CN110209059B - 有无人检测方法、装置、电子设备及*** - Google Patents
有无人检测方法、装置、电子设备及*** Download PDFInfo
- Publication number
- CN110209059B CN110209059B CN201910368679.2A CN201910368679A CN110209059B CN 110209059 B CN110209059 B CN 110209059B CN 201910368679 A CN201910368679 A CN 201910368679A CN 110209059 B CN110209059 B CN 110209059B
- Authority
- CN
- China
- Prior art keywords
- data
- human body
- room
- door
- time
- 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
- 238000000034 method Methods 0.000 title claims abstract description 68
- 230000006698 induction Effects 0.000 claims abstract description 109
- 238000001514 detection method Methods 0.000 claims abstract description 68
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 description 55
- 230000001960 triggered effect Effects 0.000 description 15
- 230000008569 process Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000009471 action Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000000306 component Substances 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000012966 insertion method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2642—Domotique, domestic, home control, automation, smart house
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Time Recorders, Dirve Recorders, Access Control (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本申请公开了一种有无人检测方法、装置、电子设备及***,该方法包括:当获取到检测请求时,获取门状态和人体感应数据;判断是否所述门状态为关闭状态且所述人体感应数据有效;若否,获取感应时间差,所述感应时间差为指定时刻与所述指定时刻之前的最近一次获取到有效的人体感应数据的时刻的差值;根据所述感应时间差检测房间内是否有人,以得到房间有无人检测结果。本方法利用门状态、人体感应数据和感应时间差可以实时判断房间内是否有人,即该方法不仅可以提高有无人检测的准确率,而且可以达到更强的通用性。
Description
技术领域
本申请涉及智能家居领域,更具体地,涉及一种有无人检测方法、装置、电子设备及***。
背景技术
随着科学技术的不断发展,人们对智能家居的要求也越来越高,准确、实时地判断一个房间是否有人是实现上层应用的基础,具有重要意义,即在智能楼宇或智能家居场景中,若***可实时判断房间内是否有人,即可对房间内的家居设备进行自主化的智能控制,达到节能目的。此外,在大型楼宇中,若每个房间是否有人可以识别,即可随时查询每个房间的实时占用状态;而通过每个房间的历史状态数据,即可进一步计算占用率等指标,从而更好地实现大型楼宇的数字化管理。由此可见,能否实时识别房间内是否有人起着基石作用,可有效支撑智能家居、智能楼宇的相关功能,可实现设备智能控制、绿色节能、数字化管理等效果。
发明内容
有鉴于此,本申请提出了一种有无人检测方法、装置、电子设备及***,以改善上述缺陷。
第一方面,本申请实施例提供了一种有无人检测方法,该方法包括:当获取到检测请求时,获取门状态和人体感应数据;判断是否所述门状态为关闭状态且所述人体感应数据有效;若否,获取感应时间差,所述感应时间差为指定时刻与所述指定时刻之前的最近一次获取到有效的人体感应数据的时刻的差值;根据所述感应时间差检测房间内是否有人,以得到房间有无人检测结果。
第二方面,本申请实施例提供了一种有无人检测装置,所述装置包括:第一获取模块、判断模块、第二获取模块和结果获取模块。第一获取模块用于当获取到检测请求时,获取门状态和人体感应数据。判断模块用于判断是否所述门状态为关闭状态且所述人体感应数据有效。第二获取模块用于若否,获取感应时间差,所述感应时间差为指定时刻与所述指定时刻之前的最近一次获取到有效的人体感应数据的时刻的差值。结果获取模块用于根据所述感应时间差检测房间内是否有人,以得到房间有无人检测结果。
第三方面,本发明实施例提供了一种电子设备,该电子设备包括:一个或多个处理器;存储器,用于存储一个或多个程序;一个或多个应用程序;其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于执行本申请任意实施例提供的有无人检测的方法。
第四方面,本申请实施例提供了一种计算机***,计算机可读存储介质中存储有程序代码,所述程序代码可被处理器调用执行本申请任意实施例提供的有无人检测的方法。
相对于现有技术,本申请实施例提出了一种有无人检测的方法、装置电子设备及***,当获取到检测请求时,首先获取门状态和人体感应数据,然后判断是否所述门状态为关闭状态且所述人体感应数据有效,若否,获取感应时间差,所述感应时间差为指定时刻与所述指定时刻之前的最近一次获取到有效的人体感应数据的时刻的差值,最后,根据所述感应时间差检测房间内是否有人,以得到房间内有无人检测结果。本申请实施例可以通过所述门状态、人体感应数据以及感应时间差综合判断房间内是否有人,尤其是通过引入感应时间差使得有无人检测更加准确。另外,因为本申请在进行有无人检测时只需要获取门状态、人体感应数据和感应时间差,因此其具有很强的通用性。
