基于人工智能的健身房温度自适应调控方法技术

本发明专利技术涉及一种基于人工智能的健身房温度自适应调控方法，包括：在健身房安装多台相机，采集房内健身者的图像数据，并通过图像处理方法获取健身房区域的全景图像；获取所需的全景图像数据后，对健身房进行区域划分得到各子区域;通过健身动作数据库对健身者的各健身类型进行分析，得到各子区域内健身者的健身类型，进一步获取各子区域的运动指标；将对温度调控后的效果进行分析，并设置优化模型，以使得各子区域环境能够满足健身者的健身环境要求。节省能源，方便调节，满足健身者们对健身过程中降温散热的需求。程中降温散热的需求。

【技术实现步骤摘要】
基于人工智能的健身房温度自适应调控方法


[0001]本专利技术涉及人工智能领域，具体涉及一种基于人工智能的健身房温度自适应调控方法。

技术介绍

[0002]目前，随着人们生活水平的提高，健身房成为了人们优选地健身场所，健身房的环境不受天气的气候的影响，去健身房运动是健身人士的最佳首选。考虑到健身房的温度变化会影响健身者的健身效果，健身者们所处的环境下相对静止，产生的热量等在无通风降温的情况下无法高效的排出，进而在健身房经常出现很多健身者通过自备的小风扇来进行健身后的身体降温。当下，对于健身房温度的调控多通过人工调控，人为调节无法进行精确的调控，从而无法提供给用户更好的健身体验，甚至造成健身者健身后身体异常等现象。

