一种基于图像识别技术的风扇控制方法及系统技术方案

本发明专利技术涉及图像识别技术领域，尤其涉及一种基于图像识别技术的风扇控制方法及系统

【技术实现步骤摘要】
一种基于图像识别技术的风扇控制方法及系统


[0001]本专利技术涉及图像识别
，尤其涉及一种基于图像识别技术的风扇控制方法及系统
。

技术介绍

[0002]风扇控制方法是指通过调整风扇的运行参数
(
如风速
、
风向
、
摇头
)
以适应不同的环境条件和用户需求，从而提供舒适的风扇使用体验
。
传统的风扇控制需要用户手动调整风扇的运行参数，这在某些情况下可能会比较不便，特别是在用户需要频繁调整的情况下
。

技术实现思路

[0003]本专利技术为解决上述技术问题，提出了一种基于图像识别技术的风扇控制方法，以解决至少一个上述技术问题
。
[0004]本申请提供了一种基于图像识别技术的风扇控制方法，应用于风扇，该风扇包括主控模块
、
摄像模块
、
风力电机模块
、
摇头电机模块以及电源模块，主控模块分别与电源模块
、
摄像模块
、
风力电机模块以及摇头电机模块电性连接，包括以下步骤：
[0005]步骤
S1
：通过摄像模块进行风扇区域图像采集，从而获取风扇区域图像数据，并对风扇区域图像数据进行用户检测，从而获取用户检测数据，其中用户检测数据包括单人检测数据以及多人检测数据；
[0006]步骤
S2
：确定用户检测数据为单人检测数据时，则对风扇区域图像数据进行用户姿态特征提取以及用户环境特征提取，从而获取用户姿态特征数据以及用户环境特征数据；
[0007]步骤
S3
：对用户姿态特征数据进行用户姿态识别，从而获取第一初级风扇控制参数数据，并对用户环境特征数据进行用户环境舒适度识别，从而获取用户环境舒适度数据；
[0008]步骤
S4
：利用用户环境舒适度数据对第一初级风扇控制参数数据进行单人环境舒适度优化，从而获取第一风扇控制参数数据，以进行风扇控制作业；
[0009]步骤
S5
：确定用户检测数据为多人检测数据时，则对风扇区域图像数据进行用户位置特征提取以及用户体温表征特征提取，从而获取用户位置特征数据以及用户体温表征特征数据；
[0010]步骤
S6
：对用户位置特征数据进行用户位置识别，从而获取用户位置识别数据，并利用预设的风扇初始参数集对用户位置识别数据进行参数生成，从而获取第二初级风扇控制参数数据；
[0011]步骤
S7
：利用用户体温表征特征数据对第二初级风扇控制参数数据进行多人环境舒适度优化，从而获取第二风扇控制参数数据，以进行风扇控制作业
。
[0012]本专利技术中根据用户的姿态
、
环境和体温等特征，实现了个性化的风扇控制
。
通过对用户环境舒适度和体温的识别和优化，可以使用户在不同环境下获得更舒适的风扇体验
。
该方法可以识别多人的存在，并根据他们的位置
、
体温的特征生成适合不同人的风扇控制
参数
。
这有助于满足多人共享空间的舒适度需求
。
通过摄像模块采集实时图像数据，该方法可以在用户使用风扇的过程中实时进行姿态识别
、
环境舒适度识别和参数调整，从而保持舒适度
。
通过图像识别和数据处理实现风扇控制参数的自动生成和优化，减少了用户的干预和调整
。
用户无需手动设置风扇参数，使使用更加便捷
。
通过精确的控制，风扇可以根据实际需求调整风速和运行状态，从而降低能耗，实现节能和环保效果
。
[0013]优选地，步骤
S1
具体为：
[0014]步骤
S11
：通过摄像模块进行风扇区域图像采集，从而获取风扇区域图像数据流；
[0015]步骤
S12
：根据预设的图像数据帧提取数据对风扇区域图像数据流进行图像帧提取，从而获取风扇区域图像数据；