为使本申请的上述目的、特征和优点能够更明显易懂,下文特举较佳实施例,并配合所附附图,做详细说明如下。
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示出了本申请提出的一种网络***的结构示意图;
图2示出了本申请一个实施例提出的一种有无人检测方法流程图;
图3示出了本申请一个实施例提出的一种有无人检测方法中房间对应的设备示意图;
图4示出了本申请一个实施例提出的一种有无人检测方法中门状态和人体感应数据关系示意图;
图5示出了本申请另一个实施例提出的一种有无人检测方法流程图;
图6示出了本申请另一个实施例提出的一种有无人检测方法中步骤S241的具体流程图;
图7示出了本申请另一个实施例提出的一种有无人检测方法中步骤S2414的具体流程图;
图8示出了本申请另一个实施例提出的一种有无人检测方法中步骤S24142的具体流程图;
图9示出了本申请实施例提出的一种有无人检测装置的结构框图;
图10是本申请实施例的用于执行根据本申请实施例的有无人检测方法的电子设备的框图;
图11是本申请实施例的用于保存或者携带实现根据本申请实施例的有无人检测方法的程序代码的存储单元。
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清楚、完整地描述。基于本申请中的实施例,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他实施例,都属于本申请保护的范围。
应注意到:相似的标号或字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
为了便于详细说明本申请方案,下面先将结合附图对本申请的***进行介绍。
本申请下述实施例如无特别说明均可应用于如图1所示的***10中,该***10可以包括中央处理单元11,门感应器12、人体感应器13和智能设备14。其中,中央处理单元11是一台计算机的运算核心(Core)和控制核心(Control Unit)。它的功能主要是解释计算机指令以及处理计算机软件中的数据。中央处理单元11主要包括运算器(算术逻辑运算单元,ALU,Arithmetic Logic Unit)和高速缓冲存储器(Cache)及实现它们之间联系的数据(Data)、控制及状态的总线(Bus)。它与内部存储器(Memory)和输入/输出(I/O)设备合称为电子计算机三大核心部件。本申请实施例中的中央处理单元11可以安装在服务器上也可以直接安装于智能设备14上,其主要用于接收门感应器12和人体感应器13上传的感应数据,并对所述感应数据进行计算或存储。
门感应器12安装于门上,用于感应门状态,本申请中房间内可以安装多个门感应器12,即房间内每个门上都可以安装一个门感应器12,最后可以通过综合这多个门感应器12来判断房间内门状态。门感应器12检测的房间内门状态有两种,分别是打开状态和关闭状态。本申请实施例中人体感应器13可以安装房间内的任何地方、任何角落,且一个房间内可以同时安装多个人体感应器13。本申请实施例中人体感应器13可以用于检测房间内是否有人存在,常用的人体感应器13有红外感应器、雷达感应器、微波感应器、压力感应器、声音感应器等。智能设备14可以是实体的设备,如墙壁开关、墙壁插座、无线开关、无线墙贴开关、窗帘电机、空调伴侣、摄像头、电表、电视、洗衣机、风扇等设备。另外,智能设备14也可以是虚拟的设备,如虚拟人体感应器,在此不作限定。
目前识别房间内是否有人的方法基本可以归纳为四种,分别是插卡、人体感应器、结合门状态和人体感应器判断的方式以及摄像头。插卡在酒店房间比较常见,在住宅和办公楼不适用,而且无法分辨有卡但是房间内无人的情况;人体感应器多见于走廊、楼梯间的灯光控制、移动开合控制等,人在房间内静止或者人的动作幅度过小时,会误判为无人;结合门状态和人体感应器的状态判断的方式需要在每个门上安装“房间有无人感应装置”,该装置基于门状态和人体感应器的输出进行判断,但是如果门处于打开状态,房间内有人时,无法进行有无人判断;摄像头基于图像识别算法,通过对房间内的画面进行分析,即可知道房间内是否有人,但是摄像头存在“隐私”问题,在私人房间、公司办公室、会议室等是不适合放置。另外,现有相关技术方案有个重要前提,在人进出房间后,门将处于关闭状态,如果人进出房间后,门没有关闭,则***将不能有效判断房间是否有人,而这种情况在实际是存在的,故现有的关于检测房间内是否有人的方案不够通用。
因此,为了克服上述缺陷,如图2,本申请实施例提供了一种有无人检测方法,该方法包括步骤S110至步骤S140。
步骤S110:当获取到检测请求时,获取门状态和人体感应数据。
中央处理单元在获取到检测请求时,获取门状态和人体感应数据,其中,检测请求可以定时获取,该定时模块用于定时触发“有无人检测”的动作,其也可以用于定时触发感应时间差的计算。该定时模块可以设为定时模块A,定时模块A的定时长短可以根据实际需求进行确定,若定时偏短,则计算频繁,后续同样时间内需要保存的数据量增加,而若定时过长,则影响***最后的判断有无人的实时性,本申请实施例中,定时模块A一般设置在0.5min~1min之间,即中央处理单元可以根据定时模块A定时获取检测请求。
获取到检测请求后,中央处理单元可以获取门状态和人体感应数据,在一个实施例中,门状态可以通过门感应器获取,人体感应数据可以通过人体感应器获取,如图3所示,一个房间内可以同时设置多个人体感应器和多个门感应器,而且人体感应器的的数量越多,检测的效果越好。房间的每一个门上必须设置一个门感应器,且一个房间内可以有一个中央处理单元,每一个人体感应器或门感应器都与中央处理单元通过网络协议连接,其中,网络协议可以是TCP/IP协议、NetBEUI协议、IPX/SPX协议、SMTP协议或者IPX/SPX协议等。门感应器和人体感应器可以将它们获取的感应数据上传至中央处理单元,对于具有状态的门感应器,中央处理单元可以随时主动请求获取其状态数据。
本申请实施例中,当房间内有人移动时,人体感应器可以被触发,从而实现对房间内人的感应,当人体感应器感应到有人时,将人体感应数据上传至中央处理单元,而其他时间不上报数据,上报的人体感应数据中包含人体感应器名称、人体感应值和触发时间(触发的绝对时间)。现以其中一个人体感应器为例对人体感应数据进行说明,详细如表一所示。
表一
表一中人体感应器名称指的是房间内不同位置处或者不同型号的人体感应器的名称,即人体感应器的安装位置不同,则人体感应器的名称也不相同,或者人体感应器的型号不相同则人体感应器的名称也不相同。例如,厨房里面安装的人体感应器的名称可以是人体感应器1;而洗手间里面安装的人体感应器的名称可以是人体感应器2、人体感应器3或者人体感应器4,具体如何命名这里不进行明确限制。触发时间指的是人体感应器感应到人体的时间,即该触发时间指的是人体感应器被触发的绝对时间,从表一可以看出人体感应器1可以在不同时刻被触发,即人体感应器1在t11时刻被触发,则此时的触发时间为t11;人体感应器1在t12时刻被触发,则此时的触发时间为t12;人体感应器1在t13时刻被触发,则此时的触发时间为t13;人体感应器1在t14时刻被触发,则此时的触发时间为t14。人体感应值用于表示是否有人移动,如果有人移动则为1,没有人移动则为0,因为这里的人体感应器1在t11时刻、t12时刻、t13时刻以及t14时刻分别被触发,因此这四个时刻对应的人体感应值均为1。
当门被打开或者被关闭门感应器就会被触发,换句话说,当门有开关动作时,门感应器可以检测到门的状态发生改变,所述门的状态即为门状态,此时,门感应器可以将获取到的门状态上报至中央处理单元。另外,中央处理单元也可以实时查询门状态,即当中央处理单元发出门状态查询命令时,门感应器需根据状态查询命令上报数据。上报的数据中包含门感应器的名称、门状态值和触发时间,门状态值可以是0或者1。现以其中一个门感应器为例,其上报的数据形式如表二所示。
表二
门感应器名称 | 触发时间 | 门状态值 |
门感应器A | t21 | 1 |
门感应器A | t22 | 0 |
门感应器A | t23 | 1 |
门感应器A | t24 | 0 |
表二中门感应器名称指的是房间内不同位置处门感应器的名称,即门感应器的安装位置不同,则门感应器的名称也不相同。例如,厨房门安装的门感应器的名称可以是门感应器A;而洗手间门安装的门感应器的名称可以是门感应器B、门感应器C或者门感应器D,具体如何命名这里不进行明确限制。触发时间指的是门感应器感应到门被打开或者关闭时的时间,即该触发时间指的是门感应器被触发的绝对时间,从表二可以看出门感应器A可以在不同时刻被触发,即门感应器A在t21时刻被触发,则此时的触发时间为t21;门感应器A在t22时刻被触发,则此时的触发时间为t22;门感应器A在t23时刻被触发,则此时的触发时间为t23;门感应器A在t24时刻被触发,则此时的触发时间为t24。门状态值用于表示门是关闭还是打开,如果被打开则为1,如果被关闭则为0,从表二可以看出门感应器A在t21时刻和t23时刻时是被打开的,而在t22时刻和t24时刻则是被关闭的。
中央处理单元可以实时获取人体感应器和门感应器上传的数据,并会将获取的这些数据保存起来,在后续判断房间内是否有人的时候,可以根据这些数据进行检测。
中央处理单元当获取到检测请求时,既可以同时获取当前时刻门状态和人体感应数据,也可以先获取当前时刻门状态再获取人体感应数据,或者先获取人体感应数据再获取门状态,具体先获取哪个数据,这里不做明确限制。而中央处理单元获取门状态包括:获取所述房间内门锁的个数,并判断所述房间内门锁的个数是否是多个;如果所述房间内门锁的个数是多个,则对所述多个门锁的状态进行布尔或计算,得到目标状态,将所述目标状态作为所述门状态。房间内如果只有一个门锁时则不需要进行布尔或计算。本申请实施例,可以将门状态值设置为0或者1,门状态为0,表示房间内所有门都是关闭状态,而门状态为1则表示房间内至少有一个门是打开状态。
步骤S120:判断是否所述门状态为关闭状态且所述人体感应数据有效。
中央处理单元获取到检测请求后可以根据该请求获取门状态和人体感应数据,然后判断是否所述门状态为关闭状态且所述人体感应数据有效。如果门状态为关闭状态且人体感应数据有效,则可以得到房间内有人的检测结果。而当门状态和人体感应数据为另外三种情况时则需要进行进一步的判断,另外三种情况包括:门状态为关闭状态且人体感应数据无效;门状态为打开状态且人体感应数据有效;门状态为打开状态且人体感应数据无效。
在一个实施例中,人体感应数据有效指的是至少有一个人体感应数据上传。换句话说,人体感应数据无效,表示房间内所有人体感应器都没有上传人体感应数据,或者有上传的人体感应数据,但是上传的该人体感应数据为错误的人体感应数据。错误的人体感应数据指的是其他物体感应生成的人体感应数据。例如,一只狗在房间内运动,被人体感应器误测为人,这时候上传的人体感应数据即为错误的人体感应数据。另外,错误的人体感应数据也可以指的是因为人体感应器故障而产生的人体感应数据。人体感应数据无效具体因为哪些情况引起的这里不进行一一赘述。
需要说明的是,中央处理单元通过判断门状态和人体感应数据可以获取到房间的锁存状态,这里的锁存状态可以包括1和0,锁存状态为1表示的是房间的门状态为关闭状态且人体感应数据有效,这时房间可以锁存为有人的状态。当房间门再次被打开时,房间即变为不锁存状态0。显然房间锁存状态为1表示房间内有人,而房间锁存状态为0则表示房间内可能有人也可能无人。房间锁存状态逻辑示意图如图4所示。从图4可以看出在t1~t2区间门状态为关闭状态,在这个时间区间内无人体感应数据上传,房间的锁存状态为0;在t2~tN区间门状态为关闭状态,且这个时间区间内有人体感应数据上传,则房间锁存状态为1;tN~TM+1区间内门状态为打开状态,有人体感应数据上传,则房间锁存状态为0;tM+1~tX区间门状态为关闭状态,但是没有人体感应数据上传,因此锁存状态为0。
步骤S130:若否,获取感应时间差,所述感应时间差为指定时刻与所述指定时刻之前的最近一次获取到有效的人体感应数据的时刻的差值。
中央处理单元判断是否所述门状态为关闭状态且所述人体感应数据有效时,若否则需获取感应时间差,该感应时间差为指定时刻与所述指定时刻之前的最近一次获取到有效的人体感应数据的时刻的差值。其中,指定时刻可以为获取到所述检测请求的时刻。
通过图3可以知道一个房间内可以有多个人体感应器,即任意一个人体感应器上报数据都表示房间内可能有人,每次人体感应器上报数据后中央处理单元都需对所述数据进行保存。显然,中央处理单元中肯定会保存最近一次人体感应器上报的人体感应数据,假设最近一次人体感应数据中的触发时间为tn,当前时间为td,则感应时间差为Δt=td-tn。
本申请实施例中,感应时间差表示房间内最近一次人体感应数据上传的时间距离当前的时间,中央处理单元获取到检测请求时才进行一次有无人检测,即中央处理单元获取到检测请求时,可以计算一次感应时间差。需要说明的是,当人体感应器上报人体感应数据时,中央处理单元也可以计算一次感应时间差。需要说明的是,本申请实施例中感应时间差的获取可以是在步骤S120之前也可以是在步骤S120之后,当获取感应时间差的操作在步骤S120之前时,其可以在获取到检测请求后就进行感应时间差的计算。感应时间差的获取操作在步骤S120之后时,其可以在判断结束后计算。另外,当门状态为关闭状态且人体感应数据有效时,也可以执行感应时间差的计算,这里获取的感应时间差用于目标阈值的获取,其也是计算指定时刻与指定时刻之前的最近一次获取到有效的人体感应数据的时刻的差值。具体感应时间差的计算操作在什么时候执行这里不进行明确限制。
步骤S140:根据所述感应时间差检测房间内是否有人,以得到房间有无人检测结果。
中央处理单元获取到感应时间差后,可以根据该感应时间差判断房间内是否有人。通过上述介绍可以知道房间的锁存状态为0时,不能准确判定房间内是否有人,此时,本申请实施例引入了感应时间差。可以通过学习历史数据获取一个目标阈值,然后将目标阈值与感应时间差进行比较,进而得到房间内有无人的检测结果。或者也可以依据经验设定一个目标阈值,然后根据该目标阈值和感应时间差得到房间内有无人的检测结果。
根据感应时间差检测房间内是否有人的主要原因是房间内有人时,人总是会时不时有一些动作,使得人体感应器不断上传人体感应数据至中央处理单元,同一个房间内虽然不同时间内,人体动作时间间隔是有长短差别,但是总体上不会特别明显,即房间内有人时感应时间差整体来说会比较小。而房间无人时,人体感应器将长时间不能上报数据至中央处理单元,这是的感应时间差就会比较大。因此,房间有无人检测可以通过感应时间差加以判断。另外,当房间内有人时,不管房间门打开还是关闭,人体动作的时间间隔差别不会太过明显,因此,感应时间差的分布也是类似的,即利用门状态也可以反应房间门打开时人体的动作特点。
综上所述,通过统计分析感应时间差,即可得到房间内有人时感应时间差的规律,这个规律可以区分房间内是否有人,而且可以使有无人检测更加准确。
本申请实施例提出了一种有无人检测方法,该方法中中央处理单元通过综合分析门状态、人体感应数据以及感应时间差可以准确的判断出房间内是否有人,在判断的时候如果门状态为关闭状态且人体感应数据有效,中央处理单元则可以直接判定房间内有人。否则的话,中央处理单元可以利用感应时间差来判断房间内是否有人,以得到房间有无人的检测结果。通过综合这两种情况可以使房间有无人检测的结果更加精确。另外,本方法在进行有无人检测的时候只需处理门感应器和人体感应器两个设备上传的数据,显然,相较于现有技术本申请的数据采集装置更加简单、易取,如此也使本方法具有了更强的通用性。
本申请另一实施例提出了一种有无人检测方法,请参阅图5,从图5可以看出该方法包括步骤S210至步骤S240,其中步骤S240包括步骤S241至步骤S243,详细如下所示:
步骤S210:当获取到检测请求时,获取门状态和人体感应数据。
步骤S220:判断是否所述门状态为关闭状态且所述人体感应数据有效。
步骤S230:若否,获取感应时间差,所述感应时间差为指定时刻与所述指定时刻之前的最近一次获取到有效的人体感应数据的时刻的差值。
步骤S240:根据所述感应时间差检测房间内是否有人,以得到房间有无人检测结果。
在一些实施例中,步骤S210至步骤S240的内容可以参阅上述实施例的内容,在此不再赘述。
步骤S241:判断所述感应时间差是否大于目标阈值。
中央处理单元在获取到感应时间差后,需利用该感应时间差来检测房间内是否有人,而利用感应时间差来检测房间内是否有人则可以结合目标阈值来进行判断。换句话说,中央处理单元获取到感应时间差后需要判断该感应时间差是否大于目标阈值,目标阈值可以根据经验来进行设置,也可以通过分析历史数据来获取。本申请实施例为了使有无人检测的结果更加准确,目标阈值可以根据历史数据来获取,获取目标阈值的过程如图6所示,通过图6可以知道获取目标阈值可以包括步骤S2411至步骤S2414。
步骤S2411:当获取到目标阈值更新请求时,获取多个历史数据,每个所述历史数据均包括门状态、人体感应数据以及感应时间差。
中央处理单元当获取到目标阈值更新请求时,可以获取多个历史数据,其中,目标阈值更新请求可以通过定时模块获取,本申请中可以将该定时模块设为定时模块B,定时模块B用于不断发送目标阈值更新请求信号,触发中央处理单元进行目标阈值的学习,即其可以控制目标阈值更新的频次,每触发一次,中央处理单元根据最新的数据统计出信息目标阈值。因此,定时模块B的定时长短可以影响中央处理单元跟踪房间使用规律的快慢。中央处理器接收到目标阈值更新请求后可以根据最新保存的一批历史数据进行学习,并得出最新的目标阈值,从而可以实现目标阈值的自学习,达到自动跟踪房间使用规律的效果。另外,本申请实施例中,定时模块B的定时长短可以是用户自己设置的,也可以是默认的一个时间段,例如,可以是一天,这里的一天的表示的意思是中央处理单元每过一天更新一次目标阈值。
每次有新的感应时间差生成时,都会有一个与之对应的人体感应数据和门状态被获取,故本申请中一个历史数据可以包括一个人体感应数据、一个门状态以及一个感应时间差,如果没有新的感应时间差生成,则不生成历史数据。显然,历史数据生成的频次是由上述提及的定时模块A决定的,定时模块A的定时越长则一个时间段内获取到的数据越多,否则的话获取的数据越少。另外,本申请中的历史数据指的是中央处理单元中存储的数据,其不包括当前的门状态、人体感应时间和感应时间差,但是包括最近一次的获取的人体感应数据、门状态以及感应时间差。
本申请实施例中,每个历史数据的表示方式有两种,一种是包括感应时间差、门状态以及感应时间差,另一种是包括感应时间差、门状态、人体感应数据和房间锁存状态,通过上述介绍可以知道房间锁存状态可以通过布尔与计算人体感应数据和门状态获取的,现给出一个具体的例子来说明历史数据,如表三所示。
表三
感应时间差 | 门状态值 | 人体感应数据 | 房间锁存状态 |
Δt31 | 1 | 1 | 0 |
Δt32 | 0 | 1 | 1 |
Δt33 | 0 | 1 | 1 |
Δt34 | 0 | 1 | 1 |
Δt35 | 1 | 0 | 0 |
通过表三可以知道房间锁存状态是通过门状态值和人体感应数据通过布尔与获取的,房间锁存状态为1则表示房间内有人,房间锁存状态为0则需要引入感应时间差和目标阈值来判断房间内是否有人。
步骤S2412:判断每个所述历史数据中的门状态是否为关闭状态且所述人体感应数据是否有效。
计算目标阈值需先获取到在定时模块B的定时范围内生成的所有历史数据,本申请中的历史数据特指的是一定时间范围内生成的历史数据,获取到定时范围内生成的所有历史数据后,中央处理单元需判断每个所述历史数据中的门状态是否为关闭状态且人体感应数据是否有效。或者获取到定时范围内生成的所有历史数据后,中央处理单元可以先判断房间的锁存状态是否为1,通过上述实施例的介绍可以知道房间的锁存状态为1表示的就是门状态为关闭状态且人体感应数据有效的情况,即房间内有人。而锁存状态为0则表示房间不锁存,无法判断房间内是否有人。中央处理单元可以通过逐一遍历的方式每次都判断每个历史数据中的门状态是否为关闭状态且人体感应数据是否有效。或者也可以直接通过判断房间的锁存状态来判断每个所述历史数据是否符合目标数据的条件,因为获取到检测请求时都会生成一个锁存状态值,所以通过该锁存状态值来判断历史数据会更方便有效。具体使用哪种方式进行判断这里不进行明确限制,可以根据实际情况进行选择。
步骤S2413:如果所述历史数据中的门状态为关闭状态且所述人体感应数据有效,则将该历史数据作为目标数据。
通过上述可以知道门状态为关闭状态且人体感应数据有效时表示房间内有人,即房间锁存状态为1则表示房间内有人。本申请实施例中的目标数据必须为门状态为关闭状态且人体感应数据有效的情况,显然,目标数据是通过判断历史数据获取的,即每个历史数据只要符合门状态为关闭状态且人体感应数据有效这个条件,则这个历史数据就可以作为目标数据,否则的话就不能将其作为目标数据。因此,本实施例最后获取的目标数据集为房间处于有人状态。
步骤S2414:根据所述目标数据获取所述目标阈值。
中央处理单元获取到目标时间段对应的目标数据后,可以根据该目标数据分析出目标时间段对应的目标阈值,根据所述目标阈值就可以判断房间内是否有人。从图7可以知道中央处理单元根据目标数据获取目标阈值可以包括步骤S24141至步骤S24142。
步骤S24141:获取多个所述目标数据。
多个目标数据是通过判断历史数据获取的,目标数据是历史数据的特殊情况,本申请中目标数据表示的是门状态为关闭状态且人体感应数据有效的历史数据。
步骤S24142:根据所述多个目标数据中的感应时间差的大小关系,获取到目标阈值。
中央处理单元获取到多个目标数据后,可以通过分析所述多个目标数据的感应时间差的大小关系来获得目标阈值。如图8所示步骤S24142可以包括步骤S241421和步骤S241422。
步骤S241421:按照由大到小剔除所述多个目标数据中N*α个感应时间差,得到剩余数据集,其中,N为感应时间差的总数量,α为有无人的误判率。
中央处理单元获取到多个目标数据后,通过分析这多个目标数据中的感应时间差大小来获取目标阈值,首先可以按照由大到小剔除多个目标数据中N*α个感应时间差,其中,N为感应时间差的总数量,也可以说是目标数据的总量,因为一个目标数据会对应一个感应时间差。另外,参数α表示有人误判为无人的可能性,该参数的取值在0~1之间,越接近1,则理论上有人误判为无人的可能性越大。本申请实施例中参数α可以根据用户需求进行设置。
按照由大到小剔除多个目标数据中N*α个感应时间差,可以通过逐一查找的方式剔除目标数据中最大的N*α个数据。也可以根据多个目标数据中的感应时间差大小对所述目标数据进行降序排序,得到排序数据集,然后剔除所述排序数据中前N*α个感应时间差,得到剩余数据集。或者也可以根据多个目标数据中的感应时间差大小对所述目标数据进行升序排序,得到排序数据,然后剔除所述排序数据中后N*α个感应时间差,得到剩余数据集。具体通过哪种方式剔除N*α个感应时间差这里不进行明确限制,可以根据实际需求进行选择。
步骤S241422:在所述剩余数据集中选出最大感应时间差,并将所述最大感应时间差作为目标阈值。
获取到剩余数据集后可以在该剩余数据中选择一个最大感应时间差作为目标阈值。同理,如果所述剩余数据集为降序数据集则最大感应时间差为剩余数据集中的第一个感应时间差;如果所述剩余数据集为升序数据集则最大感应时间差为剩余数据集中的最后一个感应时间差;如果所述剩余数据集为无序数据集,则可以通过逐一查找的方式获取到该剩余数据中最大的一个感应时间差。
步骤S242:如果所述感应时间差大于目标阈值,则得到房间内无人的检测结果。
感应时间差反映了最近一段时间内有人无人的判断依据,也即学习到的内容,同一个房间,有人无人的规律可能会随时间变化。例如,同一个房间因为使用功能的变化,在房间有人时,感应时间差会增加或者缩短。因此,目标阈值可以根据目标更新请求进行实时的更新。当感应时间差大于最新的目标阈值时,则得到房间内无人的检测结果。
步骤S243:如果所述感应时间差小于或等于目标阈值,则得到房间内有人的检测结果。
当感应时间差小于或者等于最新的目标阈值时,中央处理单元则可以得到房间内有人的检测结果。
本申请实施例提出了一种有无人检测方法,利用门状态、人体感应数据、感应时间差以及目标阈值综合判断出房间内是否有人,另外,本申请实施例详细给出了如何通过目标数据获得目标阈值的步骤,通过该方法获取的目标阈值可以更加准确的判断出房间内是否有人,尤其是获取的目标数据越多则最终的检测结果就越准确。中央处理单元获取到有无人的检测结果后不仅可以对房间内的其他智能设备进行一定的操作与管理,而且可以根据该检测结果分析房间的一个占用情况,如此不仅可以提高房间的使用率,而且可以提升对房间的管理。
请参阅图9,本申请实施例提出的一种有无人检测装置300,该装置包括第一获取模块310,判断模块320,第二获取模块330,结果获取模块340。
第一获取模块310,用于当获取到检测请求时,获取门状态和人体感应数据。
获取门状态可以包括:获取所述房间内门锁的个数,并判断所述房间内门锁的个数是否是多个;如果所述房间内门锁的个数是多个,则对所述多个门锁的状态进行布尔或计算,得到目标状态,将所述目标状态作为所述门状态。
判断模块320,用于判断是否所述门状态为关闭状态且所述人体感应数据有效。
当所述门状态为关闭状态且所述人体感应数据有效,则可以得到房间内有人的检测结果。
第二获取模块330,用于若否,获取感应时间差,所述感应时间差为指定时刻与所述指定时刻之前的最近一次获取到有效的人体感应数据的时刻的差值,所述指定时刻为获取到所述检测请求的时刻。其中,指定时刻为获取到所述检测请求的时刻。
结果获取模块340,用于根据所述感应时间差检测房间内是否有人,以得到房间有无人检测结果。
根据感应时间差检测房间内是否有人,以得到房间有无人检测结果包括:判断所述感应时间差是否大于目标阈值;如果所述感应时间差大于目标阈值,则得到房间内无人的检测结果;如果所述感应时间差小于或等于目标阈值,则得到房间内有人的检测结果。
结果获取模块340在判断感应时间差是否大于目标阈值前需要先获取目标阈值,目标阈值的获取包括:当获取到目标阈值更新请求时,获取多个历史数据,每个所述历史数据均包括门状态、人体感应数据以及感应时间差;判断每个所述历史数据中的门状态是否为关闭状态且所述人体感应数据是否有效;如果所述历史数据中的门状态为关闭状态且所述人体感应数据有效,则将该历史数据作为目标数据;根据所述目标数据获取所述目标阈值。
根据目标数据获取目标阈值时需先获取多个目标数据,然后根据所述多个目标数据中的感应时间差的大小关系,获取到目标阈值。而根据多个目标数据中的感应时间差的代销关系获取目标阈值可以包括:按照由大到小剔除所述多个目标数据中N*α个感应时间差,得到剩余数据集,其中,N为感应时间差的总数量,α为有无人的误判率;在所述剩余数据集中选出最大感应时间差,并将所述最大感应时间差作为目标阈值。另外,也可以根据所述多个目标数据中的感应时间差大小对所述目标数据进行降序排序,得到排序数据集;剔除所述排序数据集中前N*α个感应时间差,得到剩余数据集。
请参阅图10,本申请实施例提出的有无人检测方法的电子设备的结构框图。该电子设备400可以是智能手机、平板电脑、电子书等能够运行应用程序的电子设备。本申请中的电子设备400可以包括一个或多个如下部件:处理器410、存储器420、以及一个或多个应用程序,其中一个或多个应用程序可以被存储在存储器420中并被配置为由一个或多个处理器410执行,一个或***的指令多个程序配置用于执行如前述方法实施例所描述的方法。
处理器410可以包括一个或者多个处理核。处理器410利用各种接口和线路连接整个电子设备400内的各个部分,通过运行或执行存储在存储器420内的指令、程序、代码集或指令集,以及调用存储在存储器420内的数据,执行电子设备400的各种功能和处理数据。可选地,处理器410可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable LogicArray,PLA)中的至少一种硬件形式来实现。处理器410可集成中央处理单元(CentralProcessing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作***、用户界面和应用程序等;GPU用于负责显示内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器410中,单独通过一块通信芯片进行实现。
存储器420可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。存储器420可用于存储指令、程序、代码、代码集或指令集。存储器420可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储终端电子设备400在使用中所创建的数据(比如电话本、音视频数据、聊天记录数据)等。
请参考图11,本申请实施例提出的用于保存或者携带实现根据本申请实施例的有无人检测方法的程序代码的存储单元。该计算机可读存储介质500中存储有程序代码,所述程序代码可被处理器调用执行上述方法实施例中所描述的方法。
计算机可读存储介质500可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。可选地,计算机可读存储介质500包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。计算机可读存储介质500具有执行上述方法中的任何方法步骤的程序代码510的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码510可以例如以适当形式进行压缩。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。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、物品或者装置中还存在另外的相同要素。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述,仅是本申请的较佳实施例而已,并非对本申请作任何形式上的限制,虽然本申请已以较佳实施例揭露如上,然而并非用以限定本申请,任何熟悉本专业的技术人员,在不脱离本申请技术方案范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本申请技术方案内容,依据本申请的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本申请技术方案的范围内。
Claims (12)
1.一种有无人检测方法,其特征在于,包括:
当获取到检测请求时,获取门状态和人体感应数据;
判断是否所述门状态为关闭状态且所述人体感应数据有效;
若否,获取感应时间差,所述感应时间差为指定时刻与所述指定时刻之前的最近一次获取到有效的人体感应数据的时刻的差值;
获取当前的目标阈值;所述目标阈值基于多个历史目标数据以及参数α进行自学习更新得到,所述历史目标数据为门状态为关闭状态且人体感应数据有效的历史数据,所述参数α表征有人误判为无人的可能性;
根据所述感应时间差和所述目标阈值检测房间内是否有人,以得到房间有无人检测结果。
2.根据权利要求1所述的方法,其特征在于,所述根据所述感应时间差和所述目标阈值检测房间内是否有人,以得到房间有无人检测结果,包括:
判断所述感应时间差是否大于所述目标阈值;
如果所述感应时间差大于所述目标阈值,则得到房间内无人的检测结果;
如果所述感应时间差小于或等于所述目标阈值,则得到房间内有人的检测结果。
3.根据权利要求2所述的方法,其特征在于,所述获取当前的目标阈值之前,包括:
当获取到目标阈值更新请求时,获取多个历史数据,每个所述历史数据均包括门状态、人体感应数据以及感应时间差;
判断每个所述历史数据中的门状态是否为关闭状态且所述人体感应数据是否有效;
如果所述历史数据中的门状态为关闭状态且所述人体感应数据有效,则将该历史数据作为所述历史目标数据。
4.根据权利要求3所述的方法,其特征在于,所述获取当前的目标阈值,包括:
根据所述多个历史目标数据中的感应时间差的大小关系,获取到目标阈值。
5.根据权利要求4所述的方法,其特征在于,根据所述多个历史目标数据中的感应时间差的大小关系,获取到目标阈值,包括:
按照由大到小剔除所述多个历史目标数据中N*α个感应时间差,得到剩余数据集,其中,N为感应时间差的总数量,α为有人误判为无人的可能性,α越大则有人误判为无人的可能性越大;所述剩余数据集表征正确判断有人情况的历史目标数据;
在所述剩余数据集中选出最大感应时间差,并将所述最大感应时间差作为目标阈值。
6.根据权利要求5所述的方法,其特征在于,所述按照由大到小剔除所述多个历史目标数据中N*α个感应时间差,得到剩余数据集,包括:
根据所述多个历史目标数据中的感应时间差大小对所述历史目标数据进行降序排序,得到排序数据集;
剔除所述排序数据集中前N*α个感应时间差,得到剩余数据集。
7.根据权利要求1所述的方法,其特征在于,所述指定时刻为获取到所述检测请求的时刻。
8.根据权利要求1所述的方法,其特征在于,
所述方法还包括,当所述门状态为关闭状态且所述人体感应数据有效,则得到房间内有人检测结果。
9.根据权利要求1所述的方法,其特征在于,所述获取门状态,包括:
获取所述房间内门锁的个数,并判断所述房间内门锁的个数是否是多个;
如果所述房间内门锁的个数是多个,则对所述多个门锁的状态进行布尔或计算,得到目标状态,将所述目标状态作为所述门状态。
10.一种有无人检测装置,其特征在于,包括:
第一获取模块,用于当获取到检测请求时,获取门状态和人体感应数据;
判断模块,用于判断是否所述门状态为关闭状态且所述人体感应数据有效;
第二获取模块,用于若否,获取感应时间差,所述感应时间差为指定时刻与所述指定时刻之前的最近一次获取到有效的人体感应数据的时刻的差值,所述指定时刻为获取到所述检测请求的时刻;
结果获取模块,用于获取当前的目标阈值,根据所述感应时间差和所述目标阈值检测房间内是否有人,以得到房间有无人检测结果,所述目标阈值基于多个历史目标数据以及参数α进行自学习更新得到,所述历史目标数据为门状态为关闭状态且人体感应数据有效的历史数据,所述参数α表征有人误判为无人的可能性。
11.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于执行如权利要求1-9任一项所述的方法。
12.一种计算机可读取存储介质,其特征在于,所述计算机可读取存储介质中存储有程序代码,所述程序代码可被处理器调用执行如权利要求1-9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910368679.2A CN110209059B (zh) | 2019-05-05 | 2019-05-05 | 有无人检测方法、装置、电子设备及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910368679.2A CN110209059B (zh) | 2019-05-05 | 2019-05-05 | 有无人检测方法、装置、电子设备及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110209059A CN110209059A (zh) | 2019-09-06 |
CN110209059B true CN110209059B (zh) | 2022-07-12 |
Family
ID=67786807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910368679.2A Active CN110209059B (zh) | 2019-05-05 | 2019-05-05 | 有无人检测方法、装置、电子设备及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110209059B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113538843A (zh) * | 2020-04-16 | 2021-10-22 | 上海鲸豚数据技术有限公司 | 车内人体检测报警服务器及其方法 |
CN115083050A (zh) * | 2022-06-09 | 2022-09-20 | 国网冀北综合能源服务有限公司 | 一种特定空间有无人员的多条件判定***及方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007024688A (ja) * | 2005-07-15 | 2007-02-01 | Matsushita Electric Works Ltd | 人体異常検知センサおよびそれを用いた通報システム |
CN102508442A (zh) * | 2011-10-27 | 2012-06-20 | 山东超越数控电子有限公司 | 电子设备人体感应式电源管理*** |
CN103837906A (zh) * | 2014-03-13 | 2014-06-04 | 三和智控(北京)***集成有限公司 | 一种探测房间内是否有人的方法 |
CN105007655A (zh) * | 2015-07-07 | 2015-10-28 | 中国船舶重工集团公司第七一〇研究所 | 一种智能节能路灯控制*** |
CN105008965A (zh) * | 2013-03-05 | 2015-10-28 | 日本电气方案创新株式会社 | 房间进入/退出检测装置、房间进入/退出检测方法和记录有程序的计算机可读记录介质 |
CN106054656A (zh) * | 2016-07-29 | 2016-10-26 | 北京昊恒天科技有限公司 | 一种用于控制执行设备的控制设备及方法 |
CN106248218A (zh) * | 2016-08-31 | 2016-12-21 | 宁波智轩物联网科技有限公司 | 一种人体检测装置及其判断方法 |
CN106597946A (zh) * | 2016-12-23 | 2017-04-26 | 上海正苒智能科技有限公司 | 一种室内人员状态监控方法及*** |
CN106642588A (zh) * | 2016-12-29 | 2017-05-10 | 新奥科技发展有限公司 | 一种室内状态识别方法 |
CN106713029A (zh) * | 2016-12-20 | 2017-05-24 | ***股份有限公司 | 一种确定资源监控阈值的方法及装置 |
CN108572558A (zh) * | 2018-05-28 | 2018-09-25 | 深圳市零度智控科技有限公司 | 智能家居控制方法、装置及计算机可读存储介质 |
CN108984370A (zh) * | 2018-07-13 | 2018-12-11 | 北京京东尚科信息技术有限公司 | 一种确定监控阈值的方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6055528B1 (ja) * | 2015-09-25 | 2016-12-27 | 富士重工業株式会社 | 車両の操舵制御装置 |
-
2019
- 2019-05-05 CN CN201910368679.2A patent/CN110209059B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007024688A (ja) * | 2005-07-15 | 2007-02-01 | Matsushita Electric Works Ltd | 人体異常検知センサおよびそれを用いた通報システム |
CN102508442A (zh) * | 2011-10-27 | 2012-06-20 | 山东超越数控电子有限公司 | 电子设备人体感应式电源管理*** |
CN105008965A (zh) * | 2013-03-05 | 2015-10-28 | 日本电气方案创新株式会社 | 房间进入/退出检测装置、房间进入/退出检测方法和记录有程序的计算机可读记录介质 |
CN103837906A (zh) * | 2014-03-13 | 2014-06-04 | 三和智控(北京)***集成有限公司 | 一种探测房间内是否有人的方法 |
CN105007655A (zh) * | 2015-07-07 | 2015-10-28 | 中国船舶重工集团公司第七一〇研究所 | 一种智能节能路灯控制*** |
CN106054656A (zh) * | 2016-07-29 | 2016-10-26 | 北京昊恒天科技有限公司 | 一种用于控制执行设备的控制设备及方法 |
CN106248218A (zh) * | 2016-08-31 | 2016-12-21 | 宁波智轩物联网科技有限公司 | 一种人体检测装置及其判断方法 |
CN106713029A (zh) * | 2016-12-20 | 2017-05-24 | ***股份有限公司 | 一种确定资源监控阈值的方法及装置 |
CN106597946A (zh) * | 2016-12-23 | 2017-04-26 | 上海正苒智能科技有限公司 | 一种室内人员状态监控方法及*** |
CN106642588A (zh) * | 2016-12-29 | 2017-05-10 | 新奥科技发展有限公司 | 一种室内状态识别方法 |
CN108572558A (zh) * | 2018-05-28 | 2018-09-25 | 深圳市零度智控科技有限公司 | 智能家居控制方法、装置及计算机可读存储介质 |
CN108984370A (zh) * | 2018-07-13 | 2018-12-11 | 北京京东尚科信息技术有限公司 | 一种确定监控阈值的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110209059A (zh) | 2019-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110209059B (zh) | 有无人检测方法、装置、电子设备及*** | |
CN109445848B (zh) | 设备联动方法及装置 | |
US7222153B2 (en) | Method of accumulating appliance located states and apparatus using the same | |
CN109951363B (zh) | 数据处理方法、装置及*** | |
CN109445292B (zh) | 自动化执行结果收集方法、装置、***及存储介质 | |
CN103837906A (zh) | 一种探测房间内是否有人的方法 | |
CN109753034B (zh) | 一种控制方法、装置、电子设备及存储介质 | |
Afzalan et al. | Self-configuring event detection in electricity monitoring for human-building interaction | |
CN104579873A (zh) | 对智能家居设备进行控制的方法及*** | |
CN107832795B (zh) | 物品识别方法、***以及电子设备 | |
CN112740640A (zh) | 用于物联网设备的消歧的***和方法 | |
CN108470568A (zh) | 智能设备控制方法及装置、存储介质、电子设备 | |
KR102515001B1 (ko) | 와이파이 연결들을 사용한 유저 존재 및 부재의 결정 | |
CN111817936A (zh) | 智能家居设备的控制方法,装置、电子设备以及存储介质 | |
CN111010321A (zh) | 设备控制方法及***、网络侧设备 | |
CN113009843A (zh) | 家电控制方法、装置、家电设备及存储介质 | |
CN101655716B (zh) | 一种包含成语的远程分工协作***和方法 | |
US10452963B2 (en) | Arming and/or altering a home alarm system by specified positioning of everyday objects within view of a security camera | |
CN114120221A (zh) | 基于深度学习的环境核查方法、电子设备及存储介质 | |
KR20150107005A (ko) | 안전 생활 지원 장치 및 방법 | |
CN115731684B (zh) | 无线按键开关设备的控制方法和装置 | |
CN111768544B (zh) | 智能门禁控制方法、装置、***、电子设备及存储介质 | |
US11190485B2 (en) | Naming smart devices | |
EP3796239A1 (en) | Method and device for generating a building automation project | |
CN109212979A (zh) | 一种家庭智能安防*** |
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 |