技术实现思路

[0003]为了克服上述现有技术的缺点，本专利技术采用以下技术方案：一种基于人工智能的健身房温度自适应调控方法，包括以下步骤：步骤一：在健身房安装多台相机，采集房内健身者的图像数据，并通过图像处理方法获取健身房区域的全景图像；步骤二：获取所需的全景图像数据后，对健身房进行区域划分得到各子区域;步骤三：通过健身动作数据库对健身者的各健身类型进行分析，得到各子区域内健身者的健身类型，进一步获取各子区域的运动指标；步骤四：将对温度调控后的效果进行分析，并设置优化模型，以使得各子区域环境能够满足健身者的健身环境要求。
[0004]进一步，基于健身房全景图像通过语义感知网络获取健身房的全景语义感知图，获取各健身器材的连通域，根据各连通域的质心点位置，其中n为连通域数量，即健身器材数量；通过DBSCAN密度聚类算法对所述连通域质心进行聚类分析，获取多个聚类簇，其中，k为聚类簇的数量，各聚类簇对应的中心点记为，聚类之后，对于各离散点，计算各离散点到各聚类簇中心点的欧式距离，以离散点i为例，计算离散点i到各聚类簇中心点的欧式距离，然后将离散点i分类到所对应的簇内。
[0005]进一步，所述步骤三方法为:根据一段时间内的健身房全景图像数据，通
过关键点检测网络提取健身房内的关键点热力图，进一步也即得到各子区域的关键点热力图，所述关键点为健身者的人体关键点；所述一段时间的时长以及图像帧数的选取实施者自行设定，获取图像关键点热力图之后，基于关系矢量谱PAFs对人体关键点进行匹配，以实现关键点的连接，即可根据所述方法得到健身房各子区域内各健身者的二维关键点信息，通过TCN网络模型提取健身者的三维动作序列，用于准确分析健身者的运动信息，基于模拟器建立各健身器材健身动作的数据库，基于健身类型数据库对各子区域内健身者的健身类型进行识别，通过孪生网络对健身者的健身类型进行检测识别，通过孪生网络分析健身者的健身动作与数据库中各健身动作数据的特征差距，基于孪生网络获取健身者的健身类型，即可得到各子区域内各健身者的健身类型，对于各子区域，计算在时段内各健身者的运动指标。
[0006]进一步，所述步骤四具体如下：获取各子区域的运动指标后，可基于区域运动指标对各子区域的温度进行调控，建立子区域温度调控模型并对其进行归一化处理，保证函数值处于[0,1]，所述子区域温度调控模型为：值处于[0,1]，所述子区域温度调控模型为：为温度调控因子，为模型可调参数，实施者可自行设定，本专利技术将其设置为；根据所述温度调控模型，可得到各子区域温度调控因子序列：，式中，为子区域k所对应的温度调控因子。
[0007]本专利技术的有益效果是：本专利技术通过人工智能的方式对健身房的温度进行局部自适应调控，对各健身房各子区域进行分析，并基于各子区域特征数据对各子区域进行自适应的温度调控，针对性的给出较好的降温散热方案，满足健身者健身过程中的环境需求，同时，该方法能够有效减少健身房电力资源的浪费。目前较多健身房采用中央环境温度控制器，通过中央控制系统对健身房整体温度控制，不能够根据健身者的健身状况进行针对性的调节，温度调节效果过于片面、局限。本专利技术能够针对性地对健身房的各子区域进行温度自适应调控，且对各子区域的温度调控进行优化，达到最佳的温度调控效果，节省能源，方便调节，满足健身者们对健身过程中降温散热的需求。
具体实施方式
[0008]下面结合附图和实施例对本专利技术进行详细的描述。
[0009]本专利技术通过人工智能的方式对健身房的温度控制设备进行调控，实现健身房内的温度满足整体健身人员的舒适度。本专利技术实施例主要对健身房内的空调设备进行自动控制，以对健身房内的温度进行实时调节。
[0010]为了实现本专利技术所述内容，本专利技术设计了一种基于人工智能的健身房温度自适应
调控方法。
[0011]步骤一：在健身房安装多台相机，采集房内健身者的图像数据，并通过图像处理方法获取健身房区域的全景图像，用于后续分析健身者的运动情况。
[0012]首先，在健身房安装多台相机设备，相机数量以及相机位置的布置实施者根据健身房实际情况进行安排，为保证后续基于图像数据分析的准确性，各相机的采集范围需要包含健身房内的各健身区域，以便后续基于健身房的整体情况进行分析，保证数据信息的完整性。本专利技术中，在健身房天花板上部署多台相机，以俯视或者斜视的视角进行图像采集，各相机的拍摄范围具有一定的重叠区域，以便基于多位置相机采集的图像，通过投影变换和图像拼接处理获取大型健身房全景图。
[0013]至此，即可根据健身房的相机对健身房内图像数据进行采集，实时获取各健身区域的图像信息，并基于投影变换和图像拼接操作得到健身房的全景图像。
[0014]步骤二：获取所需的全景图像数据后，对健身房进行区域划分得到各子区域，以便后续基于各子区域进行针对性调控。
[0015]该步骤的目的主要是对健身房进行区域划分，同时对各子区域的健身者以及健身器材进行分析，用于对各子区域的运动指标进行分析。所用现有技术为：语义感知网络（用于感知各健身器材）、关键点检测网络（用于提取健身者的人体关键点）、关系矢量谱Part Affinity Fields（用于关键点的匹配）、TCN网络模型（用于提取健身者三维动作序列）、孪生网络（用于识别健身者的健身类型）。
[0016]所述健身房各子区域划分过程具体为：首先，基于健身房全景图像通过语义感知网络获取健身房的全景语义感知图，获取各健身器材的连通域，根据各连通域的质心点位置，其中n为连通域数量，也即健身器材数量；然后通过DBSCAN密度聚类算法对所述连通域质心进行聚类分析，获取多个聚类簇，其中，k为聚类簇的数量，各聚类簇对应的中心点记为，聚类之后，对于各离散点，本专利技术设置：计算各离散点到各聚类簇中心点的欧式距离，以离散点i为例，计算离散点i到各聚类簇中心点的欧式距离，然后将离散点i分类到所对应的簇内；至此，即可根据本专利技术所述方法基于各健身器材实现对健身房各子区域的划分，用于后续分析各子区域的区域特征。
[0017]步骤三：通过健身动作数据库对健身者的各健身类型进行分析，得到各子区域内健身者的健身类型，进一步获取各子区域的运动指标。
[0018]对健身房进行子区域划分后，本专利技术将构建健身者运动指本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的健身房温度自适应调控方法，其特征在于，包括：步骤一：采集房内健身者的图像数据，并通过图像处理方法获取健身房区域的全景图像；步骤二：获取所需的全景图像数据后，对健身房进行区域划分得到各子区域;步骤三：通过健身动作数据库对健身者的各健身类型进行分析，得到各子区域内健身者的健身类型，进一步获取各子区域的运动指标；步骤四：对温度调控后的效果进行分析，并设置优化模型，以使得各子区域环境满足健身者的健身环境要求；所述步骤三方法为:根据一段时间内的健身房全景图像数据，通过关键点检测网络提取健身房内的关键点热力图，进一步得到各子区域的关键点热力图，所述关键点为健身者的人体关键点；获取关键点热力图之后，基于关系矢量谱PAFs对人体关键点进行匹配，以实现关键点的连接，根据所述方法得到健身房各子区域内各健身者的二维关键点信息，通过TCN网络模型提取健身者的三维动作序列，用于准确分析健身者的运动信息，基于模拟器建立各健身器材健身动作的数据库，基于健身类型数据库对各子区域内健身者的健身类型进行识别，通过孪生网络对健身者的健身类型进行检测识别，通过孪生网络分析健身者的健身动作与数据库中各健身动作数据的特征差距，基于孪生网络获取健身者的健身类型，得到各...

【专利技术属性】
技术研发人员：秦义忠，
申请(专利权)人：南通峰帆运动用品有限公司，
类型：发明
国别省市：