[0016]步骤
S13
：对风扇区域图像数据进行环境自适应二值化处理，从而获取风扇区域图像二值化数据；
[0017]步骤
S14
：利用风扇区域图像二值化数据对风扇区域图像数据进行基于阈值黑色像素点的图像分割，从而获取风扇区域分割图像数据；
[0018]步骤
S15
：对风扇区域分割图像数据进行最大值卷积计算
、
最小值卷积计算以及平均卷积计算，从而获取第一风扇区域卷积层数据
、
第二风扇区域卷积层数据以及第三风扇区域卷积层数据；
[0019]步骤
S16
：对第一风扇区域卷积层数据进行最大值池化计算，从而获取第一风扇区域池化层数据，对第二风扇区域卷积层数据进行最小值池化计算，从而获取第二风扇区域池化层数据，对第三风扇区域卷积层数据进行平均值池化计算，从而获取第三风扇区域池化层数据；
[0020]步骤
S17
：分别对第一风扇区域池化层数据
、
第二风扇区域卷积层数据以及第三风扇区域池化层数据进行相应的预设的权重计算，从而获取第一置信度数据
、
第二置信度数据以及第三置信度数据；
[0021]步骤
S18
：根据第一置信度数据
、
第二置信度数据以及第三置信度数据进行结果投票，从而获取检测结果置信度数据；
[0022]步骤
S19
：对检测结果置信度数据对应的风扇区域分割图像数据的图像区域数据进行非极大值抑制，从而获取优化检测结果置信度数据；
[0023]步骤
S110
：根据优化检测结果置信度数据生成用户检测数据
。
[0024]本专利技术中通过摄像模块的图像采集和处理，可以精确地检测出风扇区域内的用户，从而获取用户的存在信息
。
环境自适应二值化处理和图像分割可以帮助区分风扇区域和背景，从而确保只有风扇区域内的信息被提取和处理，提高了数据的可靠性和准确性
。
通过卷积计算
、
池化计算和权重计算等步骤，可以提取不同特征的信息，如形状
、
纹理，进一步增加了用户识别和特征提取的准确性
。
通过多个置信度数据的计算和投票，可以增强用户检测结果的可信度
。
非极大值抑制进一步优化了结果，确保检测到的用户信息更加精确
。
基于用户检测数据，风扇可以根据实际的用户分布情况来智能地调整运行状态和风速，从而提供更加舒适的使用体验
。
通过实时检测用户的存在，风扇可以在没有用户的情况下自动调整运行状态，实现节能和安全的效果
。
[0025]优选地，环境自适应二值化本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于图像识别技术的风扇控制方法，其特征在于，应用于风扇，该风扇包括主控模块
、
摄像模块
、
风力电机模块
、
摇头电机模块以及电源模块，主控模块分别与电源模块
、
摄像模块
、
风力电机模块以及摇头电机模块电性连接，包括以下步骤：步骤
S1
：通过摄像模块进行风扇区域图像采集，从而获取风扇区域图像数据，并对风扇区域图像数据进行用户检测，从而获取用户检测数据，其中用户检测数据包括单人检测数据以及多人检测数据；步骤
S2
：确定用户检测数据为单人检测数据时，则对风扇区域图像数据进行用户姿态特征提取以及用户环境特征提取，从而获取用户姿态特征数据以及用户环境特征数据；步骤
S3
：对用户姿态特征数据进行用户姿态识别，从而获取第一初级风扇控制参数数据，并对用户环境特征数据进行用户环境舒适度识别，从而获取用户环境舒适度数据；步骤
S4
：利用用户环境舒适度数据对第一初级风扇控制参数数据进行单人环境舒适度优化，从而获取第一风扇控制参数数据，以进行风扇控制作业；步骤
S5
