本发明专利技术公开了一种基于机器视觉的风扇调节方法、系统、装置及存储介质，方法包括：获取用户的第一热红外图像信息；将第一热红外图像信息输入到预先训练好的人体姿态识别模型，得到第一人体姿态信息，根据第一人体姿态信息确定多个人体关键点的第一位置信息；将第一热红外图像信息输入到预先训练好的人体温度识别模型，得到第一人体温度分布信息，根据第一人体温度分布信息和第一人体姿态信息确定各人体关键点的第一温度信息；根据第一位置信息、第一温度信息以及室内环境的第二温度信息对风扇进行调节。本发明专利技术提高了风扇调节的全面性和准确性，一定程度上避免了感冒着凉等不适症状的发生，提高了用户的使用体验，可广泛应用于智能家居技术领域。于智能家居技术领域。于智能家居技术领域。
【技术实现步骤摘要】
基于机器视觉的风扇调节方法、系统、装置及存储介质
[0001]本专利技术涉及智能家居
，尤其是一种基于机器视觉的风扇调节方法、系统、装置及存储介质。
技术介绍
[0002]在天气炎热的夏天，人们经常使用风扇进行降温，而传统的风扇需要人们手动对风扇进行控制，使用不便。随着科技的发展和人民生活水平的提高，家用商品逐渐向自动化、智能化的方向发展，市面上出现了一些智能温控风扇，不仅可以根据周围环境的温度自动调节风扇的风速，而且还可以通过用户的手机终端进行远程控制。
[0003]然而，现有的智能温控风扇大多只能根据周围环境的温度来调节风速，没有考虑到人体的温度变化，导致风速调节不够准确，仍然存在造成用户感冒着凉等不适症状的安全隐患，影响了用户的使用体验；此外，现有的智能温控风扇不能依据人体的温度分布情况调节风扇的风向，影响了风扇调节的全面性。
技术实现思路
[0004]本专利技术的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
[0005]为此，本专利技术实施例的一个目的在于提供一种基于机器视觉的风扇调节方法，该方法提高了风扇调节的全面性和准确性，一定程度上避免了感冒着凉等不适症状的发生，提高了用户的使用体验。
[0006]本专利技术实施例的另一个目的在于提供一种基于机器视觉的风扇调节系统。
[0007]为了达到上述技术目的，本专利技术实施例所采取的技术方案包括：
[0008]第一方面，本专利技术实施例提供了一种基于机器视觉的风扇调节方法，包括以下步骤：<br/>[0009]获取用户的第一热红外图像信息；
[0010]将所述第一热红外图像信息输入到预先训练好的人体姿态识别模型，得到第一人体姿态信息，并根据所述第一人体姿态信息确定多个人体关键点的第一位置信息；
[0011]将所述第一热红外图像信息输入到预先训练好的人体温度识别模型，得到第一人体温度分布信息，并根据所述第一人体温度分布信息和所述第一人体姿态信息确定各所述人体关键点的第一温度信息；
[0012]获取室内环境的第二温度信息，根据所述第一位置信息、所述第一温度信息以及所述第二温度信息对风扇进行调节。
[0013]进一步地，在本专利技术的一个实施例中，所述风扇调节方法还包括预先训练人体姿态识别模型的步骤，其具体包括：
[0014]获取预设的人体姿态热图数据集，所述人体姿态热图数据集包括多个人体姿态热图以及对应的姿态标签；
[0015]将所述人体姿态热图数据集输入到预先构建的第一卷积神经网络，得到姿态识别
结果；
[0016]根据所述姿态识别结果和所述姿态标签确定所述第一卷积神经网络的第一损失值；
[0017]根据所述第一损失值通过反向传播算法更新所述第一卷积神经网络的参数；
[0018]当第一损失值达到预设的第一阈值或迭代次数达到预设的第二阈值或测试精度达到预设的第三阈值，停止训练，得到训练好的人体姿态识别模型。
[0019]进一步地，在本专利技术的一个实施例中，所述根据所述第一人体姿态信息确定多个人体关键点的第一位置信息这一步骤，其具体包括：
[0020]根据所述第一人体姿态信息在所述第一热红外图像上标注出多个人体关键点；
[0021]根据各所述人体关键点在所述第一热红外图像上的位置和所述第一热红外图像的拍摄角度确定各所述人体关键点的第一位置信息。
[0022]进一步地，在本专利技术的一个实施例中，所述风扇调节方法还包括预先训练人体温度识别模型的步骤，其具体包括：
[0023]获取预设的人体温度热图数据集，所述人体温度热图数据集包括多个人体温度热图以及对应的温度分布标签；
[0024]将所述人体姿态热图数据集输入到预先构建的第二卷积神经网络，得到温度分布识别结果；
[0025]根据所述温度分布识别结果和所述温度分布标签确定所述第二卷积神经网络的第二损失值；
[0026]根据所述第二损失值通过反向传播算法更新所述第二卷积神经网络的参数；
[0027]当第二损失值达到预设的第四阈值或迭代次数达到预设的第五阈值或测试精度达到预设的第六阈值，停止训练，得到训练好的人体姿态识别模型。
[0028]进一步地，在本专利技术的一个实施例中，所述根据所述第一人体温度分布信息和所述第一人体姿态信息确定各所述人体关键点的第一温度信息这一步骤，其具体包括：
[0029]根据所述第一人体姿态信息在所述第一热红外图像上标注出多个人体关键点；
[0030]根据所述第一人体温度分布信息和各所述人体关键点在所述第一热红外图像上的位置确定各所述人体关键点的第一温度信息。
[0031]进一步地，在本专利技术的一个实施例中，所述根据所述第一位置信息、所述第一温度信息以及所述第二温度信息对风扇进行调节这一步骤，其具体包括：
[0032]根据所述第一位置信息和所述第一温度信息确定若干个待降温区域，并对所述风扇的风向进行调节，使得所述风扇对所述待降温区域进行供风；
[0033]根据所述待降温区域对应的第一温度信息和所述第二温度信息确定第一温度差值，根据所述第一温度差值对所述风扇的转速进行调节。
[0034]进一步地，在本专利技术的一个实施例中，所述风扇调节方法还包括以下步骤：
[0035]当所述第二温度信息小于等于预设的温度阈值，控制所述风扇停止转动。
[0036]第二方面，本专利技术实施例提供了一种基于机器视觉的风扇调节系统，包括：
[0037]获取模块，用于获取用户的第一热红外图像信息；
[0038]姿态识别模块，用于将所述第一热红外图像信息输入到预先训练好的人体姿态识别模型，得到第一人体姿态信息，并根据所述第一人体姿态信息确定多个人体关键点的第
一位置信息；
[0039]温度识别模块，用于将所述第一热红外图像信息输入到预先训练好的人体温度识别模型，得到第一人体温度分布信息，并根据所述第一人体温度分布信息和所述第一人体姿态信息确定各所述人体关键点的第一温度信息；
[0040]风扇调节模块，用于获取室内环境的第二温度信息，根据所述第一位置信息、所述第一温度信息以及所述第二温度信息对风扇进行调节。
[0041]第三方面，本专利技术实施例提供了一种基于机器视觉的风扇调节装置，包括：
[0042]至少一个处理器；
[0043]至少一个存储器，用于存储至少一个程序；
[0044]当所述至少一个程序被所述至少一个处理器执行时，使得所述至少一个处理器实现上述的一种基于机器视觉的风扇调节方法。
[0045]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行上述的一种基于机器视觉的风扇调节方法。
[0046]本专利技术的优点和有益效果将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到：
[0047]本专利技术实施例获取用户的热红外本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于机器视觉的风扇调节方法，其特征在于，包括以下步骤：获取用户的第一热红外图像信息；将所述第一热红外图像信息输入到预先训练好的人体姿态识别模型，得到第一人体姿态信息，并根据所述第一人体姿态信息确定多个人体关键点的第一位置信息；将所述第一热红外图像信息输入到预先训练好的人体温度识别模型，得到第一人体温度分布信息，并根据所述第一人体温度分布信息和所述第一人体姿态信息确定各所述人体关键点的第一温度信息；获取室内环境的第二温度信息，根据所述第一位置信息、所述第一温度信息以及所述第二温度信息对风扇进行调节。2.根据权利要求1所述的一种基于机器视觉的风扇调节方法，其特征在于，所述风扇调节方法还包括预先训练人体姿态识别模型的步骤，其具体包括：获取预设的人体姿态热图数据集，所述人体姿态热图数据集包括多个人体姿态热图以及对应的姿态标签；将所述人体姿态热图数据集输入到预先构建的第一卷积神经网络，得到姿态识别结果；根据所述姿态识别结果和所述姿态标签确定所述第一卷积神经网络的第一损失值；根据所述第一损失值通过反向传播算法更新所述第一卷积神经网络的参数；当第一损失值达到预设的第一阈值或迭代次数达到预设的第二阈值或测试精度达到预设的第三阈值，停止训练，得到训练好的人体姿态识别模型。3.根据权利要求1所述的一种基于机器视觉的风扇调节方法，其特征在于，所述根据所述第一人体姿态信息确定多个人体关键点的第一位置信息这一步骤，其具体包括：根据所述第一人体姿态信息在所述第一热红外图像上标注出多个人体关键点；根据各所述人体关键点在所述第一热红外图像上的位置和所述第一热红外图像的拍摄角度确定各所述人体关键点的第一位置信息。4.根据权利要求1所述的一种基于机器视觉的风扇调节方法，其特征在于，所述风扇调节方法还包括预先训练人体温度识别模型的步骤，其具体包括：获取预设的人体温度热图数据集，所述人体温度热图数据集包括多个人体温度热图以及对应的温度分布标签；将所述人体姿态热图数据集输入到预先构建的第二卷积神经网络，得到温度分布识别结果；根据所述温度分布识别结果和所述温度分布标签确定所述第二卷积神经网络的第二损失值；根据所述第二损失值通过反向传播算法更新所述第二卷积神经网络的参数；当第二损失值达到预设的第四阈值或迭代次数达到预设的第五阈值或测试精度达到预设的第六阈值，停止训练，得到训练好的...
【专利技术属性】
技术研发人员：佟景泉，曾光，谭奈英，张尚文，温世鑫，刘炬，
申请(专利权)人：广东交通职业技术学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。