[发明专利]控制空气调节设备输出温度的方法及空气调节设备

权利要求书

1.一种控制空气调节设备的输出温度的方法，其特征在于，包括如下步骤：

S1、采集所述空气调节设备正对区域的目标环境图像；

S2、将采集的所述目标环境图像输入到基于深度学习的目标检测算法网络中进行人体特征识别，并输出识别结果；

S3、根据所述识别结果，控制所述空气调节设备进行输出温度调节，当所述识别结果包括人体特征时，计算所述人体特征的体表温度及人体特征受热范围，根据计算结果对空气调节设备进行输出温度调节，其中，所述人体特征包括人脸、手、脚和躯干；

其中，当所述人体特征的体表温度高于预设的体表温度舒适范围区间的上限区间或低于其下限区间时，控制调节所述空气调节设备的输出功率；

当所述人体特征受热范围高于受热范围阈值区间的上限阈值或者低于下限阈值时，控制调节所述空气调节设备的正对区域的面积。

2.根据权利要求1所述的方法，其特征在于，步骤S3包括：

当所述识别结果不包括人体特征时，对所述空气调节设备执行自动断电动作。

3.根据权利要求1或2所述的方法，其特征在于，所述基于深度学习的目标检测算法网络是RCNN、Fast-RCNN及Faster-RCNN中的一种。

4.根据权利要求3所述的方法，其特征在于，在所述基于深度学习的目标检测算法为Faster-RCNN时，步骤S2包括：

S21、将采集的所述目标环境图像输入到VGG网络进行卷积计算，获得卷积特征图像；

S22、将所述卷积特征图像输入到RPN网络进行筛选，输出矩形候选区域；

S23、将所述卷积特征图像及所述矩形候选区域输入到池化层中进行分类处理，并将分类处理后的数据输入到全连接层进行人体特征识别并输出所述识别结果。

5.根据权利要求4所述的方法，其特征在于，所述Faster-RCNN网络的训练库包括：

网络库，所述网络库对Faster-RCNN网络进行权值参数的初始化设置；

自建库，所述自建库存储有已标注完成的人体特征图像，其用于识别实际的人体特征。

6.根据权利要求5所述的方法，其特征在于，Faster-RCNN网络的训练测试步骤包括：

采集所述自建库中的人体特征训练样本；

将所述训练样本分别输入VGG网络和RPN网络进行训练；

将所述训练样本输入Fast-RCNN网络进行训练；

重复训练RPN网络，并对所述Fast-RCNN网络进行微调；

采集所述自建库中的人体特征测试样本；

将所述人体特征测试样本输入Faster-RCNN网络进行训练结果的测试。

7.一种能够控制输出温度的空气调节设备，其特征在于，包括：

环境图像获取单元，其用于采集所述空气调节设备正对区域的目标环境图像；

控制单元，其用于：

接收所述环境图像获取单元发送的所述目标环境图像；

将所述目标环境图像输入到基于深度学习的目标检测算法中进行人体特征识别，并输出识别结果，其中，所述人体特征包括人脸、手、脚和躯干；

根据所述识别结果，控制所述空气调节设备进行输出温度调节，当所述识别结果包括人体特征时，计算所述人体特征的体表温度及人体特征受热范围，根据计算结果对空气调节设备进行输出温度调节；

其中，当所述人体特征的体表温度高于预设的体表温度舒适范围区间的上限区间或低于其下限区间时，控制调节所述空气调节设备的输出功率；

当所述人体特征受热范围高于受热范围阈值区间的上限阈值或者低于下限阈值时，控制调节所述空气调节设备的正对区域的面积。

8.根据权利要求7所述的空气调节设备，其特征在于，所述控制单元根据所述识别结果控制所述空气调节设备进行输出温度调节，具体包括：

当所述识别结果不包括人体特征时，执行对空气调节设备的自动断电动作。