[发明专利]一种基于室内场景分析的空调控制方法

摘要

本发明在空调上设置图像采集装置以采集室内图像，通过人工智能网络对采集的室内图像进行人体姿态、人体运动轨迹以及人体与家具的位置关系的综合分析，以识别室内的睡觉场景、吃饭场景、聚会场景、运动场景和休闲场景，根据识别出的不同场景自动控制空调的温度和吹风模式。

主权项

1.一种基于室内场景分析的空调控制方法，其特征在于：具体方法如下：步骤1、神经网络模型训练步骤1.1、用于人体识别的神经网络模型训练通过采集各种人体在室内的图片和视频，然后采用外接矩形框人工标定出人体区域，将标定好的数据送入深度卷积神经网络中进行学习，得到用于人体识别的神经网络模型；步骤1.2、用于家具识别的神经网络模型训练通过采集各种家具的图片和视频，然后人工标定出家具的类别，将标定好的数据送入深度卷积神经网络进行学习，得到用于家具识别的神经网络模型；步骤1.3、用于运动场景识别的神经网络模型训练通过采集各种包含室内体育运动的视频以及人体室内常见动作的视频，然后按照室内场景是否为运动场景进行标定分类，将标定好的数据送入深度递归神经网络进行学习，得到用于运动场景识别的神经网络模型；步骤2、室内场景检测通过空调摄像头采集室内环境图像，然后开辟多个检测识别线程对室内场景进行检测，其中，第一线程用于人体检测与跟踪：使用步骤1.1学习得到的用于人体识别的神经网络模型对图像中的人体进行检测，检测到人体区域时，对人体区域进行编号和计数，然后使用跟踪算法对不同编号的人体区域进行跟踪，该线程能够获得人体个数、人体位置、人体姿态以及人体运动轨迹；所述人体姿态是根据人体外接矩形框的长宽比来确定的，若人体外接矩形框的长宽比大于2:1，则人体姿态为卧姿；若人体外接矩形框的长宽比小于1:2，则人体姿态为站姿；其他情况下人体姿态为坐姿；第二线程用于家具识别：使用步骤1.2中学习得到的用于家具识别的神经网络模型对图像中的家具进行检测与识别分类，该线程能够获得室内家具的位置及其所属类别，家具类别为躺卧家具和餐饮家具；第三线程用于运动场景识别：使用步骤1.3中学习得到的用于运动场景识别的神经网络模型对采集到的视频进行检测分类，该线程能够获得室内场景是否为运动场景；第四线程用于室内声音的采集：通过在室内设置拾音器来采集室内声音；步骤3、室内场景判断按照优先级高低对室内场景依次进行睡觉场景判断、吃饭场景判断、运动场景判断和聚会场景判断，当室内场景不属于前述场景时，室内场景属于休闲场景；睡觉场景判断睡觉场景需同时满足以下条件：(1)人数少于5人；(2)至少一人处于卧姿；(3)卧姿状态的人体没有运动；(4)卧姿状态的人体与躺卧家具相近；(5)室内声音小于40分贝；当室内场景属于睡觉场景时，空调设置为睡觉场景下的空调温度和吹风模式，当室内场景不属于睡觉场景时，进行吃饭场景判断；吃饭场景判断吃饭场景需同时满足以下条件：(1)至少一人处于坐姿；(2)坐姿状态的人没有运动；(3)坐姿状态的人体与餐饮家具位置相近；当室内场景属于吃饭场景时，空调设置为吃饭场景下的空调温度和吹风模式，当室内场景不属于吃饭场景时，进行运动场景判断；运动场景判断运动场景需同时满足以下条件：(1)人数小于5人；(2)至少一个人体处于运动状态；(3)处于运动状态的人运动量大；(4)处于运动状态的人是有规律运动；(5)第三线程得到的结果为室内场景是运动场景；当室内场景属于运动场景时，空调设置为运动场景下的空调温度和吹风模式，当室内场景不属于运动时，进行聚会场景判断；聚会场景判断聚会场景需同时满足以下条件：(1)人数大于3人；(2)所有人都处于站姿或者坐姿；(3)存在人体运动情况；(4)人体运动为无规律运动；(5)室内声音大于60分贝；当室内场景属于聚会场景时，空调设置为聚会场景下的空调温度和吹风模式，当室内场景不属于聚会场景时，室内场景属于休闲场景，空调设置为休闲场景下的空调温度和吹风模式；人体运动与否的判断为：如果发生以下三种情况中的任一种，则认为人体运动：(1)人体矩形框的重心点位置偏移超过矩形框宽或者高的1/2，判断为相对于摄像机左右运动；(2)人体矩形框面积变化超过原来的2倍或者1/2，判断为相对于摄像机前后运动；(3)人体矩形框的长宽比变化幅度超过为原来的30％，判断为原地运动；否则认为人体没有运动；人体运动量的判断为：当人体处于运动状态下，运动间隔小于10秒，则认为运动量较大；否则认为运动量较小；人体运动规律判断为：(1)人体相对于摄像机左右运动时，单位时间内人体矩形框的重心点的轨迹变化呈现一定重复性的规律；(2)人体相对于摄像机前后运动时，单位时间内人体矩形框的大小变化呈现一定的重复性规律；(3)人体原地运动时，单位时间内矩形框的长宽比变化呈现一定的重复性规律；人体运动轨迹为上述三种情况之一的，则为有规律运动，否则为无规律运动。