[发明专利]一种智能家电智能控制方法、控制系统、智能家电

权利要求书

1.一种智能家电智能控制方法，其特征在于，方法如下：

识别用户的行为状态，采集室内环境的热成像图，通过深度学习网络模型对用户的行为状态进行识别，对室内热成像图样本进行卷积运算，提取得到初步特征图，进行卷积分解，再提取人体的关键节点位置，得到姿态概率图，再结合提取的初步特征图，对初步特征图中人体的姿态进行判定，得到姿态预测值和姿态特征图；

获取用户体表温度值信息，通过将姿态特征图输入到体温计算函数得到人体体表温度值信息；

根据所述行为状态及体表温度值信息计算出智能家电的控制参数；

根据控制参数调节控制智能家电的工作状态。

2.根据权利要求1所述的智能家电智能控制方法，其特征在于：所述体温计算函数的计算方法包括：对姿态特征图中每一人体的关键节点的每个像素点的颜色幅值进行提取，剔除幅值较低的数值后求取平均值，再进行加权平均值计算，得到人体的体表温度值。

3.根据权利要求2所述的智能家电智能控制方法，其特征在于：所述关键节点包括头部、躯干、手臂、腿部中的一处或多处。

4.根据权利要求1所述的智能家电智能控制方法，其特征在于：所述根据行为状态及体表温度值信息进行计算的计算方法包括：根据姿态预测值和体表温度值通过目标决策函数计算出智能家电的控制参数。

5.根据权利要求4所述的智能家电智能控制方法，其特征在于：所述目标决策函数基于实验数据和/或互联网相关数据库所得出的关于人体行为状态和体表温度值与智能家电工作状态所形成一一对应的函数关系。

6.根据权利要求1所述的智能家电智能控制方法，其特征在于：当用户手动调节控制智能家电时，根据用户的调整数据结合计算出的控制参数重新调节控制空调的工作状态。

7.根据权利要求6所述的智能家电智能控制方法，其特征在于：当用户手动调节控制智能家电时，将用户的调节参数加入到深度学习网络模型，再对深度学习网络模型进行重新训练，实现网络模型更新，再将目标决策函数进行重新拟合，更新目标决策函数。

8.一种智能家电智能控制系统，其特征在于：采集装置、服务器、控制器，所述采集装置、服务器、控制器之间进行通讯实现数据对接，

所述采集装置包括热成像模块，用于采集室内环境的热成像图输入到服务器中；

所述服务器包括识别模块、获取模块、计算模块，所述识别模块包括深度学习网络模型，所述深度学习网络模型对室内热成像图样本进行卷积运算，提取得到初步特征图，进行卷积分解，再提取人体的关键节点位置，得到姿态概率图，再结合提取的初步特征图，对初步特征图中人体的姿态进行判定，得到姿态预测值和姿态特征图，以识别用户的行为状态，所述获取模块通过将姿态特征图输入到体温计算函数得到人体体表温度值信息，所述计算模块用于根据所述行为状态及体表温度值信息计算出智能家电的控制参数发送到智能家电控制器；

所述控制器用于根据控制参数调节控制智能家电的工作状态。

9.一种智能家电，其特征在于：包括权利要求8所述的智能家电智能控制系统，所述智能家电包括空调、电风扇、加湿器中一种或多种。

10.根据权利要求9所述的智能家电，其特征在于：所述控制器集成于智能家电上。

11.根据权利要求9所述的智能家电，其特征在于：采集装置集成于智能家电上。