装置、设备及存储介质 | |
| Gharge et al. | Image processing for soybean disease classification and severity estimation | |
| CN117270611B (zh) | 智慧运动场馆的环境智能控制系统及方法 | |
| CN108021881B (zh) | 一种肤色分割方法、装置和存储介质 | |
| CN103854261B (zh) | 色偏图像的校正方法 | |
| Vazquez-Corral et al. | Color constancy by category correlation | |
| CN105678476A (zh) | 一种基于视频的自习教室智能引导系统以及引导方法 | |
| CN109120919A (zh) | 一种针对图像质量主观评测的自动分析系统与方法 | |
| CN115696690B (zh) | 一种分布式智慧建筑照明自适应节能控制方法 | |
| CN107622236A (zh) | 基于蜂群与梯度提升决策树算法农作物病害诊断预警方法 | |
| CN115272675A (zh) | 一种基于多传感器信息融合的能源管理系统以及方法 | |
| CN117631730B (zh) | 基于图像动态识别的场馆节能控制方法、装置及设备 | |
| CN115908321A (zh) | 创新型智能宠物综合维护管理系统及其方法 | |
| Andrade-Ambriz et al. | Accurate classification of frost thickness using visual information in a domestic refrigerator | |
| CN103049754B (zh) | 社交网络的图片推荐方法和装置 | |
| US10991130B2 (en) | Systems and methods for implementing a sensor based real time tracking system | |
| Hu et al. | Multiobjective Image Color Quantization Algorithm Based on Self‐Adaptive Hybrid Differential Evolution | |
| CN116347708A (zh) | 智能照明控制方法、装置、设备及存储介质 | |
| CN114298973A (zh) | 一种基于红外图像分割的智能供热监测方法 | |
| CN113205600A (zh) | 基于深度学习与孟塞尔色彩的区域建筑空间特征分析方法 | |
| CN109544027B (zh) | 适用于不同应用场景下的综合监控系统智能业务联动方法 | |
| CN113222828A (zh) | 一种基于零参考的工业物联网监控平台图像增强方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |