CN105526671B - 一种用户识别方法及空调设备 - Google Patents
一种用户识别方法及空调设备 Download PDFInfo
- Publication number
- CN105526671B CN105526671B CN201510924968.8A CN201510924968A CN105526671B CN 105526671 B CN105526671 B CN 105526671B CN 201510924968 A CN201510924968 A CN 201510924968A CN 105526671 B CN105526671 B CN 105526671B
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- temperature value
- air
- conditioning equipment
- 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.)
- Active
Links
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2120/00—Control inputs relating to users or occupants
- F24F2120/10—Occupancy
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Radiation Pyrometers (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明实施例提供一种用户识别方法及空调设备,用于解决空调设备在对红外摄像头所采集的图像进行识别处理时工作效率较低的技术问题。该方法包括:通过空调设备上的红外传感器阵列对所述空调设备所处的第一环境进行扫描,获得与所述第一环境对应的第一图像;对所述第一图像进行傅里叶变换,获得与所述第一图像对应的第二图像;根据所述第一图像和所述第二图像确定所述第一环境中的用户的相关信息。
Description
技术领域
本发明涉及电子技术领域,特别涉及一种用户识别方法及空调设备。
背景技术
随着科学技术的快速发展,消费电子行业正在经历巨大的创新,其中,智能家居为人们的日常生活提供了诸多便利,也越来越受到人们的追捧。
目前,在用户使用空调设备对空气进行调节过程中,为了获得较好的调节效果,通常需要空调设备获取环境中用户的信息,如用户在环境中所处的位置、用户的数量等等。而在实际应用中,空调设备主要采用红外摄像头对环境进行图像采集,进而通过对图像进行人体识别来确定用户的信息,从而根据获取的信息调整空调设备,如切换工作模式等等,使得空调设备较为智能。
但在对红外摄像头所采集的图像进行识别处理时,算法较为复杂,处理时间较长,使得空调设备的工作效率较低。
发明内容
本申请提供一种用户识别方法及空调设备,用于解决空调设备在对红外摄像头所采集的图像进行识别处理时工作效率较低的技术问题。
第一方面,提供一种用户识别方法,包括以下步骤:
通过空调设备上的红外传感器阵列对所述空调设备所处的第一环境进行扫描,获得与所述第一环境对应的第一图像;
对所述第一图像进行傅里叶变换,获得与所述第一图像对应的第二图像;
根据所述第一图像和所述第二图像确定所述第一环境中的用户的相关信息。
第二方面,提供一种空调设备,包括:
获取模块,用于通过空调设备上的红外传感器阵列对所述空调设备所处的第一环境进行扫描,获得与所述第一环境对应的第一图像;
处理模块,用于对所述第一图像进行傅里叶变换,获得与所述第一图像对应的第二图像;
识别模块,用于根据所述第一图像和所述第二图像确定所述第一环境中的用户的相关信息。
本申请中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:
本申请中,在通过红外传感器对第一环境进行扫描获得相应的第一图像后,采用对数据处理能力较强的一维的傅里叶变换对第一图像进行处理,缩短了对图像的处理时间,有效提高空调设备的处理效率,从而通过第一图像及第二图像即可确定第一环境中的用户的相关信息,如根据第一图像及第二图像中像素点在处理前后的变化来确定用户的相对信息,故实现过程较为简单。