：确定用户检测数据为多人检测数据时，则对风扇区域图像数据进行用户位置特征提取以及用户体温表征特征提取，从而获取用户位置特征数据以及用户体温表征特征数据；步骤
S6
：对用户位置特征数据进行用户位置识别，从而获取用户位置识别数据，并利用预设的风扇初始参数集对用户位置识别数据进行参数生成，从而获取第二初级风扇控制参数数据；步骤
S7
：利用用户体温表征特征数据对第二初级风扇控制参数数据进行多人环境舒适度优化，从而获取第二风扇控制参数数据，以进行风扇控制作业
。2.
根据权利要求1所述的方法，其特征在于，步骤
S1
具体为：步骤
S11
：通过摄像模块进行风扇区域图像采集，从而获取风扇区域图像数据流；步骤
S12
：根据预设的图像数据帧提取数据对风扇区域图像数据流进行图像帧提取，从而获取风扇区域图像数据；步骤
S13
：对风扇区域图像数据进行环境自适应二值化处理，从而获取风扇区域图像二值化数据；步骤
S14
：利用风扇区域图像二值化数据对风扇区域图像数据进行基于阈值黑色像素点的图像分割，从而获取风扇区域分割图像数据；步骤
S15
：对风扇区域分割图像数据进行最大值卷积计算
、
最小值卷积计算以及平均卷积计算，从而获取第一风扇区域卷积层数据
、
第二风扇区域卷积层数据以及第三风扇区域卷积层数据；步骤
S16
：对第一风扇区域卷积层数据进行最大值池化计算，从而获取第一风扇区域池化层数据，对第二风扇区域卷积层数据进行最小值池化计算，从而获取第二风扇区域池化层数据，对第三风扇区域卷积层数据进行平均值池化计算，从而获取第三风扇区域池化层数据；步骤
S17
：分别对第一风扇区域池化层数据
、
第二风扇区域卷积层数据以及第三风扇区域池化层数据进行相应的预设的权重计算，从而获取第一置信度数据
、
第二置信度数据以及第三置信度数据；步骤
S18
：根据第一置信度数据
、
第二置信度数据以及第三置信度数据进行结果投票，
从而获取检测结果置信度数据；步骤
S19
：对检测结果置信度数据对应的风扇区域分割图像数据的图像区域数据进行非极大值抑制，从而获取优化检测结果置信度数据；步骤
S110
：根据优化检测结果置信度数据生成用户检测数据
。3.
根据权利要求2所述的方法，其特征在于，环境自适应二值化处理通过环境自适应二值化计算公式进行处理，其中环境自适应二值化计算公式具体为：
T(x,y)
为二值化阈值数据，
e
为自然对数，
α
为第一控制环境自适应调整参数，
μ
(x,y)
为像素点
(x,y)
邻域内的平均灰度值，
x
为像素点的横向数据，
y
为像素点的纵向数据，
β
为环境灰度影响项，
γ
为第二控制环境自适应调整参数，
σ
(x,y)
为像素点
(x,y)
邻域内的灰度值标准差，
δ
为环境灰度变化程度影响项
。4.
根据权利要求1所述的方法，其特征在于，步骤
S2
具体为：步骤
S21
：确定用户检测数据为单人检测数据时，则对风扇区域图像数据进行光照条件数据提取，从而获取风扇光照条件数据；步骤
S22
：利用风扇光照条件数据对风扇区域图像数据进行自适应降噪调节，从而获取风扇区域图像降噪数据；步骤
S23
：利用用户检测数据对风扇区域图像降噪数据进行用户区域图像提取，从而获取用户区域图像数据；步骤
S24
：对用户区域图像数据通过预设的关键点标注进行多关节姿态恢复处理，从而获取姿态关键点坐标数据；步骤
S25
：根据姿态关键点坐标数据进行用户姿态特征向量生成，从而获取用户姿态特征数据
。5.
根据权利要求1所...

【专利技术属性】
技术研发人员：黄福康，
申请(专利权)人：深圳市众志联城科技有限公司，
类型：发明
国别省市：