此外,由于本申请中采用价格较低的红外传感器阵列进行图像及数据的采集,降低了空调设备的成本。
附图说明
图1为本发明实施例中空调设备中的红外传感器阵列的示意图;
图2为本发明实施例中识别方法的流程图;
图3为本发明实施例中采集数据的排列示意图;
图4为本发明实施例中确定的与用户相关的像素点的示意图;
图5为本发明实施例中空调设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
本发明实施例提供的技术方案可以用于但不仅限于空调设备,该空调设备可以是指智能家居中的智能空调,在实际应用中,空调设备可以设置在第一环境中,如第一环境中的任意位置。例如,第一环境可以是客厅、卧室、办公室等,本发明实施例对此不作具体限定。
可选的,空调设备中可以设置有用于进行数据采集的红外传感器阵列,该红外传感器阵列与空调设备中的电机(如步进电机)相连,从而在电机驱动程序控制电机运转时,电机可带动红外传感器阵列进行转动,以便通过红外传感器阵列对第一环境中的不同区域进行扫描。
通常来说,红外传感器阵列可以是16*4、24*32或1*32等的红外传感器阵列,本发明所属领域的普通技术人员可以根据实际进行设置,本发明实施例不作具体限制。本发明实施例中,以红外传感器阵列为16*4的阵列为例进行说明。
如图1所示,为本发明实施例中空调设备中的一种可能的红外传感器阵列,其可以是由低分辨率非制冷型的红外传感器组成。
当然,空调设备中还可以包括其它工作部件,如处理器、存储器、通信模块等,本发明实施例不作具体限制。
下面结合附图介绍本发明提供的方法。
如图2所示,本发明实施例公开了一种用户识别方法,该方法的过程描述如下。
S11:通过空调设备上的红外传感器阵列对空调设备所处的第一环境进行扫描,获得与第一环境对应的第一图像;
S12:对第一图像进行傅里叶变换,获得与第一图像对应的第二图像;
S13:根据第一图像和第二图像确定第一环境中的用户的相关信息。
一般来说,一个红外传感器的扫描范围较为有限,其在横向上的扫描角度约为4°,在纵向上的扫描角度约为3.75°,而16*4的红外传感器阵列的每行包括4个红外传感器,故16*4的红外传感器阵列的扫描角度即为16°。那么,在使用16*4的红外传感器阵列对第一环境中第一区域进行扫描时,若第一区域的两条边缘线相对于空调设备的夹角为112°(该角度通常为用户相对于空调设备的活动区域的角度),则红外传感器阵列至少需要扫描7个周期才能完成对第一区域的数据采集。
可选的,在电机的带动下,空调设备中的红外传感器阵列可以对第一环境进行周期性扫描,例如,在每个周期内,红外传感器阵列在电机的带动下可以按扫描角度1°、1°、1°、13°等逐个进行转动和扫描,并获得每个扫描角度对应的温度值。即在一个周期内,红外传感器阵列由初始位置沿第一方向(顺时针方向或逆时针方向)依次转动1°、1°、1°及13°,其中,在每次转动后红外传感器阵列都将进行数据采集(本发明实施例中,以采集的数据是温度值为例),获得每个扫描角度对应的温度值,在一个周期内可以获得4组温度值。在完成一个周期的扫描后,进入下一个周期,直到完成对第一环境(或第一环境中的第一区域)的扫描。
可选的,在获得一个周期对应的4组温度值后,可按照预设方式对温度值进行排列,如图3所示,其为一个周期对应的4组温度值的排列示意图,其中,横向标识的数字1、2、3、4分别代表位于红外传感器阵列中的4列红外传感器,图中,列标为1的前4列的温度值为红外传感器阵列中第1列红外传感器在4次扫描中的每次扫描对应的温度值列,且该4列温度值的排列顺序为扫描时间的先后顺序。
可选的,第一图像中包括的n个像素点即为与红外传感器阵列对应的像素点。若红外传感器阵列为16*4的红外传感器阵列,即红外传感器阵列包含64个红外传感器,且这些红外传感器按照16行4列的方式进行排列,那么红外传感器阵列扫描1次得到的扫描图像中将包括与红外传感器阵列对应的64个像素点,64个像素点的排列方式与红外传感器阵列的排列方式可以相同。本发明实施例中,红外传感器阵列通过扫描获得的温度值即为相应的像素点对应的初始温度值。
可选的,为了提高红外传感器阵列采集数据的精准度,则在对第一区域进行扫描之前,还可以通过测试确定红外传感器阵列包括的m个红外传感器中每个红外传感器对应的偏差值。
在确定与每个红外传感器阵列对应的偏差值时,首先需要进行数据采样,该过程可以使用不透明遮盖物将红外传感器阵列进行遮盖,进而通过被遮盖物遮盖的红外传感器阵列在某环境中,如恒温环境中进行数据采样,获得多组采样温度值,进而,求得每组采样温度值中每个采样温度值与参考温度值的差值;其中,每组对应的参考温度值为由该组温度值中处于中心区域的四个采样温度值的均值确定的,四个采样温度值是由红外传感器阵列的中心点的上下左右四个传感器采集的温度值,因此,每组温度值对应的参考温度值可能不相同,。
由于处于阵列中心的红外传感器相较于处于阵列边缘的红外传感器其受外界环境的影响较小,故其采集的数值较接近真实值,以提高参考温度值的精准度,从而提高后期基于参考温度值的算法的准确性。
进一步,在根据上述方法获得与多组采样温度值对应的多组差值后,可以求得m个红外传感器中每个红外传感器对应的差值的均值。例如,若红外传感器进行了4次扫描采样,则每个红外传感器对应4个采样温度值,而通过计算采样温度值与相应的参考温度值的差,则每个传感器对应有4个差值,该4个差值的均值即为该红外传感器对应的偏差值,依次类推,可以确定红外传感器阵列包括的m个红外传感器中的每个红外传感器对应的偏差值。
因此,在S11中,获得与第一环境对应的第一图像具体可以是:
按照m个偏差值对所述第一图像中的n个像素点中每个像素点对应的温度值进行校正,根据校正后的n个温度值确定为第一图像包括的n像素点中每个像素点对应的初始温度值。
即通过将每次扫描获得的温度值组中的每个温度值按照相应的偏差值(即采集该温度值的红外传感器所对应的偏差值)进行校正,该过程可描述为:根据温度值与红外传感器阵列的对应关系,及红外传感器阵列与偏差值的对应关系,进而将n组温度值中每组温度值中所包括的m个温度值的每个温度值按照相应的偏差值进行校正,确定n组温度值中每组温度值对应的校正后的m个温度值,从而使得每组中的数据都能更加接近真实值,提高数据的准确性。
例如,若某温度值为27.85,而采集该温度值的红外传感器对应的偏差值为0.26,则对该温度值进行校正后的温度值即为27.85-0.26=27.59。
可选的,在对通过红外传感器采集的温度值进行校正后,则可将校正后的温度值确定为第一图像中所包含的n个像素点对应的初始温度值。
本发明实施例中,S12可以包括:确定与第一图像所包含的n个像素点对应的原函数,n个像素点中的每个像素点对应于初始温度值,将原函数进行离散的傅里叶变换,获得与第一图像对应的像函数,进而,将像函数与滤波表进行卷积,获得第二图像;其中,第二图像包括n个像素点中的每个像素点对应滤波温度值;其中,滤波表为一维滤波表。
可选的,在确定第一图像对应的原函数时,可以确定第一图像对应的n个像素点对应的排列方式,如排列为p*q(即p行q列)的像素点阵列,则每个像素点对应的初始温度值即为相应像素点对应的原函数,p、q均为正整数。
由于原函数为离散的独立的像素点对应的初始温度值,因此对第一图像对应的原函数进行一维离散傅里叶变换,其对应公式可以表示为:
(式1)
其中,w为角频率,q为n个像素点所形成的p*q的像素点阵列中每行像素点的总数量,x为像素点阵列中像素点的位置,F(u)为进行离散傅里叶变换后的函数。
进一步,选定一个滤波表对数据进行滤波处理。本发明实施例中,该滤波表可以为一维滤波表。例如,所确定的滤波表可以是F=[0,0,0.2,0.5,1,…,1],其中,省略部分的数值均为1,滤波表中包括的元素的数量与第一图像中横向上的像素点的数量相同,例如,当n个像素点排列呈p*q的像素点阵列时,则滤波表包含的元素的数量即为q个。当然,在实际应用中,上述滤波表中可以包含有相位偏移信息,此时,则滤波表中的每个数均为复数。
进一步,对离散傅里叶变换后的函数进行滤波处理,其表达式为:
F’(u)=F(u)*F (式2)
其中,u为像素点的总数量,即u=n。
进而对滤波后的函数进行傅里叶逆变换,从而获得与第二图像对应的函数,该过程对应的表达式为:
(式3)
其中,f'(x)为傅里叶逆变换后的函数,F'(u)为式2中的滤波后的函数。
本发明实施例中,因第一图像中的像素点在纵向上相对较少,对其处理所产生的效果不够明显,故本发明中可以按照横向方式对数据进行一维的傅里叶变换,即每次只变换图像的一行数据,把每一行变换完毕后,就得到了整幅图像的傅里叶变换后的像函数,以提高空调设备的处理效率,同理,在进行傅里叶逆变换时也是逐行变换,变换后就得到包含n个像素点中每个像素点对应于滤波温度值的第二图像。
可选的,S13的过程可以包括:根据第一图像与第二图像中像素点的对应关系,分别获得n个初始温度值中的每个初始温度值与n个滤波温度值中对应的滤波温度值的差值,进而,根据得到的n个差值中大于等于预设阈值的r个差值确定第一环境中的用户的相关信息。
其中,预设阈值可以是空调设备中出厂即行设置好的,本发明实施例中,预设阈值可以取1(即1°)、1.5等。
由于用户的人体温度通常要高于环境温度,故第一图像中n个像素点对应的初始温度值中包括与人体对应的温度值及与环境对应的温度值,而通过傅里叶变换处理得到的第二图像中的n个像素点对应的滤波温度值较为近似,故根据每个像素点在傅里叶变换处理前后的温度值,即可确定每个像素点对应的差值。例如,对于某像素点来说,其在第一图像中(即傅里叶变换处理前)对应的初始温度值为28.26,在第二图像中(即傅里叶变换处理后)对应的滤波温度值为28.37,那么,其对应的差值即为28.26-28.37=-0.11。
在获得n个像素点对应的n个差值后,可以确定出大于预设阈值的r个差值,该r个差值对应的r个像素点即为与用户对应的像素点,如与用户面部或者其它温度较高的部位所对应的像素点。
可选的,在获得r个差值后,还可将确定r个温度差对应的r个像素点在第一图像或第二图像中的位置,根据r个像素点位置确定处于第一环境中的用户的数量及用户之间的距离,和/或,根据温度与距离之间的对应关系及r个像素点对应的r个初始温度值,确定用户与空调设备之间的距离。
如图4所示,其为第一图像对应的像素点,图中的“@”代表中差值小于预设阈值的像素点,“-”代表差值大于预设阈值的像素点。则“-”所在区域即为用户在第一环境中所处的区域,由图4可知第一环境中包括3个用户,则根据像素点还可以确定3个用户之间的相对距离,当然,也有确定出来的用户的数量为1个、2个或其它数量的情况,此处不在一一列举。
进一步,根据温度与距离之间的对应关系,及r个像素点对应的初始温度值即可计算出用户与空调设备之间的距离,具体计算方式与现有方式相同,此处不在赘述。
本发明实施例中,通过对空调设备的红外传感器阵列的采集数据的校正,然后用傅里叶变换对校正后温度值(即初始温度值)对应的第一图像进行分析和滤波处理,获得第二图像,从而根据傅里叶变换前后的像素点对应的温度值确定用户的温度、数量及位置等相关信息,甚至还可将确定的信息上传给空调设备,以使空调设备作出风随人动等相应的反应,使得空调设备更为智能化。
如图5所示,本发明实施例还公开一种空调设备,包括获取模块301、处理模块302和识别模块303。
获取模块301用于通过空调设备上的红外传感器阵列对所述空调设备所处的第一环境进行扫描,获得与所述第一环境对应的第一图像;
处理模块302用于对所述第一图像进行傅里叶变换,获得与所述第一图像对应的第二图像;
识别模块303用于根据所述第一图像和所述第二图像确定所述第一环境中的用户的相关信息。
可选的,所述处理模块302用于:
确定与所述第一图像所包含的n个像素点对应的原函数,所述n个像素点中的每个像素点对应于初始温度值,n为正整数;
将所述原函数进行离散傅里叶变换,获得与所述第一图像对应的像函数;
根据所述像函数及与滤波表,获得所述第二图像;其中,所述第二图像包括n个像素点中的每个像素点对应滤波温度值,所述滤波表为一维滤波表。
可选的,所述空调设备还包括:
校正模块,用于在获得与所述第一环境对应的第一图像之前,确定所述红外传感器阵列中m个红外传感器对应的m个偏差值,按照所述m个偏差值对所述第一图像中的n个像素点中每个像素点对应的温度值进行校正,并根据校正后的n个温度值确定为所述第一图像包括的n像素点中每个像素点对应的初始温度值,m为正整数。
可选的,所述识别模块303用于:
根据所述第一图像与所述第二图像中像素点的对应关系,分别获得所述n个初始温度值中的每个初始温度值与所述n个滤波温度值中对应的滤波温度值的差值;
根据得到的n个差值中大于等于预设阈值的r个差值确定所述第一环境中的用户的相关信息。
可选的,所述识别模块303可以用于:
确定所述r个温度差对应的r个像素点在所述第一图像或所述第二图像中的位置,根据所述r个像素点位置确定处于所述第一环境中的用户的数量及用户之间的距离;和/或
根据温度与距离之间的对应关系及所述r个像素点对应的r个初始温度值,确定所述用户与所述空调设备之间的距离。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种用户识别方法,其特征在于,所述方法包括:
通过空调设备上的红外传感器阵列对所述空调设备所处的第一环境进行扫描,获得与所述第一环境对应的第一图像;
对所述第一图像进行傅里叶变换,获得与所述第一图像对应的第二图像;
根据所述第一图像和所述第二图像确定所述第一环境中的用户的相关信息,其中,所述相关信息具体为用户的数量及用户之间的距离,和/或,用户与所述空调设备之间的距离。
2.如权利要求1所述的方法,其特征在于,所述对所述第一图像进行傅里叶变换,获得与所述第一图像对应的第二图像,包括:
确定与所述第一图像所包含的n个像素点对应的原函数,所述n个像素点中的每个像素点对应于初始温度值,n为正整数;
将所述原函数进行离散傅里叶变换,获得与所述第一图像对应的像函数;
根据所述像函数及与滤波表,获得所述第二图像;其中,所述第二图像包括n个像素点中的每个像素点对应滤波温度值,所述滤波表为一维滤波表。
3.如权利要求1或2所述的方法,其特征在于,在获得与所述第一环境对应的第一图像之前,所述方法还包括:
确定所述红外传感器阵列中m个红外传感器对应的m个偏差值,m为正整数;
获得与所述第一环境对应的第一图像,包括:
按照所述m个偏差值对所述第一图像中的n个像素点中每个像素点对应的温度值进行校正;
根据校正后的n个温度值确定为所述第一图像包括的n像素点中每个像素点对应的初始温度值。
4.如权利要求3所述的方法,其特征在于,根据所述第一图像和所述第二图像确定所述第一环境中的用户的相关信息,包括:
根据所述第一图像与所述第二图像中像素点的对应关系,分别获得所述n个初始温度值中的每个初始温度值与所述n个滤波温度值中对应的滤波温度值的差值;
根据得到的n个差值中大于等于预设阈值的r个差值确定所述第一环境中的用户的相关信息。
5.如权利要求4所述的方法,其特征在于,根据得到的n个差值中大于等于预设阈值的r个差值确定所述第一环境中的用户的相关信息,包括:
确定所述r个温度差对应的r个像素点在所述第一图像或所述第二图像中的位置,根据所述r个像素点位置确定处于所述第一环境中的用户的数量及用户之间的距离;和/或
根据温度与距离之间的对应关系及所述r个像素点对应的r个初始温度值,确定所述用户与所述空调设备之间的距离。
6.一种空调设备,其特征在于,所述空调设备包括:
获取模块,用于通过空调设备上的红外传感器阵列对所述空调设备所处的第一环境进行扫描,获得与所述第一环境对应的第一图像;
处理模块,用于对所述第一图像进行傅里叶变换,获得与所述第一图像对应的第二图像;
识别模块,用于根据所述第一图像和所述第二图像确定所述第一环境中的用户的相关信息,其中,所述相关信息具体为用户的数量及用户之间的距离,和/或,用户与所述空调设备之间的距离。
7.如权利要求6所述的空调设备,其特征在于,所述处理模块用于:
确定与所述第一图像所包含的n个像素点对应的原函数,所述n个像素点中的每个像素点对应于初始温度值,n为正整数;
将所述原函数进行离散傅里叶变换,获得与所述第一图像对应的像函数;
根据所述像函数及与滤波表,获得所述第二图像;其中,所述第二图像包括n个像素点中的每个像素点对应滤波温度值,所述滤波表为一维滤波表。
8.如权利要求6或7所述的空调设备,其特征在于,所述空调设备还包括:
校正模块,用于在获得与所述第一环境对应的第一图像之前,确定所述红外传感器阵列中m个红外传感器对应的m个偏差值,按照所述m个偏差值对所述第一图像中的n个像素点中每个像素点对应的温度值进行校正,并根据校正后的n个温度值确定为所述第一图像包括的n像素点中每个像素点对应的初始温度值,m为正整数。
9.如权利要求8所述的空调设备,其特征在于,所述识别模块用于:
根据所述第一图像与所述第二图像中像素点的对应关系,分别获得所述n个初始温度值中的每个初始温度值与所述n个滤波温度值中对应的滤波温度值的差值;
根据得到的n个差值中大于等于预设阈值的r个差值确定所述第一环境中的用户的相关信息。
10.如权利要求9所述的空调设备,其特征在于,所述识别模块用于:
确定所述r个温度差对应的r个像素点在所述第一图像或所述第二图像中的位置,根据所述r个像素点位置确定处于所述第一环境中的用户的数量及用户之间的距离;和/或
根据温度与距离之间的对应关系及所述r个像素点对应的r个初始温度值,确定所述用户与所述空调设备之间的距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510924968.8A CN105526671B (zh) | 2015-12-11 | 2015-12-11 | 一种用户识别方法及空调设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510924968.8A CN105526671B (zh) | 2015-12-11 | 2015-12-11 | 一种用户识别方法及空调设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105526671A CN105526671A (zh) | 2016-04-27 |
CN105526671B true CN105526671B (zh) | 2019-01-22 |
Family
ID=55769061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510924968.8A Active CN105526671B (zh) | 2015-12-11 | 2015-12-11 | 一种用户识别方法及空调设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105526671B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107062531B (zh) * | 2017-03-08 | 2019-08-30 | 广东美的制冷设备有限公司 | 基于人体活动的空调器控制方法和空调器 |
CN112032987B (zh) * | 2020-07-28 | 2022-04-08 | 四川虹美智能科技有限公司 | 基于红外人体追踪的空调控制方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778442A (zh) * | 2014-02-26 | 2014-05-07 | 哈尔滨工业大学深圳研究生院 | 一种基于视频人数统计分析的中央空调控制方法 |
CN105066323A (zh) * | 2015-07-15 | 2015-11-18 | 四川长虹电器股份有限公司 | 一种识别方法和空调 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07101120B2 (ja) * | 1988-12-09 | 1995-11-01 | 松下電器産業株式会社 | 空調装置 |
JPH10142351A (ja) * | 1996-11-08 | 1998-05-29 | Matsushita Seiko Co Ltd | 人感センサ |
CN100357670C (zh) * | 2005-07-25 | 2007-12-26 | 珠海格力电器股份有限公司 | 智能送风空调及智能送风方法 |
JP5247595B2 (ja) * | 2009-06-01 | 2013-07-24 | 三菱電機株式会社 | 空気調和機 |
CN104272732B (zh) * | 2012-05-09 | 2016-06-01 | 富士胶片株式会社 | 图像处理装置、方法及摄像装置 |
JP5879220B2 (ja) * | 2012-07-06 | 2016-03-08 | 日立アプライアンス株式会社 | 空気調和機 |
CN103077381A (zh) * | 2013-01-08 | 2013-05-01 | 郑州威科姆科技股份有限公司 | 一种基于分数阶傅里叶变换的单目动态手势识别方法 |
CN103175287A (zh) * | 2013-04-22 | 2013-06-26 | 清华大学 | 基于背景建模人物运动检测的空调节能控制方法及装置 |
CN104021532B (zh) * | 2014-06-19 | 2017-06-16 | 电子科技大学 | 一种红外图像的图像细节增强方法 |
CN104061662B (zh) * | 2014-07-17 | 2017-02-15 | 珠海格力电器股份有限公司 | 一种人体检测方法、装置和空调 |
CN104408406B (zh) * | 2014-11-03 | 2017-06-13 | 安徽中科大国祯信息科技有限责任公司 | 基于帧差法和减背景法的人员离岗检测方法 |
CN104596042B (zh) * | 2015-02-11 | 2017-05-10 | 美的集团股份有限公司 | 基于人体检测的空调控制方法、装置和*** |
CN104949281B (zh) * | 2015-06-26 | 2018-02-09 | 珠海格力电器股份有限公司 | 空调器及其控制方法、控制装置 |
-
2015
- 2015-12-11 CN CN201510924968.8A patent/CN105526671B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778442A (zh) * | 2014-02-26 | 2014-05-07 | 哈尔滨工业大学深圳研究生院 | 一种基于视频人数统计分析的中央空调控制方法 |
CN105066323A (zh) * | 2015-07-15 | 2015-11-18 | 四川长虹电器股份有限公司 | 一种识别方法和空调 |
Also Published As
Publication number | Publication date |
---|---|
CN105526671A (zh) | 2016-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3306562B1 (en) | Image processing method and device | |
CN101639933B (zh) | 图像旋转校正方法及***、电子设备 | |
CN108985199A (zh) | 商品取放操作的检测方法、装置及存储介质 | |
CN107609451A (zh) | 一种基于二维码的高精度视觉定位方法及*** | |
CN108197564B (zh) | 一种画钟试验的评估***及方法 | |
CN105526671B (zh) | 一种用户识别方法及空调设备 | |
CN112434715B (zh) | 基于人工智能的目标识别方法、装置及存储介质 | |
CN109190617A (zh) | 一种图像的矩形检测方法、装置及存储介质 | |
CN110738204B (zh) | 一种证件区域定位的方法及装置 | |
US8873839B2 (en) | Apparatus of learning recognition dictionary, and method of learning recognition dictionary | |
CN108156452A (zh) | 一种检测传感器的方法、装置、设备及存储介质 | |
CN111712706A (zh) | 用于实施分析测量的方法和设备 | |
CN108961164A (zh) | 基于几何不变量的图像配准拼接方法和装置及计算机设备 | |
CN113168677A (zh) | 图像处理方法、装置、标定板和计算机可读存储介质 | |
CN105549109B (zh) | 一种扫描方法及空调设备 | |
CN109978956A (zh) | 采集设备的标定方法、装置及标定*** | |
CN105546716B (zh) | 一种扫描方法及空调设备 | |
CN112785651B (zh) | 用于确定相对位姿参数的方法和装置 | |
CN105718849B (zh) | 应用于指纹传感器的像素点扫描方法和装置 | |
CN109901716B (zh) | 视线点预测模型建立方法、装置及视线点预测方法 | |
CN105549724B (zh) | 一种用户识别方法及空调设备 | |
CN104754316A (zh) | 一种3d成像方法、装置及成像*** | |
CN109389010B (zh) | 一种成像方法及***、图像传感器、终端设备 | |
CN109359632A (zh) | 道路边线检测方法及装置 | |
CN105444358B (zh) | 一种识别方法及空调设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |